Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague
|
|
- Vratislav Sedlák
- před 5 lety
- Počet zobrazení:
Transkript
1 / 94 - a LU LU Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague
2 - a LU LU a LU 5 LU / 94
3 Gaussova eliminační metoda - a LU LU jde o přímou metodu pro řešení lineárních algebraických soustav nebo pro výpočet inverzní matice budeme uvažovat pouze regulární matice A C n,n na základě této metody je odvozeno mnoho modifikací metoda se skládá ze dvou fází přímý chod - spočívá v převedení úlohy A x = b na úlohu U x = d se stejným řešením x jako původní úloha, s horní trojúhelníkovou maticí U a modifikovanou pravou stranou d zpětný chod - spočívá v řešení úlohy U x = d pomocí zpětné substituce 2 / 94
4 3 / 94 - a LU LU Gaussova eliminační metoda - přímý chod Mějme regulární matici A C n,n a pravou stranu b C n Řešíme úlohu: a a 2 a n x b a 2 a 22 a 2n x 2 b 2 a n a n2 a nn x n = b n Předpokládáme, že první diagonální prvek a je nenulový Nazveme ho hlavním prvkem nebo pivotem v prvním kroku Podělíme první řádek soustavy číslem a a dostaneme:
5 4 / 94 - a LU LU Gaussova eliminační metoda - přímý chod u 2 u n a 2 a 22 a 2n a n a n2 a nn x x 2 x n kde u j = a j a pro j = 2, n a d = b a = d b 2 b n, Nyní odečteme jeho a i násobek od každého i-tého řádku pro i = 2, n Tím jsme vynulovali první sloupeček od druhého do posledního řádku
6 5 / 94 Gaussova eliminační metoda - přímý chod - a LU LU kde u 2 u n 0 a () 22 a () 2n 0 a () n2 a () nn x x 2 x n a () ij = a ij a i u j, b () i = b i a i d = d b () 2 b () n, pro i, j = 2,, n
7 6 / 94 - a LU LU Gaussova eliminační metoda - přímý chod V dalším kroku použijeme stejný postup na soustavu a () 22 a () 2n a () n2 a () nn která má o jedna menší rozměry x 2 x n = b () 2 b () n,
8 - a LU LU Gaussova eliminační metoda - přímý chod Po n krocích dojdeme k soustavě u 2 u 3 u n u 23 u 2n u n n x x 2 x n x n = kde v k-tém kroku počítáme pro i, j = k +,, n u kj = a(k ) kj a (k) a (k ) kk ij = a (k ) ij i = b (k ) i b (k), d k = b(k ) k a (k ) kk a (k ) ik u kj, a (k ) ik d k,, d d 2 d n d n, a definujeme a (0) ij = a ij a b (0) i = b i 7 / 94
9 8 / 94 - a LU LU Gaussova eliminační metoda - přímý chod pozor, v kódu indexujeme od 0 do n f o r ( i n t k = 0; k < n ; k++ ) 2 { 3 / 4 Deleni k teho radku pivotem 5 / 6 b [ k ] = b [ k ] / A [ k ] [ k ] ; 7 for ( i n t i = n ; i >= k ; i ) 8 { 9 A [ k ] [ i ] = A [ k ] [ i ] / A [ k ] [ k ] ; 0 } 2 / 3 Eliminace prvku pod pivotem 4 / 5 f o r ( i n t j = k +; j < n ; j ++ ) 6 { 7 / 8 Odecitani k teho radku od j teho 9 / 20 b [ j ] = b [ j ] A [ j ] [ k ] b [ k ] ; 2 f o r ( i n t i = k +; i < n ; i ++ ) 22 { 23 A [ j ] [ i ] = 24 A [ j ] [ i ] A [ j ] [ k ] A [ k ] [ i ] ; 25 } 26 A [ j ] [ k ] = 0 0; 27 } 28 }
10 9 / 94 - a LU LU Gaussova eliminační metoda - zpětný chod nyní řešíme soustavu s horní trojúhelníkovou maticí a pravou stranou d z poslední rovnice je snadno vidět, že x n = d n z předposlední rovnice a ze znalosti x n snadno dostaneme x n = d n u n,n x n obecně pak je pro k = n, x k = d k n i=k+ u ki x i
11 0 / 94 - a LU LU Gaussova eliminační metoda - zpětný chod f o r ( i n t k = n ; k >= 0; k ) 2 { 3 x [ k ] = b [ k ] ; 4 f o r ( i n t j = n ; j > k ; j ) 5 x [ k ] = x [ k ] A [ k ] [ j ] x [ j ] ; 6 }
12 / 94 - a LU LU Gaussova eliminační metoda - složitost 3 / 4 Deleni k teho radku pivotem 5 / 6 b [ k ] = b [ k ] / A [ k ] [ k ] ; 7 f o r ( i n t i = n ; i >= k ; i ) 8 { 9 A [ k ] [ i ] = A [ k ] [ i ] / A [ k ] [ k ] ; 0 } na řádku 6 provádíme jedno dělení a jedno přiřazení 2 operace na řádku 9 provádíme také jedno dělení a jedno přiřazení 2 operace řádek 9 je vnořen do cyklu, ve kterém se vždy provádí jedno porovnání (i >= k) a jedna dekrementace (i- -) 2 operace cyklus se provede n-k-krát 4(n k) operací přičteme 2 operace za řádek 6 a 2 operace za přiřazení i=n- z inicializace proměnné i v cyklu na řádku 7 celkem máme 4 + 4(n k) operací
13 2 / 94 - a LU LU Gaussova eliminační metoda - složitost přímého chodu 2 / 3 Eliminace prvku pod pivotem 4 / 5 f o r ( i n t j = k +; j < n ; j ++ ) 6 { 7 / 8 Odecitani k teho radku od j teho 9 / 20 b [ j ] = b [ j ] A [ j ] [ k ] b [ k ] ; 2 f o r ( i n t i = k +; i < n ; i ++ ) 22 { 23 A [ j ] [ i ] = 24 A [ j ] [ i ] A [ j ] [ k ] A [ k ] [ i ] ; 25 } 26 A [ j ] [ k ] = 0 0; 27 } Obdobně dostáváme: 3 operace na řádcích 23 a 24 2 operace v každém cyklu smyčky na řádku 20 celkem pro smyčku na řádcích 2 25 pak 5(n k ) + 2 na řádku 20 provádíme 3 operace uvnitř smyčky začínající na řádku 5, provádíme tedy 5(n k ) + 5 přidáme ještě 2 operace za porovnání a inkrementace ve smyčce 5(n k ) + 7 smyčka se provede (n k )-krát celkem tedy (včetně inicializace smyčky) [ ] 2+(n k ) [5(n k ) + 7] = 2+5 (n k ) 2 + 5(n k )
14 3 / 94 - a LU LU Gaussova eliminační metoda - složitost přímého chodu přičteme 4 + 4(n k) operací za řádky 3 0 vnitřek smyčky začínající na řádku, tedy obsahuje 4 + 4(n k) (n k ) (n k ) + }{{}}{{}}{{} 2 = r3 0 r2 27 r5;j=k+ = 5k 2 k(0n + 9) + n(5n + 9) 2 operací to vše je uvnitř smyčky iterující pro k =, n počítáme tedy sumu n 5k 2 k(0n + 9) + n(5n + 9) 2 + }{{} 2 k= k<n;k++ + }{{} () k=0
15 4 / 94 - a LU LU Gaussova eliminační metoda - složitost přímého chodu využijeme zde znalosti z prvního ročníku pro sčítání sumy n k 2 = n(n + )(2n + ) 6 k= celkový výsledek je n k= [ ] 5k 2 k(0n + 9) + (5n + 9)n 0 + = 5 3 n3 + 7n n + n3
16 5 / 94 - a LU LU Gaussova eliminační metoda - složitost přímého chodu při asymptotické analýze nás zajímá pouze asymptotické chování výsledného vztahu pro n zajímá nás proto pouze nejrychleji rostoucí člen celého výsledku, tj n 3 ten vznikl ze sumy n k= k 2 v sumě () ostatní členy této sumy jsme proto klidně mohli zanedbat stejně tak není důležitá konstanta 5 před k 2 ve stejné sumě proto také nemusíme odvozovat přesný počet operací, jen jejich řádový počet na CPU navíc stejně zpracování každé operace trvá různě dlouho, takže přesný výraz pro časovou náročnost není možné získat
17 - a LU LU Gaussova eliminační metoda - složitost přímého chodu zjednodušeně tak lze postupovat takto: v přímém chodu postupně v n krocích eliminujeme nenulové prvky pod diagonálou v k-tém kroku této úpravy nejprve dělíme k-tý řádek pivotem tj n k operací následně musíme v každém řádku s indexem k +,, n upravit prvky se sloupcovými indexy k,, n to je celkem (n k + ) 2 operací celý přímý chod tak zabírá (n k můžeme zanedbat, je řádově menší) n (n k + ) 2 n 3 operací k= 6 / 94
