Upload
leonard-stanescu
View
216
Download
0
Embed Size (px)
Citation preview
8/18/2019 sistemeliniare.pdf
1/39
Metode pentru rezolvarea sau aproximarea solu̧tiilorsistemelor de ecua̧tii liniare
Norme de vectori şi norme de matrici
Fie m ∈ N ∗. Pe spa̧tiul Rm se consideră normele vectoriale uzuale · 1, · 2 şi · ∞ definite prin
x1 =m
i=1
|xi| ;
x2 =
m
i=1 |xi|2 ;
x∞ = max1≤i≤m
|xi| , ∀ x = (xi)1≤i≤m ∈ Rm.
Fie M m(R) spaţiul matricelor cu m linii şi m coloane cu elemente din R. Pe M m(R)
se pot considera norme definite ca norme de operator liniar
Aαβ := supxα≤1
Axβ, ∀ A ∈ Mm(R)
unde · α şi · β sunt norme pe Rm. În cazul în care α = β notăm Aα := Aααşi o numim norma α a matricei A (subordonată normei vectoriale · α).
Propozi̧tia -1.1 Fie A = (aij)1≤i,j≤m ∈ M m(R). Atunci A1 = max1≤ j≤m
mi=1
|aij|.
Propoziţia -1.2 Fie A = (aij)1≤i,j≤m ∈ M m(R). Atunci A∞ = max1≤i≤m
m j=1
|aij |.
Propoziţia -1.3 Fie A ∈ M m(R). Atunci A2 =
ρ(AtA), unde ρ(AtA) reprezint ̆ a
cea mai mare valoare proprie a matricei At
A.
Exemplul -1.1 Fie
A =
1 −2 34 −5 67 −8 9
1
8/18/2019 sistemeliniare.pdf
2/39
Atunci
A1 = max1≤ j≤3
3i=1
|aij | =
= max (|1| + |4| + |7| , |−2| + |−5| + |−8| , |3| + |6| + |9|) = max (12, 15, 18) = 18şi
A∞ = max1≤i≤3
3 j=1
|aij | =
= max (|1| + |−2| + |3| , |4| + |−5| + |6| , |7| + |−8| + |9|) = max (6, 15, 24) = 24.
Condiţionarea unui sistem de ecuaţii liniare
Fenomenul de instabilitate manifestat în diverse procese matematice este important
de studiat , dat fiind limitările tehnicii de calcul sau ale măsurătorilor de unde provin
datele de calcul. Un exemplu cum este cel care urmează scoate în evidenţă existenţa
unui astfel de fenomen şi motiva̧tia studiului său.
Exemplul -1.2 Fie sistemul de ecuaţii Ax = b unde
A =
10 7 8 7
7 5 6 5
8 6 10 9
7 5 9 10
b =
32
23
33
31
cu solu ̧tia x =
1
1
1
1
Consider ̆ am sistemul perturbat A(x + δx) = b + δb unde
A =
10 7 8 7
7 5 6 5
8 6 10 9
7 5 9 10
b + δb =
32, 1
22, 9
33, 1
30, 9
2
8/18/2019 sistemeliniare.pdf
3/39
cu solu ̧tia x + δx =
9, 2
−12, 64, 5
−1, 1
(1)
Consider ̆ am şi sistemul perturbat (A + ∆A)(x + ∆x) = b unde
A + ∆A =
10 7 8, 1 7, 2
7, 08 5, 04 6 5
8 5, 98 9, 89 9
6, 99 4, 99 9 9, 98
b =
32
23
33
30
cu soluţia x + ∆x =
−81137
−3422
(2)
Sistemul (1) diferă de cel iniţial printr-o ”mică” variaţie a coloanei termenilor liberi,
iar sistemul (2) printr-o ”mică” varia̧tie a elementelor matricei. După cum se observă
aceste ”mici” varia̧tii antrenează după sine varia̧tii ”mari” ale solu̧tiei ini̧tiale.
Exemplul -1.3 Dac ̆ a consider ̆ am sistemul perturbat (A +∆A)(x + ∆x) = b + ∆b unde
A + ∆A =
10 7 8, 1 7, 2
7, 08 5, 04 6 5
8 5, 98 9, 89 9
6, 99 4, 99 9 9, 98
b + ∆b =
32, 1
22, 9
33, 1
30, 9
atunci acesta are solu ̧tia x + ∆x =
332, 90
−550, 49143, 88
−84, 58
(3)
3
8/18/2019 sistemeliniare.pdf
4/39
În legătură cu această problemă de stabilitate a sistemelor de ecuaţii liniare sunt
cunoscute următoarele rezultate:
Defini̧tia -1.1 Fie A o matrice nesingular ̆ a şi o norm ̆ a a matricei A. Num ̆ arul cond(A) := A · A−1 se nume ̧ste indice de condi ̧tionare al matricei A relativ la norma .
Teorema -1.1 Fie sistemul de ecua ̧tii liniare Ax = b şi sistemul perturbat A(x+δx) =
b + δb. Presupunem b = 0. Atunci
δxx ≤
cond(A)· δbb
. (4)
şi δxx ≥
1
cond(A) · δbb
În plus exist ̆ a b = 0 şi δb = 0 astfel încât inegalitatea (4) s ̆ a devin ̆ a egalitate.
Teorema -1.2 Fie sistemul de ecua ̧tii liniare Ax = b şi sistemul perturbat (A +
∆A)(x + ∆x) = b. Atunci
∆xx + ∆x ≤ cond(A) ·
∆AA . (5)
În plus exist ̆ a b = 0 şi ∆A = 0 astfel încât inegalitatea (5) s ̆ a devin ̆ a egalitate.
Teorema -1.3 Fie sistemul de ecuaţii liniare Ax = b şi sistemul perturbat (A +
∆A)(x + ∆x) = b + ∆b. Dac ̆ a A−1∆A
8/18/2019 sistemeliniare.pdf
5/39
x∞ = 1.
Atunci δx∞x∞ =
13, 6
1 = 13, 6
A−1 =
25 −41 10 −6−41 68 −17 1010 −17 5 −3−6 10 −3 2
A∞ = 33, A−1∞ = 136.
Rezultă că
cond(A) := A∞ ·A−1
∞ = 33 · 136 = 4488
Avem
δb∞ = b + δb − b∞ = 0, 1.
b∞ = 33..
