Seminarski rad iz

Metodike nastave matematike II

Resavanje sistema linearnih

jednacina - Nekad i sad

Autor: Jelena Loncar

Broj indeksa: ml04080

Profesor: Zoran Lucic

Matematicki fakultet
Beograd 2008.

Sistem linearnih jedna

cina sa dve nepoznate i
njegovo re
savanje u pro
slosti

Zadatke, koji se svode na sastavljanje i resavanje sistema jednacina sa dve

ili vise nepoznatih, susrecemo, kako u vavilonskim i egipatskim tekstovima iz II
milenijuma pre n.e., tako i u radovima starogrckih, indijskih i kineskih matematicara.
Evo jednog zadatka iz najstarije kineske matematicke zbirke zadataka[1]

Kiu - Cang
Suan - Su[5]
(Matematika u devet knjiga, XXVII vek pre n.e.).
Zadatak 1. U kavezu se nalaze fazani i zecevi; sve te zivotinje imaju ukupno
35 glava i 94 noge. Treba naci broj fazana i broj zeceva.
Ako bi u kavezu bili samo fazani (lazna pretpostavka), onda bi broj nogu
iznosio 70, a ne 94. Prema tome, ovaj visak od 24 noge pripada zecevima - po
dva svakome. Tada je jasno da je zeceva bilo 24 : 2 = 12, a fazana 35 12 = 23.
U starokineskom delu Matematika u devet knjiga (ili Devet poglavlja o
vestini racunanja) razmatraju se (VII i VIII knjiga) sistemi jednacina i daju
kratka pravila za njihovo resavanje, pri cemu se sve izlaze recima. Koeficijenti
jednacine postavljeni su na racunsku dasku(posebna vrsta abakusa) u vidu
tablice. Pri ponovljenim operacijama na toj racunaljci, jasno se vidi da sa koeficijentima treba postupati po istom pravilu (receptu) da bi se naslo resenje
sistema jednacina.
U VII knjizi tog dela, koja nosi naziv Visak-manjak, izlozena su dva nacina
(metoda) za resavanje zadataka, koji se svode na sistem dve linearne jednacine
sa dve nepoznate.
Prvi na
cin
Ilustrovacemo ga sledecim zadatkom iz VII knjige pomenutog traktata Matematika u devet knjiga:
Zadatak 2. Nekoliko trgovaca hoce zajednicki da kupe robu. Ako svaki da 9
juana (novcana jedinica), preostace im 11 juana; ako bi, pak, svaki dao po 6
juana, nedostajalo bi im jos 16 juana. Koliko je bilo trgovaca i kolika je cena
robe?
Oznacimo li sa x broj trgovaca, a sa y cenu robe, lako sastavljamo sistem
jednacina:
9x y = 11
6x y = 16,
odakle lako dobijamo (x, y) = (9, 70).

(1)

Kako se, pak, postupa u pomenutom starokineskom delu?

Postupak (nacin), koji se tamo kratko izlaze, u savremenoj simbolici svodi
se na sledece:
Ako imamo sistem:
a1 x y = c1
a2 x y = c2 ,

(2)

to treba sastaviti tablicu (tablica1) oblika:

a1 a2
c1 c2
pomocu koje se trazene nepoznate dobijaju tako sto se uzme:
x = (c2 c1 )/(a2 a1 ),
y = (a1 c2 a2 c1 )/(a2 a1 ).

(3)

Proverimo to u navedenom primeru. Uporedujuci (1) i (2) imamo: a1 = 9,

a2 = 6, c1 = 11, c2 = 16; tablica1 ima oblik:

9
6
,
11 16
pa ce resenje, saglasno (3), biti:
x = (16 11)/(6 9) = (27)/(3) = 9
y = (9 (16) 6 11)/(6 9) = (210)/(3) = 70.
Odgovor: Bilo je 9 trgovaca, a cena robe je bila 70 juana.
Napomena: T ablica1 moze se zapisati i u obliku:

a1 c1
.
a2 c2
Uporedite izlozeni sa danasnjim nacinom resavanja sistema od dve linearne
jednacine sa dve nepoznate (pomocu determinanti, odnosno po gotovim formulama):
a1 x + b1 y = c1
a2 x + b2 y = c2
x = (c1 b2 c2 b1 )/(a1 b2 a2 b1 ),
y = (a1 c2 a2 c1 )/(a1 b2 a2 b1 ).
Slicno se resava i zadatak:
Zadatak3. Nekoliko porodica u selu hoce zajednicki da kupe bivola. Ako svakih
2

7 porodica da po 190 juana, manjak ce biti (tj. nedostajace) 330 juana. Ako,
pak, svakih 9 porodica da po 270 juana, visak ce biti (tj. preostace) 30 juana.
Koliko je bilo porodica i koliko je kostao bivo?
Odgovor: 126 porodica; 3750 juana.
Drugi na
cin
Drugi nacin za resavanje problema, koji se svode na sistem od dve linearne
jednacine sa dve nepoznate, poznat je pod nazivom metoda dve lazne pretpostavke (pravilo dveju gresaka) i primenjivana je narocito u srednjem veku, pa
sve do XVIII veka.
Po toj metodi, za razliku od znatno jednostavnije metode jedne lazne pretpostavke, nepoznatoj x se daju redom dve vrednosti (x1 i x2 ), po pravilu razlicite
od prave vrednosti, pa se onda pravi linearna interpolacija da bi se naslo pravo
resenje.
Navodimo jedan zadatak iz VII knjige Matematike u devet knjiga, koji se
resava metodom dve lazne pretpostavke (oznake su prilagodene savremenoj notaciji):
Zadatak4. Imamo 9 jednakih legura zlata i 11 jednakih legura srebra. Kada
su stavljene na tasove terazija, terazije su bile u ravnotezi. Medutim, kada su
na tasovima medusobno zamenili jednu leguru zlata i jednu leguru srebra, onda
je masa na prvom tasu - onom sa 9 legura (8 zlata i 1 srebra) bila manja za 16
lana. Pita se kolika je masa svake legure posebno.
U danasnjim oznakama, ako masu jedne legure zlata oznacimo sa x, a masu
jedne legure srebra sa y, zadatak bismo sveli na resavanje sistema linearnih
jednacina:
9x = 11y
8x + y + 16 = 10y + x,

(4)

ili:
9x 11y = 0
7x 9y = 16,

(5)

odakle dobijamo: x = 44 (lana) i y = 36 (lana).

Autor, koji racunanje vrsi na specijalnoj dasci za racunanje, izlaze pravilo
iz kojeg se moze zakljuciti u cemu je sustina njegovog nacina resavanja.
Prvi put cemo pretpostaviti (prva lazna pretpostavka) da je masa legure
zlata x1 = 55 (lana). Tada ce masa legure srebra biti y1 = 9x1 /11 = 9 55/11 =
45 (lana). Prema uslovu zadatka morali bismo imati jednakost:
8x1 + y1 + 16 = 10x1 + y1 .
3

Medutim, leva strana je jednaka:

8 55 + 45 + 16 = 501,
a desna strana:
10 45 + 55 = 505,
tj. levoj strani nedostaje 4 lana. Broj k1 = 4 resavatelj naziva manjak leve
strane(visak desne strane).
Drugi put cemo pretpostavljati (druga lazna pretpostavka) da je masa
legure zlata x2 = 22 (lana). Tada je y2 = 9x2 /11 = 9 22/11 = 18 (lana). I
ovoga puta jednakost 8x2 + y2 + 16 = 10y2 + x2 , koja bi morala vaziti prema
uslovu zadatka, nije tacna, jer je leva strana jednaka:
8 22 + 18 + 16 = 210,
a desna:
10 18 + 22 = 202,
tj. leva strana je veca od desne za 8 lana. Broj k2 = 8 resavatelj naziva visak
leve strane(manjak desne strane).
Dalje se sastavlja tablica

k1
x1

k2
x2

i recima navodi sledece pravilo za odredivanje prave (stvarne) vrednosti za x,

koja se (u danasnjoj simbolici) izrazava ovako:
x = (k1 x2 + k2 x1 )/(k1 + k2 ).