18 7 / 94 - a LU LU Gaussova eliminační metoda - složitost zpětné substituce zpětný chod budeme analyzovat již stručněji ve zpětném chodu celkem v n krocích postupně napočítáváme hodnoty řešení x n v každém kroku k od hodnoty d n k+ odečítáme násobky již napočítaných složek řešení vektoru x, kterých je n k + celková složitost je n n k + n 2 k=
19 8 / 94 - Gaussova eliminační metoda - složitost zpětné substituce a LU LU složitost n 3 je velmi nepříjemná je vhodná pro malé matice, ale pro velké je neúnosně pomalá
20 9 / 94 - a LU LU Gaussova eliminační metoda - výpočetní příklady Příklady lze nejsnáze zkoušet v systému Linux Pod Windows lze provozovat Linux virtuálně pomocí např VMware wwwvmwarecom/go/tryplayerpro-win-64 nebo VirtualBox wwwvirtualboxorg následně lze nainstalovat např Ubuntu Linux wwwubuntucom/download/desktop zdrojové kódy s numerickými metodami lze získat na adrese gitlabcom/oberhubertomas/fjfi-num-src tlačítkem Download vedle History a Find file # R o z b a l i t a r c h i v se zdrojovymi kody 2 t a r x v f f j f i num src master <ID > t a r gz 3 # Presunout se do vytvoreneho adresare 4 cd f j f i num src master <ID> 5 # P r e l o z i t zdrojove kody 6 make 7 #Pripadne j e mozne j e n a i n s t a l o v a t do $ {HOME} / l o c a l / bin 8 make i n s t a l l
21 20 / 94 - a LU LU Gaussova eliminační metoda - výpočetní příklady metoda je implementovaná v programu bin/gem-solver má tyto parametry --input-file maticemtx soubor ve formátu mtx se vstupní maticí pravá strana se napočítá tak, aby řešením byl vektor ze samých jedniček --pivoting yes/no zapíná pivoting pro vyšší stabilitu (viz další část přednášky) --verbose n nastavuje úroveň vypisovaných informací v průběhu výpočtu
22 2 / 94 - a LU LU Example Gaussova eliminační metoda - výpočetní příklady v adresáři data je několik malých vzorových matic vyzkoušejte následující výpočty bin / gem s o l v e r input f i l e data / matrix mtx verbose 0 2 bin / gem s o l v e r input f i l e data / matrix mtx verbose 3 bin / gem s o l v e r input f i l e data / matrix mtx verbose 2
23 - a LU LU Example 2 Gaussova eliminační metoda - výpočetní příklady na stránkách najděte jiné matice a ozkoušejte rychlost a stabilitu Například: bin / gem s o l v e r input f i l e bcsstk0 mtx 2 bin / gem s o l v e r input f i l e bcsstk06 mtx 3 bin / gem s o l v e r input f i l e bcsstk mtx 22 / 94
24 23 / 94 - a LU LU Pravidla o elementárních úpravách Definition 3 Elementární úpravou provedenou v obdélníkové matici A C n,n nazveme: násobení všech prvků zvoleného i-tého řádku resp sloupce číslem α přičtení α-násobku prvků zvoleného j-tého řádku resp sloupce k prvkům i-tého řádku resp sloupce
25 24 / 94 - a LU LU Pravidla o elementárních úpravách Remark 4 Násobení i-tého řádku resp sloupce matice A číslem α je ekvivalentní násobení matice A zleva resp zprava maticí α 0 0 0, s číslem α na i-tém řádku
26 - a LU LU Pravidla o elementárních úpravách Remark 5 Přičtení α-násobku prvků zvoleného j-tého řádku resp sloupce matice A k jejímu i-tému řádku resp sloupci je ekvivalentní násobení matice A zleva resp zprava maticí 0 0, α 0 0 tj s maticí s jedničkami na diagonále a číslem α na i-tém řádku a j-tém sloupci 25 / 94
27 26 / 94 - Pravidla o elementárních úpravách a LU LU Remark 6 Provedeme-li na řádky resp sloupce obdélníkové matice A konečný počet elementárních úprav, je výsledek stejný, jako když matici A vynásobíme zleva resp zprava maticí, která vznikne z matice I stejnými úpravami
28 27 / 94 - a LU LU Gaussova eliminační metoda - nyní si popíšeme v maticovém tvaru, který nám pomůže odvodit, za jakých podmínek lze tuto metodu použít pro zjednodušení zápisu si zavedeme rozšířenou matici soustavy a a 2 a n b a 2 a 22 a 2n b 2 P = a n a n2 a nn b n
29 28 / 94 - a LU LU Gaussova eliminační metoda - na konci prvního kroku přímého chodu má rozšířená matice soustavy tvar u 2 u n d P () 0 a () = 22 a () 2n b () 2 0 a () n2 a () nn b () n toho bylo dosaženo vhodnými elementárními úpravami víme, že každou tuto úpravou lze popsat pomocí vhodné matice
30 29 / 94 - a LU LU Gaussova eliminační metoda - vydělení prvního řádku matice P číslem a je ekvivalentní vynásobení matice P zleva maticí M () = a
31 30 / 94 - a LU LU Gaussova eliminační metoda - přičtení a 2 násobku prvního řádku k druhému řádku je ekvivalentní vynásobení matice P zleva maticí a 2 M () 2 =
32 3 / 94 - a LU LU Gaussova eliminační metoda - přičtení a k násobku prvního řádku ke k-tému řádku je ekvivalentní vynásobení matice P zleva maticí M () k = a k
33 32 / 94 - a LU LU Gaussova eliminační metoda - dohromady pak je M () = M () n M () = a a 2 a a n a
34 33 / 94 - a LU LU Gaussova eliminační metoda - obecně před zahájením k-tého kroku máme matici P (k ) tvaru u 2 u k u n d u 2k u 2n d 2 u k,k u k,n d k a (k ) kk a (k ) kn a (k ) nk a (k ) nn b (k ) k b (k ) n
35 34 / 94 - a LU LU Gaussova eliminační metoda - na konci k-tého kroku máme matici P (k) tvaru u 2 u k u,k+ u n d u 2k u 2,k+ u 2n d 2 u k,k u k,k+ u k,n d k u k,k+ u kn d k a (k) k+,k+ a (k) k+,n a (k) n,k+ a (k) nn b (k) k+ b (k) n
36 35 / 94 - a LU LU Gaussova eliminační metoda - toho jsme dosáhli násobením matice P (k ) zleva maticí M (k) tvaru a (k ) kk a(k ) k+,k a (k ) kk a(k ) nk a (k ) kk
37 36 / 94 - a LU LU Gaussova eliminační metoda - na konci přímého chodu máme matici P (n) tvaru u 2 u n d u 2n d 2 u n,n d n d n přitom platí P (n) = M (n) M (n ) M () P = MP, kde jsme definovali M = M (n) M (n ) M ()
38 37 / 94 - a LU LU Gaussova eliminační metoda - v blokovém zápisu pak vidíme, že ( MP = MA, M ) b pokud zavedeme značení pak dostáváme P (n) = ( U, ) d, U = MA A = M U
39 - a LU LU Gaussova eliminační metoda - jelikož M je dolní trojúhelníková, víme, že i M je dolní trojúhelníková a její diagonální prvky jsou převrácené hodnoty diagonálních prvků matice M diagonálu matice M tedy tvoří prvky { } a, a () 22 an nn definujme matici pak lze psát D = diag A = ( ) a, a () 22 an nn, ( M D ) DU, kde matice M D má jedničky na diagonále dostali jsme tak tvaru A = LDR 38 / 94
40 39 / 94 - a LU LU Gaussova eliminační metoda - víme, že A = LDR existuje jen pro silně regulární matice to vyžaduje, aby všechny "horní levé" čtvercové "podmatice" byly regulární to bude tehdy, když během výpočtu nenarazíme na nulového pivota provedeme přesný důkaz
41 40 / 94 - a LU LU Gaussova eliminační metoda - Theorem 7 Základní lze provést právě tehdy, když matice lineární soustavy A je silně regulární