Atunciδb∞b∞ =
0, 1
33 =
1
330
şi
cond(A) · δb∞b∞ = 4488 · 1
330 = 13, 6
Deci δx∞x∞ = cond(A) ·
δb∞b∞
5
8/18/2019 sistemeliniare.pdf
6/39
Exemplul -1.5 Fie sistemul de ecuaţii Ax = b unde
A =
10 1 4 0
1 10 5 −
1
4 5 10 7
0 −1 7 9
b =
15
15
26
15
cu solu ̧tia x =
1
1
1
1
Consider ̆ am sistemul perturbat A(x + δx) = b + δb unde
A =
10 1 4 0
1 10 5 −14 5 10 7
0 −1 7 9
b + δb =
16
16
25
16
cu soluţia x + δx =
832
1324
−24072021
Exemplul -1.6 Un alt exemplu de matrici cu un indice de condi ̧tionare mare sunt
matricele Hilbert (H n) de ordinul n, definite astfel:
H n = (h(n)ij )i,j=1,n cu h
(n)ij =
1
i + j − 1 , ∀ i, j = 1, n
Astfel cond1(H 3) = 748, cond1(H 4) = 28375, cond1(H 5) = 943656, cond1(H 6) =
29070279, cond1(H 7) = 985194886, cond1(H 8) = 33872791095, cond1(H 10) = 35357439251992 =
3.5357439251992·1013, cond1(H 20) = 6.283579684317887·1028, cond1(H 50) = 4.330343748573601·
1074
, cond1(H 100) = 1.267220787492374 · 10151
.
Exemplul -1.7 Fie A( p) = (a( p)ij )i,j=1,n ∈ Mn(N) cu a( p)ij = C i−1 p+ j−1, ∀ i, j = 1, n.Notam cu B ( p) = (b( p)ij )i,j=1,n = A( p)
−1 inversa matricei A( p). Avem
b( p)ij = (−1)i+ j ·n− jk=0
C k p+k−1C i−1k+ j−1 ∀i, j = 1, n
6
8/18/2019 sistemeliniare.pdf
7/39
(cu conventia C 0−1 = 1 si C sr = 0 pentru r < s sau s cond ∞(H 10) = 3.5357439251992
·1013.
Metode directe
Metoda lui Gauss (cu pivotare parţială)
Se dau m ∈N∗ şi A = (aij) ∈ M m,m+1(R). Fie sistemul de ecuaţii liniarea11x1 + · · · + a1mxm = a1,m+1. . . . . . . . . . . . . . .
am1x1 + · · · + ammxm = am,m+1
cu necunoscutele x1, . . . , xm ∈ R. Metoda lui Gauss este folosită atât pentru deter-minarea soluţiei sistemului, cât şi pentru calculul determinantului matricei sistemului..
Sistemul dat se transformă în m − 1 etape astfel:Ini̧tial se consideră determinantul matricei sistemului det = 1
Pentru n între 1 şi m − 1 se efectuează următoarele:
• Se determină max = |asn| = maxn≤i≤m
|ain| (s ∈ n, m reprezintă poziţia pe care s-agăsit maximul).
• Se ia piv = asn (elementul asn se numeşte pivot).
• Dacă piv = 0, atunci metoda nu se aplică.
• det = det · piv.
7
8/18/2019 sistemeliniare.pdf
8/39
• Dacă s = n, atunci det = (−1) · det şi se permută ecua̧tia s cu ecuaţia n.
• Coeficieņtii ecua̧tiei n se împart la piv .
• Pentru ∀i ∈ n + 1, m se elimină xn din ecuaţia i astfel: aij = aij − ain · anj,∀ j ∈ m + 1, n.
Procedând astfel se ob̧tine un sistem de forma:
xi +m
j=i+1
aijx j = ai,m+1, 1 ≤ i ≤ m − 1
ammxm = am,m+1
(6)
Determinantul matricei sistemului se calculează astfel: det = det · amm.Dacă amm = 0, atuci metoda nu se aplică.
Se rezolvă sistemul (6) astfel:
• xm = am,m+1/am,m;
• xi = ai,m+1 −m
j=i+1
aijx j, ∀ i ∈ m − 1, 1.
Exemplul -1.8 Fie sistemul de ecuaţii liniare x + 1
2y + 1
3z = 1
12
x + 13
y + 14
z = 2
13
x + 14
y + 15
z = 3
S ̆ a se calculeze determinantul matricei sistemului şi s ̆ a se rezolve sistemul cu metoda
lui Gauss.
Folosind transformările date de metoda lui Gauss, ob̧tinem următorul sistem de
ecuaţii: x + 1
2y + 1
3z = 1
y + z = 18
1180
z = 76
8
8/18/2019 sistemeliniare.pdf
9/39
Calculăm determinantul matricei sistemului (tot cu algoritmul dat de metoda lui
Gauss) det = 12160
şi rezolvăm sistemul anterior. Obţinem z = 210, y = −192, x = 27.Observa̧tie: Alegerea pivotului ca cel mai mare element de pe coloană se face
pentru a minimiza erorile care apar dacă pivotul are valori mici. Dacă considerăm
sistemul de ecua̧tii liniare x + 592y = 437592x + 4308y = 2251şi dacă considerăm că lucrăm numai cu 4 cifre exacte, atunci prin alegerea pivotului
elementul 1,prin metoda lui Gauss se obţine solu̧tia
x = −1, 6128, y = 0, 7409
iar prin alegera pivotului elementul 592, prin metoda lui Gauss se obţine solu̧tia
x = −1, 5891, y = 0, 7409
pe când soluţia exactă a sistemului este
x = −1.58889055801431, y = 0.74085961242908.
Metoda lui Gauss (cu pivotare totală)
Se dau m ∈N∗ şi A = (aij) ∈ M m,m+1(R). Fie sistemul de ecuaţii liniare
a11x1 + · · · + a1mxm = a1,m+1. . . . . . . . . . . . . . .
am1x1 + · · · + ammxm = am,m+1cu necunoscutele x1, . . . , xm ∈ R. La metoda lui Gauss cu pivotare totală căutareapivotului se face în toată matricea rămasă de transformat (reamintim că, la pivotarea
paŗtială, pivotul se caută numai pe prima coloană a matricei rămase de transformat).
Sistemul dat se transformă în m − 1 etape astfel:
9
8/18/2019 sistemeliniare.pdf
10/39
Ini̧tial se consideră determinantul matricei sistemului det = 1
Pentru n între 1 şi m − 1 se efectuează următoarele:
• Se determină max = |a ps| = maxn≤i,j≤m
|aij| (s, p ∈ n, m reprezintă indicii de poziţieai maximului determinat).
• Se ia piv = a ps (elementul a ps se numeşte pivot)
• Dacă piv = 0, atunci metoda nu se aplică.
