Documente Academic
Documente Profesional
Documente Cultură
m
i=1
|xi | ;
m
x2 =
|xi |2 ;
i=1
1jm
m
1im
1 2 3
A = 4 5 6
7 8 9
1
i=1
|aij |.
m
j=1
|aij |.
Atunci
A1 = max
1j3
3
|aij | =
3
|aij | =
i=1
= max (|1| + |4| + |7| , |2| + |5| + |8| , |3| + |6| + |9|) = max (12, 15, 18) = 18
si
A = max
1i3
j=1
= max (|1| + |2| + |3| , |4| + |5| + |6| , |7| + |8| + |9|) = max (6, 15, 24) = 24.
32
10 7 8 7
23
7 5 6 5
cu solutia
b=
A=
33
8 6 10 9
7 5 9 10
31
Consideram sistemul perturbat
10
A=
8
A(x + x) = b + b unde
7 8 7
5 6 5
b + b =
6 10 9
5 9 10
1
1
x=
1
1
32, 1
22, 9
33, 1
30, 9
9, 2
12, 6
cu solutia x + x =
4, 5
1, 1
7
8, 1 7, 2
10
7, 08 5, 04
6
5
A + A =
b=
8
5, 98 9, 89
9
6, 99 4, 99
9
9, 98
81
137
cu solutia x + x =
34
22
(1)
32
23
33
30
(2)
Sistemul (1) difera de cel initial printr-o mica variatie a coloanei termenilor liberi,
iar sistemul (2) printr-o mica variatie a elementelor matricei. Dupa cum se observ
a
aceste mici variatii antreneaza dupa sine variatii mari ale solutiei initiale.
Exemplul -1.3 Dac
a consider
am sistemul perturbat (A +A)(x +x) = b + b unde
7
8, 1 7, 2
10
32, 1
22, 9
7, 08 5, 04
6
5
A + A =
b + b =
8
5, 98 9, 89
9
33, 1
6, 99 4, 99
9
9, 98
30, 9
332, 90
550, 49
143, 88
84, 58
3
n leg
atur
a cu aceast
a problem
a de stabilitate a sistemelor de ecuatii liniare sunt
cunoscute urm
atoarele rezultate:
Definitia -1.1 Fie A o matrice nesingular
a si o norma a matricei A. Num
arul
cond(A) := A A1 se numeste indice de conditionare al matricei A relativ la
norma .
Teorema -1.1 Fie sistemul de ecuatii liniare Ax = b si sistemul perturbat A(x+x) =
b + b. Presupunem b = 0. Atunci
x
b
cond(A)
.
x
b
(4)
si
x
1
b
x
cond(A) b
(5)
n plus exist
a b = 0 si A = 0 astfel nct inegalitatea (5) s
a devin
a egalitate.
Teorema -1.3 Fie sistemul de ecuatii liniare Ax = b si sistemul perturbat (A +
A)(x + x) = b + b. Dac
a A1 A < 1, atunci
x
cond(A)
b A
+
x
1 A1 A
b
A
Exemplul -1.4 Vom considera cazul sistemului (1) si vom lucra cu norma infinit.
Avem:
x = x + x x = 13, 6
4
x = 1.
Atunci
A1
x
=
x
25
41
=
10
A
Rezult
a c
a
Avem
13, 6
= 13, 6
1
41
10
68 17 10
17 5 3
10 3 2
= 33, A1 = 136.
cond(A) := A A1 = 33 136 = 4488
b = b + b b = 0, 1.
b = 33..
Atunci
si
b
0, 1
1
=
=
b
33
330
cond(A)
Deci
b
1
= 4488
= 13, 6
b
330
x
b
= cond(A)
x
b
10 1 4 0
15
1 10 5 1
15
A=
b=
4 5 10 7
26
0 1 7 9
15
Consideram sistemul perturbat
10
A=
4
unde
cu solutia
A(x + x) = b + b unde
1 4 0
10 5 1
b + b =
5 10 7
1 7 9
832
1324
cu solutia x + x =
2407
2021
1
1
x=
1
1
16
16
25
16
1
, i, j = 1, n
i+j1
Astfel cond1 (H3 ) = 748, cond1 (H4) = 28375, cond1 (H5 ) = 943656, cond1(H6 ) =
29070279, cond1 (H7 ) = 985194886, cond1 (H8 ) = 33872791095, cond1 (H10 ) = 35357439251992 =
3.53574392519921013 , cond1 (H20) = 6.2835796843178871028 , cond1(H50 ) = 4.330343748573601
1074 , cond1 (H100 ) = 1.267220787492374 10151.