42 40 / 94 - a LU LU Gaussova eliminační metoda - Theorem 7 Základní lze provést právě tehdy, když matice lineární soustavy A je silně regulární Co když ale matice není silně regulární, ale přitom je regulární? Víme, že řešení soustavy existuje a rádi bychom ho nějak získali
43 4 / 94 - a LU LU Gaussova eliminační metoda pokud matice soustavy není silně regulární, nastane situace, že se objeví nulový pivot a (k ) kk řešením je zvolit za vedoucí prvek některý jiný nenulový z matice a (k ) kk a kn (k ) a (k ) nk a nn (k ) jelikož matice A je regulární, nemůže být uvedená submatice nulová pro úvahu nad tím, jak vybrat nejlepšího pivota se podívejme na následující příklad
44 42 / 94 - a LU LU Gaussova eliminační metoda Example 8 Co způsobí malý pivot v aritmetice s konečnou přesností F (0, 2, 5, 5)? Mějme následující soustavu a provádějme základní vidíme, že poslední dva řádky jsou lineárně závislé došlo k tomu, že díky dělení malým pivotem vznikl extrémně velký řádek, který pak přebil všechny následující řádky
45 43 / 94 - a LU LU Gaussova eliminační metoda Example 9 Naopak velký pivot v aritmetice s konečnou přesností F (0, 2, 5, 5) se bude chovat následovně po vydělení jsme dostali hodně velký řádek, který při následných úpravách zbytek matice ovlivnil jen málo došlo také k výpočetním chybám, ale takovým, které příliš neovlivní následující výpočet
46 44 / 94 - a LU LU Gaussova eliminační metoda modifikovaná tedy spočívá ve výběru vhodného pivota z předchozích úvah plyne, že je nejlepší vybírat za pivota velké prvky (v absolutní hodnotě), např největší prvek z matice a (k ) kk a kn (k ) a (k ) nk a nn (k ) pokud se nachází v i-tém řádku a j-tém sloupci, provedeme prohození i-tého a k-tého sloupce a j-tého a k-tého řádku a dál pokračujeme jako u běžné nevýhoda tohoto postupu je, že musíme vždy prohledávat k 2 prvků a prohazovat i řádky proto často vybíráme v absolutní hodnotě největší prvek z k-tého sloupce
47 45 / 94 - Gaussova eliminační metoda a LU LU v obou případech získáme nakonec permutaci řádků nebo i sloupců, která převede původně pouze regulární matici na silně regulární
48 46 / 94 a více pravých stran - a LU LU s výhodou lze využít toho, že přímý chod, který je mnohem pomalejší než zpětný, lze provést s několika pravými stranami aniž by se výpočet výrazně zpomalil zpětný chod sice musím provést pro každou pravou stranu zvlášt, ale je řádově rychlejší než přímý, takže to tolik nevadí v praxi ale bohužel většinou pravé strany získáváme postupně, tj po vyřešení soustavy s jednou pravou stranou jsme schopni napočítat další pravou stranu ukážeme si metodu, která umí novou pravou stranu rychle převést na tvar vhodný pro zpětný chod jde vlastně o LU
49 47 / 94 a LU - a LU LU ukázali jsme si, že výsledek je A = M U = LU dostáváme tak A x = b LU x = b označíme-li dostáváme U x = d L d = b
50 a LU - a LU LU úlohu A x = b jsem převedli na úlohu A = LU L d = b U x = d jelikož matice L a U jsou trojúhelníkové, je vyřešení soustav v druhém a třetím kroku velmi rychlé (O(n 2 )) první krok má složitost n 3 (bude vidět později), ale je nezávislý na pravé straně b matice na horní a dolní trojúhelníkovou se většinou označuje jako LU podle lower and upper triangular matrix ukážeme si, jak získat LU pomocí 48 / 94
51 49 / 94 - a LU LU a LU zajímá nás, jak vypadá matice L = M víme, že M se rovná součinu matic M (k), které reprezentují všechny elementární úpravy provedené v k-tém kroku přímého chodu tj a tedy je M = M (n) M (n ) M () M = (M ()) (M (2)) (M (n)) nyní nás tedy zajímá, jak získat inverzní matici ( M (k) ) pro k-tý krok přímého chodu
52 50 / 94 a LU - a LU LU ze vztahu M (k) = M (k) n M (k) k plyne (M (k)) ( ) ( = M (k) k M (k) n ) budou nás tedy zajímat inverzní matice k maticím elementárních úprav
53 5 / 94 a LU - a LU LU matice M (k) k odpovídá elementární úpravě vydělení k-tého řádku číslem a (k ) kk M (k) k = a (k ) kk
54 52 / 94 - a LU LU a LU k ní inverzní matice tedy musí odpovídat opačné elementární úpravě, tj násobení k-tého řádku stejným číslem platí tedy ( M (k) k ) = a (k ) kk
55 53 / 94 a LU - a LU LU matice M (k) i pro i > k odpovídá elementární úpravě odečtení a (k ) ik násobku k-tého řádku od i-tého M (k) i = a (k ) ik
56 54 / 94 - a LU LU a LU k ní inverzní matice tedy musí odpovídat opačné elementární úpravě, tj přičtení a (k ) ik násobku k-tého řádku k i-tému platí tedy ( M (k) i ) = a (k ) ik
57 55 / 94 a LU - a LU LU ze znalosti inverzních matic k jednotlivým elementárním úpravám již můžeme získat inverzní matici k matici vyjadřující elementární úpravy v k-tém kroku přímého chodu jelikož M (k) = M (k) n (M (k)) = ( M (k), platí, že M (k) k k ) ( již víme, že při součinu matic M (k) k+ ) ( M (k) n ( ) M (k) ( k+ ) M (k) n vlastně provádíme "sjednocení" nenulových prvků všech matic )
58 56 / 94 - a LU LU ( je tedy M (k) k ) ( a LU M (k) n ) = a (k ) k,k a (k ) k+,k a (k ) n,k dále platí, že M = ( M ()) ( M (2) ) ( M (n) )
59 57 / 94 - a LU LU Lemma 0 Pro i < j platí aii a i+,i a ni aii a i+,i b jj b j+,j a ni b nj a LU 0 = bjj b j+,j b nj
60 58 / 94 a LU - a LU LU Z předchozího lemmatu dostáváme, že M = a a 2 a () 22 a 3 a () 32 a (2) 33 a k a () k2 a (k 2) k,k a (k ) kk a n a () n2 a (n ) nn
61 59 / 94 - a LU LU a LU při výpočtu LU u je dobré využít faktu, že nemusíme ukládat jedničky na diagonále horní trojúhelníkové matice tím získáváme dostatek prostoru pro uložení dolní trojúhelníkové matice v praxi opravdu v paměti počítače pracujeme jen s jednou maticí, která na počátku obsahuje prvky matice A a s tím, jak nulujeme její prvky pod diagonálou získáváme volné místo pro prvky dolní trojúhelníkové matice pokud se nyní podíváme na prvky matice M, vidíme, že jsou to přesně prvky, které vznikají pod diagonálou během přímého chodu k získání LU u nám tak vlastně stačí nenulovat prvky pod diagonálou během přímého chodu při si tak ušetříme práci a jako bonus získáme LU pro případ, že bychom řešili stejnou soustavu jen s jinou pravou stranou v literatuře se tak často místo mluví o LU u, jsou to vlastně ekvivalentní úlohy, ale LU je o něco rychlejší a užitečnější
62 60 / 94 - a LU LU a LU f o r ( i n t k = 0; k < n ; k++ ) 2 { 3 / 4 Deleni k teho radku pivotem 5 / 6 f o r ( i n t i = n ; i > k ; i ) 7 { 8 A [ k ] [ i ] = A [ k ] [ i ] / A [ k ] [ k ] ; 9 } 0 / 2 Uprava o s t a t n i c h radku 3 / 4 f o r ( i n t j = k +; j < n ; j ++ ) 5 { 6 / 7 Odecitani k teho radku od j teho 8 / 9 f o r ( i n t i = k +; i < n ; i ++ ) 20 { 2 A [ j ] [ i ] = 22 A [ j ] [ i ] A [ j ] [ k ] A [ k ] [ i ] ; 23 } 24 } 25 }