• det = det
· piv.
• Dacă p = n sau s = n (dar nu p = s = n), atunci det = (−1) · det şi se permutăcoloana s cu coloana n (dacă p = n) sau linia p cu linia n (dacă s = n). Dacă
p = n şi s = n se permută linia p cu linia n şi apoi coloana s cu coloana n.
• Ecuaţia n se împarte la piv.
• Pentru
∀i
∈ n + 1, m se elimină xn din ecuaţia i astfel: aij = aij
− ain
· anj,
∀ j ∈ m + 1, n.
Procedând astfel se ob̧tine un sistem de forma:
xi +m
j=i+1
aijx j = ai,m+1, 1 ≤ i ≤ m − 1
ammxm = am,m+1
(7)
Determinantul matricei sistemului se calculează astfel: det = det·
amm.
Dacă amm = 0, atuci metoda nu se aplică.
Se rezolvă sistemul (7) astfel:
• xm = am,m+1/am,m;
10
8/18/2019 sistemeliniare.pdf
11/39
• xi = ai,m+1 −m
j=i+1
aijx j, ∀ i ∈ m − 1, 1.
unde (x1, . . . , xm) este o permutare a soluţiei (x1, . . . , xm) sistemului ini̧tial (după
cum s-au permutat coloanele matricei iniţiale în procesul de transformare a sistemului).
Exemplul -1.9 Folosind metoda lui Gauss cu pivotare total ̆ a, s ̆ a se rezolve sistemul
de ecua ̧tii liniare:
5x + y + 2z = 29
3x − y + z = 10x + 2y + 4z = 31
(8)
S ̆ a se calculeze şi determinantul matricei sistemului.
Folosind transformările date de metoda lui Gauss cu pivotare totală, obţinem ur-
mătorul sistem de ecua̧tii:
x + 2
5z +
1
5y =
29
5
z + 1
2y = 7
−32
y = −6
Calculăm determinantul matricei sistemului (tot cu algoritmul dat de metoda lui
Gauss) det = −27 şi rezolvăm sistemul anterior. Ob̧tinem z = 5, y = 4, x = 3.
Metoda lui Gauss-Jordan de calcul a inversei unei matrice
Se dau m ∈ N ∗ şi matricea
A =
a11 . . . a1m
... ...
...
am1 . . . amm
11
8/18/2019 sistemeliniare.pdf
12/39
Metoda lui Gauss-Jordan este folosită pentru determinarea inversei matricei A (dacă
aceasta există). Se consideră ansamblul matriceal compus din matricea A şi matricea
unitate I m a11 . . . a1m
... ...
...
am1 . . . amm
1 . . . 0
... ...
...
0 . . . 1
Ansamblul anterior se transformă (analog metodei Gauss - cu pivotare parţială sau
totală) astfel:
Pentru n între 1 şi m se efectuează următoarele:
• Se determină pivotul piv ca la metoda lui Gauss de rezolvare a unui sistem deecuaţii liniare cu pivotare parţială (analog se poate descrie un algoritm folosind
metoda lui Gauss cu pivotare totală).
• Dacă piv = 0, atunci metoda nu se aplică.
• Dacă s
= n, atunci se permută ecuaţia s cu ecuaţia n.
• Ecua̧tia n se împarte la piv.
• Pentru ∀ i ∈ n + 1, m se elimină xn din ecuaţia i astfel: aij = aij − ain · anj,∀ j ∈ 2m, n.
Procedând astfel se obţine un ansamblu matricial de forma:
1 a12 . . . a1m
0 1 . . . a2m...
... . . .
...
0 0 . . . 1
a1,m+1 a1,m+2 . . . a1,2m
a2,m+1 a2,m+2 . . . a2,2m...
... . . .
...
am,m+1 am,m+2 . . . am,2m
(matricea din partea dreaptă are cel puţin n(n − 1)/2 zerouri).
12
8/18/2019 sistemeliniare.pdf
13/39
Pentru n între m şi 2 se efectuează următoarele:
• Pentru ∀ i ∈ n − 1, 1 se recalculează elementele aij astfel: aij = aij − ain · anj,
∀ j ∈ 2m, n.
Precedând astfel se ob̧tine un ansamblu matricial de forma:
1 0 . . . 0
0 1 . . . 0
... ...
. . . ...
0 0 . . . 1
b11 b12 . . . b1m
b21 b22 . . . b2m...
... . . .
...
bm1 bm2 . . . bmm
.
Matricea
B =
b11 b12 . . . b1m
b21 b22 . . . b2m...
... . . .
...
bm1 bm2 . . . bmm
are liniile matricei inverse A−1 modulo permutarea liniilor descrisă în algoritm.
Rezolvarea unui sistem de ecua̧tii liniare Ax = b este echivalentă, după ce s-a
calculat inversa matricei A, cu egalitatea x = A−1b.
Exemplul -1.10 Folosind metoda Gauss-Jordan s ̆ a se calculeze inversa matricei
A =
1 12
13
12
13
14
1
3
1
4
1
5
Formăm ansamblul matriceal1 1
213
12
13
14
13
14
15
1 0 0
0 1 0
0 0 1
13
8/18/2019 sistemeliniare.pdf
14/39
Cu transformările din algoritm ob̧tinem:
1 12
13
0 1 10 0 1
1 0 0
−6 12 030 −180 180
iar, în final, 1 0 0
0 1 0
0 0 1
9 −36 30−36 192 −18030 −180 180
Deci
A−1 =
9 −36 30
−36 192 −18030 −180 180
Factorizarea LU
Se numeşte factorizare LU a unei matrice A descompunerea matricei ca produs de
două matrici, una inferior triunghiulară (notată L), alta superior triunghiulară (notată
U ), adică A = LU. Descompunerea, dacă este posibilă, nu este unică.
Teorema -1.4 Fie A = (aij )1≤i,j≤m o matrice astfel încât determinanţii "de colţ"
∆k := det((aij )1≤i,j≤k) s ̆ a fie nenuli, pentru orice k = 1, m. Atunci A se descompune
unic sub forma A = LU cu L = (lij )1≤i,j≤m inferior triunghiular ̆ a şi U = (uij)1≤i,j≤m
superior triunghiular ̆ a cu elementele diagole egale cu 1.
