UI 3 An ENC Integral

Analiz numeric
http://adl.anmb.ro
Unitatea de nvare 3:
Elemente de calcul matriceal
Timp mediu de studiu: 12 ore
Obiective:
1. Recapitularea unor elemente legate de rezolvarea sistemelor de ecuaii liniare.
2. Familiarizarea studenilor cu metodele numerice de rezolvare a sistemelor de
ecuaii liniare (metode directe i metode iterative).
3. nsuirea metodelor de determinare numeric a valorilor i vectorilor proprii
corespunztori unei matrici ptrate.
4. Analizarea i testarea algoritmilor numerici pentru rezolvarea sistemului de ecuaii
liniare, respectiv pentru determinarea spectrului unei matrici.
Condiionri:
- U..1;
- Algebr liniar (cls. A XI-a);
- Analiz matematic (cls. A XI-a);
- Algebr liniar, geometrie analitic i diferenial (anul I).
Cuprins
U.S. 3.1. Metode directe pentru rezolvarea sistemelor de ecuaii liniare
U.S. 3.2. Metode iterative pentru rezolvarea sistemelor de ecuaii liniare
U.S. 3.3. Rezolvarea sistemelor de ecuaii liniare n sensul celor mai mici ptrate
U.S. 3.4. Determinarea numeric a spectrului unei matrici
U.S. 3.1. se concentreaz asupra unei succinte recapitulri a elementelor privind
rezolvarea sistemelor de ecuaii liniare (nsuite n clasa a XI-a), iar apoi asupra
prezentrii metodelor directe de rezolvare numeric a acestor sisteme.
n U.S. 3.2. sunt trecute n revist cele mai utilizate metode iterative.
U.S. 3.3. i propune abordarea rezolvrii sistemelor de ecuaii liniare sub i
supradeterminate.
Determinarea aproximativ a valorilor i vectorilor proprii constituie tema tratat n
U.S. 3.4.
Bibliografie minimal
L.A.Spori: Analiz numeric, Ed.ANMB, 2003

M.Dinu: Metode numerice n algebr, Ed.UPB, 1997
O.Martin: Probleme de analiz numeric, Ed.Matrix Rom, 2002
Bibliografie auxiliar:
M.Dinu, Gh.Linc: Algoritmi i teme special de analiz numeric, Ed.Matrix Rom,

1999
19 June 2015
Lector universitar doctor Ligia-Adriana SPORI
Academia Naval "Mircea cel Btrn" (ANMB). Orice form de copiere, stocare, modificare
i/sau transmitere a acestui material fr acordul prealabil i scris al ANMB este strict interzis.
Analiz numeric
N.Dne: Analiz numeric cu aplicaii rezolvate n MathCad, Ed.Matrix Rom,

2002
C.Berbente, alii: Metode numerice, Ed.Tehnic, 1997
J.Stoer, R.Bulirsch: Introduction to Numerical Analysis, Springer Verlag, 2000
G.Golub, Ch.Van Loan: calcul matriceal, Ed.Theta, 2005
Unitatea de studiu 3.1.

Metode directe pentru rezolvarea
sistemelor de ecuaii liniare
19 June 2015
Analiz numeric
Sarcini de nvare: Prin parcurgerea acestei uniti de studiu, studentul va reui s se
familiarizeze cu metodele directe de soluionare numeric a sistemelor de ecuaii liniare
(eliminare Gauss, factorizri LU) i s aplice apoi algoritmii numerici corespunztori n
abordarea unor exemple concrete.
3.1.1. Introducere
O problem fundamental a Analizei numerice matriceale o constituie rezolvarea
sistemelor de ecuaii liniare.
Acestea apar, att direct ct i indirect, ca urmare a modelrii unor fenomene, ce
acoper ntreaga arie a tiinelor fizice, biologice i sociale. De asemenea, pot fi ntlnite
n rezolvarea unor probleme ce vizeaz: teoria optimizrii, aproximarea funciilor,
rezolvarea sistemelor de ecuaii neliniare, teoria ecuaiilor difereniale, a celor cu derivate
pariale, integrale i integro-difereniale, calculul statistic, etc.
Datorit importanei lor deosebite, de-a lungul timpului, un numr mare de
matematicieni i-au canalizat eforturile n vederea obinerii soluiei numerice a acestor
sisteme. Au fost dezvoltai algoritmi exceleni pentru cele mai multe tipuri de probleme
studiate; o parte dintre acetia fiind analizai i ilustrai n acest capitol.
Considerm sistemul de ecuaii liniare:
Ax b
(1.1)
unde A K m n s.n. matricea coeficienilor, b K m s.n. termen liber, x K n s.n.
necunoscut.
Problema de calcul numeric pentru (1.1) const n determinarea unei soluii x* (i.e.
gsirea unui vector x* K n a.i. Ax* b ).
n situaia n care (1.1) nu satisface condiiile uzuale de compatibilitate determinat, se
atribuie o nou semnificaie noiunii de soluie, introducndu-se noiunea de:
a) pseudo-soluie (dac (1.1) este incompatibil).
Definiia 1.1.1.:
x K n se va numi pseudo-soluie a sistemului (1.1) dac
r* min r
x K n
unde
r Ax b
(1.2)
(1.3)
s.n. reziduul sistemului (1.1).

b) soluie normal (dac (1.1) este compatibil nedeterminat).
Definiia 1.1.2.:
x K n se va numi soluie normal a sistemului (1.1) dac
x* min x
x K n
Ax b
(1.4)
Un prim criteriu, ce va determina alegerea metodei numerice de rezolvare, l

constituie relaia existent ntre numrul de ecuaii, m i numrul de necunoscute, n .
Astfel, dac: m n , (1.1) s.n. supradeterminat; m n , (1.1) s.n. subdeterminat; m n ,
(1.1) s.n. determinat.
Vom presupune, n continuare, c A R m n .
Observaia 1.1.3.:
19 June 2015
Analiz numeric
n fapt, dac
A B iC , B,C R
m n
A C m n
b Cm ,
putem reduce totul la cazul real, lund

, b b1 ib2 , x y iz cu b1 ,b2 R m , iar y , z R n . Astfel, (1.1)
B C y b1

(1.5)
C B z b2
Reamintim cteva rezultate ce se refer la existena i unicitatea soluiei sistemului (1.1).

Propoziia 1.1.4.:
a) (1.1) admite soluie b Im A . Dac A este epic, atunci (1.1) este
compatibil, b R m .
b) (1.1) admite o unic soluie A este monic.
Demonstraie:
a) (1.1) admite soluie x* R n a .i. Ax* b b Im A . A epic Im A R m .
b) Dac y , z R n sunt soluii ale sistemului (1.1), y z , atunci y z KerA .
n consecin, dac x* este o soluie a sistemului (1.1), atunci varietatea liniar
x* KerA reprezint mulimea soluiilor acestui sistem.
x* este unic KerA 0 A este monic.
Corolar 1.1.5.:
Dac A R n n , atunci U.A.E.: 1) A este monic;
2) A este epic;
3) A GL n .
Observaia 1.1.6.:
Pentru m n i A GL n , (1.1) admite o unic soluie
putem scrie:
x*
. n aceast situaie,
x* A 1b
(1.6)
(1.6), ns, nu trebuie interpretat ca o prescripie de forma x se obine premultiplicnd
termenul liber b cu inversa matricei coeficienilor, A 1 , ci numai ca o exprimare comod
pentru x* este unica soluie a sistemului (1.1).
Pentru dimensiuni ale (1.1) mai mari sau egale cu 4, calculul lui A 1 sau metoda
lui Cramer sunt procedee ce trebuie evitate, n primul rnd pentru timpul de calcul superior
ce-l necesit. Spre exemplu, numrul operaiilor aritmetice elementare necesitate de
*
1
n 1 determinani de ordin n ; pentru
j 1! (i.e.
j 2
n
1
n!
calculul fiecruia, avnd nevoie de
nmuliri i un numr comparabil de
!
j 2
metoda lui Cramer este 2 n 1!
adunri). Dac considerm n 20 atunci avem aproximativ 17 10 19 operaii; ceea ce,

pentru un calculator capabil s efectueze 2 10 6 operaii/s, reprezint mai mult de 2 10 6 ani
de calcul nentrerupt.
n practica numeric actual, se utilizeaz dou categorii de metode pentru
rezolvarea (1.1):
a) metode directe, ce se aplic n general pentru dimensiuni 500 . Acestea se
bazeaz pe o schem de eliminare succesiv a necunoscutelor, tradiional atribuit lui
Gauss, prin intermediul creia se realizeaz triangularizarea sau factorizarea triunghiular
a matricei A . n absena erorilor de rotunjire, metodele directe furnizeaz soluia exact
x* i necesit un numr de operaii aritmetice elementare N op predeterminat.
19 June 2015
Analiz numeric
b) metode iterative. Aplicabile pentru dimensiuni mari ale sistemului (1.1), ce apar
mai ales n rezolvarea ecuaiilor cu derivate pariale, aceste metode constau n
aproximarea soluiei exacte x* , prin intermediul termenilor unui ir de vectori, convergent
la x* .
Triangularizarea sau factorizarea triunghiular a unei matrice se obin n urma
multiplicrii acesteia cu anumite matrice cu o structur special, generic numite
transformri elementare.
Vom prezenta n acest subcapitol, cele mai importante tipuri de transformri i
proprietile acestora.
Definiia 1.1.7
S.n. matrice inferior triughiular elementar de ordin
n; k ) o matrice M k de forma:
n i indice
k (notat ITE
M k I n mk ekT
(1.7)
unde ek 0 0...0 1 0...0 T i mk 0...0 k 1,k ... nk T , ik R , i k 1, n . mk s.n. vector

Gauss, iar ik , i k 1, n s.n. multiplicatori Gauss.
Propoziia 1.1.8.:
O matrice ITE n; k , M k are urmtoarele proprieti:
1. M k GL n i M k1 I n mk eTk
2.
xR
M k x i
xi , i 1,k
(1.8)
(1.9)
xi ik xk , i k 1,n
n particular, pentru x R n , avnd x k 0 , M k ITE n; k a.i. M k x i 0 , i k 1, n .

Definiia 1.1.9.:
S.n. permutare elementar de ordin n i indici k i l k l (notat PE n; k ,l ) o
matrice Pkl de forma:
k
l
Pkl e1 e2 ... ll ... l k ...en
(1.10)
unde B e1 , e2 ,...,en este baza canonic n R n .

Propoziia 1.1.10.:
O matrice PE n; k ,l , Pkl are urmtoarele proprieti:
1. Pkl GO n i Pkl PklT .
2. Dac
a11 a12 ... a1k ... a1l ... a1n
A

a 21 a 22 ... a 2 k ... a 2l ... a 2 n
...
... ... ... ... ... ... ...
k a k 1 a k 2 ... a kk ... a kl ... a kn

...
... ... ... ... ... ... ...
l
a
al 2 ... alk ... all ... aln
l1
... ... ... ... ... ... ...

...
a
n1 a n 2 ... a nk ... a nl ... a nn

19 June 2015
Analiz numeric
atunci
Pkl A
k
l
iar
APkl a1
a11
...
a12
...
al 1
...
a
k1
...
a n1
...
al
... a1n
... ...
al 2
...
...
...
ak 2
...
ak
...
... a kn
...
...
an2
...
aln
... a nn
an
...
Definiia 1.1.11.:
Fie u R n a.i. u 2 1 . S.n. reflector elementar de ordin
Householder o matrice U de forma
n sau transformare
U I n 2uu T
(1.11)
Propoziia 1.1.12.:
Un reflector elementar de ordin n , U are urmtoarele proprieti:
1) U U T ;
2) U GO n .
Definiia 1.1.13.:
S.n. reflector elementar de ordin n i indice k (notat RE n; k ) o matrice de forma:
Uk In
2uu T
(1.12)
u 2
unde u 0...0 u k ...u n T s.n. vector Householder.

