Professional Documents
Culture Documents
Maj Muni 12312424
Maj Muni 12312424
Matematicki fakultet
Beograd 2008.
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)
(2)
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)
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)
k1
x1
k2
x2
(6)
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
(7)
(8)
c1
c2 .
(9)
(10)
c c1 = k1
c c2 = k2 ,
(11)
(12)
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
36
casova.
7
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
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
(1)
(1)
(1)
(1)
(1)
(1)
(1)
(1)
(1)
(1)
(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)
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)
(1)
(1)
(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)
i
1
2
3
4
1
2
3
4
2
3
4
3
4
4
4
3
2
1
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
14
2.2
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
aiq
,
apq
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
2.3
Istovremeno re
savanje vi
se sistema linearnih jedna
cina
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
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
2.5
t11
0
T =
0
t12
t22
t1n
t2n
;
tnn
t11
t12
0
T =
t1n
0
t22
t2n
0
0
.
tnn
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
b11
0
0
1 c12
0
b21 b22
0
1
C=
B=
;
bn1 bn2 bnn
0
0
c1n
c2n
,
1
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
x(k+1) = + x(k) ,
Ako postoji
k = 0, 1, 2, . . . .
x = lim x(k) ,
k
n
X
|ij | < 1,
ili
j=1
n
X
|ij | < 1,
i=1
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
n
X
ij xj ,
i = 1, 2, . . . , n.
j=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
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 =
22
2.10
a11
a21
A=
an1
a12
a22
an2
a1n
a2n
,
ann
x=
x1
x2
..
.
b=
xn
b1
b2
..
.
bn
x = A1 b
|x| ||A1 || |b|,
|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
|Ax|
||A||, tj. |Ax| ||A|| |x|. Takode je
|x|
|A1 b|
, sto je ista definicija norme, dobijamo
|b|
tj.
||A||
1
,
|x|
|b|
|x|
||A1 || ||A|| |b|
.[2]
|x|
|b|
x2 = 2166,
x3 = 11729,
x02 = 2166.015000,
x03 = 11729.080000.
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
= 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
28
l1 + l2 + l3
3
i = 1, 2, . . . , n.
i = 1, . . . , n
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
a1 x + b1 y + cn = 0.
Ovde je
pa je
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
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.
1
1
1 3
2
3 + 1
=
x =
= ;
2
5
1
1
2 3
31
y=
1
1
1 2
3
=
= .
5
5
5
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
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