Ukady rwna liniowych

UKADY RWNA LINIOWYCH

1. Wstp
Rozwizanie ukadu rwna liniowych o postaci:

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]

polega na znalezieniu wartoci zmiennych xi (i 1, 2, ..., n ) jeli znane s wartoci

wspczynnikw a ij i bi (i 1, 2, ..., n, j 1, 2, ..., n ) .
Ukad [1] mona zapisa za pomoc sumy:
n

a
j 1

ij

x j bi

(i 1, 2, ..., n )

[2]

lub w postaci macierzowej:

AX=B

[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 )

Ukady rwna liniowych

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]

Ukady rwna liniowych

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 ) .

Rozwizanie tego ukadu rwna jest proste. Rozwizujemy go od tyu tzn.

obliczamy kolejno x n , x n 1 , x n 2 ,..., x1 wg wzorw:

(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]

4. Metoda wyboru elementu podstawowego

W trakcie przeksztacania ukadu rwna do ukadu z macierz trjktn grn musi
by speniony warunek
a kk( k ) 0 ( k 1, 2, ..., n ) .
[11]
(k )
Rwnie przypadek gdy modu wspczynnika a kk ma bardzo ma warto moe
prowadzi do znacznych bdw zaokrglania spowodowanych operacj dzielenia przez
bardzo ma warto.
Aby unikn dzielenia przez zero lub przez mae liczby stosuje si metod wyboru
elementu podstawowego. Algorytm jest nastpujcy:
1. W pierwszym kroku wyszukujemy element o maksymalnym module wrd wszystkich
(1)
wspczynnikw a ij
(1)
max a ij(1) a rs
.

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.

Ukady rwna liniowych

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 )

a ij(1) a i(11) a1( 2j ) ,

bi( 2 ) bi(1) a i(11) b1( 2 )

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 )

a ij( 2 ) a i(22 ) a 2( 3j) ,

( 3)
2

b2( 2 )
(2)
a 22

bi( 3) bi( 2 ) a i(22 ) b2( 3)

( 2)
a 22
0

(i 1, 3, ..., n,

Kontynuujc obliczenia po k krokach otrzymamy

j 3, 4, ..., n ) .

Ukady rwna liniowych

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

bi( k 1) bi( k ) a ik( k ) bk( k 1)

( k 1)
ij

a
a ij( k ) a ik( k ) a kj( k 1) ,
(i 1, 2, ..., n, i k j k 1, ..., n ) .

Po n-1 krokach otrzymamy (realizujemy obliczenia wg wzoru [12] dla k 1, 2, ..., n 1 )

x1
a1(nn ) x n b1( 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

W ostatnim n-tym kroku wystarczy podzieli ostatnie rwnanie przez wspczynnik

a nastpnie wyrugowa zmienn x n z rwna 1,2 do n-1, czyli rozwizaniem jest:

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.

6. Metoda rozkadu na macierze L i U

Rozpatrzmy ukad rwna opisany rwnaniem [3] AX=B.
Twierdzenie 1. Jeli wszystkie wyznaczniki podmacierzy Aii ( i = 1,2,..., n-1) utworzonych z
i pierwszych kolumn i wierszy macierzy A liczc odpowiednio z lewej do prawej strony i z
gry na d, s rne od zera ( det Aii 0 ) to istnieje jednoznaczny rozkad macierzy A na
dwie macierze trjktne L i U, odpowiednio doln z jedynkami na przektnej gwnej i grn
o postaci:
A=LU

gdzie

[14]
1
l
21

l n1

ln 2

L=

u11
0
U=

u12
u22

u1n

u2 n
.

unn

[15]

Algorytm rozwizania ukadu rwna AX=B jest wic nastpujcy. Wstawiajc

rwnanie [14] do [3] otrzymamy LUX=B, ktre moemy rozbi na dwa rwnania LY=B i

Ukady rwna liniowych

UX=Y. Z pierwszego rwnania wyznaczamy wektor Y a z drugiego wektor X. Zalet takiego

rozbicia jest fakt, e obydwa wektory otrzymujemy natychmiast, bowiem rozwizujemy dwa
ukady rwna z macierzami trjktnymi:

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]

Natomiast macierz U jest rwna macierzy trjktnej uzyskanej w eliminacji Gaussa,

czyli
k 1, 2, ..., n i k , k 1, ..., n .
u ki a ki(k )
[19]
Algorytm Doolittlea. Mnoc macierz L i U a nastpnie porwnujc z macierz A
odpowiednio pierwszy wiersz i pierwsz kolumn, drugi wiersz i drug kolumn itd
otrzymamy
u1 j a1 j j 1, 2, ..., n

[20]
l a j1 j 2, 3, ..., n
j
1

u11

dla i 2, 3, ..., n

i 1

k 1
i 1

uij aij lik ukj

a ji l jk uki

uii

l ji

k 1

j i, i 1, ..., n
[21]

j i 1, i 2, ..., n.