(6)

U datom primeru dobijamo:

x = (4 22 + 8 55)/(4 + 8) = (88 + 440)/12 = 528/12 = 44(lana).
Prava vrednost za x nalazi se izmedu obe norme, tj. x2 < x < x1 . Zatim se
odreduje masa legure srebra:
y = 9x/11 = 9 44/11 = 36(lana).
Napomena: U starokineskom tekstu odgovor se saopstava na sledeci nacin:
masa legure zlata je 2 czina 12 lana, a masa legure srebra je 2 czina 4 lana(treba
imati u vidu da je 1 czin=16 lana).
U arapsku matematicku literaturu algoritam lazne (pret)postavke dospeo je
pod nazivom pravilo dve greske. Evo kako, na primer, Muhamed ibn Musa
iz Horezma (kod nas poznat pod imenom Alhvarizmi) pocetkom IX veka resava
jedan zadatak iz svoje Aritmetike:

Zadatak5. Naci broj, ako se zna da ce se, oduzimanjem njegove trecine i cetvrtine,
dobiti 8.
Ako bi trazeni broj bio 12 (prva pretpostavka), tada bi ostatak bio jednak
12 1/3 12 1/4 12 = 5, tj. za 3 manje od 8. Ako bi trazeni broj bio 24
(druga pretpostavka), onda bi ostatak bio jednak 24 1/3 24 1/4 24 = 10,
tj. za 2 vece od 8. Saglasno pravilu dve lazne pretpostavke (6), dobija se prava
vrednost nepoznate
1
x = (3 24 + 2 12)/(3 + 2) = 19 .
5
O pravilu dve lazne pretpostavke pisana su na arapskom jeziku i posebna
dela u kojima su razmatrani i oni slucajevi, kada se stvarna vrednost nepoznate x ne nalazi izmedu normi x1 i x2 , tj. razmatrani su slucajevi, kada
obe pretpostavke dovode do viskova ili obe dovode do manjkova. U takvim
slucajevima u napred navedenoj formuli (6) treba, vodeci racuna o znacima, u
brojiocu uzimati ne zbir, vec razliku navedenih proizvoda, a u imeniocu razliku
viskova ili manjkova.
U XII veku tehnika laznih postavki preneta je iz arapske u evropsku matematicku literaturu, gde se, pod latinskim nazivom regula duorum falsorum - pravilo
dveju gresaka, koristila sve do XVIII veka.
Leonardo Fibonaci iz Pize (oko 1180 1250 god.) posvetio mu je citavo
poglavlje u svom delu Knjiga Abaka (Liber Abaci, 1202. god.), gde se prvi put
susrecu reci minus i plus, ali ne u smislu operacija oduzimanja i sabiranja,
vec u smislu manjka i viska. Pored verbalnog dokaza formule (6), Fibonaci,
koji nije koristio negativne brojeve, dokazuje pravilo i za slucaj dve greske sa
viskom i dve greske sa manjkom.
Evo jednog zadatka iz Fibonacijeve knjige:
Zadatak6. Resiti sistem jednacina:
x + y = 10
x
1
=2 .
y
3
Odgovor: x = 7, y = 3.
Pod nazivom lazno pravilo ovaj nacin resavanja se susrece i u starim ruskim
udzbenicima, recimo, u Aritmetici L.F. Magnickog (1669 1739). Navodimo
jedan zadatak te vrste i njegovo resenje:
Zadatak7. Neko je upitao ucitelja koliko ucenika uci kod njega, jer zeli da
dovede sina na ucenje. Ucitelj je odgovorio: Ako bi imao jos toliko ucenika
5

koliko ih sada ima i jos polovinu i cetvrtinu od toga i tvog sina, bilo bi tacno
100 ucenika. Koliko je taj ucitelj imao ucenika?
Danas taj zadatak prevodimo na resavanje jednacine:
x+x+

x x
+ + 1 = 100.
2
4

Medutim, Magnicki ga resava pomocu pravila dve pretpostavke.

Prva la
zna pretpostavka: x1 = 24, tj. pretpostavimo da je bilo 24
ucenika. Tada bismo, prema uslovu zadatka, imali 24 + 24 + 12 + 6 + 1 = 67, tj.
k1 = 100 67 = 33 manje od stvarnog broja (prva greska - manjak).
Druga la
zna pretpostavka: x2 = 32, tj. pretpostavimo da je bilo 32
ucenika. Tada bismo imali 32 + 32 + 16 + 8 + 1 = 89, tj. za k2 = 100 89 = 11
manje od stvarnog broja (druga greska - manjak).
Posle toga Magnicki daje gotov nacin za nalazenje trazenog broja x, naime:
x = (33 32 11 24)/(33 11) = 36,
sto odgovara formuli:
x = (k1 x2 k2 x1 )/(k1 k2 ).

(7)

Formulu (7) treba koristiti i u slucaju kada se za obe lazne pretpostavke

dobijaju brojevi, koji su veci od prave (date) vrednosti. Proverite ovo tvrdenje
koristeci pretpostavke: x1 = 52 i x2 = 40.
Ako se pri jednoj pretpostavci dobija vise, a pri drugoj manje od navedenog u
zadatku (ovde 100), tada u obrascu (7) po kome se odreduje x, u brojiocu i imeniocu, treba staviti znak plus umesto oznake minus, tj. koristiti formulu (6).
Na primer, ako je x1 = 60 (prva pretpostavka), onda 60 + 60 + 30 + 15 + 1 = 166,
pa je k1 = 166 100 = 66 (visak); ako je, pak, x2 = 20 (druga pretpostavka),
onda je 20 + 20 + 10 + 5 + 1 = 56, pa to je k2 = 100 56 = 44 (manjak). Stoga
je x = (66 20 + 44 60)/(66 + 44) = 36.
Pravilo dve lazne pretpostavke mozemo objasniti i algebarski dokazati.
Ako se pazljivo razmotri resavanje zadataka metodom laznih pretpostavki,
moze se zapaziti da se pri tome uvek trazi neki nepoznati broj. Ako u zadatku
ima i drugih nepoznatih, one se prema uslovima zadatka mogu izraziti pomocu
tog jedinstvenog broja. Taj nepoznati broj, koji cemo oznaciti sa x, uvek zadovoljava jednacinu ax + b = c, gde su a, b i c neki brojevi. Broj c je poznat, dok
se brojevi a i b, uopste uzev, mogu izracunati (odrediti) prema uslovu zadatka.
Oni (obicno) nisu dati u uslovu, ali su u njemu predstavljeni pomocu nekog niza
operacija (videti, na primer, zadatke 4. i 6.). Stoga cemo ih smatrati nepoznatim.

Uzevsi neki broj x1 (prva pretpostavka) i obavivsi s njim trazene operacije,

dobicemo neki broj c1 , tj. ax1 + b = c1 . Uzevsi zatim drugi broj x2 (druga pretpostavka) i ponovivsi s njim iste operacije, dobicemo novi broj c2 ,tj.ax2 +b = c2 .
Kako cemo, znajuci x1 , x2 , c1 , c2 i c naci resenje zadatka,tj.nepoznati broj x?
Ako treba resiti jednacinu
ax + b = c,

(8)

lazne pretpostavke daju:

ax1 + b =
ax2 + b =

c1
c2 .