(p)
i1
Exemplul -1.7 Fie A(p) = (a(p)
ij )i,j=1,n Mn (N) cu aij = Cp+j1 , i, j = 1, n.
1
Notam cu B(p) = (b(p)
inversa matricei A(p). Avem
ij )i,j=1,n = A(p)
b(p)
ij
i+j
= (1)
nj
k=0
k
i1
Cp+k1
Ck+j1
i, j = 1, n
0
(cu conventia C1
= 1 si Crs = 0 pentru r < s sau s < 0). Pentru n = 10 norma
a matricei A(20) este 29860259, iar norma a matricei B(20) este 1514268756, deci
cond (A(20)) = 298602591514268756
4.52161016 > cond (H10 ) = 3.5357439251992
1013 .
Metode directe
Metoda lui Gauss (cu pivotare partiala)
Se dau m N si A = (aij ) Mm,m+1 (R). Fie sistemul de ecuatii liniare
a x + + a1m xm = a1,m+1
11 1
...............
g
asit maximul).
Se ia piv = asn (elementul asn se numeste pivot).
Daca piv = 0, atunci metoda nu se aplica.
det = det piv.
7
Dac
a s = n, atunci det = (1) det si se permut
a ecuatia s cu ecuatia n.
Coeficientii ecuatiei n se mpart la piv.
Pentru i n + 1, m se elimina xn din ecuatia i astfel: aij = aij ain anj ,
j m + 1, n.
Procednd astfel se obtine un sistem de forma:
m
xi +
aij xj = ai,m+1 ,
j=i+1
1im1
(6)
amm xm = am,m+1
m
j=i+1
aij xj , i m 1, 1.
x + 12 y + 31 z = 1
1
x + 31 y + 14 z = 2
2
1
x + 41 y + 15 z = 3
3
x + 21 y + 13 z =
y + z = 18
1
z
180
7
6
Calcul
am determinantul matricei sistemului (tot cu algoritmul dat de metoda lui
Gauss) det =
1
2160
x + 592y = 437
si daca consideram ca lucram numai cu 4 cifre exacte, atunci prin alegerea pivotului
elementul 1,prin metoda lui Gauss se obtine solutia
x = 1, 6128, y = 0, 7409
iar prin alegera pivotului elementul 592, prin metoda lui Gauss se obtine solutia
x = 1, 5891, y = 0, 7409
pe cnd solutia exact
a a sistemului este
x = 1.58889055801431, y = 0.74085961242908.
a x + + a1m xm = a1,m+1
11 1
...............
Initial se consider
a determinantul matricei sistemului det = 1
Pentru n ntre 1 si m 1 se efectueaz
a urm
atoarele:
Se determina max = |aps | = max |aij | (s, p n, m reprezinta indicii de pozitie
ni,jm
ai maximului determinat).
Se ia piv = aps (elementul aps se numeste pivot)
Daca piv = 0, atunci metoda nu se aplica.
det = det piv.
Dac
a p = n sau s = n (dar nu p = s = n), atunci det = (1) det si se permut
a
coloana s cu coloana n (daca p = n) sau linia p cu linia n (daca s = n). Daca
p = n si s = n se permuta linia p cu linia n si apoi coloana s cu coloana n.
Ecuatia n se mparte la piv.
Pentru i n + 1, m se elimina xn din ecuatia i astfel: aij = aij ain anj ,
j m + 1, n.
Procednd astfel se obtine un sistem de forma:
m
xi +
aij xj = ai,m+1 ,
j=i+1
amm xm
1im1
= am,m+1
(7)
xi = ai,m+1
m
j=i+1
aij xj , i m 1, 1.
unde (x1, . . . , xm ) este o permutare a solutiei (x1, . . . , xm ) sistemului initial (dup
a
cum s-au permutat coloanele matricei initiale n procesul de transformare a sistemului).