Calculul elementelor matricelor L şi U se face după formulele:
li1 = ai1, i = 1, m , u11 = 1, u1 j = a1 jl11
, j = 2, m. (9)
14
8/18/2019 sistemeliniare.pdf
15/39
iar, pentru k = 2, m,
lik = aik −k−1 p=1
lipu pk, i = k, m, ukk = 1, ukj =
akj −k−1
p=1lkpu pj
lkk , j = k + 1, m. (10)
Fie un sistem de ecuaţii liniare Ax = b, pentru care A admite factorizare LU. Atunci
soluţia y a sistemului Ly = b se determină astfel:
yi =
bi −i−1k=1
likyk
lii∀i = 1, m
Soluţia x a sistemului iniţial se determină astfel:
xi = yi −m
k=i+1
uikxk ∀i = m, 1
Exemplul -1.11 S ̆ a se factorizeze sub forma LU matricea
A =
2 4 −2 0−1 −1 2 3
4 5 −2 −90 1 3 4
Se verifică mai întâi că determinanţii de coļt ai matricei A sunt nenuli. Cu formulele
(9) şi (10) se obţine:
l11 = 2, l21 = −1, l31 = 4, l41 = 0
u11 = 1, u12 = 2, u13 = −1, u14 = 0
l22 = 1, l32 = −3, l42 = 1
u22 = 1, u23 = 1, u24 = 3
l33 = 5, l43 = 2
u33 = 1, u34 = 0
15
8/18/2019 sistemeliniare.pdf
16/39
l44 = 1
u44 = 1
Deci
L =
2 0 0 0
−1 1 0 04 −3 5 00 1 2 1
, U =
1 2 −1 00 1 1 3
0 0 1 0
0 0 0 1
Metoda rădăcinii pătrate (Cholesky)
Defini̧tia -1.2 O matrice A = (aij)1≤i,j≤m se numeşte simetric ̆ a dac ̆ a A = At. Ma-
tricea A este pozitiv definit ̆ a dac ̆ a determinanţii "de colţ" ∆k := det((aij)1≤i,j≤k) sunt
strict pozitivi pentru orice k = 1, m.
Teorema -1.5 Fie A simetric ̆ a şi pozitiv definit ̆ a. Atunci A se descompune unic sub
forma A = L·
Lt cu L = (lij)1≤i,j≤m inferior triunghiular ̆ a.
Fie sistemul de ecuaţii liniare Ax = b, cu A = (aij) ∈ M m(R) simetrică şi pozitivdefinită, iar b = (bi) ∈ Rm.
Descompunem A = L · Lt cu L = (lij) ∈ M n(R) matrice superior triunghiulară. Sedetermină mai întâi y = (yi) ∈ Rn soluţia sistemului de ecuaţii Ly = b şi apoi solu̧tiax = (xi) ∈ Rn a sistemului iniţial se determină prin rezolvarea sistemului Ltx = y.
Se calculează elementele matricei L astfel:
l jj =
a jj −
j−1k=1
l2 jk şi lij =aij −
j−1k=1
likl jk
l jj, ∀i = j + 1, m, ∀ j = 1, m
(11)
16
8/18/2019 sistemeliniare.pdf
17/39
Soluţia y a sistemului Ly = b se determină astfel:
yi =
bi −i−1
k=1likyk
lii ∀i = 1, m (12)
Soluţia x a sistemului iniţial se determină astfel:
xi =
yi −m
k=i+1
lkixk
lii∀i = m, 1 (13)
Dacă matricea A nu este simetrică şi pozitiv definită, dar este inversabilă, atunci
sistemul de ecuaţii liniare Ax = b se transformă în sistemul echivalent AtAx = Atb, a
cărui matrice este simetrică şi pozitiv definită.
Exemplul -1.12 Folosind metoda r ̆ ad ̆ acinii p˘ atrate, s ̆ a se rezolve sistemul de ecua ̧tii
liniare Ax = b cu
A =
4 2 2
2 10 4
2 4 6
, b =
8
16
12
Se verifică imediat că matricea A este simetrică şi pozitiv definită. Cu formulele
(11) se obţine
l11 = 2, l12 = 1, l13 = 1
l22 = 3, l23 = 1
l33 = 2
Din (12) rezultă că
y1 = 4, y2 = 4, y3 = 2
iar din (13) rezultă că
x3 = 1, x2 = 1, x3 = 1.
Descompunerea QR
17
8/18/2019 sistemeliniare.pdf
18/39
Se consideră date m ∈ N∗, A = (aij)i,j=1,m ∈ Mm(R) şi b = (bi)i=1,m ∈ Rm. Vomcalcula solu̧tia x = (x1, . . . , xm) ∈ Rm a sistemului Ax = b şi determinantul matriceisistemului folosind factorizarea QR.
Factorizarea QR a matricei A însemnă descompunerea A = QR cu Q matrice
ortogonală, adică QQt = QtQ = Im şi R matricea superior triunghiulară.
Dacă notăm Q = (q ij ) cum
k=1
q ikq jk = δ ij şim
k=1
q kiq kj = δ ij pentru i, j = 1, m şi
R = (rij) cu rij = 0 pentru 1 ≤ j < i ≤ m, atunci din identificarea A = QR se obţinrelaţiile următoare:
r11 =
a211 + · · · + a2m1 ,
q i1 = ai1r11
, pentru i = 1, m
şi pentru k = 2, m avem:
r jk =m
i=1
aikq ij , pentru j = 1, k − 1
rkk = mi=1
a2ik −k−1i=1
r2ik ,
q ik = 1
rkk
aik −
k−1 j=1
r jk q ij
, pentru i = 1, m .
(14)
Rezolvarea sistemului după descompunerea matricei A în produs QR se face astfel:
- rezolvăm întâi sistemul Qy = b a cărui solu̧tie este
y = Qtb,
sau pe componente:
yi =m
j=1
q jib j , i = 1, m.
18
8/18/2019 sistemeliniare.pdf
19/39
- apoi, rezolvăm sistemul triunghiular Rx = y , şi ob̧tinem:
xm = ymrmm
,
xi = 1riiyi − m
j=i+1
rij x j , i = m − 1, 1 . (15)Observaţie. Descompunerea QR nu există dacă există un k ∈ 1, m astfel încât
rkk = 0 în (14) sau (15).
Exemplul -1.13 Pentru m = 3 , matricea A =
0 4 5
−1 −2 −30 0 1
şi vectorul b =
23
−143
,
rezolva ̧ti sistemul Ax = b folosind o descompunere QR.
Folosind rela̧tiile de mai sus obţinem:
Q =
0 1 0
−1 0 00 0 1
şi R =
1 2 3
0 4 5
0 0 1
,
iar pentru soluţie
y = Qtb =
0 −1 01 0 0
0 0 1
23
−143
=
14
23
3
,iar din Rx = y rezultă:
x =
1
2
3
.
