Gauss elimináció, LU felbontás

Hasonló dokumentumok
Gauss-eliminációval, Cholesky felbontás, QR felbontás

Gauss-Seidel iteráció

6. gyakorlat. Gelle Kitti. Csendes Tibor Somogyi Viktor. London András. jegyzetei alapján

Numerikus módszerek 1.

15. LINEÁRIS EGYENLETRENDSZEREK

9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, mátrixegyenlet

Mátrixok 2017 Mátrixok

Vektorok, mátrixok, lineáris egyenletrendszerek

12. előadás. Egyenletrendszerek, mátrixok. Dr. Szörényi Miklós, Dr. Kallós Gábor

Polinomok, Lagrange interpoláció

Lineáris algebra 2. Filip Ferdinánd december 7. siva.banki.hu/jegyzetek

Lineáris algebra Gyakorló feladatok

5. Előadás. (5. előadás) Mátrixegyenlet, Mátrix inverze március 6. 1 / 39

LINEÁRIS EGYENLETRENDSZEREK október 12. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak

Gauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei

Norma Determináns, inverz Kondíciószám Direkt és inverz hibák Lin. egyenletrendszerek A Gauss-módszer. Lineáris algebra numerikus módszerei

Legkisebb négyzetek módszere, Spline interpoláció

NUMERIKUS MÓDSZEREK I. TÉTELEK

10. Előadás. Megyesi László: Lineáris algebra, oldal. 10. előadás Sajátérték, Kvadaratikus alak

9. gyakorlat Lineáris egyenletrendszerek megoldási módszerei folyt. Néhány kiegészítés a Gauss- és a Gauss Jordan-eliminációhoz

1. Determinánsok. Oldjuk meg az alábbi kétismeretlenes, két egyenletet tartalmaz lineáris egyenletrendszert:

Diszkrét matematika I., 12. előadás Dr. Takách Géza NyME FMK Informatikai Intézet takach november 30.

Bázistranszformáció és alkalmazásai 2.

Lineáris algebra és a rang fogalma (el adásvázlat, szeptember 29.) Maróti Miklós

Lineáris egyenletrendszerek

3. Előadás. Megyesi László: Lineáris algebra, oldal. 3. előadás Lineáris egyenletrendszerek

41. Szimmetrikus mátrixok Cholesky-féle felbontása

1. Mátrixösszeadás és skalárral szorzás

Determinánsok. A determináns fogalma olyan algebrai segédeszköz, amellyel. szolgáltat az előbbi kérdésekre, bár ez nem mindig hatékony.

9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, Leontyev-modell

1. zárthelyi,

Numerikus módszerek I. zárthelyi dolgozat (2017/18. I., A. csoport) Megoldások

3. el adás: Determinánsok

MA1143v A. csoport Név: december 4. Gyak.vez:. Gyak. kódja: Neptun kód:.

Vektorterek. =a gyakorlatokon megoldásra ajánlott

Műveletek mátrixokkal. Kalkulus. 2018/2019 ősz

A KroneckerCapelli-tételb l következik, hogy egy Bx = 0 homogén lineáris egyenletrendszernek

Feladatok a Gazdasági matematika II. tárgy gyakorlataihoz

1. A kétszer kettes determináns

Feladat: megoldani az alábbi egyenletrendszert: A x = b,

Lineáris algebra. =0 iє{1,,n}

Intergrált Intenzív Matematika Érettségi

Bevezetés az algebrába 1

Gyakorló feladatok I.

I. VEKTOROK, MÁTRIXOK


Egyenletek, egyenlőtlenségek VII.

Lineáris egyenletrendszerek

A parciális törtekre bontás?

1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás)

5 = hiszen és az utóbbi mátrix determinánsa a középs½o oszlop szerint kifejtve: 3 7 ( 2) = (példa vége). 7 5 = 8. det 6.

3. Lineáris differenciálegyenletek

Numerikus matematika vizsga

KOVÁCS BÉLA, MATEMATIKA I.

Lineáris algebra. (közgazdászoknak)

Gazdasági matematika II. tanmenet

Ortogonalizáció. Wettl Ferenc Wettl Ferenc Ortogonalizáció / 41

Mátrixok, mátrixműveletek

Lineáris algebra zárthelyi dolgozat javítókulcs, Informatika I márc.11. A csoport

Normák, kondíciószám

KOVÁCS BÉLA, MATEMATIKA I.