63 6 / 94 LU - a LU LU máme-li napočítaný LU, lze řešit soustavu A x = b se složitostí n 2, dokonce se stejným počtem operací, jako u násobení čtvercové matice a vektoru navíc jen n dělení proto se LU někdy považuje za ekvivalent inverzní matice
64 - a LU LU Example Mějme matici A = Provedeme její LU A = Příklad / 94
65 63 / 94 - a LU LU M k = a (k ) kk a(k ) k+,k a (k ) kk a(k ) nk a (k ) kk 0 0 M = 2 0, M 2 = (M ) = 2 0, (M 2 ) = 4 0, (M k ) , M 3 = 0 6 Příklad a (k ) k,k a (k ) k+,k a (k ) n,k , (M 3 ) =
66 64 / 94 - a LU LU 0 0 M = A = M U = LU =, M = Příklad , Necht b = (6, 6, 6) T, pak řešíme A x = b jako LU x = b, tj Dostáváme U x = d, L d = b d = (6, 6, ) T, x = (,, ) T
67 65 / 94 - a LU LU LU faktorizaci je také známo jako Croutova nebo Doolittlova faktorizace vychází ze vztahu a ij = min(i,j) k= l ik u kj a předpokládáme, že u ii = pro i =,, n Croutova metoda pro j = a i =, n je a i = l i u l i = a i pro i = a j = 2, n je a j = l u j = u j u j = a i /l
68 66 / 94 - a LU LU pro j = 2 a i = 2, n LU faktorizaci a i2 = l i u 2 + l i2 u 22 l i2 = a i2 l i u 2 pro i = 2 a j = 3,, n je a 2j = l 2 u j + l 22 u 2j u 2j = (a 2j l 2 u j )/l 22
69 67 / 94 - a LU LU LU faktorizaci obecně tak vidíme, že pro pevně daný sloupec j a i = j,, n je a ij = j j j l ik u kj = l ik u kj + l ij u jj l ij = a ij l ik u kj k= k= a pro pevně daný řádek i a j = i +, n je a ij = k= k= k= k= i i i l ik u kj = l ik u kj +l ii u ij u ij = (a ij l ik u kj )/l ii
70 68 / 94 - a LU LU LU faktorizaci lze provést, pokud jsou diagonální prvky matice L nenulové tato matice ale z jednoznačnosti LU u musí být stejná, jako matice L z a ta má na diagonále pivoty z, tj předpoklady pro oba algoritmy jsou stejné prvky LU u se u této metody napočítají v jednom kroku a neprochází postupným přepočítáváním jako u to napomáhá lepší přesnosti ale umožňuje pivoting jakmile napočítáme prvek l ij nebo u ij nepotřebujeme už znát a ij lze tudíž napočítat tak, že postupně přepisujeme matici A a nepotřebujeme pamět navíc
71 69 / 94 - a LU LU ze vztahů a LU faktorizaci j l ij = a ij l ik u kj pro j i k= i u ij = (a ij l ik u kj )/l ii pro i < j k= je vidět, že prvky u ij a l ij závisí spojitě na a ij Theorem 2 Prvky matic L a U z LU u jsou spojitou funkcí prvků matice A
72 70 / 94 - a LU LU LU faktorizaci f or ( i n t step = 0; step < n ; step++ ) 2 { 3 const i n t j = step ; 4 / 5 Napocitej j ty sloupec matice L ( pod diagonalou vcetne ) 6 / 7 f o r ( i n t i = step ; i < n ; i ++ ) 8 { 9 double aux ( 00 ) ; 0 f o r ( i n t k = 0; k < j ; k++ ) aux += A [ i ] [ k ] A [ k ] [, j ] ; 2 A [ i ] [ j ] = aux ; 3 } 4 5 / 6 Napocitej i ty radek matice U ( za diagonalou ) 7 / 8 f o r ( i n t j = step + ; j < n ; j ++ ) 9 { 20 const i n t i = step ; 2 double aux ( 00 ) ; 22 f o r ( i n t k = 0; k < i ; k++ ) 23 aux += A [ i ] [ k ] A [ k ] [ j ] ; 24 A [ i ] [ j ] = aux ; 25 A [ i ] [ j ] /= A [ i ] [ i ] ; 26 } 27 }
73 LU faktorizaci - a LU LU Example 3 Napočítejte LU matice A = pomocí Croutovy metody / 94
74 72 / 94 - a LU LU Příklad LU pomocí je implementován v programech lu-solver a lu-test --input-file maticemtx soubor ve formátu mtx se vstupní maticí pro lu-solver pravá strana se napočítá tak, aby řešením byl vektor ze samých jedniček --method gem/crout volba metody --verbose n nastavuje úroveň vypisovaných informací v průběhu výpočtu
75 73 / 94 Příklad - a LU LU program lu-test porovnává přesnost LU u tak, že nakonec vynásobí matice L a U a napočítá normu rozdílu od matice A bin / lu t e s t input f i l e data / matrix mtx verbose 3 method gem 2 bin / lu t e s t input f i l e data / matrix mtx verbose 3 method crout 3 bin / lu t e s t input f i l e data / matrix 2mtx verbose 3 method gem 4 bin / lu t e s t input f i l e data / matrix 2mtx verbose 3 method crout program lu-solver nejprve vypočítá LU a pomocí něj následně řeší soustavu se zadanou maticí slouží jako názorná ukázka toho, jak dlouho trvá výpočet LU u, což přesně odpovídá délce běhu, oproti využití již napočítaného LU u to je ovšem poznat až na větších maticích bin / lu solver input f i l e data / sherman 5mtx method gem
76 74 / 94 - a LU LU LU pro symetrické matice - Theorem 4 Je-li matice A hermitovská a pozitivně definitní, pak existuje její hermitovský symetrický, tj A = S S, kde matice S je horní trojúhelníková Tomuto u se říká (dekompozice)
77 75 / 94 - a LU LU LU pro symetrické matice - dekompozice pro jednoduchost se omezíme na symetrické matice, následující platí s malými obměnami i pro hermitovské matice je-li matice A symetrická, lze v počítači uložit jen její jednu polovinu a diagonálu předchozí věta říká, že pro výpočet jejího LU nebudeme potřebovat více prostoru v paměti při použití pro LU symetrické matice stačí upravovat jen horní polovinu a na diagonále ukládat odmocniny pivotů
78 76 / 94 - a LU LU LU pro symetrické matice - dekompozice je dán vztahy j l ii = aii l ik l ik, pro i =,, n a j k= l ij = (a ij l ik l jk )/l ii k= pro j < i n
79 - a LU LU LU pro symetrické matice - dekompozice Example 5 Spočítejte matice Řešení: A = L = / 94
80 78 / 94 - a LU LU Modifikace pro tridiagonální systém mějme následující soustavu se silně regulární maticí a b x c 2 a 2 b 2 x 2 c 3 a 3 b 3 x 3 = c n a n b n c n a n x n x n matici tohoto tvaru říkáme tridiagonální soustavy tohoto tvaru lze řešit velmi efektivně d d 2 d 3 d n d n
81 79 / 94 - a LU LU Modifikace pro tridiagonální systém přímý chod by eliminoval prvky pod diagonálou a změnil pravou stranu: µ µ 2 µ 3 µ n x x 2 x 3 x n x n = ρ ρ 2 ρ 3 ρ n ρ n chceme tedy najít vztahy pro výpočet koeficientů µ i pro i n ˆ a ρ i pro i ˆn
82 80 / 94 - a LU LU z první rovnice snadno vidíme, že soustava přejde na tvar µ c 2 a 2 b 2 c 3 a 3 b 3 Modifikace pro tridiagonální systém µ = b a, ρ = d a c n a n b n c n a n x x 2 x 3 x n x n = nyní vidíme, že první řádek využijeme jen k eliminaci jednoho nenulového prvku před diagonálou na druhém řádku, to je výrazně méně práce než u obecné odečteme c 2 násobek prvního řádku od druhého ρ d 2 d 3 d n d n
83 8 / 94 - a LU LU dostáváme µ a 2 c 2 µ b 2 c 3 a 3 b 3 c n a n b n c n a n následně podělíme druhý řádek pivotem dostáváme µ b 2 a 2 c 2 µ a 2 c 2 µ c 3 a 3 b 3 c n a n b n c n a n Modifikace pro tridiagonální systém x x 2 x 3 x n x n x x 2 x 3 x n x n = = ρ d 2 c 2 ρ d 3 ρ d 2 c 2ρ a 2 c 2 µ d 3 d n d n d n d n a tedy µ 2 = b 2 a 2 c 2µ, ρ 2 = d 2 c 2 ρ a 2 c 2µ