Propoziia 1.1.14.:
O matrice RE n; k are urmtoarele proprieti:
1) U k U kT i U k GO n .
2)
xi , i 1,k - 1
2u
, unde
x R , Uk x
u
xi ui , i k,n
n
2
2
2
2
n
n particular, dac xi 0 ux , x R , atunci U k , RE n; k ) a.i.
ik
xi , i 1,k - 1
U k x i , i k
Definiia 1.1.14.:
S.n. rotaie de ordin
n; k ,l ), o matrice
19 June 2015
(1.13)
0, i k 1,n
n i indici
k i l sau transformare Givens-Jacobi (notat RO
Analiz numeric
1
J kl
0
...
0
...
...
0
k
l
...
...
...
1
...
0
...
...
...
...
...
0
...
c
...
...
...
...
...
0
...
s
...
...
...
...
...
0
...
0
...
...
...
s
...
0
...
...
...
c
...
0
...
...
...
Propoziia 1.1.15.:
O matrice RO n; k ,l are urmtoarele proprieti:
1) J kl GO n .
2)
xi , i k,l
J kl x i cxk sxl , i k
cx sx , i l
l k
3) n
particular,
xi , i k,l
J kl x i r, i k .
0, i l
0
...
0
...
0
...
1
(1.14)
(1.15)
pentru
x Rn
cu
r 2 x k2 xl2 0 , J kl ,
RO n; k ,l
a.i.
3.1.2. Metoda Gauss

1. Rezolvarea numeric a sistemelor triunghiulare
Dac matricea sistemului (1.1) este triunghiular atunci, procedura de obinere a
soluiei x* este foarte simpl (necunoscutele se determin ntr-o ordine bine precizat,
numit substituie).
a) Considerm sistemul de ecuaii liniare,
Lx b
(1.16)
n n
, lij 0 , i j , iar lii 0 , i, j 1, n .
unde L R
l11 x1 b1
l x l x b
21 1 22 2 2
. . . . . . . . . . . . . . . . . . . . .
li1 x1 li 2 x2 ... lii 1 xi 1 lii xi bi
(1.16)
(1.17)
.....................
l n1 x1 l n2 x2 ... l nn xn bn
Atunci:
19 June 2015
Analiz numeric
b1
x
l11
b2 l 21 x1
x
l 22
...........
bi
xi
i 1
lij x j
j 1
, i 1, n
lii
(1.18)
(1.18) definete algoritmul de rezolvare numeric numit substituie nainte.
b) Fie sistemul de ecuaii liniare
Ux b
n n
, u ij 0 , i j i u ii 0 , i, j 1, n .
unde U R
(1.19)
(1.19)
u ii x1 u12 x 2 . . . . . . . . . . . . . . . u1n x n b1
u 22 x 2 . . . . . . . . . . . . . . . u 2 n x n b2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
u ii xi u i ,i 1 xi 1 ... u in x n bi
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
u nn x n bn
(1.20)
bn
xn u
nn
bn 1 u n 1,n x n
u n 1,n 1
xn 1
. . . . . . . . . . . . . . . . . .
Atunci,
bi
xi
u ij x j
j i 1
u ii
, i 1, n
(1.21)
definete algoritmul de rezolvare numeric a sistemului (1.20), numit substituie napoi.
Numrul operaiilor aritmetice elementare necesare: (1.18) i (1.21) se obin
n 1 n
n 1 n
efectund: n , mpriri, 1 2 ... n 1
nmuliri i 1 2 ... n 1
2
2
adunri.
2. Metoda lui Gauss
19 June 2015
Analiz numeric
Metoda lui Gauss este cea mai cunoscut metod direct de rezolvare numeric a
unui sistem de ecuaii liniare
Ax b , unde A GL n , b R n
(1.22)
Aplicarea acesteia presupune parcurgerea urmtoarelor etape:
a) determinarea unei matrice inferior triunghiulare nesingulare, M a.i. MA s fie o
matrice superior triunghiular;
b) calcularea simultan a vectorului Mb ;
c) rezolvarea sistemului de ecuaii liniare
MAx Mb
(1.23)
conform algoritmului (1.21).
Observaia 1.2.1.:
n practic, nu se calculeaz explicit matricea M , ci doar matricea MA i vectorul
Mb . Introducerea matricei M reprezint doar o comoditate de scriere.
Fundamentarea teoretic a primei etape se realizeaz prin:
Teorema 1.2.2.:
Fie A R n n a.i.
k 1, n - 1 , submatricea lider principal, A k s fie nesingular.
Atunci, M R n n , inferior triunghiular unitate, a.i. s aib loc relaia:
MA U
(1.24)
(1.25)
n n
unde U R
este o matrice superior triunghiular.
Demonstraie:
Demonstraia este constructiv; ea derulndu-se n
A a1 a 2 ...a n R n n ce satisface (1.24), unde a k a1k a 2 k ...a nk .
n 1
pai.
Fie
Pasul 1:
1 0
Considerm A1 A . Conform (1.24), A1 1 GL 1 ( a11
). Conform propoziiei
a 1
1
(3.2.2), M 1 , ITE n;1 a.i. M 1a1 i 0 , i 2, n ( i1 i11 , i 2, n ).
a 2
11
0
...
0
Atunci, A2 M 1 A1
2
a12
2
a 22
...
a n 22
... a1 2n
... a 2 2n
.
... ...
2
... a nn
a11
Pasul k :
Dup parcurgerea a k 1 pai, obinem
19 June 2015
Analiz numeric
a k
11
k
a12
a1 kk 1
..
a1 kk
0 a k .. a k
a 2 kk
22
2k 1
... ..
...
...
...
k
k
Ak M k 1 M k 2 ...M 1 A1 0
0 .. a k 1,k 1 a k 1,k
k
0
0 ..
0
a kk
... ..
...
...
...
0
k
0 ..
0
a nk
Ak k M k 1 M k 2 ...M 1 A1 k M k k 1 M k k 2 ...M 1 k A1 k .
..
a1 kn
a 2 kn
...
..
..
.. a k k 1,n
k
.. a kn
..
...
k
.. a nn
k 0 . Aplicnd propoziia
Conform (3.24), A1 k GL k , deci Ak k GL k , de unde a kk
(3.2.2).
M k ITE n;1
a k 1
11
k
a.i. M k a k
...
...
...
... a1 kk 1
... a 2 kk 1
k 1
... a kk
...
0
...
...
...
...
Ak 1 M k Ak
a1 kk 11
a2 kk11
...
k 1
akk
1
0 , i k 1 , n .
Considerm
... a1 kn 1
... a 2 kn 1
...
...
k 1
... a kn
k 1
k 1
a k 1,k 1 ... a k 1,n
...
...
...
k 1
ank
1
k 1
... a nn
Astfel, dup n 1 pai obinem An M n 1 M n 2 ...M 1 A1 MA R n n , matrice superior

triunghiular, unde s-a notat cu M M n 1 ...M 1 , matrice inferior triunghiular unitate.
Observaia 1.2.3.:
Demonstraia teoremei 1.2.2, furnizeaz o procedur de triangularizare a matricei
sistemului (1.22), n care calculele se desfoar pe loc, n tabloul A. Aceast procedur
s.n. eliminare gaussian.
Algoritmul de eliminare gaussian (El.G)

- Se d matricea A R n n a.i. A k GL k , k 1, n - 1 .
- Se calculeaz matricele M R n n , inferior triunghiular unitate i U R n n , superior
triunghiular a.i. MA U .
U se memoreaz n triunghiul superior al matricei A , inclusiv diagonala, iar M se
memoreaz n triunghiul inferior (pe poziiile elementelor anulate).
1. Pentru k 1 : n 1
1. Pentru i k 1 : n
aik
1. aik ik
a kk
2. Pentru j k 1 : n
1. Pentru i k 1 : n
1. aij aij ik a kj
19 June 2015
10
Analiz numeric
Observaia 1.2.4.:
Transformarea A M k A ( 1.2) se execut eficient deoarece:
- primele k 1 coloane ale lui A nu sunt afectate;
- n coloana k , sunt anulate elementele subdiagonale;
- elementele submatricei determinat de linia k i coloana k 1 sunt modificate
conform 1.2.1.1. din (El.G).
k 0
Dac k 1, n - 1 a.i. A k GL k ( a kk
), atunci, conform propoziiei 1.1.8,
M k , ITE n; k a.i.
Ak k
0 , i k 1, n .
n aceast situaie, algoritmul (El.G) se modific a.i. pe poziia-pivot k , k s fie un

element nenul.
Pentru a asigura stabilitatea numeric a procesului de calcul, algoritmul (El.G) se
modific i n cazul n care pivoii sunt nenuli, dar submatricele lider principale sunt
aproape singulare (i.e. valoarea absolut a pivoilor este mai mic comparativ cu cea a
celorlalte elemente din tabel).
Astfel, se recurge la aplicarea strategiilor de pivotare (parial, respectiv total).
a) Pivotare parial.
Pentru k 1, n 1 , se execut urmtoarele etape:
n
1. Se determin cel mai mic ik k a.i. ai k k max aik .

2. Se permut liniile ik i k ( A Pi k k A ).
ik
3. Se determin matricea M k , ITE n; k a.i. M k Ak i 0 , i k 1 , n .

4. Se efectueaz transformarea: A M k Pi k k A .
5. Dup n 1 pai , se obine
U M n 1 Pi n1 n 1 ...M 1 Pi1 1 A1
(1.26)
matrice superior triunghiular.

Algoritmul pivotrii pariale (GPP)
Se d A R n n a.i. A k GL k , k 1, n - 1 .
Se calculeaz matricele: M 1 , M 2 ,..., M n 1 ,ITE, P1 ,..., Pn 1 (unde am notat Pik k cu
Pk ), PE i U a.i. (1.26) s fie adevrat.
U se memoreaz n triunghiul superior, inclusiv diagonala, al matricei A ;
ik , k 1, n - 1 , ce definesc PE, Pk sunt memorai ntr-un vector p de dimensiune
n 1 .
1. Pentru k 1 : n 1 :
n
1. Se determin cel mai mic ik k ,..., n a.i. ai k k max aik .

2. p k ik .
3. Pentru j k : n , % interschimb liniile k i ik .
1. a kj ai k j .
4. Pentru i k 1 : n
1. aik ik aik / a kk
5. Pentru j k 1 : n
1. Pentru i k 1 : n
1. aij aij ik a kj
b) Pivotare complet:
Pentru k 1, n 1 , se execut:
19 June 2015
ik
11
Analiz numeric
n
1.
Se determin cei mai mici ntregi ik , j k k a.i.
2.
Se permut: liniile ik i k ( A Pi k k A ) i coloanele j k i k
ai k j k max aij
i, j k
.
(
A Pi k k AQ j k k ).
3. Se determin matricea M k , ITE n; k a.i. M k A ik 0 , i k 1, n .

4. Se efectueaz transformarea: A M k Pik k AQ j k k .
5. Dup n 1 pai, se obine matricea superior triunghiular
U M n 1 Pn 1 M n 2 Pn 2 ...M 1 P1 AQ1Q2 ...Qn 1
(1.27)
unde am notat cu Pk Pi k k i cu Q Q j k k
Algoritmul pivotrii totale (GTP)
- Se d A R n n a.i. A k GL k , k 1, n - 1 .
- Se calculeaz matricele: M 1 , M 2 ,..., M n 1 ,ITE, P1 ,..., Pn 1 ,PE i Q1 ,Q2 ,...,Qn 1 ,PE,
U superior triunghiular a.i. (1.27) s fie adevrat.
- U se memoreaz n triunghiul superior, inclusiv diagonala, al matricei A ; ik i j k ,
k 1, n - 1 , sunt memorai pe vectorii p i q , de dimensiune n 1 .
- 1. Pentru k 1 : n 1
1. Se determin cei mai mici ntregi ik k : n i j k k : n a.i.
ai k j k max aij
2. p k ik .
3. q k j k .
4. Pentru j k : n , % interschimb liniile ik i k .
1. a kj ai k j
5. Pentru i k : n , % interschimb coloanele k i j k .
1. aik aij
i, j k
6. Pentru i k 1 : n
1. aik ik aik / a kk
7. Pentru j k 1 : n
1. Pentru i k 1 : n
1. aij aij ik a kj
Observaia 1.2.5.:
1. Dac A GL n , atunci (GPP), respectiv (GPT) se execut complet, iar U este
superior triunghiular nesingular.
2. Dac A GL n i (1.24) nu are loc, atunci (GPP), respectiv (GPT) se modific astfel:
a) (GPP): Dup 1.1. se adaug: dac ai k k 0 ( aik 0 , i k,n ) nu se execut 1.2-1.5
pentru pasul k .
n aceast situaie, U An poate avea elemente diagonale nule.
b) (GPT): Dup 1.1, se adaug: dac ai k j k 0 ( aij 0 , i, j k, n ), (GPT) se ncheie la
pasul k , deoarece U Ak este superior triunghiular, iar rangA k 1 .
Datorit erorilor de rotunjire inerente, este destul de rar gsirea unui pivot nul.
Numrul operaiilor aritmetice elementare necesare n metoda lui Gauss.
a) Eliminare.
- Ak Ak 1 : - n k - mpriri
19 June 2015
12
Analiz numeric
- n k 1 n k n k 2 n k - adunri
- n k 1 n k n k 2 n k - nmuliri
3
2
2 2
n 1 ... 2 1 n 1 ... 2 1
n3 n
n 1 ... 2 1 n 1 ... 2 1
3
n 1 n 2 ... 2 1 n n 1 O
2
2
n n
b) Mb k Mb k 1 : n k ,
n n 1
-
2
n 1 n 2 ... 2 1 n n 1 -
2
n n 1
-
c) n 1 n 2 ... 2 1
2
n 1 n 2 ... 2 1 n n 1 -
2
n-O
n 1 n 2 ... 2 1
n concluzie, numrul operaiilor aritmetice elementare necesare este O n 3 .

