Professional Documents
Culture Documents
a11 x1
a 21 x1
a n1 x1
a12 x 2
a 22 x 2
an 2 x2
a1n x n
a 2 n xn
a nn x n
b1
b2
bn
[1]
a
j 1
ij
x j bi
(i 1, 2, ..., n )
[2]
[3]
gdzie:
a12
a 22
a n1
an 2
A=
a11
a
21
a1n
a2n
a nn
b1
b
2
B=
bn
x1
x
2
X=
xn
[4]
Jeli macierz A jest nieosobliwa (det A 0) to ukad [1] posiada tylko jedno
rozwizanie. W caym rozdziale zakadamy, e macierz A i wektor B s rzeczywiste.
Istnieje wiele metod znajdowania rozwizania ukadu [1]. Metody te mona podzieli
na dwie grupy:
metody dokadne (wzory Cramera, metoda Gaussa, metoda Gaussa-Jordana, metoda
wyboru elementu podstawowego, metoda Choleskiego czyli rozkadu na macierze L i U),
metody iteracyjne (metoda Jacobiego zwana te metod iteracji prostej, metoda Seidela,
metoda relaksacji).
2. Wzory Cramera
Jeli macierz A jest nieosobliwa to ukad [1] jest oznaczony i mona wykaza, e rozwizania
dokadne ma posta:
xi
[5]
det Ai
det A
(i 1, 2, ..., n )
gdzie:
a11
a n1
a1,i 1
a n ,i 1
b1
bn
a1,i 1
a n ,i 1
a1n
a nn
Ai =
jest macierz utworzon z macierzy A, w ktrej w miejsce i-tej kolumny wstawiono wektor B.
Metoda oparta na wzorach Cramera wymaga obliczenia wartoci n+1 wyznacznikw. Dla
duych ukadw rwna metoda ta jest mao efektywna ze wzgldu na du zoono
obliczeniow oraz istotny wpyw bdw operacji arytmetycznych.
3. Metoda eliminacji Gaussa
Metoda eliminacji Gaussa polega na sprowadzeniu ukadu rwna AX=B do ukadu o
postaci A(n)X=B(n) gdzie A(n) jest macierz trjktn grn, a nastpnie rozwizaniu tego
trjktnego ukadu rwna.
Niech dany bdzie ukad rwna:
(1)
a11
x1
(1)
a 21 x1
(1)
a12
x2
(1)
a 22 x 2
(1)
a13
x3
(1)
a 23 x3
a1(1n) x n
a 2(1n) x n
b1(1)
b2(1)
(1)
a 31
x1
(1)
a n1 x1
(1)
a 32
x2
(1)
an 2 x2
(1)
a 33
x3
(1)
a n 3 x3
a 3(1n) x n
(1)
a nn x n
b3(1)
bn(1)
[6]
(1)
0 pomnmy pierwsze rwnanie przez a i(11) a11(1) i odejmijmy od i-tego
zakadajc e a11
rwnania (i 2, 3, ..., n ) , otrzymamy wtedy
a11(1) x1
(2)
(1)
gdzie a ij a ij
(1)
a12
x2
(2)
a 22
x2
(1)
a13
x3
(2)
a 23
x3
a1(1n) x n
a 2( 2n) x n
b1(1)
b2( 2 )
(2)
a 32
x2
(2)
an 2 x2
(2)
a 33
x3
(2)
a n 3 x3
a 3( 2n ) x n
( 2)
a nn x n
b3( 2 )
(2)
bn
ai(11) a1(1j)
a11(1)
bi( 2 ) bi(1)
ai(11) b1(1)
a11(1)
[7]
(i , j 2, 3, ..., n ) .
(2)
( 2)
( 2)
0 ) i odejmijmy od iNastpnie pomnmy drugie rwnanie przez ai 2 a 22 ( a 22
(
i
3
,
4
,
...,
n
)
tego rwnania
, otrzymamy wic
( 1)
a11
x1
a12(1) x 2
( 2)
a 22
x2
(1)
a13
x3
(2)
a 23 x 3
( 3)
a33
x3
( 3)
an 3 x3
a1(n1) x n
a 2( 2n) x n
b1(1)
b2( 2 )
b3( 3)
bn( 3)
a 3( 3n) x n
( 3)
a nn x n
[8]
ai(22 ) a 2( 2j)
ai(22 ) b2( 2 )
( 2)
a 22
(i , j 3, 4, ..., n ) .