84 82 / 94 - a LU LU Modifikace pro tridiagonální systém v k-tém kroku máme na začátku soustavu tvaru µ x ρ µ k x k ρ k c k a k b k x k = d k c n a n b n x n d n c n a n x n d n odečteme c k násobek k -tého řádku od k-tého µ x µ k x k a k c k µ k b k x k c k+ a k+ b k+ x k+ = c n a n b n x n c n a n x n nyní podělíme k-tý řádek pivotem a k c k µ k a dostáváme ρ ρ k d k c k ρ k d k+ d n d n b k µ k =, a k c k µ k ρ k = d k c k ρ k a k c k µ k
85 83 / 94 - a LU LU µ n Modifikace pro tridiagonální systém z tvaru matice soustavy na konci přímého chodu, tj µ x ρ µ 2 x 2 ρ 2 µ 3 x 3 ρ 3 = x n x n snadno odvodíme vztahy pro zpětný chod x n = ρ n x n = ρ n µ n x n ρ n ρ n x k = ρ k µ k x k+ x = ρ µ x 2
86 84 / 94 - a LU LU Modifikace pro tridiagonální systém Metoda faktorizace pro tridiagonální soustavy µ = b a, ρ = d a pro k = 2, n napočítáme µ k = b k a k c k µ k, a ρ n = dn cnρ n a n c nµ n položíme x n = ρ n pro k = n,, napočítáme x k = ρ k µ k x k+ ρ k = d k c k ρ k a k c k µ k,
87 85 / 94 - a LU LU Kód Thomasova algoritmu: Modifikace pro tridiagonální systém / 2 E l i m i n u j prvky pod diagonalou 3 / 4 A [ 0 ] [ ] /= A [ ( 0 ] [ 0 ] ; 5 b [ 0 ] /= A [ 0 ] [ 0 ] ; 6 A [ 0 ] [ 0 ] = 0 ; 7 f o r ( i n t k = ; k < n ; k++ ) 8 { 9 b [ k ] = ( b [ k ] A [ k ] [ k ] b [ k ] ) / 0 ( A [ k ] [ k ] A [ k ] [ k ] A [ ( k ] [ k ] ) ; i f ( k < n ) 2 { 3 A [ k ] [ k+ ] = A [ k ] [ k+ ] / 4 ( A [ ( k ] [ k ] A [ k ] [ k ] A [ k ] [ k ] ) ) ; 5 A [ k ] [ k ] = 0 ; 6 } 7 } 8 9 / 20 Zpetna s u b s t i t u c e 2 / 22 f o r ( i n t k = n 2; k >= 0; k ) 23 b [ k ] = b [ k ] A [ k ] [ k+ ] b [ k + ] ;
88 86 / 94 - a LU LU Modifikace pro tridiagonální systém je implementován v programu thomas-solver --size n velikost matice soustavy její tvar je A = pravá strana se napočítá tak, aby řešením byl vektor ze samých jedniček program řeší zadanou soustavu nejprve pomocí u a pak pomocí Thomasova algoritmu pro porovnání efektivity obou řešičů --verbose n nastavuje úroveň vypisovaných informací v průběhu výpočtu
89 87 / 94 - a LU LU mějme soustavu A x = b se silně regulární maticí A s následující blokovou strukturou A C x d A 2 C 2 x 2 d2 = A r B B 2 B r A r C r x r x r dr dr rozměry bloků mohou být různé, ale požadujeme, aby A i, C i, x i a d i měly stejný počet řádků pro i r ˆ, aby B, B, B r, A r, x r dr měly stejný počet řádků, aby A i a B i měly stejný počet sloupců pro i r ˆ, a aby C, C r a A r měly stejný počet sloupců
90 88 / 94 - a LU LU provedeme blokovou Gaussovu eliminaci, tj i-tý řádek vynásobíme maticí A i pro i r ˆ I A C x I A 2 C 2 x 2 I A r C = r x r B B 2 B r A r x r od posledního řádku postupně odečteme B i násobek i-tého řádku I I A C A d A 2 d 2 A r d r dr A 2 C 2 I A r C r A r B A C B 2 A 2 C 2 B r A r C r A d A 2 d 2 A r d r dr B A d B 2 A 2 d 2 B r A r d r x x 2 x r x r =
91 89 / 94 - a LU LU Definition 6 Matice S = A r B A C B 2 A 2 C 2 B r A r C r se nazývá matici jsem převedli na blokově horní trojúhelníkovou zavedeme značení s = d r B A d B 2 A 2 d 2 B r A r d r pak má soustava tvar I A C I A 2 C 2 I A r C r S x x 2 x r x r snadno vidíme, že řešení lze získat jako = x r = S s x r = A r d r A r C r x r x = A d A C x r A d A 2 d 2 A r d r s
92 90 / 94 - a LU LU Výpočet probíhá takto: nejprve napočítáme inverze A i pro i r ˆ, v případě paralelního výpočtu to lze provést současně napočítá se S vyřeší se soustava S x r = s napočítají se zbylé složky řešení x r,, x, to lze také provést paralelně
93 9 / 94 - a LU LU na Schurově doplňku jsou postaveny některé metody pro paralelní řešení lineárních soustav, to je dáno blokovým tvarem matice pro soustavy pocházející z řešení parciálních diferenciálních rovnic je to metoda zvaná domain decomposition teoreticky můžeme uvažovat, že bloky mají velikost, a jde zase jen o speciální tvar matice podobně, jako u tridiagonální matice takové matice se ale neobjevují často na rozdíl od tridiagonálních matic má ale i jiný význam než jen pro paralelizaci
94 92 / 94 - a LU LU pro r = 2 nemusí být původní soustava ani řídká dostáváme ( A C B A 2 ) ( x x 2 ) ( d d2 pokud je A např tridiagonální nebo symetrická nebo pozitivně definitní můžeme k výpočtu její inverze využít efektivnější metody, které už známe tento postup se velice často používá pro soustavy, které jsou indefinitní, tj mají kladná i záporná vlastní čísla běžné metody zde nejsou příliš efektivní )
95 93 / 94 - a LU LU také jsme si na Schurově doplňku ukázali, jak provádět na blokové matice podobný postup lze použít i pro blokově tridiagonální matice nebo jiné blokově výhodně uspořádání matice
96 94 / 94 - a LU LU odvození včetně algoritmu pro jaké matice lze použít vysvětlit modifikovanou k čemu slouží a jak lze napočítat LU k čemu slouží a jak lze napočítat řešení soustav s tridiagonální maticí co je to
4. Trojúhelníkový rozklad p. 1/20
4. Trojúhelníkový rozklad 4. Trojúhelníkový rozklad p. 1/20 4. Trojúhelníkový rozklad p. 2/20 Trojúhelníkový rozklad 1. Permutační matice 2. Trojúhelníkové matice 3. Trojúhelníkový (LU) rozklad 4. Výpočet
VíceVYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY
VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY Jan Krejčí 31. srpna 2006 jkrejci@physics.ujep.cz http://physics.ujep.cz/~jkrejci Obsah 1 Přímé metody řešení soustav lineárních rovnic 3 1.1 Gaussova eliminace...............................
VíceAplikovaná numerická matematika - ANM
Aplikovaná numerická matematika - ANM 3 Řešení soustav lineárních rovnic iterační metody doc Ing Róbert Lórencz, CSc České vysoké učení technické v Praze Fakulta informačních technologií Katedra počítačových
VíceMaticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:
3 Maticový počet 3.1 Zavedení pojmu matice Maticí typu (m, n, kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: a 11 a 12... a 1k... a 1n a 21 a 22...
VíceFP - SEMINÁŘ Z NUMERICKÉ MATEMATIKY. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci
FP - SEMINÁŘ Z NUMERICKÉ MATEMATIKY Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci OBSAH A CÍLE SEMINÁŘE: Opakování a procvičení vybraných
VíceSOUSTAVY LINEÁRNÍCH ALGEBRAICKÝCH ROVNIC
SOUSTAVY LINEÁRNÍCH ALGEBRAICKÝCH ROVNIC Pojm: Algebraická rovnice... rovnice obsahující pouze celé nezáporné mocnin neznámé, tj. a n n + a n 1 n 1 +... + a 2 2 + a 1 + a 0 = 0, kde n je přirozené číslo.
VíceMATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]
MATICE Matice typu m/n nad tělesem T je soubor m n prvků z tělesa T uspořádaných do m řádků a n sloupců: a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] a m1 a m2 a mn Prvek a i,j je prvek matice A na místě
VíceVektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace
Vektory a matice Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah 1 Vektory Základní pojmy a operace Lineární závislost a nezávislost vektorů 2 Matice Základní pojmy, druhy matic Operace s maticemi
VíceP 1 = P 1 1 = P 1, P 1 2 =
1 Výpočet inverzní matice Věta 1 Necht P U elementární matice vzniklá el úpravou U Pak je P U regulární Důkaz: Protože elementární úprava U je invertovatelná, existuje el úprava U, která vrací změny U
Více1 0 0 u 22 u 23 l 31. l u11
LU dekompozice Jedná se o rozklad matice A na dvě trojúhelníkové matice L a U, A=LU. Matice L je dolní trojúhelníková s jedničkami na diagonále a matice U je horní trojúhelníková. a a2 a3 a 2 a 22 a 23
Více[1] LU rozklad A = L U
[1] LU rozklad A = L U někdy je třeba prohodit sloupce/řádky a) lurozklad, 8, b) P. Olšák, FEL ČVUT, c) P. Olšák 2010, d) BI-LIN, e) L, f) 2009/2010, g)l. Viz p. d. 4/2010 Terminologie BI-LIN, lurozklad,
VícePřipomenutí co je to soustava lineárních rovnic
Připomenutí co je to soustava lineárních rovnic Příklad 2x 3y + z = 5 3x + 5y + 2z = 4 x + 2y z = 1 Soustava lineárních rovnic obecně Maticový tvar: a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a
VíceMatice. Modifikace matic eliminační metodou. α A = α a 2,1, α a 2,2,..., α a 2,n α a m,1, α a m,2,..., α a m,n
[1] Základní pojmy [2] Matice mezi sebou sčítáme a násobíme konstantou (lineární prostor) měníme je na jiné matice eliminační metodou násobíme je mezi sebou... Matice je tabulka čísel s konečným počtem
VíceNumerické metody a programování
Projekt: Inovace výuky optiky se zaměřením na získání experimentálních dovedností Registrační číslo: CZ.1.7/2.2./28.157 Numerické metody a programování Lekce 4 Tento projekt je spolufinancován Evropským
VíceIB112 Základy matematiky
IB112 Základy matematiky Řešení soustavy lineárních rovnic, matice, vektory Jan Strejček IB112 Základy matematiky: Řešení soustavy lineárních rovnic, matice, vektory 2/53 Obsah Soustava lineárních rovnic
VíceCo je obsahem numerických metod?
Numerické metody Úvod Úvod Co je obsahem numerických metod? Numerické metody slouží k přibližnému výpočtu věcí, které se přesně vypočítat bud nedají vůbec, nebo by byl výpočet neúměrně pracný. Obsahem
Více[1] Determinant. det A = 0 pro singulární matici, det A 0 pro regulární matici
[1] Determinant je číslo jistým způsobem charakterizující čtvercovou matici det A = 0 pro singulární matici, det A 0 pro regulární matici používá se při řešení lineárních soustav... a v mnoha dalších aplikacích
VíceZáklady maticového počtu Matice, determinant, definitnost
Základy maticového počtu Matice, determinant, definitnost Petr Liška Masarykova univerzita 18.9.2014 Matice a vektory Matice Matice typu m n je pravoúhlé (nebo obdélníkové) schéma, které má m řádků a n
VíceFaculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague
Tomáš Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague 1 / 63 1 2 3 4 5 6 7 8 9 10 11 2 / 63 Aritmetický vektor Definition 1 Aritmetický vektor x je uspořádaná
VíceCvičení z Numerických metod I - 12.týden
Máme systém lineárních rovnic Cvičení z Numerických metod I - týden Přímé metody řešení systému lineárních rovnic Ax = b, A = a a n a n a nn Budeme hledat přesné řešení soustavy x = x x n, b = b b n, x
Více0.1 Úvod do lineární algebry
Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Vektory Definice 011 Vektorem aritmetického prostorur n budeme rozumět uspořádanou n-tici reálných čísel x 1, x 2,, x n Definice 012 Definice sčítání
Více10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo
0. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo (PEF PaA) Petr Gurka aktualizováno 9. prosince 202 Obsah Základní pojmy. Motivace.................................2 Aritmetický vektorový
VíceNumerické metody a programování. Lekce 4
Numerické metody a programování Lekce 4 Linarní algebra soustava lineárních algebraických rovnic a 11 a 12 x 2 a 1, N x N = b 1 a 21 a 22 x 2 a 2, N x N = b 2 a M,1 a M,2 x 2 a M,N x N = b M zkráceně A
VíceDeterminant matice řádu 5 budeme počítat opakovaným použitím rozvoje determinantu podle vybraného řádku nebo sloupce. Aby byl náš výpočet
Řešené příklady z lineární algebry - část 2 Příklad 2.: Určete determinant matice A: A = 4 4. Řešení: Determinant matice řádu budeme počítat opakovaným použitím rozvoje determinantu podle vybraného řádku
Více1 Determinanty a inverzní matice
Determinanty a inverzní matice Definice Necht A = (a ij ) je matice typu (n, n), n 2 Subdeterminantem A ij matice A příslušným pozici (i, j) nazýváme determinant matice, která vznikne z A vypuštěním i-tého
VíceMatematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic
Přednáška třetí (a pravděpodobně i čtvrtá) aneb Úvod do lineární algebry Matice a soustavy rovnic Lineární rovnice o 2 neznámých Lineární rovnice o 2 neznámých Lineární rovnice o dvou neznámých x, y je
Více(Cramerovo pravidlo, determinanty, inverzní matice)
KMA/MAT1 Přednáška a cvičení, Lineární algebra 2 Řešení soustav lineárních rovnic se čtvercovou maticí soustavy (Cramerovo pravidlo, determinanty, inverzní matice) 16 a 21 října 2014 V dnešní přednášce
VíceOperace s maticemi
Operace s maticemi Seminář druhý 17.10. 2018 Obsah 1 Operace s maticemi 2 Hodnost matice 3 Regulární matice 4 Inverzní matice Matice Definice (Matice). Reálná matice typu m n je obdélníkové schema A =
VíceFaculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague
1 / 40 regula Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague regula 1 2 3 4 5 regula 6 7 8 2 / 40 2 / 40 regula Iterační pro nelineární e Bud f reálná funkce
VíceNecht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru
2. Systémy lineárních rovnic V této kapitole se budeme zabývat soustavami lineárních rovnic s koeficienty z pole reálných případně komplexních čísel. Uvádíme podmínku pro existenci řešení systému lineárních
VíceDeterminanty. Obsah. Aplikovaná matematika I. Pierre Simon de Laplace. Definice determinantu. Laplaceův rozvoj Vlastnosti determinantu.
Determinanty Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah 1 Determinanty Definice determinantu Sarrusovo a křížové pravidlo Laplaceův rozvoj Vlastnosti determinantu Výpočet determinantů 2 Inverzní
VíceOperace s maticemi. 19. února 2018
Operace s maticemi Přednáška druhá 19. února 2018 Obsah 1 Operace s maticemi 2 Hodnost matice (opakování) 3 Regulární matice 4 Inverzní matice 5 Determinant matice Matice Definice (Matice). Reálná matice
Více0.1 Úvod do lineární algebry
Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Lineární rovnice o 2 neznámých Definice 011 Lineární rovnice o dvou neznámých x, y je rovnice, která může být vyjádřena ve tvaru ax + by = c, kde
VíceFaculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague
1 / 73 Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague 1 2 3 4 5 6 7 8 Super-relaxační 9 2 / 73 2 / 73 Budeme se zabývat mi pro řešení úlohy A x = b s regulární
VíceVI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku
VI Maticový počet VI1 Základní operace s maticemi Definice Tabulku a 11 a 12 a 1n a 21 a 22 a 2n, a m1 a m2 a mn kde a ij R, i = 1,, m, j = 1,, n, nazýváme maticí typu m n Zkráceně zapisujeme (a ij i=1m
Více8 Matice a determinanty
M Rokyta, MFF UK: Aplikovaná matematika II kap 8: Matice a determinanty 1 8 Matice a determinanty 81 Matice - definice a základní vlastnosti Definice Reálnou resp komplexní maticí A typu m n nazveme obdélníkovou
VíceParalelní algoritmy v lineární algebře. Násobení matic
Paralelní algoritmy v lineární algebře Násobení matic Násobení matic mějme matice A, B, C R n,n počítáme součin C = AB mějme p procesu a necht p je mocnina dvou matice rozdělíme blokově na p p bloků pak
VíceSoustavy lineárních rovnic a determinanty
Soustavy lineárních rovnic a determinanty Petr Hasil Přednáška z matematiky Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny
VíceSoustavy linea rnı ch rovnic
[1] Soustavy lineárních rovnic vlastnosti množin řešení metody hledání řešení nejednoznačnost zápisu řešení a) soustavy, 10, b) P. Olšák, FEL ČVUT, c) P. Olšák 2010, d) BI-LIN, e) L, f) 2009/2010, g)l.
VíceCvičení 5 - Inverzní matice
Cvičení 5 - Inverzní matice Pojem Inverzní matice Buď A R n n. A je inverzní maticí k A, pokud platí, AA = A A = I n. Matice A, pokud existuje, je jednoznačná. A stačí nám jen jedna rovnost, aby platilo,
VíceLineární algebra : Násobení matic a inverzní matice
Lineární algebra : Násobení matic a inverzní matice (8. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 17. března 2014, 12:42 1 2 0.1 Násobení matic Definice 1. Buďte m, n, p N, A
Vícea vlastních vektorů Příklad: Stanovte taková čísla λ, pro která má homogenní soustava Av = λv nenulové (A λ i I) v = 0.