Observaia 1.2.6.:
n estimarea timpului total de calcul, trebuie s se in seama c timpul necesar
efecturii unei este de 4 ori mai mare dect cel alocat unei sau O, iar cel alocat
este de 10 ori mai mare. De asemenea, este necesar s se in cont, de timpul
unei O
alocat cutrii pivotului, mai ales n situaia folosirii pivotrii totale.
O metod direct apropiat de metoda lui Gauss este metoda Gauss-Jordan.
Diferena ntre cele 2 metode const n faptul c, n cazul utilizrii metodei Gauss-Jordan,
~
~
se caut o matrice M
inferior triunghiular, a.i. matricea M
A s fie diagonal.
3.1.3. Factorizri LU
O manier convenabil de rezolvare direct a sistemului (1.22), se obine dac se
consider o factorizare corespunztoare a matricei sistemului.
Definiia 1.3.1
Fie A R n n . A admite o factorizare LU dac L R n n , inferior triunghiular i
U R n n , superior triunghiular, a.i.
A LU
(1.28)
A admite o factorizare LDU dac L R n n , inferior triunghiular unitate, D R n n ,
diagonal i U R n n , superior triunghiular unitate a.i.
A LDU
(1.29)
Teorema 1.3.2.:
O matrice A R n n admite o unic factorizare LDU dac i numai dac
A k GL k , k 1, n - 1 .
Demonstraie:
19 June 2015
13
Analiz numeric
" " Presupunem, prin reducere la absurd, c k n a.i. A k GL k .
Cum A k L k D k U k , conform ipotezei, iar L k ,U k GL k , rezult c D k GL k i mai
k 0
mult c d kk
.
Astfel, observm c, coloana k a matricei LD este nul ( lik ,i k , poate fi ales arbitrar)
i de asemenea c, linia k a lui DU este nul ( u kj , j k , poate fi ales arbitrar); de unde,
se obine c factorizarea LDU a matricei A nu este unic, ceea ce intr n contradicie cu
ipoteza de lucru.
" " 1. Conform teoremei 1.2.2, M R n n inferior triunghiular unitate
a.i. MA U este superior triunghiular. Dac considerm D diag u11 ...u nn atunci,
obinem
A M 1 D D 1U
(1.30)
2. ! Presupunem c A este nesingular. Presupunem prin reducere la
n n
absurd c, L, L R
, inferior triunghiulare unitate,
L L
triunghiulare unitate,
D, D R n n ,
D D
U,U R n n ,
U U
superior
diagonale a.i. A LDU L D U . Atunci obinem:
de
unde
L 1 L D U U 1 D 1 ,
D 1 D UU 1 L L , D D i U U .
L 1 L I n
D U U 1 D 1
L L
Afirmaia rmne adevrat i pentru cazul: A singular.

Factorizarea LU a unei matrice nu este n general unic. ntr-adevr,
A LU LDD 1U L U , unde L LD este inferior triunghiular, U D 1U este
superior triunghiular, dac d ii 0 , i 1, n .
Aceasta asociaz curent matricea diagonal D cu matricele triunghiulare L ,
respectiv U ale factorizrii LDU. Astfel se obin:
a) factorizare Doolittle ( L , inferior triunghiular unitate i U , superior triunghiular);
b) factorizare Crout ( L , inferior triunghiular i U , superior triunghiular unitate).
Factorizarea Doolittle este calculat de algoritmul (ElG):
M AU M n 1 M n 2 ...M 2 M 1 A U M 11 M 21 ...M n1 1U A A LU
unde
L
I n mk ekT I n mk ekT
n 1
n 1
n 1
k 1
k 1
n 1
k 1
M k 1
. Deci, L I n
S , iar S conine termeni de tipul

T
...m p e Tp mq eq
...
mk ekT este inferior triunghiular unitate.
k 1
Triangularizarea M n 1 Pn 1 ...M 2 P2 M 1 P1 A U este echivalent cu factorizarea

Doolittle a matricei A cu liniile permutate, adic PA LU , unde P Pn 1 ...P1 .
Dac se cunoate factorizarea Doolittle a unei matrice A , atunci considernd
D diag u11 ...u nn i notnd L LD , iar U D 1U , obinem A L U care nu este
altceva dect o factorizare Crout a lui A .
Exist ns i alte posibiliti de organizare a calculelor, care de obicei s.n. scheme
de factorizare compact.
Vom deduce astfel o factorizare Crout, calculnd succesiv cte o linie a lui L ,
respectiv o coloan a lui U .
Pasul 1: Prima coloan a lui L i prima linie a lui U .
Ae1 LUe1 Le1 li1 ai1 , i 1, n
e1T A e1T LU l11U l11 u1 j a1 j , j 2, n
l i 1 ai 1
(1.31)
i
19 June 2015
14
Analiz numeric
u1 j
a1 j
(1.32)
l11
Pasul k: Coloana k a lui L i linia k a lui U .
Aek LUek aik
k 1
lis u sk lik , i k,n lik
s 1
eT A eT LU a kj
k
k
aik
k 1
lis u sk , i k, n
s 1
(1.33)
k 1
l ks u sj l kk u kj , i k 1, n
s 1
a kj
u kj
k 1
lks u sj
s 1
l kk
(1.34)
, j k 1, n
Observaia 1.3.3.:
Dac A k GL k , k 1, n , relaiile (3.31)-(3.34) calculeaz complet factorii L i
U . n cazul pivoilor nuli sau a cror valoare absolut este foarte mic, comparativ cu a
celorlalte elemente ale matricei, se va reaciona ca i n cazul procedurii de eliminare
gaussian.
Dac matricea sistemului, A este simetric i pozitiv-definit, atunci se obine un
caz particular de factorizare triunghiular, factorizarea Cholesky.
Teorema 1.3.4.:
Dac A R n n este simetric i pozitiv-definit, atunci i numai atunci, exist i
este unic o matrice inferior triunghiular, L a.i.
(1.35)
A LLT
iar lii 0 , i 1, n .
Demonstraie:
" " Conform ipotezei, A k este simetric, k
vR
a.i.
ui , i 1,k
vi
0, i k 1,n
pozitiv-definit, rezult c
. Atunci,
v R n \ 0 i u
A k u vT Av .
u T A k u 0 , k 1, n
i cum
1, n .
Considerm
u R k \ 0
Datorit faptului c A este
u R k \ 0
a fost ales arbitrar, se
obine c A k este pozitiv-definit, k 1, n , iar elementele sale diagonale sunt strict

pozitive, de unde rezult c A k GL k , k 1, n . Ne situm astfel n contextul
teoremei (1.2.2). Deci, M R n n inferior triunghiular unitate a.i. MA U .
Fie diag u11 , u 22 ,..., u nn .
Astfel, are loc relaia
A M 1 1U
(1.36)
T
Cum A este simetric, se obine c 1U M 1 . Notm cu L M 1 i de aici,
A LLT , iar unicitatea lui L , rezult din unicitatea lui M .
19 June 2015
15
Analiz numeric
" "
Dac
(1.35)are
loc,
atunci:
2
T
v R n \ 0 , vT Av vT LLT v LT v LT v LT v 0 , adic
2
AT LLT
T LLT A
dac
A este pozitiv-definit.
Urmnd aceeai procedur de factorizare compact (1.31)-(1.34), se obine:

l kk a kk
a kj
l kj
Numrul
operaiilor
k 1
lki2 , k 1,n
(1.37)
i 1
j 1
l ki l ji
i 1
l jj
(1.38)
, k j, j, k 1, n
elementare
necesare
factorizrii:
n n 1
2
mpriri,
n n 1 n 1
adunri i tot attea nmuliri.
6
Presupunem c matricea sistemului (1.22), A , admite o factorizare LU. Atunci,
rezolvarea sistemului const n aplicarea algoritmilor (1.18) i (1.21), sistemelor rezultate:
Ly b i Ux y
(1.39)
19 June 2015
16
Analiz numeric
Unitatea de studiu 3.2:

Metode iterative pentru rezolvarea
sistemelor de ecuaii liniare
Sarcini de nvare: Dup parcurgerea acestei U.S., studentul va avea capacitatea de a:
- descrie cele mai cunoscute metode iterative clasice;
- preciza condiiile necesare pentru ca aceste metode s fie convergente;
- evalua eroarea de aproximare a soluiei unui sistem determinat nregistrat n
urma aplicrii unei astfel de metode;
- descrie principiul general al metodelor de relaxare i de gradient;
- exemplifica cu cte un exemplu fiecare clas de metode iterative;
- soluiona exemple concrete, utiliznd algoritmi numerici corespunztori
3.2.1. Preliminarii
Se consider sistemul de ecuaii liniare
Ax b , A GL n i b R n
(2.1)
Metodele directe permit obinerea soluiei exacte a sistemului (2.1), x R

ntr3
un numr finit de pai, prin efectuarea de m O n operaii elementare, pentru dimensiuni
ale sistemului rezonabil de mici ( n 500 ).
Odat cu creterea dimensiunii sistemului, erorile de rotunjire, ce se comit n timpul
derulrii unor astfel de metode, se pot acumula dramatic, ducnd la vicierea rezultatului
final.
Pentru minimizarea acestor erori, se poate utiliza tehnica pivotrii, ceea ce,
determin ns, o suplimentare a efortului de calcul, care poate fi semnificativ la
dimensiuni mari.
n astfel de situaii, se face apel la metodele iterative, ce furnizeaz soluia exact
* , ca limit a unui proces iterativ x k
x
k , asupra definirii cruia se va reveni ulterior.
n,
19 June 2015
17
Analiz numeric
Printre avantajele majore ale utilizrii metodelor iterative, n detrimentul celor
directe, se numr viteza de convergen considerabil i simplitatea programrii
acestora.
Presupunem, n cele ce urmeaz, c am identificat o matrice G R n n i un vector
c R n a.i. I n G GL n iar sistemul
x Gx c
(2.2)
s admit ca unic soluie pe x* .
Scrierea echivalent (2.2) a sistemului (2.1) sugereaz definirea unei metode
iterative de rezolvare a sa, pornind de la o aproximaie iniial x 0 R n a soluiei exacte
k introdus prin urmtoarea relaie de
x* . Se consider astfel, irul de vectori din R n , x
k
recuren:
x k 1 Gx k c , k 0
(2.3)
n acest context, G s.n. matrice de iterare, iar c s.n. vector de iterare, ce corespunde
sistemului (2.1).
Definiia 2.1.1.:
Vom spune c metoda iterativ este convergent dac
lim x k x* , x o
(2.4)
k este procesul iterativ generat de metod).
( unde x k
Teorema 2.1.2 (Teorema fundamental a metodelor iterative liniare):

Fie sistemul de ecuaii liniare (2.1) i sistemul asociat acestuia (2.2). Atunci,
urmtoarele afirmaii sunt echivalente:
i) Metoda iterativ (2.3) este convergent.
ii) G 1 .
iii) Exist cel puin o norm matriceal, subordonat unei norme vectoriale din R n
astfel nct G 1 .
k
iv) G este convergent.
k 0
Demonstraie:
i) ii)
Considerm irul e k k , asociat irului (2.3) definit prin
e k x k x* , k 0
(i.e. e k reprezint eroarea comis prin aproximarea soluiei exacte
iterare k ).
Se observ cu uurin c:
e k Ge k ... G k e 0 , k
Atunci, metoda iterativ este convergent dac i numai dac:
lim e k 0 lim G k 0
(2.5)
, la pasul de
(2.6)
(2.7)
Presupunem, prin reducere la absurd, c G 1 ; atunci exist G a.i.