Exemplul -1.9 Folosind metoda lui Gauss cu pivotare totala, sa se rezolve sistemul
de ecuatii liniare:
5x + y + 2z = 29
3x y + z = 10
x + 2y + 4z = 31
(8)
Folosind transformarile date de metoda lui Gauss cu pivotare totala, obtinem urm
atorul sistem de ecuatii:
1
29
2
x+ z+ y =
5
5
5
1
z+ y = 7
y = 6
2
Calcul
am determinantul matricei sistemului (tot cu algoritmul dat de metoda lui
Gauss) det = 27 si rezolvam sistemul anterior. Obtinem z = 5, y = 4, x = 3.
A=
a11
..
.
am1
. . . a1m
..
..
.
.
. . . amm
11
a
. . . a1m
11
..
..
..
.
.
.
am1 . . . amm
..
.
0 ... 1
1 ...
.. ..
. .
1 a12 . . . a1m
0
..
.
1
..
.
. . . a2m
..
...
.
...
a1,m+1 a1,m+2
a2,m+1 a2,m+2
..
..
.
.
am,m+1 am,m+2
. . . a1,2m
. . . a2,2m
..
...
. . . am,2m
(matricea din partea dreapta are cel putin n(n 1)/2 zerouri).
12
Matricea
b11 b12
b21 b22
.
..
..
.
bm1 bm2
1 0 ... 0
0
..
.
1 ...
.. . .
.
.
0
..
.
0 0 ... 1
b11 b12
b21 b22
B= .
..
..
.
bm1 bm2
. . . b1m
. . . b2m
.
..
..
.
.
. . . bmm
. . . b1m
. . . b2m
..
..
.
.
. . . bmm
1 21 13
A = 12 13 14
1
3
1
2
1
3
1
2
1
3
1
4
1
3
1
4
1
5
1
4
1
5
1 0 0
0 1 0
0 0 1
13
Cu transform
arile din algoritm obtinem:
0
0
1 21 13 1
0 1 1 6 12
0
0 0 1 30 180 180
iar, n final,
Deci
1 0 0 9
36
30
0 1 0 36 192 180
0 0 1
30 180 180
36
30
A1 = 36 192 180
30 180 180
Factorizarea LU
Se numeste factorizare LU a unei matrice A descompunerea matricei ca produs de
doua matrici, una inferior triunghiulara (notata L), alta superior triunghiulara (notata
U), adic
a A = LU. Descompunerea, dac
a este posibila, nu este unic
a.
Teorema -1.4 Fie A = (aij )1i,jm o matrice astfel nct determinantii "de colt"
k := det((aij )1i,jk ) s
a fie nenuli, pentru orice k = 1, m. Atunci A se descompune
unic sub forma A = LU cu L = (lij )1i,jm inferior triunghiulara si U = (uij )1i,jm
superior triunghiulara cu elementele diagole egale cu 1.
14
a1j
, j = 2, m.
l11
(9)
iar, pentru k = 2, m,
lik = aik
k1
akj
lip upk , i = k, m, ukk = 1, ukj =
k1
lkp upj
p=1
lkk
p=1
, j = k + 1, m. (10)
Fie un sistem de ecuatii liniare Ax = b, pentru care A admite factorizare LU. Atunci
solutia y a sistemului Ly = b se determina astfel:
yi =
bi
i1
lik yk
k=1
i = 1, m
lii
m
uik xk
k=i+1
i = m, 1
Exemplul -1.11 S
a se factorizeze sub forma LU matricea
4 2 0
2
1 1 2
A=
4
5 2 9
0
1
3
4
Se verific
a mai nti c
a determinantii de colt ai matricei A sunt nenuli. Cu formulele
l44 = 1
u44 = 1
Deci
0 0
2
1 1 0
L=
4 3 5
0
1 2
,
0
1 2 1 0
0 1 1 3
U =
0 0 1 0
0 0 0 1
ljj =
ajj
j1
k=1
2
ljk
si
lij =
aij
j1
k=1
ljj
lik ljk
,
i = j + 1, m, j = 1, m
(11)
16
yi =
bi
i1
lik yk
k=1
i = 1, m
lii
(12)
xi =
yi
m
lki xk
k=i+1
i = m, 1
lii
(13)
Daca matricea A nu este simetrica si pozitiv definita, dar este inversabila, atunci
sistemul de ecuatii liniare Ax = b se transforma n sistemul echivalent At Ax = At b, a
c
arui matrice este simetric
a si pozitiv definit
a.