Numerikus matematika. Irodalom: Stoyan Gisbert, Numerikus matematika mérnököknek és programozóknak, Typotex, Lebegőpontos számok

Algoritmusok Tervezése. 1. Előadás MATLAB 1. Dr. Bécsi Tamás

12 48 b Oldjuk meg az Egyenlet munkalapon a következő egyenletrendszert az inverz mátrixos módszer segítségével! Lépések:

Matematika (mesterképzés)

1 Lebegőpontos számábrázolás

Mátrixfelbontások BSc szakdolgozat

11. DETERMINÁNSOK Mátrix fogalma, műveletek mátrixokkal

1. Geometria a komplex számsíkon

Mer legesség. Wettl Ferenc Wettl Ferenc Mer legesség / 40

9. Előadás. (9. előadás) Lineáris egyr.(3.), Sajátérték április / 35

Megoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1

differenciálegyenletek

Lineáris leképezések (előadásvázlat, szeptember 28.) Maróti Miklós, Kátai-Urbán Kamilla

DETERMINÁNSSZÁMÍTÁS. Határozzuk meg a 1 értékét! Ez most is az egyetlen elemmel egyezik meg, tehát az értéke 1.

Egyenletek, egyenletrendszerek, matematikai modell. 1. Oldja meg az Ax=b egyenletrendszert Gauss módszerrel és adja meg az A mátrix LUfelbontását,

Matlab alapok. Baran Ágnes

rank(a) == rank([a b])

Első zárthelyi dolgozat megoldásai biomatematikából * A verzió

1. Mit jelent az, hogy egy W R n részhalmaz altér?

Rang, sajátérték. Dr. Takách Géza NyME FMK Informatikai Intézet takach/ február 15

Saj at ert ek-probl em ak febru ar 26.

Matematika szigorlat június 17. Neptun kód:

és n oszlopból áll, akkor m n-es mátrixról beszélünk. (Az oszlopok száma a mátrix vízszintes mérete, a sorok 2 3-as, a ij..

NUMERIKUS MÓDSZEREK PÉLDATÁR

Numerikus integrálás

karakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja

8. Előadás. Megyesi László: Lineáris algebra, , oldal. 8. előadás Mátrix rangja, Homogén lineáris egyenletrendszer

6. Függvények. 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban?

7. gyakorlat. Lineáris algebrai egyenletrendszerek megoldhatósága

2. előadás. Lineáris algebra numerikus módszerei. Mátrixok Mátrixműveletek Speciális mátrixok, vektorok Norma

KOVÁCS BÉLA, MATEMATIKA I.

Irodalom. (a) A T, B T, (b) A + B, C + D, D C, (c) 3A, (d) AD, DA, B T A, 1 2 B = 1 C = A = 1 0 D = (a) 1 1 3, B T = = ( ) ; A T = 1 0

Bevezetés a számításelméletbe (MS1 BS)

Matematika elméleti összefoglaló

Egészrészes feladatok

Valasek Gábor

összeadjuk 0-t kapunk. Képletben:

Kvadratikus alakok és euklideszi terek (előadásvázlat, október 5.) Maróti Miklós, Kátai-Urbán Kamilla

Totális Unimodularitás és LP dualitás. Tapolcai János

Átírás:

Közelítő és szimbolikus számítások 3. gyakorlat Gauss elimináció, LU felbontás Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor London András Deák Gábor jegyzetei alapján

1 EGYENLETRENDSZEREK 1. Egyenletrendszerek A numerikus eljárások egyik legfontosabb részét adják az Ax = b alakú egyenletrendszerek megoldásai. Lineáris egyenletrendszer nek nevezzük a következő alakú egyenletrendszereket: a 11 x 1 + a 1 x + + a 1n x n = b 1 a 1 x 1 + a x + + a n x n = b. a n1 x 1 + a n x + + a nn x n = b n ahol a ij C, tehát az együtthatók komplex számok is lehetnek. Egy egyszerű példa lineáris egyenletrendszerre: x 1 +4x +8x 3 = 5 6x 1 +1x +5x 3 = 7 x 1 +3x +3x 3 = 1 Mátrix alakban felírva: 4 8 5 A = 6 1 5, b = 7, x = 3 3 1 x 1 x x 3 Az Ax = b alakú lineáris egyenletrendszereknek pontosan akkor van egyetlen megoldásuk, ha az A mátrix nem szinguláris (ekkor reguláris, azaz det(a) 0, A rangja n), és ekkor ez a megoldás x = A 1 b. Definíció 1.1. Az A mátrix rangja a lineárisan független oszlopvektorainak száma. Definíció 1.. Vektorok egy halmazát lineárisan függetlennek nevezzük, ha egyikük sem fejezhető ki a többi vektor lineáris kombinációjaként. Definíció 1.3. A szinguláris mátrix egy olyan négyzetes mátrix, amely nem invertálható. Egy A négyzetes mátrix akkor és csak akkor szinguláris, ha a determinánsa 0, vagyis det(a) = 0. Definíció 1.4. Egy négyzetes A mátrix akkor invertálható, ha létezik olyan n n-es B mátrix, melyre igaz, hogy: AB = BA = I n, ahol I n az n n-es egységmátrixot jelöli. Ekkor B-t az A mátrix inverzének nevezzük (A 1 ). 1

