Αριθμητικές Μέθοδοι

Συστήματα Γραμμικών Εξισώσεων

Ορισμός: Ένας πίνακας Α nXn θα λέμε ότι έχει διαγώνια υπεροχή αν ισχύει

για κάθε ι=1,2,...,n

Ορισμός: Ένας Anxn πίνακας λέγεται συμμετρικός όταν Α=ΑΤ

Ορισμός: Ένας συμμετρικός πίνακας Anxn είναι θετικά ορισμένος αν ισχύει

xTAx>0
για κάθε n–διάστατο μη μηδενικό διάνυσμα x
ΠΑΡΑΔΕΙΓΜΑ
Έστω ο πίνακας

Θα έχουμε

Ισχύει ότι τουλάχιστον ένα από τα α, β, γ είναι διάφορο του μηδενός.

Άρα ο πίνακας Α είναι θετικά ορισμένος.

Νόρμα πινάκων

Έστω Μ το σύνολο όλων των nxn πινάκων. Νόρμα στο Μ είναι μια
συνάρτηση με πεδίο ορισμού το Μ και πεδίο τιμών το R και πληροί τις
παρακάτω ιδιότητες:
Νόρμες διανυσμάτων
Νόρμες πνάκων

Αν Α συμμετρικός
Χαρακτηριστικό πολυώνυμο - Ιδιοτιμές – Ιδιοδιανύσματα – φασματική ακτίνα

Το πολυώνυμο p(λ) = det(λΙ-Α) (ή det(A-λI) ) ονομάζεται χαρακτηριστικό

πολυώνυμο του πίνακα Α.

Οι ρίζες του χαρακτηριστικού πολυωνύμου ονομάζοναι ιδιοτιμές του πίνακα Α.

Το μη μηδενικό διάνυσμα x που ικανοποιεί το σύστημα (A-λI)x = 0 ονομάζεται

ιδιοδιάνυσμα του πίνακα Α που αντιστοιχεί στην ιδιοτιμή x.

Έστω ο πίνακας Αnxn και λi οι ιδιοτιμές του. Τότε ο αριθμός

Ονομάζεται φασματική ακτίνα του πίνακα Α.

Συστήματα γραμμικών εξισώσεων

Ή αλλιώς

Υπάρχουν δύο κατηγορίες μεθόδων

•Αμμεσες μέθοδοι
•Επαναληπτικές μέθοδοι
Έστω το σύστημα
Αx=b

Έστω x μια προσέγιση της λύσης. Τότε ορίζουμε το υπόλοιπο διάνυσμα από τη σχέση

r=Ax–b

Όταν το ||r|| είναι μικρό τότε η προσέγγιση είναι καλή;

Έστω το σύστημα

0,780 x + 0,563 y =0,217

0,913 x + 0,659 y = 0,254

Με την προφανή λύση x=1, y=-1.

Χρησιμοποιώντας δύο διαφορετικούς αλγορίθμους βρίσκουμε

x = 0,999, y = -1,001 με r= [-0,0012, -0,0016]
x = 0,341, y = -0,087 με r= [-0,0012, -0,0016]

Άρα το r δεν είναι κριτήριο.

Δείκτης κατάστασης

Ορισμός: Έστω Α ένας ομαλός πίνακας nxn. Ο αριθμός

Ονομάζεται δείκτης κατάστασης.

Επειδή

ο δείκτης κατάστασης είναι μεγαλύτερος του 1.

Όσο μικρότερος ο δείκτης κατάστασης τόσο πιο ευσταθές το σύστημα.

Μέθοδος Crammer

1. Υπολογίζουμε την ορίζουσα του Α. Πρέπει να είναι διάφορη του μηδενός.

2. Για κάθε μεταβλητή xi υπολογίζουμε την ορίζουσα του Α (συμβ. D), με τη
διαφορά ότι στη θέση της i στήλης τοποθετούμε τη στήλη των σταθερών όρων
(συμβ. Dxi).
Η λύση είναι
Dxi
xi  , i  1, 2,..., v
D

Πχ αν

2 3 1 1 3 1 Dx1 11
x1    11
D 1 2 3 1 Dx1  2 2 3  11 D 1
1 1 1 3 1 1 Dx2 14
x2    14
2 1 1 2 3 1 D 1
Dx2  1 2 3  14 Dx3  1 2 2  0 Dx3 0
x3   0
1 3 1 1 1 3 D 1

Ερώτηση: Αν το σύστημα ήταν 10 Χ 10 πόσες πράξεις θα χρειαζόταν για να λυθεί;

Κλιμακωτή μορφή πίνακα
Ορίζουμε τρεις πράξεις γραμμών (ή στηλών) τις οποίες ονομάζουμε στοιχειώδεις
πράξεις γραμμών (ή στηλών):

1. Αλλαγή δύο γραμμών μεταξύ τους.