Exemplul -1.12 Folosind metoda radacinii patrate, sa se rezolve sistemul de ecuatii
liniare Ax = b cu
4 2 2
A = 2 10 4
2 4 6
, b = 16
12
Descompunerea QR
17
Se consider
a date m N , A = (aij )i,j=1,m Mm (R) si b = (bi )i=1,m Rm . Vom
calcula solutia x = (x1 , . . . , xm ) Rm a sistemului Ax = b si determinantul matricei
sistemului folosind factorizarea QR.
Factorizarea QR a matricei A nsemna descompunerea A = QR cu Q matrice
ortogonala, adic
a QQt = Qt Q = Im si R matricea superior triunghiular
a.
m
m
Daca notam Q = (qij ) cu
qik qjk = ij si
qki qkj = ij pentru i, j = 1, m si
k=1
k=1
relatiile urm
atoare:
qi1 = i1 ,
r11
pentru i = 1, m
si pentru k = 2, m avem:
m
rjk =
aik qij , pentru j = 1, k 1
i=1
m
k1
2
rkk =
a2ik
rik
,
i=1
i=1
k1
aik
rjk qij , pentru i = 1, m .
qik = r
kk
(14)
j=1
sau pe componente:
yi =
m
qji bj ,
j=1
18
i = 1, m.
- apoi, rezolv
am sistemul triunghiular Rx = y, si obtinem:
ym
,
rmm
m
1
xi =
yi
rij xj
rii
j=i+1
xm =
(15)
, i = m 1, 1 .
23
0
0
1
3
rezolvati sistemul Ax = b folosind o descompunere QR.
Folosind relatiile de mai sus
Q = 1
obtinem:
1 2 3
1 0
0 0 si R = 0 4 5
0 0 1
0 1
0 1 0
y = Qt b = 1
23
14
0 0
14
23 ,
0 1
3
3
1
x= 2 .
3
Fie m N , A Mm (R), b Rm .
Consider
am sistemul de ecuatii liniare Ax = b. Not
am cu I matricea unitate din
Mm (R) si cu B := I A. Sistemul de ecuatii Ax = b se transforma echivalent astfel:
Ax = b (I B)x = b x = Bx + b.
Pentru orice x(0) Rm definim sirul (numit sir Jacobi) (x(n) )nN prin relatia de recurenta
x(n+1) = Bx(n) + b, n N
Fie o norma pe Mm (R). Daca B = q < 1 atunci avem evaluarile:
x(n) x
q
qn
x(n) x(n1)
x(1) x(0) , n N
1q
1q
(n)
Algoritm: Dac
a A = (aij )1i,jm , b = (bi )1im , B = (bij )1i,jm , x(n) = (xi )1im ,
n N, atunci bij = aij daca i = j, bii = 1 aii , 1 i, j m. Daca pe Rm considm
eram norma 1 , atunci q := B1 = max
|bij |, iar daca consideram norma
atunci q := B = max
m
1im j=1
1jm i=1
|bij |. Se testeaz
a conditia de aplicabilitate a metodei
q < 1. n caz de aplicabilitate se atribuie iteratei initiale x(0) o valoare oarecare din
Rm , iar calculul celorlalte iterate se face dupa formula:
x(n+1)
i
m
j=1
bij x(n)
j + bi , 1 i m, n N.
0, 1
0, 2
0, 3
0, 9
0, 2 0, 8
0,
1
0,
4
A=
; b =
0, 1 0, 3 0, 7 0, 1
0, 3 0, 2 0, 1 0, 9
3, 6
.
2, 4
1, 5
0
0
arul de iteratii necesar pentru a aproxima
Lund x(0) = sa se determine num
0
0
solutia sistemului cu o eroare mai mic
a de 1010 .
Avem
Atunci
0, 1 0, 1 0, 2 0, 3
0, 2
0, 2 0, 1 0, 4
B =I A=
0, 1 0, 3
0,
3
0,
1
0, 3
0, 2
0, 1
0, 1
B1 = max
1j4
si
4
B = max
i=1
1i4
4
j=1
|bij | = 0, 9 < 1
qn
x(1) x(0) p , n N
1q
qn
x(1)
1q
si
x(1) x(0) = b = 3, 6
Atunci
qn
x(1) x(0) 1 < n = log0,9
+1
1q
95
si
qn
x(1) x(0) < n = log0,9
+1
1q
36
0
a11 0
0 a22
0
D = diag(A) =
0
0 amm
Spunem c
a A este diagonal dominant
a pe linii dac
a
|aii | >
j=1,m j =i
|aij | , i 1, m
22
x(n) x
i=1,m i =j
|aij | , j 1, m
q
qn
y(n) y (n1) 1
y (1) y (0) 1 , n N
1q
1q
D y
n
1 (n)
( lim D y
n
= x).