Metode iterative de rezolvare a sistemelor de ecuaţii liniare
Metoda lui Jacobi
19
8/18/2019 sistemeliniare.pdf
20/39
Fie m ∈ N ∗, A ∈ M m(R), b ∈ Rm.Considerăm sistemul de ecuaţii liniare Ax = b. Notăm cu I matricea unitate din
M m(R) şi cu B := I −
A. Sistemul de ecuaţii Ax = b se transformă echivalent astfel:
Ax = b ⇐⇒ (I − B)x = b ⇐⇒ x = Bx + b.
Pentru orice x(0) ∈ Rm definim şirul (numit şir Jacobi) (x(n))n∈N prin relaţia de re-curenţă
x(n+1) = Bx(n) + b, ∀ n ∈ N
Fie
· o normă pe M m(R). Dacă
B
= q
8/18/2019 sistemeliniare.pdf
21/39
1 şi ∞) pentru sistemul de ecuaţii liniare Ax = b cu
A =
0, 9 0, 1 0, 2 0, 3
−0, 2 0, 8 0, 1 0, 40, 1 −0, 3 0, 7 −0, 1
−0, 3 −0, 2 −0, 1 0, 9
; b =
3, 6
22, 4
1, 5
.
Luând x(0) =
0
0
0
0
s ̆ a se determine num ̆ arul de iteraţii necesar pentru a aproxima
solu ̧tia sistemului cu o eroare mai mic ̆ a de 10−10.
Avem
B = I − A =
0, 1 −0, 1 −0, 2 −0, 30, 2 0, 2 −0, 1 −0, 4
−0, 1 0, 3 0, 3 0, 10, 3 0, 2 0, 1 0, 1
Atunci
B1 = max1≤ j≤4
4i=1
|bij| = 0, 9 < 1.,
şi
B∞ = max1≤i≤4
4 j=1
|bij| = 0, 9 < 1
Deci metoda lui Jacobi se aplică. Din formula de evaluare a erorii avem:
x(n) − x p ≤ q n
1 − q x(1) − x(0) p, ∀ n ∈ N∗
unde p = 1 sau p = ∞, q = 0, 9, x(1) = Bx(0) + b = b. Deci, pentru a aproxima x cux(n) cu eroarea ε = 10−10 este suficient ca q
n
1−qx(1) − x(0) p < ε. Avem
x(1) − x(0)1 = b1 = 9, 5
21
8/18/2019 sistemeliniare.pdf
22/39
şi
x(1) − x(0)∞ = b∞ = 3, 6
Atunci q n
1 − q x(1) − x(0)1 < ε ⇐⇒ n =
log0,9ε
95
+ 1
şiq n
1 − q x(1) − x(0)∞ < ε ⇐⇒ n =
log0,9ε
36
+ 1
Metoda lui Jacobi pentru matrice diagonal dominante pe linii
Fie m ∈ N ∗
, A ∈ M m(R), a ∈ Rm
.Considerăm sistemul de ecuaţii liniare Ax = a. Notăm cu I matricea unitate din
M m(R) şi cu
D = diag(A) =
a11 0 · · · 00 a22 · · · 0
· · · · · · · · · · · ·0 0 · · · amm
.
Spunem că A este diagonal dominantă pe linii dacă
|aii| >
j=1,m j=i
|aij | , ∀i ∈ 1, m
Atunci aii = 0, ∀i ∈ 1, m, deci D este inversabilă. Not̆am cu B = I − D−1A şi cub = D−1a. Sistemul de ecuaţii Ax = a se transformă echivalent astfel:
Ax = a⇐⇒
D−1Ax = D−1a⇐⇒
(I −
B)x = b⇐⇒
x = Bx + b.
Pentru orice x(0) ∈ Rm definimm şirul (x(n))n∈N prin relaţia de recurenţă
x(n+1) = B x(n) + b, ∀ n ∈ N.
22
8/18/2019 sistemeliniare.pdf
23/39
Teorema -1.6 Fie A o matrice diagonal dominant ̆ a pe linii, B = I −D−1A, q := B∞şi (x(n))n∈N definit ca mai sus. Atunci q i=1,m i= j
|aij| , ∀ j ∈ 1, m
Atunci aii = 0, ∀i ∈ 1, m, deci D este inversabilă. Notăm cu y = Dx (deci x = D−1y),şi cu B = I − AD−1. Sistemul de ecuaţii Ax = a se transformă echivalent astfel:
Ax = a⇐⇒AD−1y = a⇐⇒(I − B)y = a⇐⇒y = By + a.
Pentru orice y (0) ∈ Rm definimm şirul (y(n))n∈N prin relaţia de recurenţă
y(n+1) = By(n) + a, ∀ n ∈ N.
Teorema -1.7 Fie A o matrice diagonal dominant ̆ a pe coloane, B = I − AD−1, q :=B1 şi (y(n))n∈N definit ca mai sus. Atunci q
8/18/2019 sistemeliniare.pdf
24/39
Fie m ∈ N ∗, A ∈ M m(R), b ∈ Rm.Considerăm sistemul de ecuaţii liniare Ax = b. Notăm cu I matricea unitate din
M m(R) şi cu B := I −
A. Dacă elementele matricei B sunt (bij)1≤i,j≤m, descompunem
B sub forma B = L + R, cu L = (lij)1≤i,j≤m, unde lij := bij, ∀ 1 ≤ j < i ≤ m şi lij := 0altfel. Atunci det(I − L) = 1 şi deci există (I − L)−1.
Sistemul de ecuaţii Ax = b se transformă echivalent astfel:
Ax = b⇐⇒(I − B)x = b⇐⇒(I − L − R)x = b⇐⇒
⇐⇒(I − L)−1(I − L − R)x = (I − L)−1b⇐⇒(I − (I − L)−1R)x = (I − L)−1b⇐⇒
⇐⇒x − (I − L)−1Rx = (I − L)−1b.
Dacă notăm C := (I − L)−1R şi c := (I − L)−1b atunci
Ax = b⇐⇒x = Cx + c.
Pentru orice x(0) ∈ C m definim şirul Jacobi (x(n))n∈N prin relaţia de recurenţă
x
(n+1)
= C x
(n)
+ c⇐⇒x(n+1)
= Lx
(n+1)
+ Rx
(n)
+ b, ∀ n ∈ N
Deci
x(n+1)1 =m
j=1
b1 j x(n) j + b1, ∀ n ∈ N şi
x(n+1)i =i−1
j=1
bijx(n+1) j +
m j=i
bijx(n) j + bi, ∀ 2 ≤ i ≤ m, ∀ n ∈ N.