GAUSS-ELIMINÁCIÓ Feladat 1. Oldjuk meg a fenti egyenletet a Matlab segítségével! Megoldás: >> A = [ 4 8; 6 1 5; 3 3]; >> b = [5 7 1]'; >> x = inv(a)*b %ez egyenerteku az x=a\b utasitassal A fenti módszer hátránya, hogy nagyon műveletigényes, illetve numerikusan instabil, emiatt ezt nem fogjuk használni (bár ebben a feladatban mindent kiszámol úgy ahogy kell, nézzük meg egy 1000 1000 méretű mátrixra).. Gauss-elimináció Olyan mátrixot viszonylag egyszerűen meg tudunk adni, amellyel balról való beszorzás azt eredményezi, hogy egy a vektor k-adik alatti együtthatói eltűnnek: a 1 a 1 1. a.. a.. M k a = 1 a k+1 /a a k = a k k. a... k+1 0.. a n /a k 1 0 Itt az M k mátrixban minden ki nem írt együttható nulla. Az a k együtthatót generálóelemnek hívjuk, magát az M k mátrixot pedig eliminációs mátrixnak, vagy Gausstranszformációs mátrix nak. A Gauss-elimináció lényege, hogy egy Ax = b alakú lineáris egyenletrendszerből eliminációs mátrixok segítségével olyat alakítunk ki, amely baloldalán egy felső háromszögmátrix van, így az egyenletrendszerbe való behelyettesítést meg tudjuk oldani, és így megkapjuk magának az egyenletrendszernek a megoldását is. Példa. Hajtsuk végre az adott egyenletrendszeren a Gauss-eliminációt! x 1 +6x +3x 3 = x 1 +5x +15x 3 = 4 3x 1 +10x +4x 3 = 6 a n

GAUSS-ELIMINÁCIÓ Megoldás. Írjuk fel mátrixos alakban az egyenletrendszert! (Ax = b) 6 3 1 5 15 3 10 4 x 1 x x 3 = 4 Egyenletek megoldásakor a bevett gyakorlat, hogy mindkét oldalon azonos műveleteket végzünk. Jelen esetben Gauss-transzformációs mátrixokat kell keresnünk, és ezekkel beszoroznunk az egyenlet mindkét oldalát balról, mivel a célunk az A mátrix felső háromszögmátrixszá alakítása. Röviden tehát a következő átalakításokat kell végrehajtanunk: M M 1 Ax = M M 1 b Először hajtsuk végre az A mátrixon a Gauss-elimináció lépéseit: 6 M 1 A = A 1 Azaz: M A 1 = A 6 3 6 3 1/ 1 0 1 5 15 = 0 7/ 3/ 0 1 3 10 4 0 1 1/ 6 3 6 3 0 1 0 0 7/ = 0 7/ 0 1/ 1 0 1 1/ 0 0 9/4 Majd a b vektoron is, ugyanazokkal a transzformációs mátrixokkal: M 1 b = b 1 M b 1 = b Azaz: 1/ 1 0 4 = 3 3/ 0 1 6 3 0 1 0 3 = 3 0 1/ 1 3 3/ 3

3 LU FELBONTÁS Az egyenletünket átrendeztük, most már újra felírhatjuk az átalakított formát és leolvashatjuk a megoldásokat: 6 3 0 7/ 0 0 9/4 x 1 x x 3 = 3 3/ x 3 = 6 9 Ellenőrzés. x = 3 7 x 3 x 1 = 6x 3x 3 = 84 9 = 14 9 14 9 + 684 9 3 6 9 = 14 9 + 584 9 15 6 9 = 4 3 14 9 + 1084 9 4 6 9 = 6 3. LU felbontás Az előbbi eljárás során észrevehettük, hogy egy alsó és egy felső háromszög-mátrix szorzatára bontottuk az A mátrixot. következőkben definiálunk. Ez fogja motiválni az LU felbontást, amit a Definíció 3.1. Az LU felbontás az eredeti A mátrixot két háromszög-mátrix szorzatára bontja: A = LU, ahol L = M 1 = (M n 1... M 1 ) 1 = M 1 1... M 1 n 1 = L 1... L n 1 De mégis hogy jött ez ki? Az előző konstrukcióból tudjuk, hogy M n 1 M n... M 1 A mátrix egy felsőtrianguláris mátrix, ez lesz most az U. Azt is tudjuk, hogy bármilyen reguláris X mátrixra A = X 1 XA igaz, mert az X 1 és az X,,kiüti egymást, azaz egységmátrix lesz belőle. Tehát ha X = M n 1...M 1, akkor az előbbi alapján kapjuk, hogy A = (M n 1..M 1 ) 1 (M n 1..M 1 )A, ebből az elejét, az (M n 1..M 1 ) 1 -et nevezzük L-nek, a maradék pedig az előbbi U mátrix. Foglalkozzunk egy kicsit az L = (M n 1 M n...m 1 ) 1 sorozattal. Ugyan így is ki lehetne számolni, de invertálni lassan tudunk mátrixot. Ehelyett azt használjuk ki, hogy (M n 1 M n...m 1 ) 1 = M 1 1 M 1...M 1 n 1 (mátrixok szorzatának inverze mindig egyenlő a 4