Metoda Gauss-Seidel
23
Fie m N , A Mm (R), b Rm .
Consider
am sistemul de ecuatii liniare Ax = b. Not
am cu I matricea unitate din
Mm (R) si cu B := I A. Daca elementele matricei B sunt (bij )1i,jm , descompunem
B sub forma B = L + R, cu L = (lij )1i,jm , unde lij := bij , 1 j < i m si lij := 0
altfel. Atunci det(I L) = 1 si deci exist
a (I L)1 .
Sistemul de ecuatii Ax = b se transforma echivalent astfel:
Ax = b(I B)x = b(I L R)x = b
(I L)1(I L R)x = (I L)1 b(I (I L)1 R)x = (I L)1b
x (I L)1 Rx = (I L)1b.
Dac
a not
am C := (I L)1 R si c := (I L)1b atunci
Ax = bx = Cx + c.
Pentru orice x(0) C m definim sirul Jacobi (x(n) )nN prin relatia de recurenta
x(n+1) = Cx(n) + cx(n+1) = Lx(n+1) + Rx(n) + b, n N
Deci
x(n+1)
1
m
j=1
x(n+1)
i
i1
bij xj(n+1)
j=1
b1j x(n)
si
j + b1 , n N
m
j=i
bij x(n)
j + bi , 2 i m, n N.
m
j=1
|b1j |, qi =
i1
j=1
|bij |qj +
m
j=i
|bij |, 2 i m
qn
q
x(n) x(n1)
x(1) x(0) , n N
1q
1q
24
i1
bij x(n+1)
+
j
j=1
m
j=i
bij x(n)
j + bi , 1 i m, n N.
x + 1x + 1x = 1
1 2 2 3 3
1
x
5 1
1
x
10 1
+ x2 + 16 x3 = 2
+
1
x
20 2
+ x3 = 3
Sa se arate ca se aplica
metoda Gauss-Seidel.
si
Solutie Not
am cu A matricea ceoficientilor sistemului. Avem
1
1
0
2 3
B = I A = 5
0 16
1
1
10 20 0
5
1
1
q1 = , q2 = , q3 = .
6
3
10
Deci
q = max(q1 , q2 , q3 ) =
Rezult
a c
a metoda Gauss-Seidel se aplic
a.
25
5
<1
6
q
qn
(n)
(n1)
x xD
x x
D
x(1) x(0) D , n N
1q
1q
(n particular lim x(n) = x), unde xD := Dx, x, x Rm , cu , produsul
(n)
scalar uzual pe Rm .
2
,
1 + m
q=
1 m
1 + m
Dac
a matricea A a sistemului de ecuatii liniare Ax = a nu este simetriic
a si pozitiv
definita, sistemul se transform
a echivalent
Ax = a At Ax = At a
(unde At = (aji )1i,jm este transpusa matricei A), pentru care matricea At A este
simetrica si pozitiv definita.
Se va lua (0, t) cu t = 2/D1 A parcurgnd intervalul cu pasul h = t/p,
unde p N este dat.
Algoritm: Daca A = (aij )1i,jm , a = (ai )1im , B = D1 A = (bij )1i,jm ,
(n)
este dat:
Pentru 1 k p 1 se ia = k h, se calculeaz
a cij = bij dac
a i = j,
cii = 1 bii , ci = bi , 1 i, j m. Se atribuie iteratei initiale x(0) o valoare
oarecare din Rm , iar calculul celorlalte iterate se face dupa formula:
(n+1)
xi
m
j=1
(n)
cij xj + ci , 1 i m, n N.
27
5x + 3x2 + 2x3 = 1
Sa se arate ca
se poate aplica metoda relaxarii simultane. Sa
se determine parametrul
optim de relaxare. Lund x(0) = (0, 0, 0) sa se evalueze eroarea x x(n) .
Solutie: Notam cu A matricea sistemului. Se verifica ca A este simetrica si pozitiv
definita.