Teorema -1.8 Dac ̆ a q := max1≤i≤m q i cu q 1 =
m j=1 |b1 j|, q i =
i−1 j=1 |bij |q j +
m j=i |bij |, 2 ≤ i ≤ m
şi q
8/18/2019 sistemeliniare.pdf
25/39
Algoritm: Dacă A = (aij)1≤i,j≤m, b = (bi)1≤i≤m, x(n) = (x(n)i )1≤i≤m, ∀ n ∈ N,
atunci bij = −aij dacă i = j, bii = 1 − aii, ∀ 1 ≤ i, j ≤ m. Se calculează q . Setestează condi̧tia de aplicabilitate a metodei q
8/18/2019 sistemeliniare.pdf
26/39
Metoda relaxării simultane
Fie m ∈ N ∗, A ∈ M m(R) simetrică şi pozitiv definită, a ∈ Rm.
Considerăm sistemul de ecuaţii liniare Ax = a. Notăm cu I matricea unitate dinM m(R) şi cu D = diag(A). Atunci D inversabilă. Fie σ > 0 un număr real. Notăm
cu C σ := I − σD−1A şi cu cσ := σD−1a. Sistemul de ecua̧tii Ax = a se transformăechivalent astfel:
Ax = a ⇐⇒ σD−1Ax = σD−1a ⇐⇒ (I − C σ)x = cσ ⇐⇒ x = C σx + cσ.
Pentru orice x(0)
∈ Rm definim şirul Jacobi (x(n))n∈N prin relaţia de recureņtă
x(n+1) = C σx(n) + cσ, ∀ n ∈ N
Fie λ1 ≥ λ2 ≥ . . . ≥ λm valorile proprii ale matricei D−1A. Dacă alegem σ astfel încât0 < σ
8/18/2019 sistemeliniare.pdf
27/39
Dacă matricea A a sistemului de ecuaţii liniare Ax = a nu este simetriică şi pozitiv
definită, sistemul se transformă echivalent
Ax = a ⇐⇒ AtAx = Ata
(unde At = (a ji)1≤i,j≤m este transpusa matricei A), pentru care matricea AtA este
simetrică şi pozitiv definită.
Se va lua σ ∈ (0, t) cu t = 2/D−1A∞ parcurgând intervalul cu pasul h = t/p,unde p ∈N∗ este dat.
Algoritm: Dacă A = (aij)1≤i,j≤m, a = (ai)1≤i≤m, B = D−1A = (bij)1≤i,j≤m,
b = D−1a = (bi)1≤i≤m, C σ = (cij )1≤i,j≤m, cσ = (ci)1≤i≤m, x(n) = (x(n)i )1≤i≤m, ∀ n ∈ N,atunci bij = aij /aii, bi = ai/aii, ∀ 1 ≤ i, j ≤ m, t = 2/( max
1≤i≤m
m j=1
|bij|). Se va luaσ ∈ (0, t) cu t = 2/D−1A∞ parcurgând intervalul cu pasul h = t/p, unde p ∈ N∗
este dat:
Pentru 1 ≤ k ≤ p − 1 se ia σ = k · h, se calculează cij = −σbij dacă i = j,cii = 1 − σbii, ci = σbi, ∀ 1 ≤ i, j ≤ m. Se atribuie iteratei ini̧tiale x(0) o valoareoarecare din Rm, iar calculul celorlalte iterate se face după formula:
x(n+1)i =
m j=1
cijx(n) j + ci, ∀ 1 ≤ i ≤ m, ∀ n ∈ N.
Se oprȩste calculul recursiv la iterata x(n+1) pentru care
x(n+1) − x(n)D = m
i=1
aii|x(n+1)i − x(n)i |2 ≤ ε.
La fiecare pas se rȩtine n numărul de iterate efectuat.Se determină parametrul optim de relaxare (este acela pentru care numărul de
iteraţii este minim).
27
8/18/2019 sistemeliniare.pdf
28/39
Exemplul -1.16 Fie sistemul de ecuaţii liniare:
5x1 + 3x2 + 2x3 = 1
3x1 + 6x2 + 3x3 = 22x1 + 3x2 + 5x3 = 3
S ̆ a se arate c ̆ a se poate aplica metoda relax ̆ arii simultane. S ̆ a se determine parametrul
optim de relaxare. Luând x(0) = (0, 0, 0) s ̆ a se evalueze eroarea x − x(n).
Soluţie: Notăm cu A matricea sistemului. Se verifică că A este simetrică şi pozitiv
definită.
Fie D = diag(A). Atunci
D−1A =
1 3/5 2/5
1/2 1 1/2
2/5 3/5 1
şi det(D−1A − λI ) = 0 ⇐⇒ (1 − λ)3 − 19
25(1 − λ) + 6
25 = 0, de unde rezultă că valorile
proprii ale matricei D−1A sunt λ1 = 2 > λ2 = 3/5 > λ3 = 2/5. Parametrul optim de
relaxare este
σ = 2
λ1 + λ3=
5
6
căruia îi corespunde
q = λ1 − λ3λ1 + λ3
= 2
3.
Avem x(1) = C σx(0) + cσ = cσ = σD−1b = 5/6 · (1/5; 2/6; 3/5)t unde b = (1; 2;3)t estevectorul termenilor liberi din sistem. Atunci
x(1)2D =
Dx(1), x(1)
= 2
3 · 25
9
şi
x(n) − xD ≤ q n
1 − q x(1) − x(0)D = 5 ·
2
3
n+12
.
28
8/18/2019 sistemeliniare.pdf
29/39
Metode relaxării succesive
Fie m ∈ N ∗, A ∈ M m(R) simetrică şi pozitiv definită şi b ∈ Rm.
Considerăm sistemul de ecua̧tii liniare Ax = b şi σ > 0 un număr real numit
parametru de relaxare. Notăm cu I matricea unitate din M m(R) şi cu D = diag(A).
Atunci D inversabilă. Dacă elementele matricei A sunt (aij)1≤i,j≤m, descompunem A
sub forma B = L + D + R, cu L = (lij)1≤i,j≤m, unde lij := aij, ∀ 1 ≤ j < i ≤ m şilij := 0 altfel. Atunci matricea σ−1D + L este inversabilă,iar sistemul de ecuaţii Ax = b
se transformă echivalent astfel:
Ax = b ⇔ (σ−1D + L)−1(L + D + R)x = (σ−1D + L)−1b ⇔
(I − (σ−1D + L)−1((σ−1 − 1)D − R))x = (σ−1D + L)−1b
Notând cu C σ := (σ−1D + L)−1((σ−1 − 1)D − R) şi cu cσ := (σ−1D + L)−1b rezultă că
Ax = b ⇔ x = C σx + cσ.