.
Fie
vector
propriu
corespunztor
lui
Avem:
v Rn ,
1.
G k x G k 1 Gx G k 1 x ... k x .
G k x 0 (cci
Conform (2.7), klim
Gk x
Gk
), dar
k x . Fals!
n conformitate cu presupunerea fcut klim
ii) iii)
19 June 2015
18
Analiz numeric
Fie 0 1 G . Atunci, afirmaia se obine utiliznd urmtorul rezultat: Dac
i 0 , atunci exist cel puin o norm matriceal subordonat unei norme
GR
vectoriale din R n astfel nct: G G .
Deci, G G G 1 G 1 .
iii) iv)
k
Gk G
1, k 0 (unde
este cea pe care iii) este verificat).
iv) i)
n n
lim G k 0
(conform consecinei criteriului de convergen Cauchy); deci, x k x* .
Observaia 2.1.3.:
1. Dac G 1 , atunci
1
I n G GLn
i I n G
(2.8)
1 G
2. Teorema 2.1.2 reduce analiza convergenei irului (2.3) la problema algebric a
demonstrrii c G 1 .
3. Verificarea stabilitii procesului iterativ x k k implic de regul un volum
prohibitiv de calcule; de aceea, n practic, se prefer verificarea unei condiii de tip
Cauchy:
k N a.i. x k 1 x k x k , k k
(2.9)
unde este eroarea prestabilit, n limita unui numr maxim de iteraii Maxiter.
4. Metoda iterativ definit anterior nu reprezint altceva dect metoda
aproximaiilor succesive pentru determinarea unui punct fix al funciei: f : R n R n ,
f x G x c ((iii) f contracie pe R n ).
Studiul metodelor iterative este axat pe soluionarea a dou probleme

importante:
(1) Dat fiind o metod iterativ, s se stabileasc dac ea este convergent (i.e.
verificarea uneia dintre condiiile echivalente din teorema 2.1.2).
(2) Date fiind dou metode iterative, s se stabileasc care este cea cu viteza de
convergen mai mare.
De obicei, o metod iterativ se bazeaz pe o descompunere a matricei sistemului
(2.1),
A PN
(2.10)
unde P GL n , iar P 1 este uor de determinat.
Atunci, (2.1)
Px Nx b
(2.11)
x P 1 Nx P 1b
(2.12)
Deoarece (2.12) are o form asemntoare cu (2.2), i se asociaz o metod iterativ, ce
genereaz urmtorul proces iterativ:
x k k , unde x k 1 P 1 N x k P 1b k 0, G P -1 N i c P 1b .
(2.13)
19 June 2015
19
Analiz numeric
3.2.2. Metode iterative

suprarelaxare
clasice:
Jacobi,
Gauss-Seidel,
1. Descrierea metodei
a) Metoda Jacobi
Cea mai simpl descompunere (2.10) a matricei A , este: A D L U , unde
D diag a11 ,..., a nn ,
aij , i j
lij
L lij
i , j 1, n ,
0, i j
N L U
U uij
i , j 1,n ,
aij , i j
uij
0, i j
, iar P D i
(2.14)
Atunci, n ipoteza: aii 0 , i 1, n

(2.14) devine: x D 1 L U x D 1b
deci matricea Jacobi de iterare este G j
iar vectorul de iterare c j D 1b
(2.15)
(2.16)
D 1 L U
aproximaie iniial a soluiei exacte

bi
xi k 1
x
n
j 1
(2.17)
Metoda Jacobi genereaz urmtorul proces iterativ x k k :

x k 1 D 1 L U x k D 1b , k 0 i x 0 R n
aij x jk
, i 1, n
j 1
aii
(2.18)
(2.19)
b) Metoda Gauss-Seidel
Procesul iterativ fundamentat de metoda Gauss-Seidel apropiat de (2.18) este
obinut astfel ca determinarea componentei i a vectorului x k 1 s foloseasc att
componentele vectorului x k , ct i pe cele ale lui x k 1 calculate anterior x1 k 1 ,..., xi k 1 1 ,
ceea ce duce , n particular i la o economisire a spaiului de memorare.
Se utilizeaz, n aceeai ipotez (2.15), urmtoarea descompunere a matricei A :
A : P D L GL n i N U
(2.20)
1
(2.12) devine: x D L Ux D L 1 b
(2.21)
Deci, matricea de iterare Gauss-Seidel este GG S D L 1U
iar vectorul de iterare cG S D L 1 b
Atunci, irul de aproximaii ale soluiei exacte x* este definit prin:
x k 1 D L 1Ux k D L 1 b
xi k 1
bi
i 1
j 1
j i 1
aij x jk 1
aii
aij x jk
, i 1, n
(2.22)
(2.23)
(2.24)
c) Metoda (SOR) (a suprarelaxrii succesive)

(SOR) este o metod iterativ ce accelereaz convergena irului (2.23), prin
intermediul unui parametru pozitiv, w numit parametru de relaxare.
Ipoteza (2.15) rmne valabil i n acest caz. Fie w 0 . Atunci, se consider
urmtoarea descompunere a matricei A
19 June 2015
20
Analiz numeric
D
1 w
L i N
D U
w
w
(2.12) devine: x
L
w
1 w
w D U x w L
iar matricea de iterare este G SR
L
w
i vectorul de iterare c SR
L
w
1 w
w D U
(2.27)
xi k 1 1 w xik
aii
1 w
D U x k
D L
b
i 1
n
bi aij x jk 1 aij x jk , i 1, n
j 1
j i 1
D L
w
x k 1
(2.26)
k definit prin:
Se consider x k
(2.25)
(2.28)
(2.29)
2. Convergena metodei
a) Metoda Jacobi
Conform teoremei 2.1.2, metoda Jacobi este convergent dac i numai dac
GJ 1 .
O condiie suficient ca G J 1 este ca matricea A s fie strict diagonal
dominant
Definiia 2.2.1.:
A R n n s.n. strict diagonal dominant dac
aii
j 1
aij , i 1, n
(2.30)
j 1
ntr-adevr, innd cont c
G j G j
, obinem:
G j max
aij
i 1 j 1 aii
. n plus, s-a
j 1
demonstrat c viteza de convergen crete, cu ct diagonala lui A este mai dominant.

Totui, condiia (2.30) este destul de restrictiv. Exist situaii destul de frecvent
ntlnite, mai ales n probleme numerice de teoria ecuaiilor cu derivate pariale, cnd
aceasta , nu este satisfcut. n astfel de cazuri, se folosete cu succes, urmtorul
rezultat:
Propoziia 2.2.2.:
Dac A R n n este ireductibil i slab diagonal-dominant, atunci metoda Jacobi
converge.
Definiia 2.2.3.:
A R n n s.n. ireductibil dac nu poate fi adus prin permutri de linii i de
coloane sub forma
A11
O
A12
A22
(2.31)
unde A11 i A22 sunt blocuri ptrate.

Definiia 2.2.4.:
19 June 2015
21
Analiz numeric
a) A R
n n
s.n. slab diagonal dominant dac
aii
j 1
aij , i 1, n
j i
k 1,..., n a.i.
n
a kk
j 1
aij
(2.32)
j k
b) A R n n s.n. diagonal dominant dac

aii
j 1
aij , i, j 1, n
(2.33)
j i
Demonstraie:
A ireductibil i slab diagonal dominant I n D 1 A 1 . Dar I n D 1 A G j .
Deci, se aplic teorema 2.1.2.
b) Metoda Gauss-Seidel
Conform teoremei 2.1..2, metoda Gauss-Seidel este convergent dac i numai
dac GGS 1 .
Pentru ca GGS 1 , este suficient ca A s aib una din urmtoarele proprieti:
i) A este strict-diagonal dominant;
ii) A este diagonal dominant i ireductibil.
Argumentarea este analog cu cea din cazul metodei Jacobi.
Un alt rezultat interesant este:
Teorema 2.2.5. (Householder-John):

Dac A R n n este simetric, pozitiv-definit i admite o descompunere (2.10), iar
P P T A este pozitiv-definit, atunci P 1 N 1 .
Demonstraie:
P 1 N I n P 1 A i fie I n P 1 , iar x C n , vectorul propriu corespunztor lui
. Atunci, avem: 1 Px Ax , de unde, n particular, se obine c 1 . Cum
T
A AT , Ax, x n R i Ax , x C n 1 Px , x C n 1 P x , x n .
C
C
1
1
1 Ax , x n P P T A x , x n . Considernd egalitatea prilor

Astfel,
C
1
reale din ultima relaie, va rezulta:
1
1
2 Au,u Av,v P PT Au,u P PT Av,v
innd cont c A i
obinem P 1 N 1 .
(n R n ).
P P T A
sunt pozitiv-definite, va rezulta c
. De aici,
Corolar 2.2.6.:
Dac A R n n este simetric i pozitiv definit, atunci metoda Gauss-Seidel este
convergent.
Demonstraie:
19 June 2015
22
Analiz numeric
cci A este simetric (i.e. LT U i
D T D ). Dar, D este pozitiv definit, cci A este pozitiv-definit. Se aplic teorema
2.2.5.
P P T A D L D T LT D L U D
Observaia 2.2.7.:
1. Se poate arta, folosind teorema 2.2.5, c au loc urmtoarele echivalene: Fie
A R n n simetric i D pozitiv-definit, metoda Jacobi converge dac i numai dac A
i 2 D A sunt pozitiv-definite.
2. Dac dorim s comparm cele dou metode, n situaii particulare (de exemplu:
A tridiagonal sau G J 0 ), se arat c, aceste metode sunt fie amndou convergente,
fie amndou divergente. n caz de convergen, metoda Gauss-Seidel converge mai
repede.
c) Metoda (SOR)
Urmtoarea teorem ofer o condiie necesar de convergen:
Teorema 2.2.8. (Kahan):
G SR w 1
(2.34)
Deci, o condiie necesar de convergen a metodei (SOR) este

w 0 ,2
(2.35)
Demonstraie:
det G SR det D wL 1 det 1 w D wU det 1 w I n wD 1U
det 1 w I n 1 w n . Dar det G SR
i , i GSR . Deci, are loc (2.34). Conform
i 1
teoremei2.1.2, rezult, din (2.34), (2.35)
Observaia 2.2.9.:
Conform propoziiei 2.2.2, metoda (SOR) converge pentru w 0 ,1 .
Teorema 2.2.10. (Ostrowski-Reich):
Dac A este simetric i pozitiv-definit, atunci metoda (SOR) converge dac i
numai dac w 0 ,2 .
Demonstraie:
2
1 D .
w
T
Se aplic teorema 2.2.5. n acest caz, P P A
Observaia 2.2.11.:
Dac A R n n este tridiagonal , simetric i pozitiv-definit, atunci exist un
*
parametru optim de relaxare w
dac G j 0 ,
w* 1
i G SR 0 .
3) Evaluarea erorii de aproximare

a) Metoda Jacobi
Evalum
i G*SR w* 1 , dac G j 0 , iar
1 1 Gj 2
x k x k 1 x k x* x k 1 x* x k x* G j x k x*
19 June 2015
I n G j x k x*
(2.36)
23
Analiz numeric
1
Conform teoremei 2.1.2, I n G j GL n i I n G j 1 G . Deci,
n
j
x k x*
x k x k 1 , k 0
1
1 Gj
(2.37)
Din (2.36), rezult c x k x* I n G j 1 G kj x 0 x 1 i de aici,

x k x*
Gj
1 Gj
x 0 x 1
(2.38)
unde este norma matriceal din teorema 2.1.2, pentru care are loc (iii) i , n R n
este norma vectorial corespunztoare.
(2.37) reprezint o evaluare posteriori, iar (2.38) priori a erorii de aproximare.
Pentru a obine evalurile erorilor de aproximare pentru metoda Gauss-Seidel i
(SOR), se procedeaz analog.
Algoritmul Jacobi:
1. Se dau matricele A R n n , b R n 1 i eroarea .
n
2. Se calculeaz
G j max
aij
i 1 j 1 aii
G j D1 L U
(unde
j i
Se alege o aproximaie iniial x 0 .

3. Fie k 1 .
4. Pentru
5. Dac
i 1, n ,
se calculeaz:
x 1 x 0
1
bi
xi k
aij x jk 1
j 1
j 1
aii
, se trece la 7.
6. Se adun 1 la k i se trece la 4.
7. Procedura este complet. Soluia sistemului Ax b este x k .
Algoritmul Gauss-Seidel:
1. Se dau matricele A R n n , b R n 1 i eroarea .
n
s 1 a
a sj
sj
/ 1
a
j 1 a ss
j s 1 ss
3. Fie k 1 .
2. Se calculeaz max
s 1
4. Pentru
5. Dac
i 1, n ,
k
bi
se calculeaz: k 1
xi
x 1 x 0
1
j 1
j i 1
aij x jk aij k k 1
aii
, se trece la 7.
7. Procedura este complet. Soluia sistemului Ax b este x k .
Algoritmul suprarelaxrii:
1. Se dau matricele A R n n ,
2. Se calculeaz
19 June 2015
G RS
b R n 1 ,
, unde G RS
eroarea
1
D L
w
i parametrul de relaxare
1 w
D U
w.
24
Analiz numeric
3. Fie k 1 .
4. Pentru i 1, n , se calculeaz:
i 1
xi k 1
5. Dac
x 1 x 0
1
wbi w aij x jk 1 w xi k w
j 1
aij k k
j i 1
aii
, se trece la 7.
7. Procedura este complet. Soluia aproximativ a sistemului Ax b este x k .
3.2.3. Metode de relaxare i de gradient
Rezolvarea unui sistem de ecuaii liniare printr-o metod iterativ poate fi echivalent cu
problema minimizrii unei forme ptratice.
n metodele de relaxare, se pornete cu o aproximaie iniial a soluiei, x 0 , creia
i corespunde vectorul reziduu
(2.39)
r 0 Ax 0 b
0 este modificat sistematic a.i. n cele din urm, 0 s se anuleze.

x
r
Pentru aceasta, asociem sistemului de ecuaii liniare Ax b , forma ptratic:

J x
n
1
1 n
Ax , x bx , x
aij xi x j bi xi
2
2 i , j 1
i 1
(2.40)
Propoziia 2.3.1.:
Dac A R n n este simetric i pozitivdefinit, iar x* este soluia exact a
sistemului de ecuaii liniare Ax b , atunci x* este punct de minim pentru forma ptratic
asociat, J , i reciproc.
Demonstraie:
Fie x* , soluie exact a sistemului de ecuaii liniare Ax b . Considerm
urmtoarea form ptratic:
1
E : R n R , E x A x x* , x x*
2
Conform ipotezei,
x x* , E x 0
E x* 0 .
Dar,
(2.41)
1
E x J x Ax* , x* .n
2
consecin, rezult c x* este punct de minim pentru J .