Výpočet vlastních čísel a vlastních vektorů S pojmem vlastního čísla jsme se již setkali například u iteračních metod pro řešení soustavy lineárních algebraických rovnic. Velikosti vlastních čísel iterační
VíceSoustavy lineárních rovnic-numerické řešení. October 2, 2008
Soustavy lineárních rovnic-numerické řešení October 2, 2008 (Systém lin. rovnic) Systém rovnic a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2... a n1 x 1 + a n2 x 2 + + a
VíceVšechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat
Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat Čtvercová matice n n, např. může reprezentovat: A = A A 2 A 3 A 2 A 22 A 23 A 3 A 32 A 33 matici koeficientů soustavy n lineárních
VíceLineární algebra : Násobení matic a inverzní matice
Lineární algebra : Násobení matic a inverzní matice (8. přednáška) František Štampach, Karel Klouda frantisek.stampach@fit.cvut.cz, karel.klouda@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních
VíceLineární algebra - I. část (vektory, matice a jejich využití)
Lineární algebra - I. část (vektory, matice a jejich využití) Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 2. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 40 Obsah 1 Vektory
VíceZáklady matematiky pro FEK
Základy matematiky pro FEK 2. přednáška Blanka Šedivá KMA zimní semestr 2016/2017 Blanka Šedivá (KMA) Základy matematiky pro FEK zimní semestr 2016/2017 1 / 20 Co nás dneska čeká... Závislé a nezávislé
VíceMatematika B101MA1, B101MA2
Matematika B101MA1, B101MA2 Zařazení předmětu: povinný předmět 1.ročníku bc studia 2 semestry Rozsah předmětu: prezenční studium 2 + 2 kombinované studium 16 + 0 / semestr Zakončení předmětu: ZS zápočet
VíceFaculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague
1 / 65 Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague 1 2 3 4 5 6 7 8 Super-relaxační 9 2 / 65 2 / 65 Budeme se zabývat mi pro řešení úlohy A x = b s regulární
VíceMatematika 1 MA1. 2 Determinant. 3 Adjungovaná matice. 4 Cramerovo pravidlo. 11. přednáška ( ) Matematika 1 1 / 29
Matematika 1 11. přednáška MA1 1 Opakování 2 Determinant 3 Adjungovaná matice 4 Cramerovo pravidlo 5 Vlastní čísla a vlastní vektory matic 6 Zkouška; konzultace; výběrová matematika;... 11. přednáška (15.12.2010
VíceÚlohy nejmenších čtverců
Úlohy nejmenších čtverců Petr Tichý 7. listopadu 2012 1 Problémy nejmenších čtverců Ax b Řešení Ax = b nemusí existovat, a pokud existuje, nemusí být jednoznačné. Často má smysl hledat x tak, že Ax b.
VíceD 11 D D n1. D 12 D D n2. D 1n D 2n... D nn
Inversní matice 1 Definice Nechť je čtvercová matice řádu n Čtvercovou matici B řádu n nazveme inversní maticí k matici, jestliže platí B=E n =B, kdee n jeodpovídajícíjednotkovámatice 2 Tvrzení Inversní
VíceFaculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague
1 / 38 Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague 1 2 3 4 5 6 2 / 38 2 / 38 čárkou Definition 1 Bud základ β N pevně dané číslo β 2, x bud reálné číslo s
VíceKapitola 11: Vektory a matice:
Kapitola 11: Vektory a matice: Prostor R n R n = {(x 1,, x n ) x i R, i = 1,, n}, n N x = (x 1,, x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i = 1,, n : x i = y i
VíceÚvod do lineární algebry
Úvod do lineární algebry 1 Aritmetické vektory Definice 11 Mějme n N a utvořme kartézský součin R n R R R Každou uspořádanou n tici x 1 x 2 x, x n budeme nazývat n rozměrným aritmetickým vektorem Prvky
VíceKapitola 11: Vektory a matice 1/19
Kapitola 11: Vektory a matice 1/19 2/19 Prostor R n R n = {(x 1,..., x n ) x i R, i = 1,..., n}, n N x = (x 1,..., x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i =
VíceDRN: Soustavy linárních rovnic numericky, norma
DRN: Soustavy linárních rovnic numericky, norma Algoritmus (GEM: Gaussova eliminace s částečným pivotováním pro převod rozšířené regulární matice na horní trojúhelníkový tvar). Zadána matice C = (c i,j
VíceSoustavy. Terminologie. Dva pohledy na soustavu lin. rovnic. Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová.
[1] Terminologie [2] Soustavy lineárních rovnic vlastnosti množin řešení metody hledání řešení nejednoznačnost zápisu řešení Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová matice.
VíceTento dokument obsahuje zadání pro semestrální programy z PAA. Vypracování. vypracovanou úlohu podle níže uvedených zadání. To mimo jiné znamená, že
Kapitola Zadání Tento dokument obsahuje zadání pro semestrální programy z PAA. Vypracování alespoň jedné úlohy je nutnou podmínkou pro úspěšné složení zkoušky resp. získaní (klasifikovaného) zápočtu (viz.
VíceČetba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).
Předmět: MA 4 Dnešní látka Vektorový (lineární) prostor (připomenutí) Normovaný lineární prostor Normy matic a vektorů Symetrické matice, pozitivně definitní matice Gaussova eliminační metoda, podmíněnost
VíceSoustavy lineárních rovnic
Přednáška MATEMATIKA č 4 Katedra ekonometrie FEM UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz 27 10 2010 Soustava lineárních rovnic Definice Soustava rovnic a 11 x 1 + a 12 x 2 + + a
VíceZáklady matematiky pro FEK
Základy matematiky pro FEK 3. přednáška Blanka Šedivá KMA zimní semestr 2016/2017 Blanka Šedivá (KMA) Základy matematiky pro FEK zimní semestr 2016/2017 1 / 21 Co nás dneska čeká... Co je to soustava lineárních
VíceČetba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).
Předmět: MA 4 Dnešní látka Lineární (vektorový) prostor Normovaný lineární prostor Normy matic a vektorů Symetrické matice, pozitivně definitní matice Gaussova eliminační metoda, podmíněnost matic Četba:
VíceLineární algebra Operace s vektory a maticemi
Lineární algebra Operace s vektory a maticemi Robert Mařík 26. září 2008 Obsah Operace s řádkovými vektory..................... 3 Operace se sloupcovými vektory................... 12 Matice..................................
Více1 Vektorové prostory.
1 Vektorové prostory DefiniceMnožinu V, jejíž prvky budeme označovat a, b, c, z, budeme nazývat vektorovým prostorem právě tehdy, když budou splněny následující podmínky: 1 Je dáno zobrazení V V V, které
VíceSoustavy lineárních rovnic-numerické řešení
Soustavy lineárních rovnic-numerické řešení November 9, 2008 Soustavy lineárních rovnic-numerické řešení 1 / 52 (Systém lin. rovnic) Systém rovnic a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22
VíceLingebraické kapitolky - Počítání s maticemi
Lingebraické kapitolky - Počítání s maticemi Jaroslav Horáček KAM MFF UK 20 Rozehřívačka: Definice sčítání dvou matic a násobení matice skalárem, transpozice Řešení: (A + B ij A ij + B ij (αa ij α(a ij
VíceČíselné vektory, matice, determinanty
Číselné vektory, matice, determinanty Základy vyšší matematiky LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny
VíceLineární algebra. Matice, operace s maticemi
Lineární algebra Matice, operace s maticemi Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo
VíceSymetrické a kvadratické formy
Symetrické a kvadratické formy Aplikace: klasifikace kvadrik(r 2 ) a kvadratických ploch(r 3 ), optimalizace(mpi) BI-LIN (Symetrické a kvadratické formy) 1 / 20 V celé přednášce uvažujeme číselné těleso
Více4. LU rozklad a jeho numerická analýza
4 LU rozklad a jeho numerická analýza Petr Tichý 24 října 2012 1 Úvod Nechť A je regulární matice Řešíme Ax = b LU rozklad (Gaussova eliminace) je jeden z nejdůležitějších nástrojů pro problém řešení soustav
VíceNumerické metody lineární algebry
Numerické metody lineární algebry 1 Úvod 11 Úlohy lineární algebry 1 Řešení soustav lineárních rovnic A x = b Řešení soustavy s regulární čtvercovou maticí A řádu n n pro 1 nebo více pravých stran Výpočet
VíceMatematika 2 pro PEF PaE
Determinanty / 8 Matematika 2 pro PEF PaE 3 Determinanty Přemysl Jedlička Katedra matematiky, TF ČZU Permutace Determinanty Výpočet determinantu z definice 2 / 8 Permutací množiny {,, n} rozumíme prosté
VíceUspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ). Čísla a 1, a 2,..., a n se nazývají složky vektoru
1 1. Lineární algebra 1.1. Lineární závislost a nezávislost vektorů. Hodnost matice Aritmetické vektory Uspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ).