Pentru orice x(0)
∈ Rm definim şirul Jacobi (x(n))n∈N prin relaţia de recureņtă
x(n+1) = C σx(n) + cσ, ∀ n ∈ N
Atunci
x(n+1) = C σx(n) + cσ ⇔
⇔ x(n+1) = (σ−1D + L)−1((σ−1 − 1)D − R)x(n) + b) ⇔
⇔ σ−1
Dx
(n+1)
= −Lx(n+1)
+ ((σ
−1
− 1) − R)x(n)
+ b ⇔⇔ x(n+1) = (1 − σ)x(n) − σD−1(Lx(n+1) + Rx(n) − b) ⇔
x(n+1)i = (1 − σ)x(n)i −
σ
aii(−bi +
i−1 j=1
aij x(n+1) j +
m j=i+1
aijx(n) j ), ∀1 ≤ i ≤ m (16)
29
8/18/2019 sistemeliniare.pdf
30/39
Dacă alegem σ astfel încât 0 < σ < 2, şi notăm q := C σA atunci q
8/18/2019 sistemeliniare.pdf
31/39
Metoda lui Ritz
Este o metoda de calcul a inversei unei matrice simetrice şi poyitiv definite. Fie A ∈
M m(R) o matrice simetrică şi pozitiv definită. Not̆am cu ∗ opera̧tia de transpunere (aunui vector sau a unei matrice). Definim succesiv vectorii (wk)mk=0 ⊂ Rm, (vk)mk=1 ⊂ Rm
şi matricele (C k)mk=1, (Dk)mk=1 ⊂ M m(R) astfel:
w0 = 0, C 1 = w0w∗0
w∗0Aw0, D1 = I m − C 1A
iar pentru k = 1, m − 1:
Se alege vk astfel ca Dkvk = 0,wk = Dkvk.
C k+1 := C k + wkw∗kw∗kAwk
,
Dk+1 := I m − C k+1A,
Atunci C m = A−1 (inversa matricei A) şi Dm = 0m.
Exemplul -1.17 Fie A =
1 2 3 4
2 5 1 10
3 1 35 5
4 10 5 30
. Folosind metoda lui Ritz s ̆ a se cal-
culeze A−1.
Se verifică mai întâi că matricea A este simetrică şi pozitiv definita. Luăm w0 =
(1, 0, 0, 0)∗. Atunci w∗0
Aw0
= 1 şi
C 1 =
1 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
, D1 =
0 −2 −3 −40 1 0 0
0 0 1 0
0 0 0 1
.
31
8/18/2019 sistemeliniare.pdf
32/39
Luăm v1 = (0, 1, 0, 0)∗. Rezultă că w1 = (−2, 1, 0, 0)∗ şi w∗1Aw1 = 1, de unde
C 2 =
5 −2 0 0
−2 1 0 00 0 0 0
0 0 0 0
, D2 =
0 0 −13 0
0 0 5 −20 0 1 0
0 0 0 1
.
Luăm v2 = (0, 0, 1, 0)∗. Rezultă că w2 = (−13, 5, 1, 0)∗ şi w∗2Aw2 = 1, de unde
C 3 =
174 −67 −13 0−67 26 5 0
−13 5 1 00 0 0 0
, D3 =
0 0 0 39
0 0 0 −17
0 0 0 −30 0 0 1
.
Luăm v3 = (0, 0, 0, 1)∗. Rezultă că w3 = (39, −17, −3, 1)∗ şi w∗3Aw3 = 1, de unde
C 4 =
1695 −730 −130 39−730 315 56 −17−130 56 10 −3
39 −17 −3 1
, D4 =
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
.
Pseudoinversa unei matrice
Pseudoinversa unei matrice este o extensie naturală a no̧tiunii de matrice inversabilă.
Se poate defini pseudoinversa atât pentru matrici pătratice (singulare sau nesingu-
lare - caz în care pseudoinversa coincide cu inversa) cât şi pentru matrici dreptunghi-
ulre (în care numărul de linii diferă de numărul de coloane). Pentru o matrice T ∈
M m,n(R),notăm cu T ∗
∈ M n,m(R) transpusa matricei T şi cu T +
∈ M n,m(R) pseudoin-versa matricei matricei T.
Prin defini̧tie T + este singura soluţie U ∈ M n,m(R) a sistemului de ecuaţii ma-triceale:
T U T = T, U T U = U, (T U )∗ = T U, (UT )∗ = U T. (17)
32
8/18/2019 sistemeliniare.pdf
33/39
Teorema -1.9 Fie T ∈ M m,n(R) şi b ∈ Rm.a) x0 din Rn verific ̆ a egalitatea
T x0 − b = inf x∈Rn T x − b (18)
dac ̆ a şi numai dac ̆ a T ∗T x0 = T ∗b.
b) Elementul x0 := T +b verific ̆ a egalitatea (18) şi, pentru orice alt element x0 ce verific ̆ a aceeaşi egalitate, avem x0 ≤ x0.
Reciproc, T + este unica solu ̧tie U ∈ M n,m(R)a problemei: Ub satisface egalitatea (18) pentru orice b ∈ Rm, iar pentru orice alt element x0, care verific ̆ a aceea ̧si egalitate,
avem Ub ≤ x0.
Prin această teoremă, în cazul unui sistem de ecuaţii liniare T x = b compatibil
nedeterminat, rezultă că T +b este o soluţie a acestui sistem (anume cea mai mică soluţie
în normă), iar, în cazul unui sistem incompatibil, T +b este acel element x, minim în
normă, pentru care T x − b este cel mai aproape de 0.În continuare presupunem că rang T = l ≤ min(m, n). Cu R(A) am notăm imaginea
matricei A ∈ M m,n(R), adică muļtimea {Ax | x ∈ Rn}.Determinarea pseudoinversei unei matrice se poate face cu algoritmi cu un număr
de paşi mai mic sau egal cu l. În această categorie intră următorii algoritmi
• (Grigore) Definim succesiv vectorii (yk)lk=1 ⊂ X , (wk)lk=1 ⊂ Rn şi matricele(H k)lk=0 ⊂ M n,m(R) astfel:
H 0 = 0.
yk ∈ R(T ∗) (adică în imaginea transpusei), astfel ca yk − H k−1T yk = 0,
wk := yk − H k−1T yk şi
H k := H k−1 + wk(T wk)
∗
T wk2 , ∀k = 1, l.