Fie x* punct de minim pentru J . Atunci,
n
gradJ x* 0
. Dar cum,
J
aij x j bi , i 1, n , gradJ x* Ax* b . Deci, x* este soluie a sistemului dat.
xi
j 1
n cele ce urmeaz, vom prezenta principiul general al metodelor de relaxare.

Fie v , o aproximaie a soluiei exacte. Considerm o dreapt d , ce trece prin
este paralel cu o direcie dat p , numit direcie de relaxare, i.e. d v cp c R .
19 June 2015
v i
25
Analiz numeric
Scopul: modificarea lui
determinarea v0 d a.i.
v de-a lungul direciei p a.i. valoarea
J v
s scad i.e.
J v0 min J v
(2.42)
v d
Fie
v d .
c2
Ap , p c r , p J v
2
J v
Atunci: J v J v cp
1
A v cp , v cp b , v cp
2
c2
Ap , p c r , p J v
2
(2.43)
Observm c J v i atinge minimul pentru:
cmin
p , pentru ca J v J v ). Atunci,
(i r
r, p
Ap , p
(2.44)
r Av b A v c min p b r c min A p
r , p r , p
(2.45)
r, p
Ap, p 0 . Deci, r p .
Ap , p
Metodele de relaxare difer prin modul de alegere a direciei de relaxare.

Spre exemplu, metoda de relaxare cu pai separai (Southwell): la fiecare pas se modific
n
numai componenta cea mai mare a reziduului rk max ri , ceea ce corespunde cu

i 1
alegerea ca direcie de relaxare a vectorului unitate ek . Atunci:
k
cmin
r ,ek rk
Aek ,ek akk
vi ,
Obinem:
(2.46)
ik
r
v v cmik nek v k ek rk
akk vk , i k
akk
(2.47)
De asemenea,
rk
rk ri aik , i k
r Av b r Aek akk
akk
ik
0,
(2.48)
Convergena acestei metode este lent, ea fiind satisfctoare doar n cazul n care
matricea sistemului este predominant dominant.
19 June 2015
26
Analiz numeric
Metoda Gauss-Seidel poate fi considerat ca metod de relaxare, n care direciile
de relaxare, se aleg succesiv e1 , e2 ,..., en , n mod ciclic: p k ei , i k (mod n).
Metoda suprarelaxrii folosete aceleai direcii de relaxare ca mai sus, nlocuind
pe fiecare direcie pe c min cu wc min .
Metodele de relaxare impun ca singur restricie privind alegerea direciei de
relaxare p , ca aceasta s nu fie ortogonala vectorului reziduu, r i.e r , p 0 .
n metodele de gradient, legtura ntre cei doi vectori este mult mai strns.
1. Metoda celei mai rapide coborri
Se alege ca direcie de relaxare, opusul reziduului de la iteraia anterioar i.e.:
p k r k 1
(2.49)
Pe aceast direcie, punctul de minim se alege:
r k 1 , p k r k 1 ,r k 1 1
c k
min k k k 1 k 1 k 1
Ap , p Ar ,r R r
unde
R x
Ax , x
, x 0.
x, x
2. Metoda gradientului conjugat

Fie x 0 , aproximaie iniial a soluiei exacte
p 1 r 0
Atunci:
(2.50)
x*
. Considerm:
(2.51)
r 0 , p1 r 0 ,r 0
cmi1n
Ap1 , p1 Ar 0 ,r 0
(2.52)
0 0
x 1 x0 c1 p1 x0 r ,r r 0
min
Ar 0 ,r 0
(2.53)
n cele ce urmeaz, vom alege direciile de relaxare a.i. s fie:

- succesiv A -ortogonale i.e.
k k 1
k k 1
Ap , p
p , Ap
- o combinaie liniar ntre r k 1 i
p k 1
(2.54)
i.e.
p k r k 1 d k 1 p k 1
(2.55)
unde d k 1 se obine din relaia:

19 June 2015
27
Analiz numeric
d k 1
Atunci,
r k 1 , Ap k 1
, k 1
k 1
k 1
p
, Ap
(2.56)
k 1 , p k
c k r
min
k k
p , Ap
k p k
x k x k 1 c min
iar,
(2.57)
(2.58)
k Ap k
r k r k 1 c min
(2.59)
Formulele (2.56)-(2.59) se pot simplifica (ca scriere) dac facem urmtoarele
observaii:
(2.60)
r k , r k 1 0
k 1
r ,p
0
(2.61)
k
k
r ,p
0
(2.62)
ce se obin prin calcul direct. Avem astfel:
r k 1 , r k 1
k
cmin
Ap k , p k
r k 1 , r k 1
d k 1
, k2
k 2 k 2
r
,r
(2.63)
(2.64)
3. Metoda direciilor conjugate

Aceast metod const n determinarea soluiei sistemului, x* , utiliznd o
descompunere liniar a acesteia dup o baz de vectori A -ortogonali din R n i.e.
x*
ck pk
(2.65)
k 1
unde p1 ,.., p n satisfac:
Api , p j pi , Ap j ij , i, j 1, n
iar conform (2.66),
ck
*
(cci Ax , p k b , p k
b, pk
, k
Ap k , p k
(2.66)
(2.67)
c j Ap j , pk b, pk .
j 1
(2.65)
19 June 2015
28
Analiz numeric
n b, p
*
k
k 1 Apk , pk
pk
(2.68)
Deci, problema este rezolvat dac vom determina p1 ,..., p n o baz de vectori
A -ortogonali. n acest scop, vom utiliza o metod de ortogonalizare de tip Gram-Schmidt.
Pentru aceasta, considerm v1 ,..., v n , un sistem de vectori liniari independeni.
Fie p1 v1 , p 2 v 2 c21 p1 ,..., p n vn
Determinm
c kj , k, j 1, n , j k
n 1
cnk pk
(2.69)
k 1
a.i.
Ap k , p j p k , Ap j 0
(2.70)
Atunci, obinem din (2.69) i (2.70),
ckj
Av k , p j
Ap j , p j
n particular, dac considerm
ckj
, k, j 1, n , j k
vi ei , i 1, n
ak , p j
Ap j , p j
, jk
(2.71)
avem:
unde a k Aek
1. Algoritmul Southwell:
1. Se dau matricele A R n n , simetric i pozitiv-definit,
2. Se alege o aproximaie iniial x 0 .
Se calculeaz reziduul r 0 Ax 0 b .
3. Fie k 1 .
b R n 1
(2.72)
i eroarea
4. Se alege rk max ri k 1 .
i 1
k
5. Se calculeaz cmin
6.
rk
.
a kk
x k 1 , i k
k
Se calculeaz pentru i 1, n , x
i
7. Se calculeaz pentru
rk
k 1 rk .
xi , i k
akk
k r k 1 rk a
ik .
i
i 1, n , ri
a kk
8. Dac
, se trece la 10.
10. Procedura este complet. Soluia aproximativ este x k .
19 June 2015
29
Analiz numeric
Algoritmul celei mai rapide coborri:
3. Fie k 1 .
4. Se alege p k r k 1 .
r k 1 , r k 1
k
5. Se calculeaz cmin k 1 k 1 .
Ar
6. Se calculeaz:
7. Se calculeaz:
,r
b R n 1
i eroarea
i eroarea
k
x k x k 1 c min r k 1 .
k
r k r k 1 c min Ar k 1 .
8. Dac r k , se trece la 10.

Algoritmul gradientului conjugat:
3. Se alege p 1 r 0 .
0 0
1 r , p
c
4. Se calculeaz min
1 1 .
Ap
5. Se calculeaz:
6. Fie k 2 .
,p
b R n 1
1
x 1 x 0 c min r 0 .
7. Se calculeaz: d k 1
r k 1 , Ap k 1
p k 1 , Ap k 1
8. Se calculeaz: p k r k 1 d k 1 p k 1
k 1 , p k
k r
c
9. Se calculeaz: min
k
k .
, Ap
10. Se calculeaz: x k
k
x k 1 c min p k .
11. Se calculeaz: r k
r k 1 c min Ap k .
k
12. Se testeaz dac r k i n caz afirmativ se trece la 14.


19 June 2015
30
Analiz numeric
Rezolvarea sistemelor de ecuaii

liniare n sensul celor mai mici
ptrate
Sarcini de nvare: Prin parcurgerea acestei U.S., studentul este capabil s descrie
modalitatea de soluionare numeric a sistemelor de ecuaii liniare, n care numrul
ecuaiilor difer de numrul necunoscutelor i s utilizeze algoritmii numerici
corespunztori n abordarea unor exemple concrete.
3.3.1. Rezolvarea sistemelor liniare supradeterminate

Se consider sistemul de ecuaii liniare
Ax b
(3. 1)
m n
n
m n i b R .
unde A R
n general, acest sistem este fie incompatibil, fie compatibil nedeterminat. De
aceea, pentru o mai bun formulare a problemei de calcul numeric, s-a impus redefinirea
noiunii de soluie (definiia 3.1.1).
Alegerea normei vectoriale n definiia 3.1.1 depinde de natura problemei de calcul
considerate i n acelai timp, determin specificul metodelor numerice utilizate. Astfel, n
cazul utilizrii 1 i , se obin probleme de programare liniar, care se trateaz cu
metodele numerice expuse anterior.
n cele ce urmeaz, vom utiliza 2 , iar terminologia folosit va fi urmtoarea:
a) Dac m n , problema de minimizare
r*
min r 2
*
s.n. problema (liniar) celor mai mici ptrate, iar x* R n

pseudosoluien sensul CMMP a sistemului (3.51).
b) Dac m n , soluia problemei de minimizare cu restricii liniare
x*
(3. 2)
x R
min x 2
n
x R
Ax b
a.i.
r * Ax* b
s.n.
(3. 3)
s.n. soluia normal n sensul CMMP a sistemului (3.51).