, b b
(2)
a 22
Kontynuujc takie postpowanie otrzymamy ukad trjktny
gdzie a
( 3)
ij
( 2)
ij
a11(1) x1
( 3)
i
( 2)
i
(1)
a13
x3
(2)
a 23 x3
a12(1) x 2
(2)
a 22
x2
( 3)
a 33
x3
( k 1)
(k )
gdzie a ij a ij
aik( k ) a kj( k )
a kk( k )
( k 1, 2, ..., n 1
a1(n1) x n
a 2( 2n) x n
b1(1)
b2( 2 )
b3( 3)
(n)
bn
( k 1)
bi( k )
, bi
a 3( 3n) x n
(n)
a nn x n
[9]
aik( k ) bk( k )
(k )
, a kk 0
(k )
a kk
i , j k 1, k 2, ..., n ) .
(n)
n
(n)
nn
b
xn
a
bi( i )
, xi
j i 1
(i )
ii
(i )
ij
xj
(i n 1, n 2, ..., 2, 1) .
[10]
i , j 1... n
Niech nim bdzie element lecy w r-tym wierszu i s-tej kolumnie. Zamieniamy r-ty
wiersz z pierwszym a nastpnie s-t kolumn z pierwsz. Dalej dokonujemy redukcji
macierzy wg wzoru [7].
2. W drugim kroku wyszukujemy elementu o maksymalnym module wrd wszystkich
( 2)
wspczynnikw a ij
max a ij( 2 ) a (pq2 ) .
i , j 2... n
Zamieniamy odpowiednio p-ty wiersz z drugim wierszem i q-t kolumn z drug itd.
Jeli w ktrym kroku znaleziony element o maksymalnym module jest rwny zeru to
obliczenia przerywamy. Oznacza to bowiem, e det A 0 , czyli ukad jest albo sprzeczny
albo nieoznaczony.
Naley rwnie zapamitywa wszystkie kolejne zamiany kolumn, poniewa
powoduj one zmian kolejnoci niewiadomych xi w wektorze X.
5. Metoda Gaussa-Jordana
Metoda ta stanowi pewn modyfikacj metody Gaussa. Ot przeksztaca si ukad
rwna [6] do ukadu w ktrym macierz wspczynnikw jest macierz jednostkow
AX=B EX=B(n)
wg nastpujcego algorytmu. Dzielimy obustronnie pierwszy wiersz ukadu rwna [6] przez
(1)
wspczynnik a11
a nastpnie mnoymy przeksztacony pierwszy wiersz przez
(1)
wspczynnik a i1 i odejmujemy od i-tego wiersza (i 2, 3, ..., n ) . Otrzymamy
x1
gdzie
(2)
1j
a
a
( 2)
ij
a12( 2 ) x 2
(2)
a 22
x2
(2)
a13
x3
(2)
a 23 x 3
a1(n2 ) x n
a 2( 2n) x n
b1( 2 )
b2( 2 )
(2)
a 32
x2
a n( 22) x 2
(2)
a 33
x3
a n( 23) x 3
a 3( 2n ) x n
(2)
a nn
xn
b3( 2 )
bn( 2 )
a1(1j)
(1)
11
b1( 2 )
( j 2, 3, ..., n )
b1(1)
a11(1)
a11(1) 0
(i , j 2, 3, ..., n ) .