(9)
(10)

Oduzimajuci (9) i (10) od (8), dobicemo:

a (x x1 ) =
a (x x2 ) =

c c1 = k1
c c2 = k2 ,

(11)
(12)

gde su k1 i k2 odgovarajuce greske (visak, manjak). Podelivsi (11) sa (12)

dobicemo:
(x x1 )/(x x2 ) = k1 /k2 ,
(13)
a resavanje te jednacine po x dovesce nas do formule (7), tj.
x = (k1 x2 k2 x1 )/(k1 k2 ).
Ova formula moze se primenjivati u svim slicajevima o kojima smo napred
govorili:
1) k1 > 0 i k2 > 0, tj. u slucaju oba viska (c1 > c i c2 > c);
2) k1 < 0 i k2 < 0, tj. u slucaju oba manjka (c1 < c i c2 < c);
3) k1 < 0 i k2 > 0, tj. u slucaju viska pri jednoj i manjka pri drugoj pretpostavci
(c1 > c i c2 < c).
Danas se jednacina (8) resava veoma prosto cak i u osnovnoj skoli. Pri tome
se operise, kako sa pozitivnim, tako i sa negativnim brojevima. A upravo je
nastojanje da se izbegnu negativni brojevi i bio razlog da su se dugo, sve do
XVIII veka, cak i vrlo jednostavni zadaci resavali po receptu laznog pravila,
koje je proizaslo iz resavanja raznih zamrsenih zadataka.
Pravilo lazne pretpostavke u srednjem veku nazivano je takode i pravilom terazija, jer je davalo cisto mehanicko objasnjenje njegove primene. Ilustovacemo
ga na resenom zadatku 7..
Instrukcija glasi: Nacrtaj terazije i iznad tacke oslonca pisi rezultat koji
treba da se dobije posle navedenih operacija u zadatku sa nepoznatim (trazenim)
7

brojem. Obe lazne pretpostavke pisi iznad tasova terazija; greske viskove- pisi
iznad tasova, manjkove- ispod tasova. Lazne pretpostavke i pogreske pomnozi
unakrsno. Uzmi razliku proizvoda - ako se greske nalaze sa iste strane tasova
terazija, a uzmi njihov zbir - ako se greske nalaze sa razlicitih strana tasova
terazija. To podeli razlikom (zbirom) gresaka.

24
32

52
@ 100
@
@

33
40
11

60

20

44
@ 100
@
@

11

66
@ 100
@
@

44

Metoda dve lazne pretpostavke, pomocu koje se dobija tacno resenje linearnih zadataka, moze se iskoristiti i za priblizno resavanje zadataka, koji se
svode na jednacine visih stepena. Ovu ideju koristili su u proslosti mnogi poznati naucnici.
Indijski matematicari nisu stvorili neki opsti algoritam za resavanje sistema
linearnih jednacina sa vise nepoznatih, vec su odgovarajuce zadatke resavali
vestacki stvorenim receptima. Medutim, u slobodnom operisanju sa negativnim i iracionalnim brojevima, uopstavanju pravila za resavanje kvadratnih
jednacina, a narocito u algebarskoj simbolici, indijski matematicari su znatno
pretekli kineske.
Evo jednog zadatka staroindijskog matematicara Bhaskare (XII vek):
Zadatak8. Neko rece svom drugu: Daj mi 100 rupija, pa cu imati 2 puta
vise od tebe. Drugi mu odgovori: Daj ti meni samo 10 rupija, pa cu imati 6
puta vise od tebe. Koliko je imao svaki?
a) Ako je prvi imao x, a drugi y rupija, onda, s obzirom na uslove zadatka,
imamo sledeci prevod:
x + 100 = 2 (y 100)
y + 10 = 6 (x 10),
8

pa ostaje samo da se resi ovaj sistem jednacina.

b) Resenje samog Bhaskare je originalno. Neka je prvi imao 2x 100 rupija,
a drugi x + 100 rupija, sto zadovoljava prvi uslov (jer kad drugi da prvome 100
rupija ostace mu x rupija, a prvi ce imati 2x rupija, tj. 2 puta vise). Imajuci u
vidu i drugi uslov dobijamo:
6 (2x 110) = x + 110,
odakle je x = 70. Prema tome, prvi je imao 140 100 = 40, a drugi 70 + 100 =
170.
Resiti pomocu sistema dveju jednacina sa dve nepoznate sledece zadatke:
Zadatak9. (Al-Horezmi ) Naci dva broja ciji je zbir 10, a kolicnik 4.
Odgovor: 8, 2.
Zadatak10. (Iz Grcke antologije, zbirke zadataka u stihovima): Hronose
(vesnik vremena), reci koji deo dana je prosao?Dva puta po dve trecine preostalo je od onog sto je vec proslo od pocetka dana. (Drevni narodi su pod
danom podrazumevali 12 casova.)
Odgovor:

36
casova.
7

Savremeni nacin zapisivanja i resavanja jednacina potice iz XVIII veka. Pri

resavanju sistema jednacina prvo se pojavio metod sabiranja (suprotnih koeficijenata), a potom metoda zamene i uporedivanja. U Njutnovoj Univerzalnoj
aritmetici (1707. god.), vec se susrecu nacini koji se danas uce u skoli.
Veoma plodotvorna metoda lazne pretpostavke danas je nedovoljno zastupljena u nastavi matematike, cak i pri resavanju zadataka, gde bi njena primena
bila celishodna i poucna. Smatramo korisnim da se ucenici upoznaju sa ovom
lepom idejom drevne matematike, kojom su u proslosti resavani zadaci, koje mi
danas opisujemo linearnim jednacinama. [1]

Sistemi linearnih jedna

cina

Cetiri
osnovna zadatka linearne algebre su:
(1) resavanje sistema linearnih jednacina Ax = b,
(2) izracunavanje determinante detA matrice A,
(3) nalazenje inverzne matrice A1 ,
(4) odredivanje sopstvenih vrednosti i sopstvenih vektora matrice, tj. nalazenje
netrivijalnih resenja sistema Ax = x,
gde je A matrica, x i b su vektori, a je skalar.
Formalno gledano, nema poteskoca u resavanju ovih zadataka, jer postoje
egzaktni algoritmi, koji teorijski dovode do tacnog resenja. Na primer, sistem
linearnih jednacina se moze resiti primenom Kramerovog pravila. Medutim, za
resavanje sistema sa n promenljivih potrebno je izvrsiti O(n n!) aritmetickih
operacija, sto dovoljno govori o neprihvatljivosti ove metode za resavanje sistema
vecih dimenzija. I u resavanju sistema manjih dimenzija, ozbiljan nedostatak
metode je veliki uticaj racunske greske na konacan rezultat. Slicni zakljucci
vaze i za druge klasicne metode za resavanje zadataka linearne algebre. Stoga je
primena numerickih metoda u ovoj oblasti nuzna. Razvojem racunarske tehnike
one dozivljavaju intenzivan razvoj, posto se diskretizacijom razlicitih problema
upravo dobijaju veliki sistemi linearnih jednacina.
Numericke metode za resavanje zadataka linearne algebre mogu se podeliti
na dve osnovne grupe - direktne i iterativne. Direktnim metodama odreduje se
tacno resenje sa konacno mnogo racunskih operacija, pod pretpostavkom da su
svi parametri dati tacno i da se sve racunske operacije realizuju tacno.[3] Ako su
koeficijenti aij tacni brojevi, onda se resenje moze dobiti sa proizvoljnom unapred zadatom tacnoscu i ta tacnost zavisi samo od primene seme racunanja,
odnosno gresaka zaokrugljivanja. Ako su koeficijenti sistema aij i slobodni
clanovi bi priblizni brojevi, onda je moguca tacnost ogranicena tacnoscu najtacnijeg podatka.[4] Iterativnim metodama resenje je odredeno granicnom vrednoscu niza uzastopnih aproksimacija, koje se racunaju nekim jednoobraznim
algoritmom.[3] Osim gresaka zaokrugljivanja, na tacnost pribliznog resenja utice
i sam iterativni proces, pa imamo i gresku metode. Osim greske metode, bitna
je i brzina konvergencije i numericka stabilnost racunskog procesa.
Osim ovih dveju grupa metoda, koristi se jos i metoda Monte-Karlo. Metoda
Monte-Karlo je metoda verovatnosno - statistickog karaktera i zasniva se na modeliranju slucajne promenljive, cije je matematicko ocekivanje resenje zadatka.
Inace, metoda se primenjuje, osim za resavanje sistema linearnih jednacina i za
resavanje sistema nelinearnih jednacina, za priblizno izracunavanje integrala, za
resavanje konturnih zadataka, obicnih i parcijalnih diferencijalnih jednacina, za
resavanje integralnih jednacina.[4]