Probleme de tip CMMP apar frecvent n: aproximarea funciilor, prelucrarea
statistic a datelor experimentale, prelucrarea semnalelor, modelarea i identificarea
sistemelor dinamice.
Cazul m n
Teorema 3.1.1.:
Sistemul de ecuaii liniare (3. 1) admite o unic pseudosoluie n sensul CMMP,
(3. 4)
x* A b
T
T
(unde A A A A
s.n. pseudoinversa matricei A )
(3. 5)
dac i numai dac A este monic.
Demonstraie:
Considerm funcia
2
F : R n R , F x Ax b 2
(3.6)
19 June 2015
31
Analiz numeric
este pseudosoluie n sensul CMMP a sistemului (3. 1)
minim al funciei F .
x* R n
F *
x x 0 , j 1,n
j
2 *
d F x 0
x*
este un punct de
(3.7)
F x Ax b 2 Ax b , Ax b Ax , Ax Ax ,b b , Ax
2
dar,
b ,b AT Ax , x 2 AT b , x b ,b . Deci, (3.6)
AT Ax* AT b
n T
A A ij dxi dx j 0
(3.8)
i , j 1
Sistemul
(3.9)
AT Ax AT b
s.n. sistemul normal Gauss asociat sistemului de ecuaii liniare (3.1).
Dac A este monic atunci i numai atunci rangA n . Dar rangA rang AT A i
prin urmare AT A GL n , de unde rezult c (3.9) are o unic soluie x* . Conform
(3.8), d 2 F x* 0 i n consecin, x * este unica pseudosoluie n sensul CMMP a (3.1).
Observaia 3.1.2.:
1) Modalitatea de calcul pentru x* este rezolvarea sistemului de ecuaii liniare (3.9).
Cum matricea sistemului este simetric i pozitiv-definit, s-ar putea apela la factorizarea
Cholesky pentru rezolvare.
Totui, aceast manier de abordare nu este indicat deoarece, se poate dovedi cu
uurin, c numrul de condiionare al matricei AT A este n general mare.
*
2) Dac min F x F x 0 , atunci r* 0 i.e. x* reprezint soluia exact a
x R n
sistemului (3.1). n general ns, F x* 0 i astfel, x* nu este altceva dect un substitut

pentru soluia exact.
Calculul pseudosoluiei x*
Conform teoremei 3.3.30, A Q R , Q R n n , ortogonal iar R R n n , superior
triunghiular. Atunci, Ax b Q R x b
(3.10)
RxQ b
n consecin, determinarea pseudosoluiei n sensul CMMP a sistemului (3.1) se reduce

la rezolvarea sistemului triunghiular de ecuaii liniare (3.10).
3.3.2. Rezolvarea sistemelor liniare subdeterminate

Cazul m n
Teorema 3.2.1.:
Sistemul de ecuaii liniare (3.1) admite o unic soluie normal n sensul CMMP,
19 June 2015
32
Analiz numeric
x* A b
(3.11)
(3.12)
(unde A A AA s.n. pseudoinversa normal a matricei A )

dac i numai dac matricea A este epic.
Demonstraie:
Considerm funcia
T 1
G : R n R , G x x 2
2
(3.13)
Atunci, x este unica soluie normal n sensul CMMP a sistemului de ecuaii liniare (3.1)
dac i numai dac x* este unica soluie a problemei de minim asociat aplicaiei G cu
legtura Ax b .
n acest
sens, considerm funcia lui Lagrange asociat funciei G :
*
: R n m R , x, G x 2 i ri
Astfel,
x*
este punct de minim
(3.14)
i 1
* *
x x , 0 , i 1, n
i

2 * *
d x , 0
x*1 a11 *1 ... am1*m 0
x*2 a12 *1 ... am 2 *m 0
* *
x , 0 , j 1, m
(3.15)

*
*
*
x n a1n 1 ... a mn m 0
*
Ax b
(3.16)
x* AT *
(3.17)
Ax* b
T*
AA b
(3.18)
x* AT *
Dac A este epic atunci i numai atunci rang A m . Dar rangA rang AAT i deci
AAT GL m . n consecin, sistemul AAT b admite o unic soluie * . Astfel, exist i
1
este unic x* R a.i. x* AT * x* AT AAT b A b .
Calculul soluiei normale
x*
V GO n a.i. AV L L O .
m
nm
Se poate demonstra cu uurin afirmaia: A epic L GL m . Atunci,

19 June 2015
33
Analiz numeric
y m
x Vy , y
y nm
Ax b
L 0 b
y

x* V L0 b
(3.19)

19 June 2015
34
Analiz numeric
Determinarea numeric a spectrului

unei matrici
Sarcini de nvare: Dup parcurgerea acestei U.S., studentul va fi apt pentru a descrie
unele dintre cele mai utilizate modaliti de determinare a valorilor i vectorilor proprii ale
unei matrici (att metode ce utilizeaz polinomul caracteristic asociat ct i metode
iterative) i pentru a analiza, implementa i testa algoritmi numerici n abordarea unor
aplicaii dintre cele mai diverse.
3.4.1. Metode de determinare a valorilor i vectorilor proprii

ale unei matrici, ce utilizeaz polinomul caracteristic
asociat acesteia
Aceste metode presupun rezolvarea ecuaiei caracteristice asociate matricei A C n n
(deci, determinarea n prealabil, a coeficienilor polinomului caracteristic), pentru stabilirea
valorilor proprii i apoi obinerea vectorilor proprii.
Prin inducie, se verific, fr dificultate c, are loc egalitatea:
PA n 1n 1 2 n 2 ... 1 n n
(4.1)
unde
k
C nk
j ,
j 1
j , minor diagonal de ordin k al lui A
(4.2)
Avnd n vedere c pentru un calcul direct al coeficienilor polinomului caracteristic, este

necesar evaluarea a C n1 C n2 ... C nn 2 n 1 minori de diferite ordine, s-a recurs la
construirea unor algoritmi, ce faciliteaz obinerea polinomului caracteristic.
1. Metoda Leverrier
Propoziia 4.1.1.:
Dac
P C n X , P x X n p1 X n 1 ... p n
atunci:
pk
are ca rdcini: 1 ,..., n C , iar s k
1 k 1
p j s k j , unde p0 1
k j 0
ik ,
i 1
(4.3)
Demonstraie:
n
P
1
1 n
1

.
Dac P i , atunci P i 1 i i 1
1 i
i 1
Dac max i , atunci:

i 1
Astfel, obinem:
19 June 2015
n k
s
P
i
k

, unde s0 n .
P i 1k 0 k 1 k 0 k 1
35
Analiz numeric
n i pi n i 1 p j n j sk k 1
i 1
k 0
j 0
n i p i n i 1
i 1
p j s k n j k 1
j ,k 0
de
unde, prin egalarea coeficienilor n , avem:
n k pk
p j si
j ik
p j sk j
j 0
p k s0
k 1
p j sk j i.e. (4.3).
j 0
Algoritmul metodei Leverrier este urmtorul:

Fie A C n n .
1. Se calculeaz A 2 ,..., A n .
2. Se calculeaz s k Tr A k , k 1, n .
3. Se calculeaz p1 ,..., p n conform (5.37), i.e.:
p1 s1
p2
1
s2 p1 s1
2
. . . . . . . . . . . . . .
1
p n s n p1 s n 1 ... p n 1 s1
n
4. Se scrie PA n p1n 1 ... p n 1 p n . Se rezolv ecuaia caracteristic

PA 0 i se determin A .
5. Se determin vectorii proprii corespunztori.
2. Metoda Souriau-Fadeev
Aceasta este o modificare a metodei Leverrier i se bazeaz pe urmtorul rezultat:
Propoziia 4.1.2.:
Fie
A C n n .
1
k
Fie irurile Ak k 1 , Ak 1 A Bk , unde A1 A, p k k 1 , p k Tr Ak i
B k 1 , Bk Ak pk I n .
(4.4)
Atunci, au loc urmtoarele afirmaii:

1. PA n p1n 1 ... p n 1 p n .
1
1
2. Bn 0 i A p Bn 1
n
dac p n 0 .
A ,
3. Dac
(4.5)
atunci
orice
coloan
a
matricei
C
In
B1 ... Bn 2 Bn 1 este un vector propriu asociat valorii proprii .
Dac este simpl, C On .
n 1
n2
Demonstraie:
1. A1 A
A2 AB1 A A1 p1 I n A 2 p1 A
A3 AB2 A A2 p 2 I n AA2 p 2 A A 3 p1 A 2 p 2 A .
Deci, dac
Ak A k p1 A k 1 ... p k 1 A
atunci Ak 1 ABk A Ak p k I n A
19 June 2015
k 1
(4.6)
2
p1 A ... p k 1 A p k A . Astfel,
36
Analiz numeric
An A n p1 A n 1 ... p n 2 A 2 p n 1 A
Fie sk Tr A . Atunci, conform (4.7), Tr Ak s k p1 s k 1 ... p k 1 s1 .

Dar Tr Ak kp k . Deci, am obinut (4.4) i de aici PA .
(4.7)
c:
2. Bn An p n I A p1 A n 1 ... p n 1 A p n I n , conform (4.7). Dar, astfel, se observ

Bn PA A . Conform relaiei Hamilton-Cayley, Bn 0 , de unde , dac
1
Bn 1 .
pn
Dac pn p n 1 ... p s 0 i p s 1 0 , atunci
1
A1
Bs 2
ps 1
pn 0 , A-1
n 1
k
3. A I n C A I n Bn k 1
(4.8)
n 1
A I n k An k 1 p n k 1 I n ... 0 ,
k 0
k 0
innd cont de (4.6), (4.7).

Algoritmul metodei Souriau-Fadeev, const n:
1.
Se construiesc irurile Ak k 1,n 1 i Bk k 1,n .
1
k
2. Se determin p k Tr Ak , k 1, n .
3. Se consider PA i se rezolv ecuaia caracteristic PA 0 .
n 1
i
4. Pentru k A , k 1, n , se determin C k Bn i 1 i de aici vectorii proprii
i 0
asociai lui k .
3. Metoda Krlov
Fie A C n n i PA , polinomul su caracteristic. PA A 0 PA n p1n 1 ... p n
.
Fie
y 0 C n \ 0 . Atunci, P A y 0 . Dar dac notm:

0
y k A k y 0 , k 1, n ,
obinem:
y n p1 y n 1 ... p n 1 y 1 p n y 0 0 , de unde
n
n j p y n , i 1, n
j
i
yi
j 1
(4.9)
(4.9) este un sistem de ecuaii liniare, cu necunoscutele: p j , j 1, n .

Prin rezolvarea acestui sistem, se obin coeficienii lui PA i de aici, valorile proprii
asociate lui A . Dac (4.9) se dovedete a nu fi compatibil determinat, se consider un alt
vector iniial y 0 a.i. condiia s fie ndeplinit.
Presupunem acum, c am determinat A i c aceast mulime are n elemente.
Atunci, mulimea vectorilor proprii corespunztori x 1 , x 2 ,..., x n formeaz o baz n C n .
Atunci,
n
y 0 ck x k
(4.10)
k 1
i cum A x i ik x i , k 1, i 1, n , se obine:
k
Fie
19 June 2015
y k c11k x 1 ... c kn x n , k 1, n
(4.11)
i n 1 q1i n 2 ... q n 1,i , i 1, n
(4.12)
37
Analiz numeric
Conform relaiilor anterioare, se obine: y n 1 q1i y n 2 ... qn 1,i y 0
c1 i 1 x 1 ... cn i n x n
P
unde i
i
i i 0 , i j, i xi P i 0 , i, j 1,n
(4.13)
(4.14)
Combinnd (4.13) i 4.14), se obine:
ci i i x i y n 1 q1i y n 2 ... q n 1,i y 0

(4.15)
de unde deducem c, dac ci 0 , membrul drept al relaiei (4.15) este un vector propriu
asociat valorii proprii i .

Algoritmul metodei Krlov const n:
1. Se alege y 0 i se calculeaz y k k 1,n , y k Ay k 1 , k 1 .
2. Se rezolv sistemul (5.43). se determin PA i A .
P
i A
n 1 q1i n 1 ... q n 1,1 , i 1, n
3. Se
calculeaz
i
q ji , i 1, n , j 1, n - 1 .
4. Se determin vectorii proprii corespunztori:
apoi
x k y n 1 q1k y n 2 q 2i y n 3 ... q n 1,k y 0
3.4.2. Metode iterative de determinare a valorilor

vectorilor proprii corespunztori unei matrici
1. Metoda Jacobi
Aceast metod se aplic n cazul matricelor reale simetrice i este, n contextul
calculului secvenial, inferioar altor metode iterative, datorit numrului mare de operaii
elementare pe care le necesit.
Resuscitarea interesului pentru metoda Jacobi a fost determinat de dezvoltarea
mainilor de calcul de tip paralel (multi-procesor). n acest cadru, metoda devine
competitiv, ntruct posed o structur granular, bogat n aciuni de calcul, practic
independente, ce pot fi executate simultan de procesoare diferite; cu alte cuvinte, metoda
Jacobi conine un paralelism intern. Cum n calculul paralel, nu numrul operaiilor
elementare reprezint o msur semnificativ a eficienei, interesul actual pentru metoda
Jacobi devine justificat.
Fundamentul teoretic al acestei metode l constituie teorema spectral a matricelor
hermitiene.
n esen, metoda Jacobi (1846), const n construirea unui ir de matrice ortogonalechivalente cu matricea iniial A . Matricea de ortogonal-echivalen se alege de forma
unei transformri Givens-Jacobi (definiia 3.2.9) a.i. s produc anularea a dou elemente
extradiagonale simetrice ale lui A .
Transformrile succesive ce i se aplic lui A distrug de fapt zerourile create anterior,
dar, n ansamblu, determin o reducere treptat a valorii elementelor extradiagonale a.i. n
limita erorilor de rotunjire, matricea devine aproape diagonal.
Produsul matricelor de ortogonal-echivalen este o matrice, numit matricea modal
asociat lui A , ale crei coloane constituie vectorii proprii corespunztori matricei A .
a) Descrierea metodei:
- Se construiete irul de matrice Ak k 1 , ortogonal-echivalente cu A , definit prin:
19 June 2015
38
Analiz numeric
A1 A, Ak 1 J kT Ak J k , k 1
unde
Jk
este
transformare
i A , i 1, n , iar lim
J j
k j 1
Givens-Jacobi
a.i.
(4.16)
lim Ak diag 1 , 2 ,..., n ,
J , ale crei coloane constituie o mulime ortonormal de
vectori proprii corespunztori matricei A .