(2)
W otrzymanym ukadzie rwna dzielimy drugi wiersz przez wspczynnik a 22
a
( 2)
nastpnie mnoymy przeksztacony drugi wiersz przez wspczynnik ai 2 i odejmujemy od
i-tego wiersza (i 1, 3, ..., n ) . Otrzymamy
( 3)
x1
a13
x3 a1(n3) x n b1( 3)
x2
gdzie
a
a
( 3)
2j
( 3)
ij
a 2( 2j)
a
(2)
22
( 3)
a 23
x3
a 2( 3n) x n
b2( 3)
( 3)
a 33
x3
( 3)
a n 3 x3
a 3( 3n) x n
( 3)
a nn x n
b3( 3)
bn( 3)
( j 3, 4, ..., n )
( 3)
2
b2( 2 )
(2)
a 22
( 2)
a 22
0
(i 1, 3, ..., n,
j 3, 4, ..., n ) .
x1
x2
xk
gdzie
( k 1)
kj
a kj( k )
a
a1(,kk11) x k 1
a1(nk 1) x n
b1( k 1)
a 2( k,k11) x k 1
( k 1)
a k ,k 1 x k 1
( k 1)
a n ,k 1 x k 1
a 2( kn1) x n
( k 1)
a kn x n
( k 1)
a nn x n
b2( k 1)
( k 1) [12]
bk
( k 1)
bn
bk( k 1)
( j k 1, k 2, ..., n )
(k )
kk
bk( k )
a kk( k )
(k )
a kk
0
( k 1)
ij
a
a ij( k ) a ik( k ) a kj( k 1) ,
(i 1, 2, ..., n, i k j k 1, ..., n ) .
x2
a 2( nn) x n
b2( n )
x n 1
(n )
nn
(n)
n 1,n n
(n)
nn
n
a
a
x
x
b
b
(n)
n 1
(n)
n
xn
bn( n )
(n)
a nn
(n)
a nn
0
xi bi( n ) ain( n ) x n
[13]
i 1, 2, ..., n 1 .
(k )
W trakcie eliminacji Gaussa-Jordana wspczynniki a kk 0 ( k 1, 2, ..., n ) . Aby
warunek ten by speniony naley rwnie stosowa metod wyboru elementu podstawowego.
gdzie
[14]
1
l
21
l n1
ln 2
L=
u11
0
U=
u12
u22
u1n
u2 n
.
unn
[15]
y1 b1
i 1
k 1
y b l y
ik k
i
i
i 2, 3, ..., n
[16]
yn
x
u nn
xi
yi
k i 1
ik
xk
uii
i n 1, n 2, ..., 1
[17]
Elementy macierzy L i U mona wyznaczy dwoma sposobami.
1.
Istnieje cisy zwizek midzy rozkadem macierzy A na macierze L i U a metod
eliminacji Gaussa. Mona wykaza, e elementy kolejnych kolumn macierzy L s
rwne wspczynnikom przez ktre mnoone s w kolejnych krokach wiersze ukadu
rwna celem dokonania eliminacji niewiadomych w odpowiednich kolumnach
aik( k )
lik ( k )
a kk
2.
k 1, 2, ..., n
i k 1, ..., n .
[18]
[20]
l a j1 j 2, 3, ..., n
j
1
u11
dla i 2, 3, ..., n
i 1
k 1
i 1
a ji l jk uki
uii
l ji
k 1
j i, i 1, ..., n
[21]
j i 1, i 2, ..., n.
1.
[22]
i 1
2.
xn
21 x1
n1 x1
12 x 2
n 2 x2
13 x 3
23 x 3
n 3 x3
1n x n
2n xn
n ,n 1 x n 1
1
2
[23]
0
aij
gdzie ij
aii
i j
i j ,
bi
a ii
i , j 1, 2, ..., n
[24]
xi( 0 ) i
x
( k 1)
i
j 1, j i
ij
x (jk ) i
i 1, 2, ..., n
k 0, 1, 2, ...
[27]
X (k ) X g
Twierdzenie 2. Jeli cig przyblie X(0) , X(1) , X(2) , ..., X(k) , ... ma granic lim
k
to stanowi ona rozwizanie ukadu [25] czyli ukadu [1].
Z twierdzenia 2 wynika, e metoda ta nie jest metod dokadn, posiada tzw. bd
metody.