10

Neka je dat sistem linearnih jednacina sa realnim koeficijentima

a11 x1 + a12 x2 + + a1n xn = b1
a21 x1 + a22 x2 + + a2n xn = b2

an1 x1 + an2 x2 + + ann xn = bn ,

koji se matricno moze napisati u obliku
Ax = b,
gde je matrica A data izrazom

a11
a21
A=

an1

a12
a22

an2

a1n
a2n

ann

a matrice b i x izrazima

b=

b1
b2
..
.

x=

bn

x1
x2
..
.

xn

Skup brojeva xi (i = 1, . . . , n), odnosno vektor x, koji svodi sistem na identitet, jeste resenje, a brojevi xi koreni sistema.
Neka je A nesingularna matrica, tj. detA = 6= 0. Tada imamo, matricno
izrazen, sledeci postupak i rezultat
Ax = b
A1 Ax = A1 b
x = A1 b,
sto u stvari predstavlja poznate Kramerove formule
xi =

i
,

i = 1, . . . , n,

gde determinante i i imaju poznati smisao. Iako je problem sistema linearnih jednacina ovim teorijski resen, prakticne teskoce su velike. Tako, na
primer, za n = 8, (osam jednacina sa osam nepoznatih), za ispisivanje resenja
potrebno je napisati 1024 broja, zatim za svaku determinantu izvrsiti 282240
mnozenja. Jos treba izvrsiti i 8 deljenja. Zato postoje razni specijalni postupci
za resavanje sistema linearnih jednacina, a takode i razne priblizne metode.
11

2.1

Gausova metoda eliminacije -

sema jedinstvenog
deljenja

Kod Gausove metode rec je o izracunavanju vrednosti korena uz postupno

iskljucivanje nepoznatih. Metodu cemo prikazati za n = 4, sto ne smanjuje
opstost.
Neka je dat sistem
a11 x1 + a12 x2 + a13 x3 + a14 x4 = a15
a21 x1 + a22 x2 + a23 x3 + a24 x4 = a25
a31 x1 + a32 x2 + a33 x3 + a34 x4 = a35
a41 x1 + a42 x2 + a43 x3 + a44 x4 = a45 .
Neka je a11 6= 0 [2] (prvi vodeci element) [4]. Ukoliko taj uslov u sistemu nije
zadovoljen, permutovanjem jednacina sistema, tj. stavljanjem na prvo mesto
jednacine kod koje je ap1 6= 0, ovaj uslov se moze ispuniti. Element ap1 6= 0
matrice A postoji, jer je po pretpostavci matrica regularna i ne moze imati sve
nula elemente u prvoj koloni.[3] Podelimo prvu jednacinu sa a11 i dobijamo
x1 + b12 x2 + b13 x3 + b14 x4 = b15 .
Pomnozimo li ovu jednacinu sa a21 i oduzmemo od druge, sa a31 i oduzmemo
od trece, sa a41 i oduzmemo od cetvrte, dobicemo
(1)

(1)

(1)

(1)

(1)

(1)

(1)

(1)

(1)

(1)

(1)

(1)

a22 x2 + a23 x3 + a24 x4 = a25

a32 x2 + a33 x3 + a34 x4 = a35

a42 x2 + a43 x3 + a44 x4 = a45 .

(1)

Sada podelimo prvu jednacinu sa a22 [2] (drugi vodeci element) [4] i dobijamo
(1)
(1)
(1)
x2 + b23 x3 + b24 x4 = b25 .
Iskljucivsi x2 na prethodni nacin, dobijamo
(2)

(2)

(2)

(2)

(2)

(2)

a33 x3 + a34 x4 = a35

a43 x3 + a44 x4 = a45 .

(2)

Sada delimo prvu jednacinu sa a33 [2] (treci vodeci element) [4] i dobijamo
(2)

(2)

x3 + b34 x4 = b35 ,
pa svedemo na kraju na
(3)

(3)

a44 x4 = a45 .[2]

12

U rezultatu dobijamo sistem

x1 + b12 x2 + b13 x3 + b14 x4 = b15
(1)

(1)

(1)

x2 + b23 x3 + b24 x4 = b25

(2)

(2)

x3 + b34 x4 = b35
(3)

x4 = b45 .
Ovim postupkom smo sistem jednacina, koji ima kvadratnu matricu, transformisali u ekvivalentan sistem, koji ima trougaonu matricu. Ovaj proces zove se
direktan hod ili direktan korak eliminacije. Resenje se nalazi obrnutim hodom
(korakom):
(3)
x4 = b45
(2)

(2)

(3)

x3 = b35 b34 b45

..
.

i
1
2
3
4
1
2
3
4
2
3
4
3
4
4
4
3
2
1

Sve se radi u obliku seme da bi mogli kontrolisati racunanje.

P
a
ai1 ai2
ai3
ai4
ai5
Pi,j ij
a11 a12 a13 a14 a15
a
Pj 1j
a21 a22 a23 a24 a25
a
Pj 2j
a31 a32 a33 a34 a35
a
Pj 3j
a41 a42 a43 a44 a45
a
Pj 4j
b1j
1
b12
b13
b14
b15
P j (1)
(1)
(1)
(1)
(1)
a
a22 a23 a24 a25
Pj 2j
(1)
(1)
(1)
(1)
(1)
a32 a33 a34 a35
j a3j
P (1)
(1)
(1)
(1)
(1)
a4j
a42 a43 a44 a45
Pj (1)
(1)
(1)
(1)
1
b23
b24
b25
b
P j 2j
(2)
(2)
(2)
(2)
a33 a34 a35
a
Pj 3j
(2)
(2)
(2)
(2)
a43 a44 a45
j a4j
P
(2)
(2)
(2)
1
b34
b35
j b3j
P
(3)
(3)
(3)
a44 a45
a4j
Pj (3)
(3)
1
b45
j b4j
1
x4
x04
1
x3
x03
1
x2
x02
1
x1
x01
Kada je obim sistema veliki, koristi se ova sema.

Kontrolna kolona (poslednja kolona u tabeli) se koristi za kontrolu u procesu racunanja i na kraju. Kontrolna kolona se formira sabiranjem elemenata
13

po vrsti. Kada transformisemo koeficijente sistema nekim postupkom, onda dobijamo neke druge koeficijente, a kontrolna kolona se moze dobiti tako sto tu
transformaciju izvrsimo i nad kontrolnom kolonom ili tako sto transformisane
koeficijente saberemo. Ako je razlika izmedu zbira i transformisanog zbira veca
od maksimalne moguce akumulirane greske zaokrugljivanja, onda sigurno postoji greska u racunu. Ako je razlika manja, onda skoro sigurno nije napravljena
greska. Ako u sistemu umesto desnih slobodnih clanova (b15 ,. . . , b45 ) uzmemo
odgovarajuce elemente iz kontrolne kolone, dobijena resenja su za jedan veca
(x04 = x4 + 1, x03 , x02 , x01 ). To je kontrola na kraju.[4]
Dobijeni koreni, s obzirom na zaokrugljivanje pri racunu, mahom su samo
priblizne vrednosti. Oni se mogu naci preciznije na sledeci nacin. Uvedemo li
vec poznati matricni nacin obelezavanja, sistem ce biti napisan u obliku
Ax = b.
Neka je nadeno priblizno resenje x0 . Znaci, x = x0 + , gde su popravke.
Tada je
A(x0 + ) = b,
odnosno
Ax0 + A = b,
tj.
A = b Ax0 = ,
sto sluzi za izracunavanje popravke.
Gausova metoda ce, izmedu ostalih primena, korisno posluziti kod izracunavanja
inverzne matrice.
Neka je, naime data matrica A1 = [xij ] takva da je AA1 = E, gde je E
jedinicna matrica. Pomnozimo li AA1 , imacemo n sistema jednacina u odnosu
na n2 nepoznatih xij .
n
X

i, j = 1, . . . , n

aik xkj = ij ,
ij =

k=1

1:
0:

i=j
i 6= j

Dobijenih n sistema linearnih jednacina za j = 1, . . . , n, koji imaju istu

matricu A i razne slobodne clanove, mogu se istovremeno resiti Gausovom
metodom.