Vom descrie acum, un pas de iterare, k , al algoritmului. Presupunem c sunt
construite matricele A1 , A2 ,..., Ak .
k 1
k 1 0
J k J k p , q , k se construiete a.i. n Ak 1 J kT Ak J k , elementele a pq
a qp
.
k 1
k 1
k
a pp
k
a pq
c s a pp a pq c s
Dar, k 1
k
k 1
k
a qp
a qq
c aqp
aqq s
k cs a k s 2
a ppk 1 a ppk c 2 2a qp
qq
k 1 a k a k cs a k c 2 s 2
a pqk 1 aqp
pp qq
pq
k 1 k 2 k
k 2
a qq a pp s 2a qp cs aqq c
k 1
Din (4.17), a pq
k 1 0
a qp
Notm cu
(4.17)
k
k
c 2 s 2 a qq a pp
k
cs
a pq
k a k
a qq
pp
2a k
i cu t
pq
(4.18)
s
c
(4.19)
Atunci, din (4.18) i (4.19) se obine

de unde avem
t
(
-
(4.20)
t 2 2t 1 0
sgn
,c
1
1- 2
, s ct
(4.21)

s sin k , c cos k , k , \ 0 ).
4 4
p i q se aleg astfel ca
k
k
a pq
max aij
j i
(4.22)
i1,n
(4.22) constituie principalul dezavantaj al acestei metode (i.e. la fiecare pas, trebuie cutat
elementul extradiagonal, cel mai mare n valoare absolut).
- Alegerea lui p , q i conform (4.22) i (4.20) este a.i.s se asigure minimalizarea
lui Bk F .
b) Convergena metodei:
Teorema 4.2.1.:
19 June 2015
39
Analiz numeric
lim Ak diag i , S n .
Demonstraie:
Obinerea afirmaiei se bazeaz pe urmtoarea
Lema 4.2.2.:
Dac X este un spaiu liniar normat finit dimensional, xk k X , mrginit i care
xk 1 xk 0 , atunci xk k este
admite o mulime finit de puncte de aderen iar klim
convergent.
Vom aplica lema 4.2.2, pentru a obine convergena irului Dk k i de aici, concluzia
teoremei:
0 , i p,q
Dk 1 Dk 0 , deoarece:
(i) klim
ii
ii
k pq
i cum k
k
, a pq
Bk
4
tg k a pq , i q
lim Bk 0 .
a k 1 a k - tg a k , i p,
(ii) Dk k mrginit, deoarece:
Dk F Ak F A F
Teorema 4.2.3
Presupunem c A au
n elemente distincte. Atunci,
lim J 1 J 2 ...J k J GO n ale
crei coloane constituie o familie ortonormal de vectori proprii asociai matricei A .

Demonstraie:
Obinerea afirmaiei acestei teoreme care asigur convergena vectorilor proprii n
metoda Jacobi clasic, se bazeaz tot pe lema 4.2.2, aplicat irului J 1 J 2 ...J k k .
Criteriu de oprire:
Dac este eroarea impus, atunci, algoritmul se va opri cnd se obine:
(1)
max aij k
(2)
n max aij k
i j
i j
sau
sau
(3) Ak F A F
(4.23)
A
Astfel, A Ak (vom considera ca valori proprii ale lui k , elementele sale diagonale)
iar matricea modal J J 1 ...J k .
Algoritmul Jacobi:
- Se d A R n n , simetric (prin triunghiul su inferior), J GO n i tolerana tol 1 .
- Se cere: determinarea valorilor proprii ale matricei A , prin diagonalizare iterativ cu
rotaii Givens-Jacobi, ce anuleaz la fiecare pas dou elemente extradiagonale simetrice.
1. 1
2. Dac n tol
1. 0
2. Pentru i 2 : n
19 June 2015
40
Analiz numeric
1. Pentru j 1 : i 1
1. Dac aij
1. aij
2. p j
3. q i
a
3. Dac qp 0
1. c 1, s 0
2. Return
4. % Determinarea parametrilor rotaiei Jacobi
1.
2.
a qq a pp
2 a pq
sgn
1 2
1
, s ct
3. c
1 t2
5.
% Calculul A J T AJ (n triunghiul inferior)

1. q a pp c 2 2a pq cs a qq s 2
2. a qq a pp s 2 2a pq cs a qq c 2
3. a pp q , a pq 0
4. Dac p 1 atunci
1. ca pj sa qj
2. aqj sa pj caqj
3. a pj
5. Dac p q 1 atunci
1. Pentru j p 1 : q 1
1. sa jp caqj
2. a jp ca jp sa qj
3. a qj
6. Dac q n atunci
1. caip saiq
2. aiq saip caiq
3. aip .
2. Metoda Givens
Introdus n 1954, mbuntete metoda Jacobi, determinnd valorile proprii ale unei
matrice A R n n simetrice, fie situate ntr-un interval determinat anterior, fie pe cele de la
un rang dat, aproximnd-o pe fiecare cu o precizie variabil. Aceast metod nu determin
i vectorii proprii corespunztori matricei A . Pentru aflarea acestora se va folosi o alt
metod (spre exemplu, metoda puterii).
n desfurarea metodei, distingem dou etape importante:
I. Aducerea matricei A la o form tridiagonal simetric, T .
n 1 n 2
Pentru aceasta efectum
rotaii plane n scopul anulrii elementelor de
2
pe poziiile 1,3 i 3 ,1 ; 1,4 i 4 ,1 ;...; 1, n i n ,1 , obinndu-se astfel o matrice
tridiagonal simetric de forma:
19 June 2015
41
Analiz numeric
a1
b1
0
Tn
...
0
b1
...
a2
b2
b2
a3
0
b3
...
...
0
0
0
0
0
0
...
0
...
0
... ...
...
0 ... bn 2
...
...
(4.24)
a n 1 bn 1
a n
Pentru obinerea matricei Tn , se pot folosi n locul rotaiilor plane, n 2 matrice
Householder.
...
bn 1
II. Determinarea valorilor proprii ale matricei Tn .

Teorema 4.2.4. (Givens):
Considerm urmtorul ir de polinoame, asociat matricei tridiagonale simetrice,
Tn : P0 1; P1 a1 ; P2 a 2 P1 b12 P0 ;...;
...; Pi ai Pi 1 bi2 1 Pi 2 ;...;
...; Pn a n Pn 1 bn2 1 Pn 2
(4.25)
Atunci, au loc urmtoarele afirmaii:

a) Pi PTi , i 1, n .
b)
lim Pi , i 1, n .
c) Rdcinile lui Pi sunt reale i distincte i se separ rdcinile polinomului Pi 1 .

d) Pn , Pn 1 ,..., P0 este un ir Sturm asociat lui PTn .
Demonstraie:
a) Se dezvolt det Ti I n n raport cu ultima linie sau cu ultima coloan).
Pi .
b) Se obine c Pi 1 i i Ri , gradRi i 1 . Atunci lim
c) Prin inducie matematic.

P1 a1 . P 0 11
a1 R .
1
2
P2 a 2 a1 b12 ; P2 1 a 2 a1 a1 a1 b1 0 .
lim P2 (conform b). Deci, 2 , 2 R a.i. P 2 P 2 0 i 2 1 2 .
2 1
2 2
1
2
1
1
2

Presupunem c afirmaia este demonstrat pentru i 1 i.e.: Pi 1 admite rdcini

reale i distincte cesepar rdcinile polinomului Pi 1 . Demonstrm c Pi admite
rdcini reale distincte, ce separ rdcinile lui Pi 1
Pi .
1i ... ii ,
Fie
rdcinile
polinomului
Conform
(4.25),

i P b P . Atunci, P P 0 i
P 0 . Conform ipotezei de inducie: P P 0 . Deci,
P 0 , j 1,i - 1 i conform b), Pi 1 admite i 1 rdcini reale,
Pi 1 ji bi2 Pi 1 ji , j 1, i ,
Pi 1
Pi 1
i 1
i
j 1
2
i i 1
i
j 1
i 1
i
i
j 1 i 1 j 1
i
i
i 1 j 1
j
i 1
i
j
i 1
i
j
i 1
i
j
i
j 1
distincte i separate de rdcinile lui Pi .

d) (i) i (ii) din definiia irului Sturm sunt verificate.
~
~
~
(iii) Pi 0 Pi 1 Pi 1 0 , i 1, n - 1 . Conform (4.25),
~
~
~ 2
Pi 1 Pi 1 bi2 1 Pi 1
0 , i 1, n - 2 .
~
~
~
(iv) Din (4.25) i c), rezult c Pn Pn 1 0 , dac Pn 0 .
19 June 2015
42
Analiz numeric
Observaia 4.2.5.:
1. Aplicnd teorema lui Sturm, se obine c numrul valorilor proprii asociate
matricei tridiagonale simetrice Tn este egal cu diferena dintre numrul schimbrilor de
semn ale irului Pi i 0 ,n n
n
a min ai ri i b min ai ri
i 1
i 1
r1 b1 , rn bn 1 , ri bi 1 bi , i 2 , n 1
unde
(4.26)
2. De asemenea, folosind aceleai argumente teoretice, se observ c numrul
valorilor proprii ale matricei Tn , mai mari ca a R , este egal cu numrul schimbrilor de
semn din irul Pi a i 0 ,n .
Pornind de la aceast observaie, se poate deduce o modalitate foarte simpl pentru
determinarea spectrului unei matrice tridiagonale simetrice i anume, metoda biseciei.
Presupunem c a 1 2 ... n b . Dorim o aproximare a valorilor proprii
k , 1 k n .
Pentru a realiza acest fapt, se vor parcurge urmtoarele etape:
1. Se consider c
ab
.
2
Notm cu S , numrul schimbrilor de semn din irul Pi i 0 ,n .

Dac S c k , atunci la dreapta lui c , se afl k valori proprii (inclusiv k ) ale matricei
Tn . n caz contrar, notm a1 c , b1 b .
a b
2. Fie c1 1 1 . Dac S c1 k , atunci la dreapta lui c1 , se afl k valori proprii
2
(inclusiv k ) ale matricei Tn . n caz contrar, notm a1 c1 , b1 b1 ... .

Dac este eroarea de aproximare impus, atunci se consider c s-a obinut evaluarea
dorit atunci cnd
b a
(4.27)
2p
i n acest caz
k
a p bp
(4.28)
Determinarea
vectorilor
proprii
pentru
o
matrice
tridiagonal simetric
Dac x este un vector propriu corespunztor valorii proprii i matricei Tn , atunci
Tn x x
a1 x1 b1 x2
b1 x1 b2 x2 b2 x3
Cum
0
0
b2 x2 a3 x3 b3 x4
0
bn - 1 xn - 1 an xn 0
(4.29)
x x1 ...xn T R n \ 0 , atunci putem presupune c x1 1 . Atunci:
19 June 2015
43
Analiz numeric
x2
1 j 1 P j 1
a1
,..., x j
, j 2, n
b1
j 1
b x
i 1
i 1
(4.30)
Formulele (4.30) sunt extrem de instabile numeric i astfel folosirea acestora pentru
determinarea vectorilor proprii ai lui Tn este improprie i n aceast situaie se face apel
la metoda puterii.
3. Metoda puterii
Dac A C n n este oarecare, aproape singura caracterizare a valorilor sale proprii
este aceea c ele, sunt rdcini ale ecuaiei caracteristice PA 0 .
Presupunem c A admite n valori proprii distincte i 1 2 ... n ..
Metoda puterii, atribuit lui Van Mises, permite aproximarea perechii 1 , x 1 , atunci
1 este unica valoare proprie dominant (n modul), iar x 1 este vector propriu
corespunztor.
Descrierea metodei:
Fie x 0 , o aproximaie iniial a lui v 1 . Cum matricea A admite n valori proprii
distincte, v 1 ,..., v n , mulimea vectorilor proprii corespunztori, constituie o baz n C n .
Astfel,
n
x 0 i v i , 1 0
(4.31)
i 1
Putem presupune c 1 1 .
Considerm irul de vectori x k
k 0 , construit folosind urmtoarea relaie de recuren

x k 1 Ax k , k 0
(4.32)
Atunci,
x k Ak x 0 Ak
i v i
i 1
i ik v i
i 1
n

1k v 1 i i v i
i 2 1
1k v 1 k
0.
k 0 .
Conform ipotezei de lucru, klim
(4.33)
Deci, x k 1k v 1 k i x k 1 1k 1 v 1 k 1 , de unde
not x
rk
k 1
x k
v 1 k 1
v 1 k
, k 0
(4.34)
, norm vectorial n C n .
Atunci, din (4.33) i (4.34), se obine cu uurin
lim rk 1 i lim x k v 1
Dac
(4.35)
este eroarea impus, procesul de aproximare se consider ncheiat dac:

rk 1 sau x k 1 x k
(4.36)
ceea ce implic:
rk 1 , iar x k 1 v 1
(4.37)
19 June 2015
44
Analiz numeric
Observaia 4.2.6
1. Pentru ca, n decursul derulrii algoritmului, componentele termenilor irului
k
k i utilizarea
x
k s nu devin prea mari, este recomandabil normarea vectorilor x
irului
y k k , y k
n locul irului x k k .
n acest caz,
1 rk x k 1
x k
x k
, x k 1 Ay k , k 1
, iar v 1 x k 1 .
2. Dac A este hermitian,
1 max x , Ax , considerm irul R A x k k 0 ,

x ,x
k ,Axk xk ,xk 1
x
RA x k
x k , x k x k , x k
( iar dac utilizm
(4.38)
(4.39)
y k k , RA y k y k , y k 1