Rozkad macierzy na macierze L i U moe by wykorzystany do rozwizania innych

problemw matematycznych, takich jak obliczanie wartoci wyznacznika dowolnej macierzy
lub wyznaczanie macierzy odwrotnej.

Ukady rwna liniowych

1.

Obliczanie wartoci wyznacznika.

Niech A=LU. Wiemy e det A = det L*det U. Zauwamy, e warto wyznacznika
macierzy trjktnej jest rwna iloczynowi wartoci elementw na przektnej gwnej
n

czyli det A uii .

[22]

i 1

2.

Wyznaczanie macierzy odwrotnej.

Zauwamy, e AA-1=E. Jeli jako niewiadome przyjmiemy kolejne kolumny macierzy
A-1 a jako wektor wyrazw wolnych odpowiedni kolumn macierzy jednostkowej E,
to problem sprowadzi si do rozwizania n ukadw rwna o n niewiadomych kady
co mona zapisa nastpujco: niech X(k) oznacza k-t kolumn macierzy A-1 a E(k)
odpowiednio k-t kolumn macierzy jednostkowej. Naley rozwiza n ukadw
rwna AX(k) = E(k) k = 1, 2, ..., n. Korzystajc z rozkadu macierzy A na macierze L i
U otrzymamy LUX(k) = E(k) . Ostatecznie musimy rozwiza 2n ukadw rwna z
macierzami trjktnymi LY(k) = E(k) oraz UX(k) = Y(k) k = 1, 2, ..., n.

7. Metoda Jacobiego (iteracji prostej)

Metoda ta zaliczana jest do metod iteracyjnych. Ukad rwna [1] przeksztacamy
nastpujco. Dzielimy i-ty wiersz przez wspczynnik aii ( aii 0) i 1, 2, ..., n i
pozostawiamy zmienn xi po lewej stronie rwnania a pozostae wyrazy przenosimy na
praw stron rwnania. Otrzymamy nowy ukad rwna
x1
x2

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]

Ukad rwna mona przedstawi w zapisie macierzowym

X = X +
[25]
gdzie elementy macierzy i wektora okrelaj wzory [24].
Ukad [25] rozwizuje si metod kolejnych przyblie. Za zerowe X (0) przyblienie
przyjmujemy wektor (X(0) = ) i kolejno wyliczamy: pierwsze przyblienie X (1) = X(0) + ,
drugie przyblienie X(2) = X(1) + itd. Oglnie (k+1)-sze przyblienie wyznacza si wg
wzoru
k 1, 2, ...
X(k+1) = X(k) +
[26]
Wzr [26] mona zapisa w postaci skalarnej

Ukady rwna liniowych

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

Ukady rwna liniowych

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

max xi( k 1) xi( k ) ,

i
n

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

10. Metoda relaksacji

Przeksztamy ukad rwna [23] przenoszc wyrazy stojce po lewej stronie znaku
rwnoci na stron praw. Otrzymamy
x1
21 x1

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

Uywajc zapisu macierzowego mamy

X + X + = 0
gdzie elementy macierzy { ij } oraz wektora { i } okrelaj wzory [24].
Wektor residuw definiujemy jako
R X X

[34]

[35]

[36]

Ukady rwna liniowych

10

Algorytm metody relaksacji

1. Krok pierwszy
Niech X(0) bdzie zerowym przyblieniem rozwizania ukadu [35]. Wstawiajc X (0)
do rwnania [36] otrzymamy wektor residuw
R(0) = X(0) + X(0) +
Szukamy najwikszej bezwzgldnej wartoci residuum
max ri( 0 ) rs( 0 ) i 1,2,..., n
i

i okrelamy wektor pierwszej poprawki X (1) nastpujco

r (0) i s
xi(1) s
i 1,2,..., n .
is
0
Wektor pierwszego przyblienia okrelamy nastpujco
X (1) X ( 0 ) X (1) .
Wyliczmy wektor residuw dla tego przyblienia
R (1) X (1) X (1) X ( 0 ) X (1) X ( 0 ) X (1) R ( 0 ) X (1) X (1) .