Warunkiem wystarczajcym zbienoci procesu iteracyjnego jest, by dowolna z
norm macierzy bya mniejsza od jednoci co mona zapisa
I 1 lub II 1 lub III 1 .
[28]
Z [24] i definicji normy [30] wynika, e elementy lece na przektnej gwnej macierzy A
powinny by silnie dominujce nad pozostaymi elementami.
Definicja 1. Norma macierzy A (oznaczana jako A ) jest liczb, stanowic w pewnym
sensie miar macierzy, speniajc nastpujce warunki:
A 0 , A 0 A 0,
1)
cA c A ,
cR ,
2)
[29]
A B A B ,
3)
AB A B .
4)
Najczciej stosuje si trzy nastpujce normy macierzy A:
n
max aij ,
i
j 1
A
A
II
III
max a ij ,
j
[30]
i 1
a
i 1 j 1
2
ij
Jeli macierz jest wektor kolumnowy X to odpowiednie normy wektora X maj posta
X
max xi ,
i
n
X
X
II
xi ,
III
[31]
i 1
2
i
i 1
8. Metoda Seidela
Metoda ta stanowi modyfikacj metody iteracji prostej. Jest wic rwnie metod
( k 1)
niedokadn. Polega na tym, e przy obliczaniu (k+1)-szego przyblienia niewiadomej xi
( k 1)
, ..., xi(k11) oraz k-te
wykorzystuje si ju obliczone (k+1)-sze przyblienia zmiennych x1
(k )
(k )
przyblienia pozostaych zmiennych x i 1 , ..., x n . Czyli przeksztacamy ukad rwna
AX=B do postaci X=X+ gdzie i okrelone s wg wzorw [24]. Natomiast wzr [27]
ulega przeksztaceniu do postaci
xi( 0 ) i
x1( k 1) 1 j x (jk ) 1
j 2
i 1
xi( k 1) ij x (jk 1)
j 1
k 0, 1, 2, ...
i 2, 3, ..., n
j i 1
ij
x (jk ) i
[32]
Warunki wystarczajce zbienoci procesu iteracyjnego w metodzie Seidela s
identyczne jak w metodzie Jacobiego (wzr [28]). Zazwyczaj proces Seidela jest szybciej
zbieny ni proces iteracji prostej (Jacobiego). Czsto jest zbieny podczas gdy proces
Jacobiego jest rozbieny.
9. Stop oblicze iteracyjnych
Jako warunek zatrzymania oblicze iteracyjnych najczciej przyjmuje si by jedna ze
zmodyfikowanych norm rnicy wektorw k-tego i (k+1)-szego przyblienia bya mniejsza
od przyjtej dokadnoci lub gdy liczba wykonanych iteracji osignie maksymaln przyjt
warto. Jako zmodyfikowane normy wektora proponuje si
X ( k 1) X ( k )
*
I
X ( k 1) X ( k )
*
II
x
i 1
( k 1)
i
n
n
( k 1)
(k ) *
III
To e X ( k 1)
wartoci dokadn.
xi( k )
x
i 1
[33]
,
2
( k 1)
i
X (k )
(k )
i
.
n
( k 1)
gdzie X d jest
nie zawsze oznacza, e X d X
s1 x1
n1 x1
12 x 2
x2
s 2 x2
n 2 x2
1n x n
2n xn
sn x n
xn
1
2
0
0
[34]
[35]
[36]
10
Zauwamy e
rs(1) rs( 0 ) x s(1) ss x s(1) 0
i 1,2,..., n i s
ri(1) ri( 0) xi(1) is x s(1) ri( 0 ) is rs( 0 )
czyli maksymalne bezwzgldne residuum zostao wyzerowane a pozostae residua zwikszyy
( 0)
swoj warto o is rs .
2. K-ty krok oblicze
Okrelamy wektor k-tej poprawki X ( k ) nastpujco
r ( k 1) i p
xi( k ) p
i 1,2,..., n
i p
0
( k 1)
rp( k 1) i 1,2,..., n .
gdzie max ri
i
Zauwamy e
rp( k ) rp( k 1) x (pk ) pp x (pk ) 0
i 1,2,..., n
i p.
11