14

2.2

Gausova metoda eliminacije -

sema sa izborom glavnih
elemenata

Neka je dat sistem

a11 x1 + a12 x2 + + a1n xn = a1,n+1
a21 x1 + a22 x2 + + a2n xn = a2,n+1

an1 x1 + an2 x2 + + ann xn = an,n+1 .

Posmatrajmo prosirenu

a11 a12
a21 a22

ai1 ai2
M =

ap1 ap2

an1 an2

matricu

a1j
a2j

aij

apj

anj

a1q
a2q

aiq

apq

anq

a1n
a2n

ain

apn

ann

a1,n+1
a2,n+1

ai,n+1

ap,n+1

an,n+1

Izaberemo nenulti, po pravilu najveci po modulu, element apq (q 6= n + 1),

koji cemo nazvati glavnim elementom ili pivotom, i izracunajmo,
mi =

aiq
,
apq

za sve i 6= p.[2] Radi numericke stabilnosti algoritma, obicno se medu svim

elementima prve kolone razlicitim od nule bira najveci po modulu,
|ap1 | = max |ai1 |.
1in

Nalazenje pivota medu elementima samo jedne kolone (ili vrste) matrice naziva
se delimicno pivotiranje, a potpuno pivotiranje je nalazenje najveceg po modulu
elementa cele matrice,
|apq | = max |aij |.
1i,jn

Ako se u prvom koraku algoritma vrsi potpuno pivotiranje, onda treba permutovati prvu i p -tu vrstu matrice, kao i prvu i q -tu kolonu.[3]
Vrsta sa indeksom p je glavna vrsta. Svakoj neglavnoj vrsti dodajmo glavnu
pomnozenu odgovarajucim mi za tu vrstu. Dobicemo novu matricu u kojoj je
q-ta kolona nula.
Odbacivsi tu kolonu i glavnu vrstu dobijamo M (1) . Sa ovom matricom ponavljamo postupak i dobijamo niz matrica
M, M (1) , . . . , M (n1) ,
15

od kojih je poslednja dvoclana matrica-vrsta. Sada skupimo u sistem sve glavne

vrste, pocinjuci sa poslednjom, koja ulazi u matricu.
Posle odgovarajuce promene numeracije nepoznatih dobija se sistem sa trouglastom matricom iz koje se lako, korak po korak, dobijaju nepoznate.[2]

2.3

Istovremeno re
savanje vi
se sistema linearnih jedna
cina

Direktne metode za resavanje sistema linearnih jednacina mogu se primeniti

za istovremeno resavanje vise sistema linearnih jednacina, koji imaju istu matricu sistema i za izracunavanje inverznih matrica. Neka treba resiti sisteme
jednacina:
Ax(1) = b(1) , Ax(2) = b(2) , . . . , Ax(k) = b(k) ,
gde je

A=

a11
..
.

an1

a1n
.. ,
.
ann

x(i) =

(i)

x1
(i)
x2
..
.

b(i) =

(i)

xn

(i)

b1
(i)
b2
..
.

, i = 1, . . . , k.

(i)

bn

Semu
treba primeniti na sledeci nacin: direktnim hodom se kvadratna matrica prevodi u trougaonu matricu. Neka treba resiti sisteme jednacina:
1, 48x1 + 3, 24x2 + 1, 27x3 = 1, 51
3, 45x1 + 1, 25x2 + 1, 38x3 = 1, 47
1, 34x1 + 1, 42x2 + 3, 20x3 = 1, 41
1, 48x1 + 3, 24x2 + 1, 27x3 = 4, 74
3, 45x1 + 1, 25x2 + 1, 38x3 = 4, 81
1, 34x1 + 1, 42x2 + 3, 20x3 = 5, 03
Koristi se Gausova metoda eliminacije - sema sa izborom glavnih elemenata.[4]
P
i
mi
ai1
ai2
ai3
ai4
ai5
i aij
1
0, 4290
1, 48
3, 24
1, 27
1, 51
4, 74
12, 2400
2
3,45
1, 25
1, 38
1, 47
4, 81
12, 2600
3
0, 3884
1, 34
1, 42
3, 20
1, 41
5, 03
12, 4000
1
2,7038
0, 6780
0, 8794 2, 6765 6, 9377(6)
3
0, 3456
0, 9345
2, 6640
0, 8391 3, 1618
7, 5994
3
2,4297
0, 5352 3, 2368
5, 2017
3
1
0, 2203 0, 9206
2, 1409
1
1
0, 2699 0, 7591 2, 0290(1)
2
1
0, 2402 0, 7509
1, 9911
16

2.4

Gausova metoda eliminacije - Zordanova

sema

Kod Gausove metode eliminacije, jednacina iz koje je izabran glavni element, posle tog koraka se vise ne transformise. Stoga se posle (n 1) - vog koraka

dobija trougaoni sistem. U Gaus - Zordanovoj

metodi, u svakom koraku se transformisu sve jednacine, osim one koja sadrzi glavni element tog koraka. Pri
izboru glavnog elementa ne uzimaju se u obzir koeficijenti jednacina iz kojih je
vec biran glavni element. Tako se posle (n 1) - vog koraka dobija sistem sa
dijagonalnom matricom.
Ovom metodom je determinanta matrice A do na znak odredena proizvodom
glavnih elemenata.
U poredenju sa Gausovom metodom eliminacije, broj racunskih operacija,
koje je potrebno izvrsiti da bi se ovom metodom resio sistem, veci je; ali, ova
metoda je efikasnija, kada se odreduje inverzna matrica, jer se u obrnutom hodu
resava n dijagonalnih umesto n trougaonih sistema.[3]

2.5

Metoda kvadratnih korena

Neka je dat sistem

Ax = b,
gde je matrica A takva da su joj glavni dijagonalni minori razliciti od nule i
A0 = A (transponovana matrica jednaka je samoj matrici, dakle rec je o tzv.
simetricnoj matrici). Pod ovom pretpostavkom matrica A moze se napisati u
obliku
A = T 0 T,
sa

t11
0
T =

0

t12
t22

t1n
t2n
;

tnn

t11
t12
0
T =

t1n

0
t22

t2n

0
0
.

tnn

Mnozenjem ovih matrica dobijamo jednacine za odredivanje tij . Ako je

tii 6= 0, sistem ima resenje, jer je
detA = detT 0 detT = (detT )2 = (t11 t22 tnn )2 6= 0.
U samom izracunavanju tij na odreden nacin figurisu kvadratni koreni, sto
opravdava naziv metode. Kada se tij izracunaju, nas se sistem ocigledno raspada na dva sistema
T 0 y = b,
Tx = y
iz kojih se prvo racuna y, pa onda x. Oba sistema su, medutim, sa trouglastom
matricom koeficijenata, sto znatno olaksava racun.