Fie D = diag(A). Atunci
1 3/5 2/5
2/5 3/5 1
si det(D1A I) = 0 (1 )3
19
(1
25
) +
6
25
= 0, de unde rezult
a c
a valorile
proprii ale matricei D1 A sunt 1 = 2 > 2 = 3/5 > 3 = 2/5. Parametrul optim de
relaxare este
=
2
5
=
1 + 3
6
q=
1 3
2
= .
1 + 3
3
caruia i corespunde
Avem x(1) = C x(0) + c = c = D1 b = 5/6 (1/5; 2/6; 3/5)t unde b = (1; 2; 3)t este
vectorul termenilor liberi din sistem. Atunci
2 25
x(1)2D = Dx(1) , x(1) =
3 9
si
x
(n)
qn
xD
x(1) x(0) D = 5
1q
28
n+ 12
2
.
3
= (1
(n)
)xi
i1
m
(n+1)
(n)
(bi +
aij xj
+
aij xj ), 1 i m
aii
j=1
j=i+1
29
(16)
Dac
a alegem astfel nct 0 < < 2, si not
am q := C A atunci q < 1 si avem
evalu
arile:
x(n) xA
q
qn
x(n) x(n1)A
x(1) x(0) A , n N
1q
1q
uzual pe R .
m
n practic
a, se alege (0, 2) parcurgnd intervalul cu un pas echidistant. Valoarea
optima a lui se stabileste atunci cnd numarul de iteratii n, necesar pentru a aproxima
solutia sistemului de ecuatii cu o eroare dat
a, este minim.
Daca matricea A a sistemului de ecuatii liniare Ax = b nu este simetric
a si pozitiv
definita, sistemul se transforma echivalent
Ax = b At Ax = Atb
(unde At este transpusa matricei A) pentru care matricea At A este simetric
a si pozitiv
definita.
Algoritm: Daca A = (aij )1i,jm , b = (ai )1im , x(n) = (x(n)
i )1im , n N,
atunci:
Se va lua (0, 2) parcurgnd intervalul cu pasul h = 2/p, unde p N este dat.
Pentru 1 k p 1 se ia = k h. Se atribuie iteratei initiale x(0) o valoare
oarecare din Rm , iar calculul celorlalte iterate se face dupa formula (16). Se opreste
calculul recursiv la iterata x(n+1) pentru care
m
(n+1)
(n+1)
(n)
x
x A =
aij (x(n+1)
x(n)
x(n)
i
i )(xj
j ) .
i,j=1
w0 = 0, C1 =
w0 w0
, D1 = Im C1 A
w0 Aw0
iar pentru k = 1, m 1:
Se alege vk astfel ca Dk vk = 0,
wk = Dk vk .
Ck+1 := Ck +
wk wk
,
wk Awk
Dk+1 := Im Ck+1 A,
Atunci Cm = A1 (inversa matricei A) si Dm = 0m .
1 2 3 4
2 5 1 10
4 10 5 30
1
culeze A .
Se verifica mai nti ca matricea A este simetrica si pozitiv definita. Luam w0 =
(1, 0, 0, 0) . Atunci w0Aw0 = 1 si
1 0 0
0 0 0
C1 =
0 0 0
0 0 0
0
0 2 3 4
0 1
0
0
0
, D1 =
.
0 0
0
1
0
0
0 0
0
1
31
5 2 0 0
0 0 13 0
2 1 0 0
0 0 5 2
C2 =
, D2 =
.
0
0 0 1
0
0
0
0
0
0 0 0
0 0 0
1
Luam v2 = (0, 0, 1, 0) . Rezulta ca w2 = (13, 5, 1, 0) si w2Aw2
0 0 0
174 67 13 0
0 0 0
67 26
5 0
C3 =
, D3 =
0 0 0
13 5
1 0
0 0 0
0
0
0 0
Luam v3 = (0, 0, 0, 1) . Rezulta ca w3 = (39, 17, 3, 1) si
730 315
56
17
,
D
=
C4 =
130 56
10
3
39
17
3
1
= 1, de unde
39
17
.
3
w3 Aw3 = 1, de unde
0 0 0 0
0 0 0 0
.
0 0 0 0
0 0 0 0
(T U) = T U,
32
(UT ) = UT.
(17)
(18)
(18) pentru orice b Rm , iar pentru orice alt element x0 , care verifica aceeasi egalitate,
avem Ub x0 .