3 LU FELBONTÁS mátrixok inverzeinek fordított sorrendben vett szorzatával), mert ezeket az M i Gausstranszformációs mátrixokat könnyű invertálni, és így az L i = M 1 i mátrixokat könnyen kiszámolhatjuk, csak össze kell majd szorozni és megvan az L mátrixunk. Mivel az L i - k alsótrianguláris mátrixok, ezért az egész L is az lesz, mivel alsótrianguláris mátrixok szorzata alsótrianguláris. LUx = b alakba kerül. És ha ez a felbontás megvan, akkor az egyenletrendszerünk Példa. Adjuk meg az előző példa A mátrixának LU felbontását a most tanult módszerekkel! Megoldás. Az inverz mátrixot ebben az esetben könnyen megkapjuk, mindössze annyit kell tennünk, hogy a nem főátlóbeli elemek előjelét az ellentétesre változtatjuk. Tehát: M 1 = 1/ 1 0 = L 1 = 1/ 1 0 3/ 0 1 3/ 0 1 M = 0 1 0 = L = 0 1 0 0 1/ 1 L = L 1 L = 1/ 1 0 0 1/ 1 3/ 1/ 1 6 3 U = M M 1 A = 0 7/ 0 0 9/4 6 3 6 3 LU = 1/ 1 0 0 7/ = 1 5 15 = A 3/ 1/ 1 0 0 9/4 3 10 4 3.1 Lineáris egyenletrendszer megoldása LU felbontással Ahhoz, hogy eljussunk egy lineáris egyenletrendszer megoldásához, a következő lépéseket kell megtennünk: 1. Bontsuk fel az A mátrixot LU alakra ( LUx = b).. Oldjuk meg az Ly = b egyenletet y-ra. 3. Oldjuk meg az Ux = y egyenletet x-re. 5

3 LU FELBONTÁS Példa. Az eddigi példánk megoldása a fenti LU felbontásos egyenlettel. Megoldás. Ly = b Ux = y 1/ 1 0 3/ 1/ 1 6 3 0 7/ 0 0 9/4 x 1 x x 3 y 1 y y 3 = 4 = 3 = 3 3/ 6 3/ 14/9 = 84/9 6/9 3. LU felbontás Matlabban A Matlabban a következő függvénnyel tudunk egy LU felbontást végrehajtani: >> [L,U] = lu(a) egy felső trianguláris és egy permutált alsó trianguláris mátrixot eredményez úgy, hogy A = LU. >> [L,U,P] = lu(a) egy felső trianguláris, egy alsó trianguláris és egy permutációs mátrixot eredményez úgy, hogy P A = LU. >> A = [ 6 3; 1 5 15; 3 10 4]; >> b = [ 4 6]'; >> [L,U] = lu(a); >> y = L\b; >> x = U\y x = 7.3793.8966 0.069 6

4 FELADATOK 4. Feladatok 1. Legyen A egy 100 100 méretű, 1-től 10-ig véletlen elemeket tartalmazó mátrix, valamint legyen b egy 100 1 méretű, 1-től 10-ig véletlen elemeket tartalmazó vektor. Oldjuk meg az Ax = b egyenletet Matlabban (LU felbontás nélkül, az inverzzel való szorzást használva)!. Hasonló módon generáljunk egy A és b mátrixot, majd oldjuk meg azt a Matlab segítségével, az LU felbontást használva! 3. Hasonlítsuk össze a két módszer futásidejét! Tehát: generálni kell egy A-t és egy b-t, majd végrehajtani a hagyományos módszert és az LU felbontást is ugyan azon a generált A és b mátrixon. A futási időket a tic() és toc() függvényhívásokkal ellenőrizhetjük. 7