17

2.6

Shema Haleckog

Dat je sistem
Ax = b,
gde je A = [aij ] kvadratna matrica, i

x1

x = ... ,

a1,n+1

..
b=
.
.
an,n+1

xn

Ako se matrica A moze napisati u obliku A = BC, gde je

b11
0
0
1 c12

0
b21 b22
0
1

C=
B=
;

bn1 bn2 bnn
0
0

c1n
c2n
,

1

sto je moguce, na primer, kada su glavni dijagonalni minori razliciti od nule,

onda se izracunaju bij i cij , pa se, kao kod prethodne metode, sistem raspada
na dva
By = b
Cx = y,
gde se prvo racuna y, a onda x, pri cemu su obe matrice koeficijenata trouglaste.

2.7

Metoda iteracije

Dat je sistem
Ax = b,

sa aii 6= 0.

Svedemo ga na oblik
x1 = 1 + 12 x2 + 13 x3 + + 1n xn
x2 = 2 + 21 x1 + 23 x3 + + 2n xn
x3 = 3 + 31 x1 + 32 x2 + + 3n xn

xn = n + n1 x1 + n2 x2 + + n,n1 xn1 .
Uvedimo matrice

11
21
=

n1

12
22

n2

1n
2n
;

nn

sa ii = 0.

18

= ...
n

Tada mozemo, u matricnom obliku, napisati sistem

x = + x.
Uzmimo za prvu aproksimaciju x(0) = , a onda cemo, iteracijom, dobiti
sledece aproksimacije
x(1) = + x(0)
x(2) = + x(1)

x(k+1) = + x(k) ,
Ako postoji

k = 0, 1, 2, . . . .

x = lim x(k) ,
k

to ce biti resenje sistema.

Ako je

n
X

|ij | < 1,

ili

j=1

n
X

|ij | < 1,

i=1

za i = 1, . . . , n, odnosno j = 1, . . . , n, nas ce proces konvergirati jedinstvenom

resenju nezavisno od pocetne aproksimacije. Iz gornjeg proistice i uslov
X
|aii | >
|aij |, i = 1, . . . , n.
j6=i

Ako je detA 6= 0, pomocu linearnog kombinovanja sistema pocetni sistem se

uvek moze zameniti ekvivalentnim sistemom
x = + x
takvim da uslovi teoreme budu ispunjeni. Neka je, naime, matrica sa argumentima ij , malim po modulu. Uvedimo novu matricu D = A1 . Tada
je
(A1 )Ax = Db
i

A1 Ax Ax = Db,

tj.
x = Ax + Db.
Uvedemo li A = i Db = , dobijamo
x = + x.
Ako su |ij | dovoljno mali, moze se podesiti da uslovi teoreme budu ispunjeni.

19

2.8

Zajdelova metoda

Rec je o jednoj modifikaciji metode iteracije. Osnovna ideja je u tome sto

se pri izracunavanju (k + 1)-e aproksimacije nepoznate xi , uracunavaju vec
izracunate ranije (k + 1)-e aproksimacije nepoznatih x1 , x2 ,. . . ,xi1 .
Neka je, naime, dat sistem
xi = i +

n
X

ij xj ,

i = 1, 2, . . . , n.

j=1

Izaberimo proizvoljno x01 , x02 ,. . . ,x0n .

(k)

Dalje racunajuci da su k-te aproksimacije xi

(k+1)

x1

= 1 +

n
X

poznate, primenicemo

(k)

1j xj

j=1
(k+1)

x2

= 2 +

n
X

(k)

2j xj

(k+1)

+ 21 x1

j=2

i1
n
X
X
(k+1)
(k+1)
(k)
xi
= i +
ij xj
+
ij xj
j=1

j=i

n1
X
(k+1)
x(k+1)
= n +
nj xj
+ nn x(k)
n
n ,
j=1

za k = 0, 1, 2, . . . .
Teorema konvergencije za metodu iteracije ostaje u vaznosti i ovde.

2.9

Primedba o dovodenju linearnog sistema na oblik

pogodan za iteraciju

Neka je linearan sistem zadan u opstem obliku

a11 x1 + a12 x2 + a13 x3 = a14
a21 x1 + a22 x2 + a23 x3 = a24
a31 x1 + a32 x2 + a33 x3 = a34 .
Da bi za resenje ovog sistema bilo moguce koristiti se metodom iteracije,
neophodno je dovesti ga na oblik
x1 = b11 x1 + b12 x2 + b13 x3 + c1
20

x2 = b21 x1 + b22 x2 + b23 x3 + c2

x3 = b31 x1 + b32 x2 + b33 x3 + c3
sto se moze uciniti na beskrajno mnogo nacina. Mi treba da izaberemo takav
nacin da dobijemo konvergentan iteracioni proces. Ovakav je zadatak uvek resiv,
kada sistem ima jedinstveno resenje, odnosno kada je determinanta sistema razlicita od nule.
Narocito se lako zadatak resava ako je
|a11 | > |a12 | + |a13 |
|a22 | > |a21 | + |a23 |
|a33 | > |a31 | + |a32 |.
Tada je dovoljno resiti prvu jednacinu po x1 , drugu po x2 , trecu po x3 . Ako
navedeni uslovi nisu ispunjeni, zadatak se moze, recimo, resiti na sledeci nacin.
U datom sistemu izdvoji se jednacina, kod koje je koeficijent uz jednu nepoznatu po modulu veci od zbira modula koeficijenata uz ostale nepoznate te
jednacine.
Ako pri tome u datom sistemu dve ili veci broj jednacina imaju koeficijente
uz jednu istu nepoznatu, koji zadovoljavaju gornji uslov, to se bira jedna od
njih po sledecem kriterijumu. Ako, recimo, u sistemu dati uslov zadovoljavaju
koeficijenti uz x2 u prve dve jednacine, tj.
|a12 | > |a11 | + |a13 |
|a22 | > |a21 | + |a23 |,
to se od prve dve jednacine uzima ona kod koje je razlomak
|a11 | + |a13 |
|a21 | + |a23 |
ili
|a12 |
|a22 |
manji. Dalje se prenumerise sistem izdvojenih jednacina tako, da najveci po
modulu koeficijent bude dijagonalan.
Moze se, medutim, desiti, da sve jednacine datog sistema ne udu u novi
sistem, tj. da u novom sistemu sve vrste ne budu popunjene. Tada se iz neiskoriscenih jednacina i iz jednacina, zapisanih u nov sistem, sastavljaju algebarski zbirovi sa specijalno izabranim koeficijentom, tako da nove jednacine
zadovoljavaju gornji uslov i popune sve vrste. Uocimo sistem
x1 + 3x2 + x3 = 0, 6
2x1 + x2 x3 = 0, 7
21

x1 x2 + 2x3 = 2, 6.
Kako je

= 2
1

3
1
1

1
1
2

1 4

= 2 0

1 1

1
1
2

3 4

= 0 0

5 1

1
1
1

3 4
=
5 1

= 3 20 =

= 17 6= 0, to je postavljeni zadatak resiv.

U prvoj jednacini ispunjen je uslov
3 > 1 + 1 = 2.
Pomnozimo drugu jednacinu sa 3 i saberemo sa trecom jednacinom. Bice
6x1 + 3x2 3x3 = 2, 1
+x1 x2 + 2x3 = 2, 6
7x1 + 2x2 x3 = 0, 5,
gde je
7 > 2 + 1.
Dalje, pomnozimo prvu i trecu jednacinu sa 2, drugu sa 3, pa saberemo.
Dobija se
2x1 + 6x2 + 2x3 = 1, 2
6x1 3x2 + 3x3 = 2, 1
2x1 2x2 + 4x3 = 5, 2
2x1 + x2 + 9x3 = 8, 5.
Ovde je 9 > 2 + 1.
Novi je sistem
7x1 + 2x2 x3 = 0, 5
x1 + 3x2 + x3 = 0, 6
2x1 + x2 + 9x3 = 8, 5,
koji je pogodan za iteraciju, kada se jednacine rese po x1 , x2 , x3 .