33
8/18/2019 sistemeliniare.pdf
34/39
Atunci H l = T + (pseudoinversa matricei T ).
Exemplul -1.18 Fie
T =
1 0 −10 1 0
1 1 −11 2 −1
cu rang (T ) = 2 şi H 0 = 0.
Luăm y1 = T ∗ ∗
1
00
0
= 1
0
−1 (avem y1 − H 0T y1 = y1 = 0. Atunci w1 =
y1 − H 0T y1 = y1 şi T w1 =
2
0
2
2
. Rezultă că T w12 = 12, iar w1(T w1)∗ =
2 0 2 2
0 0 0 0
−2 0 −2 −2
. Deci
H 1 = H 0 + w1(T w1)
∗
T w12 =
1/6 0 1/6 1/6
0 0 0 0
−1/6 0
−1/6
−1/6
.
Luăm y2 = T ∗ ∗
0
1
0
0
=
0
1
0
(avem y2 − H 1T y2 =
−1/21
1/2
= 0. Atunci
34
8/18/2019 sistemeliniare.pdf
35/39
w2 = y2 − H 1T y2 şi T w2 =
−11
0
1
. Rezultă că T w22 = 3, iar w2(T w2)∗ =
1/2 −1/2 0 −1/2−1 1 0 1
−1/2 1/2 0 1/2
. Deci
H 2 = H 1 +
w2(T w2)∗
T w22 =
1/3 −1/6 1/6 0
−1/3 1/3 0 1/3−1/3 1/6 −1/6 0
În concluzie
T + = H 2 =
1/3 −1/6 1/6 0
−1/3 1/3 0 1/3−1/3 1/6 −1/6 0
• (Gramm-Schmidt) Fie o bază e1, e2, . . . , el în R(T ∗) şi fie f i = T ei, ∀ i = 1, l.Definim, succesiv, elementele (ei)
li=1, (xi)
li=1 ⊂ Rn, (f i )li=1(yi)li=1 ⊂ Rm, astfel:
x1 = 1
f 1e1 şi y1 = T x1,
iar pentru i = 2, l
ei = ei −i−1
j=1f i, y j x j, f i = T ei şi xi =
1
f i
ei, yi = T xi
Definim matricea U ∈ Mn,m(R) prin
U :=l
i=1
xiy∗i
Atunci U = T +.
35
8/18/2019 sistemeliniare.pdf
36/39
Exemplul -1.19 Fie
T =
1 0 −1
0 1 0
1 1 −11 2 −1
cu dim R(T ∗) = 2
Luând e1 = (1;0; −1)∗, e2 = (0; 1;0)∗ (baz ̆ a în R(T ∗)) obţinem f 1 = (2;0;2;2)∗, f 2 =(0;1;1;2)∗. Atunci
x1 = 1
2√
3(1; 0;−1)∗, y1 = 1√
3(1;0;1;1)∗
În continuare
e2 = e2 − f 2, y1 x1 = 1
2(−1;2;1)∗ şi f 2 = T e2 = (−1;1;0;1)∗
Atunci
x2 = 1
2√
3(−1;2;1)∗, y2 = 1√
3(−1;1;0;1)∗
Rezult ̆ a c ̆ a
T + = x1y∗1 + x2y
∗2 =
1
6
2 −1 1 0
−2 2 0 2−2 1 −1 0
• (Stanica) Definim, succesiv, vectorii (uk)l−1k=0 ⊂ Rm, (vk)l−1k=0 ⊂ Rn, (wk)l−1k=0 ⊂ Rm
şi matricele (H k)lk=1 ⊂ M n,m(R) astfel:
H 0 = T ∗
.
vk ∈ R((I − T H k)∗T ), wk ∈ R(H k) astfel încît vk, T wk = 0,
uk := 1
vk, T wk(I − H kT )wk şi
H k+1 := H k + uk · v∗k, ∀k = 0, l − 1.
36
8/18/2019 sistemeliniare.pdf
37/39
Atunci H l = T +.
Exemplul -1.20 Fie
T =
1 0 −10 1 0
1 1 −11 2 −1
cu rang (T ) = 2 şi H 0 = T ∗
Luând a1 =
1
0
0
, b1 =
1
0
0
0
ob̧tinem v0 := (I − T H 0)∗T a1 =
−5−3−8−11
,
w0 = H 0b1 =
1
0
−1
, u0 := 1v0, T w0 (I − H 0T )w0 =
5/48
1/8
−5/48
,
H 1 := H 0 + u0 · v∗0 =
23/48 −5/16 1/6 −7/48−5/8 5/8 0 5/8
−23/48 5/16 1/6 7/48
Luând a2 =
0
1
0
, b2 =
0
1
0
0
obţinem v1 := (I − T H 1)∗T a2 =
7/8
−7/80
−7/8
, w1 =
37
8/18/2019 sistemeliniare.pdf
38/39
H 1b2 =
−5/165/8
5/16
, u1 := 1
v1, T w1(I − H 1T )w1 =
−1/61/3
1/6
, deci
T + = H 2 := H 1 + u1 · v∗1 =
1/3 −1/6 1/6 0
−1/3 1/3 0 1/3−1/3 1/6 −1/6 0
.Exemplul -1.21 Fie sistemul de ecua ̧tii liniare T x = b, unde
T =
1 0
−1
0 1 0
1 1 −11 2 −1
cu rang (T ) = 2 şi b =
0
1
1
2
(acest sistem este compatibil nedetreminat). Atunci
z = T +b = 1/3 −1/6 1/6 0
−1/3 1/3 0 1/3−1/3 1/6 −1/6 0
0
1
1
2
=
0
1
0
este o solu ̧tie a sistemului (compatibil nedeterminat) de ecua ̧tii liniare T x = b.
Exemplul -1.22 Fie sistemul de ecua ̧tii liniare T x = b, unde
T =
1 0
−1
0 1 0
1 1 −11 2 −1
cu rang (T ) = 2 şi b =
1
0
0
0
38
8/18/2019 sistemeliniare.pdf
39/39
(acest sistem este incompatibil). Atunci
z = T +b = 1/3
−1/6 1/6 0
−1/3 1/3 0 1/3−1/3 1/6 −1/6 0
1
0
0
0
= 1/3
−1/3−1/3
are proprietatea c ̆ a
T z − b = inf x∈Rn
T x − b
.
39