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

Wektor k-tego przyblienia okrelamy nastpujco

X ( k ) X ( k 1) X ( k )
i wyliczmy wektor residuw dla tego przyblienia
R ( k ) X ( k ) X ( k ) X ( k 1) X ( k ) X ( k 1) X ( k ) R ( k 1) X ( k ) X ( k ) .

Zauwamy e
rp( k ) rp( k 1) x (pk ) pp x (pk ) 0

ri( k ) ri( k 1) xi( k ) ip x (pk ) ri( k 1) ip rp( k 1)

i 1,2,..., n

i p.

Tak wic metoda relaksacji polega na zerowaniu w kolejnych krokach obliczeniowych

maksymalnej bezwzgldnej wartoci residuum. Cel ten osigamy przez nadanie
odpowiadajcemu temu residuum skadnikowi odpowiedniego wektora poprawek wartoci
maksymalnego residuum. Pozostae skadniki wektora poprawek maj warto zero.
Obliczenia przerywamy, gdy wszystkie residua danej iteracji s mniejsze od przyjtej
dokadnoci , czyli
max ri( k ) i 1,2,..., n .
i

11. Program wiczenia

1. Napisa program rozwizujcy ukad rwna metod Gaussa oraz rozwiza
zadane przez prowadzcego ukady rwna.

Ukady rwna liniowych

11

2. Napisa program rozwizujcy ukad rwna metod Gaussa-Jordana oraz

rozwiza zadane przez prowadzcego ukady rwna.
3. Napisa program rozwizujcy ukad rwna metod Choleskiego oraz rozwiza
zadane przez prowadzcego ukady rwna.
4. Napisa program rozwizujcy ukad rwna metod iteracji prostej (Jacobiego)
oraz rozwiza zadane przez prowadzcego ukady rwna.
5. Napisa program rozwizujcy ukad rwna metod Seidela oraz rozwiza
zadane przez prowadzcego ukady rwna.
6. Napisa program rozwizujcy ukad rwna metod relaksacji oraz rozwiza
zadane przez prowadzcego ukady rwna.
7. Dla metod dokadnych sprawdzi czy macierz wspczynnikw jest macierz le
uwarunkowan.
8. Dla metod iteracyjnych sprawdzi warunki zbienoci.
9. Dla metod iteracyjnych porwna dokadno rozwizania wykonujc t sam
liczb iteracji i przyjmujc ten sam wektor zerowego przyblienia.
10. Napisa sprawozdanie zawierajce:
a) tekst programu i wyniki przeprowadzonych oblicze,
b) opis przeprowadzonych bada,
c) analiz uzyskanych wynikw,
d) wnioski.
12. Zestaw pyta kontrolnych
1. Podaj warunki jakie musi spenia ukad rwna liniowych oznaczony,
nieoznaczony i sprzeczny.
2. Podaj wzory Cramera, jakie s wady tej metody.
3. Przedstaw algorytm metody eliminacji Gaussa.
4. Podaj rozwizanie ukadu rwna z macierz trjktn grn.
5. Na czym polega metoda wyboru elementu podstawowego i po co si j stosuje?
6. Podaj algorytm metody Choleskiego oraz warunki rozkadu na macierze L i U.
7. Co to s macierze L i U? Jak wyznaczy wyznacznik macierzy A stosujc do tego
celu rozkad na macierze L i U?
8. Jak w oparciu o rozkad macierzy A na macierze L i U wyznaczy macierz A-1 ?
9. Przedstaw algorytm metody iteracji prostej (Jacobiego).
10. Co stanowi rozwizanie dokadne w metodzie Jacobiego i jakie s warunki
zbienoci tej metody?
11. Przedstaw algorytm metody Seidela.
12. Co stanowi rozwizanie dokadne w metodzie Seidela i jakie s warunki
zbienoci tej metody?
13. Co to jest norma macierzy i jakie znasz przykady norm? Co to jest macierz le
uwarunkowana?
14. Podaj warunki stopu oblicze iteracyjnych.