22

2.10

Uslovljenost linearnog sistema

Neka je dat sistem

a11 x1 + a12 x2 + + a1n xn = b1
a21 x1 + a22 x2 + + a2n xn = b2

an1 x1 + an2 x2 + + ann xn = bn ,

ili, matricno, Ax = b, sa

a11
a21
A=

an1

a12
a22

an2

a1n
a2n
,

ann

x=

x1
x2
..
.

b=

xn

b1
b2
..
.

bn

Normom matrice A zvacemo

1
1
XX
X
|Ax|
2 2
2
ajk xk ) ] [
xj ] 2 }
||A|| = max
= max{[ (
x6=0
x(R) |x|
j
j
k

gde je (R) realan Euklidov prostor.

Ova norma igra vaznu ulogu pri izracunavanju pojma uslovljenosti linearnog
sistema. Neka je na desnoj strani ucinjena izvesna greska b; dok koeficijente
sistema smatramo, jednostavnosti radi, apsolutno tacnim znaci da je
A(x + x) = b + b,
tj.
Ax = b.
Odavde je
i

x = A1 b
|x| ||A1 || |b|,

|b| ||A|| |x|,

sto se izvodi iz osobine |Ax| ||A|| |x|.

Dalje je

|x|
|b|
||A|| ||A1 ||
.
|x|
|b|

Proizvod ||A|| ||A1 || jeste mera uslovljenosti sistema. Ako je ova mera,
koja ne moze biti manja od jedinice, veoma bliska jedinici, sistem je dobro

23

uslovljen. Ako je velika, sistem je slabo uslovljen; takvi sistemi su veoma neudobni za numericko racunanje.
Preciznije, imamo:
Neka je dat sistem Ax = b. Neka je, dalje,
qP P
2
j(
k ajk xk )
|Ax|
qP
=
.
||A|| = max
xR |x|
x2
j

Neka je u nezavisnom clanu greska b. Bice A(x + x) = b + b, tj.

Ax = b.
Iz definicije norme sleduje

|Ax|
||A||, tj. |Ax| ||A|| |x|. Takode je
|x|

|Ax| ||A|| |x|, tj. |b| ||A|| |x|.

Ako uzmemo ||A1 || max

|A1 b|
, sto je ista definicija norme, dobijamo
|b|

|A1 b| ||A1 || |b|, tj. |x| ||A1 || |b|.

Podemo li od dobijene nejednakosti |b| ||A|| |x| i iskoristimo prethodnu,
onda je
|b| ||A|| ||A1 || |b|, tj. ||A|| ||A1 || 1.
Sa druge strane,
|Ax| ||A|| |x|, tj. |b| ||A|| |x|,
ili

tj.

||A||
1

,
|x|
|b|
|x|
||A1 || ||A|| |b|

.[2]
|x|
|b|

Standardne metode (na primer Gausova eliminacija) su nepogodne za resavanje

sistema linearnih jednacina sa lose uslovljenim matricama, jer male racunske
greske mogu dovesti do velikih gresaka rezultata.
Resenje sistema linearnih jednacina
x1 + 12x2 + 3x3 = 38
12x1 2x2 + 9x3 = 9
24

3x1 + 9x2 + 4x3 = 49

je
x1 = 9157,

x2 = 2166,

x3 = 11729,

a priblizno resenje odredeno Gausovom metodom eliminacije, izracunato u obicnoj tacnosti, je

x01 = 9157.064000,

x02 = 2166.015000,

x03 = 11729.080000.

S obzirom na malu dimenziju sistema, greska je velika i uzrok tome je losa

uslovljenost matrice sistema (cond(A) = ||A|| ||A1 || = 6601). Kada se sistem
resava Gausovom eliminacijom u dvostrukoj tacnosti, postize se tacnost 106 .
Primer ukazuje da treba racunati u dvostrukoj tacnosti, ukoliko se primenjuju standardne metode za resavanje lose uslovljenih sistema. Ovakve je sisteme moguce, medutim, bolje resavati iterativnim metodama ili tzv. metodom
singularne dekompozicije.[3]

2.11

Primeri za ta
cno i pribli
zno re
savanje linearnih
sistema

1. Sistem:
x+y+z =6
x y + 3z = 8
x + y z = 0,
resiti po metodi glavnih elemenata.
Matrica M :

1
1
1

1 6
3 8
1 0
aiq
mi =
apq
1
1
1

m1 =
m2 =
Matrica M (1) :

1
3

1
.
3

10
3

2
8
3
3
1
m1 = .
2

2
3

4
3

4
3

25

Matrica M (2) :

1 1

iz koje sledi
x = 1.
Iz prethodne matrice imamo
2
4
10
1+ y =
, tj. y = 2,
3
3
3
pa iz prve jos dobijamo
1 2 + 3z = 8, tj. z = 3.
2. Sistem:
x + 2y + 3z = 14
2x + y + 4z = 16
3x + 4y + z = 14,
resiti metodom kvadratnih korena.
Imamo A = A0 .
Dalje je

1 2
2 1
3 4

3
t11
4 = t12
1
t13

0
t11
0 0
t33
0

0
t22
t23

t12
t22
0

t13
t23 .
t33

Dobija se
t11 = 1, t12 = 2, t13 = 3, t22

2i
5
= i 3, t23 = , t33 = 2i
,
3
3

pa je
y1 = 14

2y1 + i 3y2 = 16
r
2i
5
3y1 + y2 + 2i
y3 = 14.
3
3
Odavde je

r
12i
3
y1 = 14, y2 = , y3 = 10i
,
5
3

pa imamo
x + 2y + 3z = 14

2i
12i
i 3y + z =
3
3
26

r
2i

r
5
3
z = 10i
,
3
5

a odavde
z = 3, y = 2, x = 1.
3. Sistem:
x + 2y + 3z = 14
2x + y + 4z = 16
3x + 4y + z = 14,
resiti po shemi Haleckog.
Ovo je malopredasnji sistem. Imamo

1
b11 0
0
1 2 3
2 1 4 = b21 b22 0 0
b31 b32 b33
0
3 4 1

c12
1
0

c13
c23 .
1

Odavde je
b11 = 1, b21 = 2, b31 = 3, c12 = 2, c13 = 3, b22 = 3,
c23 =

2
20
, b32 = 2, b33 = ,
3
3

pa imamo
y1 = 14
2y1 3y2 = 16
3y1 2y2

20
y3 = 14,
3

odnosno
y1 = 14, y2 = 4, y3 = 3.
Dalje je
x + 2y + 3z = 14
2
y+ z=4
3
z = 3,
tj. x=1, y=2, z=3.
4. Metodom iteracije resimo sistem
x=

y z
1
+
4 5 10

y=

5
x z
+ +
7
2 14
27

z=

x y 17
+ + .
2
3
6

Uzmemo li za pocetne vrednosti

x0 = 0, y0 = 1, z0 = 2,
dobijamo, iteracijom,
x1 = 0, 55; y1 = 1, 36; z1 = 3, 17
x2 = 0, 87; y2 = 2, 02; z2 = 3, 01.
Primenom Zajdelove metode, polazeci od istih x0 , y0 , z0 dobijamo
x1
x2
x3
x4

= 0, 55;
= 0, 87;
= 1, 01;
= 1, 01;

y1
y2
y3
y4

= 1, 44;
= 2, 001;
= 2, 04;
= 2, 01;

z1
z2
z3
z4

= 3, 04
= 3, 07
= 3, 01
= 2, 998.

Prava su resenja: x = 1, y = 2, z = 3.