Prin aceast
a teorem
a, n cazul unui sistem de ecuatii liniare T x = b compatibil
nedeterminat, rezulta ca T + b este o solutie a acestui sistem (anume cea mai mica solutie
n norma), iar, n cazul unui sistem incompatibil, T + b este acel element x, minim n
norm
a, pentru care T x b este cel mai aproape de 0.
n continuare presupunem ca rang T = l min(m, n). Cu R(A) am notam imaginea
matricei A Mm,n (R), adica multimea {Ax | x Rn }.
Determinarea pseudoinversei unei matrice se poate face cu algoritmi cu un num
ar
de pasi mai mic sau egal cu l. n aceasta categorie intra urmatorii algoritmi
(Grigore) Definim succesiv vectorii (yk )lk=1 X, (wk )lk=1 Rn si matricele
(Hk )lk=0 Mn,m (R) astfel:
H0 = 0.
yk R(T ) (adica n imaginea transpusei), astfel ca yk Hk1 T yk = 0,
wk := yk Hk1 T yk si
wk (T wk )
Hk := Hk1 +
, k = 1, l.
T wk 2
33
1 0 1
0 1 0
T =
cu rang(T ) = 2 si H0 = 0.
1 1 1
1 2 1
y1
1
1
1
0
2
0
a c
a T w1 2 = 12, iar w1 (T w1 ) =
H0 T y1 = y1 si T w1 = . Rezult
2
2
2 0 2
2
0 0 0
0 . Deci
2 0 2 2
w1(T w1)
H1 = H0 +
2 =
T w1
0
0
1
Luam y2 = T = 1
0
0
0
1/6
1/6
1/6
(avem y2 H1 T y2 =
34
1/2
1
1/2
= 0. Atunci
w2 = y2 H1T y2
1/2 1/2 0
1
1
0
1/2 1/2 0
n concluzie
2
si T w2 =
. Rezulta ca T w2 = 3, iar w2(T w2 ) =
0
1/2
1 . Deci
1/2
w2 (T w2 )
=
H2 = H1 +
1/3 1/3
0
1/3
2
T w2
1/3 1/6 1/6 0
T+
= H2 = 1/3 1/3
0
1/3
1
e1 si y1 = T x1 ,
f1
iar pentru i = 2, l
ei
= ei
i1
j=1
l
i=1
Atunci U = T + .
35
xi yi
1
e , yi = T x i
fi i
1 0 1
0 1 0
T =
cu dim R(T ) = 2
1 1 1
1 2 1
2
6
2
1
2
1
0 2
1 0
l1
l1
m
n
m
(Stanica) Definim, succesiv, vectorii (uk )l1
k=0 R , (vk )k=0 R , (wk )k=0 R
1
(I Hk T )wk si
vk , T wk
Hk+1 := Hk + uk vk , k = 0, l 1.
36
Atunci Hl = T + .
1 0 1
0 1 0
T =
cu rang(T ) = 2 si H0 = T
1 1 1
1 2 1
5
1
3
0
Lund a1 = 0 , b1 = obtinem v0 := (I T H0) T a1 =
,
8
0
0
11
0
1
5/48
w0 = H0b1 = 0 , u0 :=
(I H0 T )w0 = 1/8 ,
v0 , T w0
1
5/48
1
23/48
H1 := H0 + u0 v0 = 5/8
23/48
Lund a2 =
5/8
5/16
1/6
7/48
0
7/8
7/8
obtinem v1 := (I T H1 ) T a2 =
1 , b2 =
0
0
0
7/8
0
0
37
, w1 =
H1 b2 =
5/16
1/6
v1 , T w1
5/16
1/6
T+
= H2 := H1 + u1 v1 = 1/3 1/3
0
1/3 .
1 0
0 1
T =
1 1
1 2
cu rang(T ) = 2 si b =
1/3
z = T b = 1/3
1/3
+
1/6
1/3
1/6
0
0
1
= 1
0
1/3
1
0
1/6 0
2
1/6
1 0
0 1
T =
1 1
1 2
cu rang(T ) = 2 si b =
38
1/3
z = T b = 1/3
1/3
+
are proprietatea c
a
1/6
1/3
1/6
1
1/3
0
0
1/3 = 1/3
0
1/6 0
1/3
0
1/6
T z b = infn T x b
xR
39