2. Πολλαπλασιασμό μιας γραμμής με έναν αριθμό διάφορο του μηδέν.
3. Πολλαπλασιασμό μιας γραμμής με έναν αριθμό και πρόσθεση σε κάποια άλλη
γραμμή.

i   j
 i   i
 i   i   j

Ένας πίνακας λέμε ότι βρίσκεται σε κλιμακωτή μορφή, όταν

1. Κάθε γραμμή έχει περισσότερα μηδενικά στην αρχή της από τις προηγούμενες
2. Το πρώτο μη μηδενικό στοιχείο της κάθε γραμμής είναι το 1

Μπορούμε χρησιμοποιώντας τις στοιχειώδεις πράξεις γραμμών να φέρουμε

οποιονδήποτε πίνακα σε κλιμακωτή μορφή.
 Παράδειγμα
Να λυθεί το σύστημα

Λύση

 1 2 1 0     2  1 2 1 0     1 2 1 0 
 2 1 1 3 2 : 2 1  0 3 1 3 3 : 3 1 0 3 1 3
     
 1 2 0 1   1 2 0 1  0 4 1 1 
 
1 2 1 0  1 2 1 0 1 2 1 0 
2  2   3 3  42   3 33  
1
3 1 1 1
: 0 1 1 : 0 1 1 : 0 1 1 
 3   3   3 
0 4 1 1   1  0 0 1 15
  0 0  5  
 3 
Με προς τα πίσω αντικατάσταση έχουμε

z = -15
y = -1 – 1/3 *(-15) = 4
x = - 1 * 4 – 1 *(-15) = 11

Είναι ευσταθής αυτή η μέθοδος;

Παράδειγμα

1.133 x + 5.281 y = 6,414

24,14 x – 1,210 y = 22,93

Με πράξεις 4 δεκαδικών ψηφίων βρίσκουμε

x = 0,9956
y = 1,001

Μπορούμε να έχουμε καλύτερα αποτελέσματα με τη χρήση οδηγού (pivot).

Επιλέγουμε τον μεγαλύτερο αριθμό και τον μεταφέρουμε στη διαγώνιο της
γραμμής που δουλεύουμε.

Τα αποτελέσματα που παίρνουμε είναι

x=1
y=1
Πχ

1.133 x + 5.281 y = 6,414

24,14 x – 1,210 y = 22,93

24,14 x – 1,210 y = 22,93

1.133 x + 5.281 y = 6,414

24,14 x – 1,210 y = 22,93

5,338 y = 5,338

24,14 x – 1,210 y = 22,93

y=1

x=1
y=1
LU παραγοντοποίηση πινάκων

Έστω ο πίνακας Anxn. Μπορούμε να βρούμε πίνακες L και U της μορφής

τέτοιους ώστε A = L U. Αυτή λέγεται LU παραγοντοποίηση του πίνακα Α.

Μπορεί να χρησιμοποιηθεί για την επίλυση συστημάτων.

Αν Ax=b, τότε LUx=b.

Το χωρίζουμε σε δύο συστήματα με εύκολη λύση:

Ly = b και Ux=y.

Υπάρχει εύκολος τρόπος LU παραγοντοποίησης;

LU παραοντοποίηση χωρίς pivot

Για να υπολογίσουμε τους πίνακες L και U ακολουθούμε τη διαδικασία του

Gauss, με τη διαφορά ότι όταν μηδενίζουμε τα στοιχεία μιας στήλης στη
θέση τους βάζουμε τον πολλαπλασιαστή.
Πχ, έστω ο παρακάτω επαυξημένος πίνακας:

Για να μηδενίσουμε τα στοιχεία της πρώτης στήλης με τη βοήθεια του 1ου

στοιχείου, θα έχουμε
Άρα

Επομένως
LU παραγοντοποίηση με pivot

Στην περίπτωση που θέλουμε να χρησιμοποιήσουμε pivot για να έχουμε

καλύτερα αποτολέσματα, ή αν υπάρχει κάποιο μηδενικό στοιχείο στην κύρια
διαγώνιο, τότε έχουμε
PA= LU
όπου P ένας μεταθετικός πίνακας.

Μεταθετικός πίνακας είναι ο πίνακας που έχει όλα τα στοιχεία του 0 εκτός από
ένα 1 σε κάθε γραμμή και στήλη.

Παράδειγμα επίλυσης συστήματος με LU παραγοντοποίηση με pivot

Έστω το παρακάτω σύστημα
 213
Θα έχουμε 231

Άρα

Και επομένως
Ax = b => Pax = Pb => LUx = Pb => Ly = Pb και Ux=y
Και