2.12

Jo
s o metodi najmanjih kvadrata

Primena matematike na razna prakticna pitanja cesto dovodi do slucaja

preodredenih problema, odnosno do protivrecnih sistema, na primer, sa vecim
brojem jednacina nego nepoznatih.
Pretpostavimo da su merenja nepoznate duzine x dala tri rezultata
l1 , l2 , l3 .
Tada nepoznata x treba da zadovoljava tri jednacine
l1 x = 0, l2 x = 0, l3 x = 0.
Sa matematickog stanovista, ovo je nesaglasan, protivrecan sistem. Ako sa
1 , 2 , 3 oznacimo greske merenja, dobicemo
l1 x = 1 , l2 x = 2 , l3 x = 3
(tri jednacine sa cetiri nepoznate, gde je preodreden problem sveden na neodreden).
Za pretvaranje problema u odreden potrebna je jos jedna jednacina: ona bi
izrazila dopunski uslov, naime na koji nacin u izracunavanju treba uzeti u obzir
dopustene greske 1 , 2 , 3 . To se moze uciniti na vise nacina. Princip, ili metoda
najmanjih kvadrata postavlja kao uslov da zbir kvadrata gresaka bude najmanji.

28

U nasem slucaju treba da bude

21 + 22 + 23 = M in.
Dobicemo

(l1 x)2 + (l2 x)2 + (l3 x)2 = M in.

Za odredivanje ekstremuma nase funkcije treba uzeti izvod po x i izjednaciti

ga sa nulom. Kako izvod ima vrednost
2(l1 x) 2(l2 x) 2(l3 x),
za odredivanje imamo jednacinu
l1 x + l2 x + l3 x = 0
tj.
x=

l1 + l2 + l3
3

sto je aritmeticka sredina.

Uopste, neka je dato n jednacina sa m nepoznatih (n > m)
fi (x, y, z, . . . ) = 0,

i = 1, 2, . . . , n.

Treba naci vrednost nepoznatih x, y, z, . . . tako da vrednosti funkcije

fi (x, y, z, . . . ) = i ,

i = 1, . . . , n

najmanje odstupaju od nule, tj. prema principu najmanjih kvadrata da je

21 + 22 + + 2n = M in.
Neka je dat niz linearnih jednacina
a1 x + b1 y + c1 = 0
a2 x + b2 y + c2 = 0

an x + bn y + cn = 0.
Dobijamo, po principu najmanjih kvadrata, funkciju
F (x, y) = (a1 x + b1 y + c1 )2 + (a2 x + b2 y + c2 )2 + + (an x + bn y + cn )2 ,
koja treba da ima minimalnu vrednost. Uslovi za ekstremum ove funkcije su
F
F
= 0,
= 0.
x
y
29

U nasem slucaju ovi uslovi postaju

a1 (a1 x + b1 y + c1 ) + a2 (a2 x + b2 y + c2 ) + + an (an x + bn y + cn ) = 0
b1 (a1 x + b1 y + c1 ) + b2 (a2 x + b2 y + c2 ) + + bn (an x + bn y + cn ) = 0
ili, ako uvedemo oznake
[aa] = a21 + a22 + + a2n
[ab] = a1 b1 + a2 b2 + + an bn
[ac] = a1 c1 + a2 c2 + + an cn
itd., dobijamo
[aa]x + [ab]y + [ac] = 0
[ba]x + [bb]y + [bc] = 0
odakle izracunavamo x i y.

Neka je dat sistem

a1 x + b1 y + c1 = 0
a1 x + b1 y + c2 = 0

a1 x + b1 y + cn = 0.
Ovde je

[aa] = na21 , [ab] = na1 b1

[ac] = a1 (c1 + + cn )
[ba] = na1 b1 , [bb] = nb21 , [bc] = b1 (c1 + + cn ),

pa je

na21 x + na1 b1 y + a1 (c1 + + cn ) = 0

na1 b1 x + nb21 y + b1 (c1 + + cn ) = 0,

odnosno
a1 [na1 x + nb1 y + (c1 + + cn )] = 0
b1 [na1 x + nb1 y + (c1 + + cn )] = 0.
Kako nisu i a1 i b1 jednaki nuli, mora biti
na1 x + nb1 y + (c1 + + cn ) = 0,
tj.
a1 x + b1 y +

c1 + + cn
= 0.
n
30

Dobija se, dakle, beskonacno mnogo vrednosti za x i y, koje se dobijaju

iz srednje jednacine, gde je za nezavisni clan uzeta aritmeticka sredina svih
nezavisnih clanova.
Neka su date jednacine
x+y1=0
x+y2=0
2x 3y + 1 = 0.
Po metodi najmanjih kvadrata
F (x, y) = (x + y 1)2 + (x + y 2)2 + (2x 3y + 1)2
tj.
2(x + y 1) + 2(x + y 2) + 4(2x 3y + 1) = 0
i
2(x + y 1) + 2(x + y 2) 6(2x 3y + 1) = 0
ili
12x 8y 2 = 0
8x + 22y 12 = 0
i
6x 4y = 1
4x + 11y = 6.
Odavde je

1 4

6 11
35
7
11 + 24
=
x =
=
=

66 16
50
10
6 4
4 11

6 1

4 6
36 + 4
40
4
y=
=
=
= .
50
50
50
5
Sa druge strane, kombinujmo moguce saglasne sisteme iz datog sistema. To
su
x+y1=0

x+y2=0
i

2x 3y + 1 = 0

2x 3y + 1 = 0.

Kod prvog sistema

1
1

1 3
2
3 + 1
=
x =
= ;

2
5
1
1

2 3
31

y=

1
1
1 2
3
=
= .
5
5
5

Kod drugog sistema

2
1

1 3
6 + 1
x=
=
= 1;
5
5
Dakle,
x1 =
Dalje je

y=

2
1
1 4
=
= 1.
5
5

2
3
, x2 = 1; y1 = , y2 = 1.
5
5

2
+1
x1 + x2
2+5
7
= 5
=
=
2
2
10
10

3
+1
y1 + y2
8
4
5
=
=
= ,
2
2
10
5
sto je isti rezultat kao po metodi najmanjih kvadrata (ne zaboravimo da se ova
metoda zove i metodom aritmetickih sredina).[2]

32

Sadr
zaj
1 Sistem linearnih jedna
cina sa dve nepoznate i njegovo re
savanje
u pro
slosti
1
2 Sistemi linearnih jedna
cina
2.1 Gausova metoda eliminacije - sema jedinstvenog
deljenja . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2 Gausova metoda eliminacije - sema sa izborom glavnih
2.3 Istovremeno resavanje vise sistema linearnih jednacina

2.4 Gausova metoda eliminacije - Zordanova

sema . . . . .
2.5 Metoda kvadratnih korena . . . . . . . . . . . . . . . .
2.6 Shema Haleckog . . . . . . . . . . . . . . . . . . . . .
2.7 Metoda iteracije . . . . . . . . . . . . . . . . . . . . .
2.8 Zajdelova metoda . . . . . . . . . . . . . . . . . . . . .
2.9 Primedba o dovodenju linearnog sistema na oblik
pogodan za iteraciju . . . . . . . . . . . . . . . . . . .
2.10 Uslovljenost linearnog sistema . . . . . . . . . . . . . .
2.11 Primeri za tacno i priblizno resavanje linearnih
sistema . . . . . . . . . . . . . . . . . . . . . . . . . .
2.12 Jos o metodi najmanjih kvadrata . . . . . . . . . . . .

10
. . . . . .
elemenata
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .

12
15
16
17
17
18
18
20

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

20
23

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

25
28

Literatura
[1] Bogoljub Marinkovic, Dorde Kadijevic, Metoda lazne pretpostavke (u
matematici i informatici), Arhimedesovi materijali za mlade matematicare,
Sveska 78, Arhimedes, Beograd, 1991
[2] dr Milorad Bertolino, Numericka analiza, Univerzitet u Beogradu, Naucna
knjiga, 1977
[3] Bosko Jovanovic, Desanka Radunovic, Numericka analiza, Matematicki
fakultet, Beograd, 2003
[4] Predavanja dr Arifa Zolica iz predmeta Uvod u numericku matematiku
Matematickog fakulteta u Beogradu skolske 2006/2007. godine
[5] Carl Meyer, Matrix Analysis and Applied Linear Algebra Book and
Solutions Manual, (Paperback - Feb 15, 2001), www.amazon.com

33