).
Atunci, R A x k 1 (respectiv, R A y k 1 ). Aceast variant s.n. metoda simetric a

puterii.
Aa cum s-a determinat perechea 1 , v 1 , cu mici modificri ale algoritmului, se poate
determina n aceleai ipoteze, perechea , v n .
Vom presupune c 0 A (deci, A GL n ). Determinarea lui n presupune

aplicarea metodei puterii matricei A 1 .
Avnd n vedere c , de regul, determinarea lui A 1 presupune un calcul laborios, sa decis nlocuirea determinrii lui x k 1 din relaia: x k 1 A 1 x k cu rezolvarea sistemului
de ecuaii liniare
(4.40)
Ax k 1 x k
printr-o metod direct, avnd marele avantaj al folosirii aceleiai matrice a coeficienilor
A , pentru orice k .
Dac se va lucra cu irul y k k , construit din (4.38), atunci se va rezolva sistemul

Ax k 1 y k , k 0
(4.41)
Aceast metod s.n. metoda puterii inverse.
Putem extinde metoda puterii i pentru calculul altor perechi de valori i vectori proprii.
Spre exemplu, dac se dorete aproximarea m ,v m , unde m este apropiat de o
valoare fixat (adic m i i , se aplic metoda puterii inverse matricei

A I n .
Aceast variant s.n. metoda puterii inverse cu deplasare.
19 June 2015
45
Analiz numeric
Dac se dorete aproximarea unei valori proprii m , deprtat de o valoare fixat
(adic m i i , i m ), atunci se aplic metoda puterii matricei A I n ,
variant ce poart numele de metoda puterii cu deplasare.
Observaia 4.2.7.:
Convergena acestor variante ale metodei puterii este chiar mai bun dect a metodei
iniiale. Dar ea poate fi mbuntit dac se realizeaz o alegere judicioas a deplasrii
i anume, R A x 0 sau, chiar mai eficient, putem folosi n locul lui , irul k k
definit prin:
(4.42)
k R A x k , k 0
19 June 2015
46
Analiz numeric
Aplicaii
1. S se rezolve sistemul de ecuaii liniare Ax = b cu : A= 2

3
0

, b= 1

4

folosind metoda Gauss pivotare total.

2. S se obin, cu metoda lui Gauss, soluia sistemului Ax=b cu :
1
2
3
4
7
3
2
2

, b= 1

3

A=
3. Folosind metoda Gauss pivotare parial, s se rezolve sistemul Ax=b :
50
50
2
1
1
1
1
1
1
50
1
A=
1
1
50
47
49
, b=
50
. Analog, pentru : A= 1
3
2
5
1
7
5
5

, b= 2
.
1

4. S se determine prima component a soluiei sistemului Ax=b, obinut utiliznd
factorizarea Doolittle, unde A= 8

4
19 June 2015
1
3
11
2
1
12

, b= 20

33

47
Analiz numeric
5. Utiliznd factorizarea Crout s se determine soluia sistemului Ax=b, unde
A= 2
4
5

, b= 7
.
15

6. Folosind o factorizare LU, s se rezolve sistemul Ax=b, unde
A= 4
2
1
4
5
7
12
10

, b= 33

48

2
3
6
6
7. Folosind pivotarea parial, s se trianguleze matricea A=
3 1
2
1
1
8. Calculai A 1 folosind eliminarea Gauss, unde: A= 1 2 1

1 1 2
2
1
9. S se determine, folosind metoda lui Gauss, rangul matricei A:
3
6
2
4
5
10
4
7
a.) A=
4
6
; b.) A= 2
4
10. S se calculeze (cu metoda Gauss) det A, unde A= 2

1
2
5
0
11. S se calculeze :
a) Factorul L din descompunerea Doolittle a matricei A:
6
2
1.) A=
1
4
1
1
4
0
1
; 2.) A= 1
1
1
2
1
1
2
b) Factorul U din descompunerea Doolittle a matricei A :

1
1
1.) A=
3
2
19 June 2015
5
1
7
5
2
3
1
; 2.) A=
0
1
2
1
3
0
1
48
Analiz numeric
2
c) Factorul L din descompunerea Crout a matricei A= 4

2
7
12
1
4
5
1
d) Factorul U din descompunerea Crout a matricei A, unde : A=
0
e) Factorul L din descompunerea Choleski a matricei A :

10
1.) A= 1
0
1
10
2
2
10
1
4,27
4
; 2.) A= 1
1
2
1
1
2
0
1
2,75
3,5
2,75
12. Se cere termenul x ( 2 ) , obinut prin aplicarea unui sistem de ecuaii liniare Ax=b, a
metodei:
20
1.) Jacobi, dac : a.) A= 1

1
b.) A= 4
6
1
10
1
3
11
3
2.) Gauss- Seidel, dac : a.) A= 1

1
19 June 2015
17

, b= 13

18

20

, b= 33 .

36

10
1
12
1

, b= 0

1

49
Analiz numeric
b.) A= 1
1
c.) A= 1
2
1
16

, b= 10

12

0
1
2
1

, b= 0

1

13. S se calculeze x ( 2 ) , din irul aproximaiilor corespunztoare aplicrii metodei de

relaxare P3 cu pai separai, sistemului Ax=b, unde:
a.)
10
A= 1
1
8
c.) A= 1
1
19 June 2015
1
10
1
1
6
1
1
10
1
9
0,9

b= 0,7

2,2

3

, b= 14

28

b.)
20
; d.) A= 1
1
4
A= 2
1
1
10
1
10
2
6
1
1
5
17

, b= 13

18

9

b= 5

6

50
Analiz numeric
14. S se determine x ( 2 ) , utiliznd metoda celei mai rapide coborri pentru
rezolvarea sistemului Ax=b, A= 1

0
1
2
1

, b= 0

1

15. S se determine direcia de relaxare p 2 obinut dac se aplic metoda celei

mai rapide coborri, sistemului Ax=b, cu :
4
a.) A= 1
0
1
1
1
1
4
2

, b= 6

2

14
; b.) A= 1
0
1
13
0
0
2
1

, b= 1

1

16. S se determine r ( 2 ) , dac se aplic metoda gradienilor conjugai, sistemului
Ax=b, unde A= 1
1
1
10
2
2
5
4

, b= 9

2

17. S se determine p 2 , dac se aplic metoda gradienilor conjugai, sistemului

Ax=b, unde:
a.) A= 1
1
4
1
1
4
1

, b= 0

1

10
; b.) A= 1
1
1
10
1
10
9

, b= 7
.
22

18. S se determine coeficientul termenului ce-l conine pe din PA ( ) , unde A=

1
0
0
19 June 2015
1
0
2
1 , dac se aplic metoda lui Leverrier. Analog, pentru A=

3
51
Analiz numeric
1
2
0
1
4
20
; A= 1
1
1
10
1
10
; A= 10
8
10
5
1
1
3
Apoi s se determine : ( A) i v .
19. Aceleai cerine i dac aplicm metoda Souriau Fadeev, matricilor :
4
a.) A= 5
1
b.) A= 2
1
14
13
0
2
5
1
c.) A= 1
1
2
0
2
0
Se cere, de asemenea A 1 .
20. Se aplic metoda Jacobi, matricilor :
20
a.) A= 1
1
b.)A= 2
3
10
1
10
1
2
Se cere : A( 2 ) , 2 .
21. Se aplic metoda puterii, matricilor :
a.) A= 5
1
14
13
0
b.) A= 2
1
2
5
c.) A= 1
0
1
2
19 June 2015
0
2
0
, x 1
; Se cere : x ( 2 ) cu (M.P.D.)
; Se cere : x ( 2 ) cu (M.P.I)
1 ; Se cere : x ( 2 ) cu (M.P.I).
1
52

UI 3 An ENC Integral

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

UI 3 An ENC Integral

Încărcat de

Drepturi de autor:

Formate disponibile

Analiz numeric

L.A.Spori: Analiz numeric, Ed.ANMB, 2003

M.Dinu, Gh.Linc: Algoritmi i teme special de analiz numeric, Ed.Matrix Rom,

Lector universitar doctor Ligia-Adriana SPORI

N.Dne: Analiz numeric cu aplicaii rezolvate n MathCad, Ed.Matrix Rom,

Unitatea de studiu 3.1.

Lector universitar doctor Ligia-Adriana SPORI

s.n. reziduul sistemului (1.1).

Un prim criteriu, ce va determina alegerea metodei numerice de rezolvare, l

Lector universitar doctor Ligia-Adriana SPORI

putem reduce totul la cazul real, lund

Reamintim cteva rezultate ce se refer la existena i unicitatea soluiei sistemului (1.1).

metoda lui Cramer este 2 n 1!

adunri). Dac considerm n 20 atunci avem aproximativ 17 10 19 operaii; ceea ce,

Lector universitar doctor Ligia-Adriana SPORI

unde ek 0 0...0 1 0...0 T i mk 0...0 k 1,k ... nk T , ik R , i k 1, n . mk s.n. vector

n particular, pentru x R n , avnd x k 0 , M k ITE n; k a.i. M k x i 0 , i k 1, n .

unde B e1 , e2 ,...,en este baza canonic n R n .

k a k 1 a k 2 ... a kk ... a kl ... a kn

... ... ... ... ... ... ...

n1 a n 2 ... a nk ... a nl ... a nn

Lector universitar doctor Ligia-Adriana SPORI

unde u 0...0 u k ...u n T s.n. vector Householder.

k i l sau transformare Givens-Jacobi (notat RO

Lector universitar doctor Ligia-Adriana SPORI

3.1.2. Metoda Gauss

Lector universitar doctor Ligia-Adriana SPORI

Lector universitar doctor Ligia-Adriana SPORI

Lector universitar doctor Ligia-Adriana SPORI

Astfel, dup n 1 pai obinem An M n 1 M n 2 ...M 1 A1 MA R n n , matrice superior

Algoritmul de eliminare gaussian (El.G)

Lector universitar doctor Ligia-Adriana SPORI

n aceast situaie, algoritmul (El.G) se modific a.i. pe poziia-pivot k , k s fie un

1. Se determin cel mai mic ik k a.i. ai k k max aik .

3. Se determin matricea M k , ITE n; k a.i. M k Ak i 0 , i k 1 , n .

matrice superior triunghiular.

1. Se determin cel mai mic ik k ,..., n a.i. ai k k max aik .

Lector universitar doctor Ligia-Adriana SPORI

Se determin cei mai mici ntregi ik , j k k a.i.

Se permut: liniile ik i k ( A Pi k k A ) i coloanele j k i k

3. Se determin matricea M k , ITE n; k a.i. M k A ik 0 , i k 1, n .

Lector universitar doctor Ligia-Adriana SPORI

n concluzie, numrul operaiilor aritmetice elementare necesare este O n 3 .

Lector universitar doctor Ligia-Adriana SPORI

diagonale a.i. A LDU L D U . Atunci obinem:

Afirmaia rmne adevrat i pentru cazul: A singular.

S , iar S conine termeni de tipul

mk ekT este inferior triunghiular unitate.

Triangularizarea M n 1 Pn 1 ...M 2 P2 M 1 P1 A U este echivalent cu factorizarea

Lector universitar doctor Ligia-Adriana SPORI

lis u sk lik , i k,n lik

Datorit faptului c A este

a fost ales arbitrar, se

obine c A k este pozitiv-definit, k 1, n , iar elementele sale diagonale sunt strict

Lector universitar doctor Ligia-Adriana SPORI

Urmnd aceeai procedur de factorizare compact (1.31)-(1.34), se obine:

Lector universitar doctor Ligia-Adriana SPORI

Unitatea de studiu 3.2:

Metodele directe permit obinerea soluiei exacte a sistemului (2.1), x R

Lector universitar doctor Ligia-Adriana SPORI

k este procesul iterativ generat de metod).

Teorema 2.1.2 (Teorema fundamental a metodelor iterative liniare):

Presupunem, prin reducere la absurd, c G 1 ; atunci exist G a.i.

i GSR w 1 , dac G j 0 , iar