VíceMatice přechodu. Pozorování 2. Základní úkol: Určete matici přechodu od báze M k bázi N. Každou bázi napíšeme do sloupců matice, např.
Matice přechodu Základní úkol: Určete matici přechodu od báze M k bázi N. Každou bázi napíšeme do sloupců matice, např. u příkladu 7 (v ) dostaneme: Nyní bychom mohli postupovat jako u matice homomorfismu
Více7. Lineární vektorové prostory
7. Lineární vektorové prostory Tomáš Salač MÚ UK, MFF UK LS 2017/18 Tomáš Salač ( MÚ UK, MFF UK ) 7. Lineární vektorové prostory LS 2017/18 1 / 62 7.1 Definice a příklady Definice 7.1 Množina G s binární
VíceNumerické metody lineární algebry
Numerické metody lineární algebry 1 Úvod 11 Úlohy lineární algebry 1 Řešení soustav lineárních rovnic A x = b Řešení soustavy s regulární čtvercovou maticí A řádu n n pro jednu nebo více pravých stran
Vícevyjádřete ve tvaru lineární kombinace čtverců (lineární kombinace druhých mocnin). Rozhodněte o definitnosti kvadratické formy κ(x).
Řešené příklady z lineární algebry - část 6 Typové příklady s řešením Příklad 6.: Kvadratickou formu κ(x) = x x 6x 6x x + 8x x 8x x vyjádřete ve tvaru lineární kombinace čtverců (lineární kombinace druhých
VíceMatice. Předpokládejme, že A = (a ij ) je matice typu m n: diagonálou jsou rovny nule.
Matice Definice. Maticí typu m n nazýváme obdélníkové pole, tvořené z m n reálných čísel (tzv. prvků matice), zapsaných v m řádcích a n sloupcích. Značíme např. A = (a ij ), kde i = 1,..., m, j = 1,...,
VíceDeterminant. Definice determinantu. Permutace. Permutace, vlastnosti. Definice: Necht A = (a i,j ) R n,n je čtvercová matice.
[] Definice determinantu BI-LIN, determinant, 9, P Olšák [2] Determinant je číslo jistým způsobem charakterizující čtvercovou matici det A 0 pro singulární matici, det A 0 pro regulární matici používá
VíceÚvodní informace Soustavy lineárních rovnic. 12. února 2018
Úvodní informace Soustavy lineárních rovnic Přednáška první 12. února 2018 Obsah 1 Úvodní informace 2 Soustavy lineárních rovnic 3 Matice Frobeniova věta Úvodní informace Olga Majlingová : Na Okraji, místnost
VíceDEFINICE Z LINEÁRNÍ ALGEBRY
DEFINICE Z LINEÁRNÍ ALGEBRY Skripta Matematické metody pro statistiku a operační výzkum (Nešetřilová, H., Šařecová, P., 2009). 1. definice Vektorovým prostorem rozumíme neprázdnou množinu prvků V, na které
VíceČtvercové matice. Čtvercová matice je taková matice, jejíž počet řádků je roven počtu jejích sloupců
Determinant matice Čtvercové matice Čtvercová matice je taková matice, jejíž počet řádků je roven počtu jejích sloupců Determinant je zobrazení, které přiřadí každé čtvercové matici A skalár (reálné číslo).
VíceVektory a matice. Petr Hasil. Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF)
Vektory a matice Petr Hasil Přednáška z matematiky Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny společného základu
VíceUniverzitní licence MATLABu. Pište mail na: se žádostí o nejnovější licenci MATLABu.
Univerzitní licence MATLABu Pište mail na: operator@service.zcu.cz se žádostí o nejnovější licenci MATLABu. * násobení maticové K = L = 1 2 5 6 3 4 7 8 Příklad: M = K * L N = L * K (2,2) = (2,2) * (2,2)
VíceČTVERCOVÉ MATICE. Čtvercová matice je taková matice, kde počet řádků je roven počtu jejích sloupců. det(a) značíme determinant čtvercové matice A
ČTVERCOVÉ MTICE Čtvercová matice je taková matice, kde počet řádků je roven počtu jejích sloupců. det() značíme determinant čtvercové matice Regulární matice hodnost je rovna jejímu řádu determinant je
VíceDosud jsme se zabývali pouze soustavami lineárních rovnic s reálnými koeficienty.
Kapitola 4 Tělesa Dosud jsme se zabývali pouze soustavami lineárních rovnic s reálnými koeficienty. Všechna čísla byla reálná, vektory měly reálné souřadnice, matice měly reálné prvky. Také řešení soustav
VíceDnešní látka Opakování: normy vektorů a matic, podmíněnost matic Jacobiova iterační metoda Gaussova-Seidelova iterační metoda
Předmět: MA 4 Dnešní látka Opakování: normy vektorů a matic, podmíněnost matic Jacobiova iterační metoda Gaussova-Seidelova iterační metoda Četba: Text o lineární algebře v Příručce přežití na webových
VíceSOUČIN MATIC A m n B n p = C m p, přičemž: a i1 b 1j +a i2 b 2j + +a in b nj = c ij, i=1 m, j=1 p. Např: (-2) = -3
SOUČIN MATIC A m n B n p = C m p, přičemž: a i1 b 1j +a i2 b 2j + +a in b nj = c ij, i=1 m, j=1 p Např: 2 2 + (-2) 4 + 0 0 + 1 1 = -3 INVERZNÍ MATICE Pro čtvercovou matici B může (ale nemusí) existovat
VíceVektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice
Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory K množina reálných nebo komplexních čísel, U vektorový prostor nad K. Lineární kombinace vektorů u 1, u 2,...,u
VíceDrsná matematika I 5. přednáška Vektory a matice
Drsná matematika I 5. přednáška Vektory a matice Jan Slovák Masarykova univerzita Fakulta informatiky 20. 3. 2007 Obsah přednášky 1 Literatura 2 Vektory 3 Matice nad skaláry 4 Ekvivalentní úpravy matic
VíceSoustava m lineárních rovnic o n neznámých je systém
1 1.2. Soustavy lineárních rovnic Soustava lineárních rovnic Soustava m lineárních rovnic o n neznámých je systém a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2...
VíceMatematika. Kamila Hasilová. Matematika 1/34
Matematika Kamila Hasilová Matematika 1/34 Obsah 1 Úvod 2 GEM 3 Lineární algebra 4 Vektory Matematika 2/34 Úvod Zkouška písemná, termíny budou včas vypsány na Intranetu UO obsah: teoretická a praktická
Vícestránkách přednášejícího.
Předmět: MA 4 Dnešní látka Iterační metoda Jacobiova iterační metoda Gaussova-Seidelova iterační metoda Superrelaxační metoda (metoda SOR) Metoda sdružených gradientů Četba: Text o lineární algebře v Příručce
VíceHisab al-džebr val-muqabala ( Věda o redukci a vzájemném rušení ) Muhammada ibn Músá al-chvárizmího (790? - 850?, Chiva, Bagdád),
1 LINEÁRNÍ ALGEBRA 1 Lineární algebra Slovo ALGEBRA pochází z arabského al-jabr, což znamená nahrazení. Toto slovo se objevilo v názvu knihy islámského matematika Hisab al-džebr val-muqabala ( Věda o redukci
VíceČetba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).
Předmět: MA 4 Dnešní látka Vlastní čísla a vektory Google Normovaný lineární prostor Normy matic a vektorů Symetrické matice, pozitivně definitní matice Gaussova eliminační metoda, podmíněnost matic Četba:
VíceMatice. a m1 a m2... a mn
Matice Nechť (R, +, ) je okruh a nechť m, n jsou přirozená čísla Matice typu m/n nad okruhem (R, +, ) vznikne, když libovolných m n prvků z R naskládáme do obdélníkového schematu o m řádcích a n sloupcích
VíceNumerická stabilita algoritmů
Numerická stabilita algoritmů Petr Tichý 9. října 2013 1 Numerická stabilita algoritmů Pravidla v konečné aritmetice Pro počítání v konečné aritmetice počítače platí určitá pravidla, která jsou důležitá
VíceFaculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague
1 / 21 Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague 2 / 21 Řešíme následující úlohu: differencovatelnou funkci f : R R známe jen v konečném počtu bodů x 0,
Více