y = Spočtěte všechny jejich normy (vektor je také matice, typu n 1). Řádková norma (po řádcích sečteme absolutní hodnoty prvků matice a z nich



Podobné dokumenty
2. Matice, soustavy lineárních rovnic

Reference 10. Předpokládejme stavový popis spojitého, respektive diskrétního systému

Soustavy lineárních rovnic-numerické řešení

Soustavy lineárních rovnic-numerické řešení. October 2, 2008

5. Maticová algebra, typy matic, inverzní matice, determinant.

Skalární součin je nástroj, jak měřit velikost vektorů a úhly mezi vektory v reálných a komplexních vektorových prostorech.

Součin matice A a čísla α definujeme jako matici αa = (d ij ) typu m n, kde d ij = αa ij pro libovolné indexy i, j.

Vektory a matice. Matice a operace s nimi. Hodnost matice. Determinanty. . p.1/12

Skalár- veličina určená jedním číselným údajem čas, hmotnost (porovnej životní úroveň, hospodaření firmy, naše poloha podle GPS )

Připomenutí co je to soustava lineárních rovnic

2 Spojité modely rozhodování

Jak pracovat s absolutními hodnotami

Operace s maticemi Sčítání matic: u matic stejného typu sečteme prvky na stejných pozicích: A+B=(a ij ) m n +(b ij ) m n =(a ij +b ij ) m n.

Gymnázium, Brno. Matice. Závěrečná maturitní práce. Jakub Juránek 4.A Školní rok 2010/11

0 0 a 2,n. JACOBIOVA ITERAČNÍ METODA. Ax = b (D + L + U)x = b Dx = (L + U)x + b x = D 1 (L + U)x + D 1 b. (i) + T J

4. Model M1 syntetická geometrie

Co je obsahem numerických metod?

Aplikovaná numerická matematika - ANM

x y +30x, 12x+30 18y 18y 18x+54

Funkce zadané implicitně

TEORIE MATIC. Tomáš Vondra

a n (z z 0 ) n, z C, (1) n=0

Masarykova univerzita. Základy konvexní analýzy a optimalizace v R n.

Několik poznámek na téma lineární algebry pro studenty fyzikální chemie

Vybrané problémy lineární algebry v programu Maple

Euklidovský prostor Stručnější verze

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava

0. Lineární rekurence Martin Mareš,

1/10. Kapitola 12: Soustavy lineárních algebraických rovnic

Cvičení z Numerických metod I - 12.týden

DRN: Soustavy linárních rovnic numericky, norma

9. Úvod do teorie PDR

Elektrotechnická fakulta

Jedná se o soustavy ve tvaru A X = B, kde A je daná matice typu m n,

9. přednáška 26. listopadu f(a)h < 0 a pro h (0, δ) máme f(a 1 + h, a 2,..., a m ) f(a) > 1 2 x 1

Lineární algebra a analytická geometrie sbírka úloh a ř ešených př íkladů

Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru

Matematika pro chemické inženýry. Drahoslava Janovská

Dnešní látka Opakování: normy vektorů a matic, podmíněnost matic Jacobiova iterační metoda Gaussova-Seidelova iterační metoda

Soustavy lineárních rovnic

Jazyk matematiky Matematická logika Množinové operace Zobrazení Rozšířená číslená osa

Kapitola 1. Tenzorový součin matic

3. Matice a determinanty

Obsah. Lineární rovnice. Definice 7.9. a i x i = a 1 x a n x n = b,

y n+1 = g(x n, y n ),

Fyzikální praktikum 1

(Auto)korelační funkce Statistické vyhodnocování exp. dat M. Čada ~ cada

Linearní algebra příklady

(Cramerovo pravidlo, determinanty, inverzní matice)

2. Určte hromadné body, limitu superior a limitu inferior posloupností: 2, b n = n. n n n.

Numerická matematika Banka řešených příkladů

5. Lokální, vázané a globální extrémy

Soustavy. Terminologie. Dva pohledy na soustavu lin. rovnic. Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová.

6. T e s t o v á n í h y p o t é z

Úvod do optimalizace

Numerická matematika (v anglické terminologii numerical/computational mathematics )

Budeme hledat řešení y(x) okrajové úlohy pro diferenciální rovnici druhého řádu v samoadjungovaném tvaru na intervalu a, b : 2 ) y i p i+ 1

Matematika 2 (Fakulta ekonomická) Cvičení z lineární algebry. TU v Liberci

Kapitola 11. Vzdálenost v grafech Matice sousednosti a počty sledů

Matice. Přednáška MATEMATIKA č. 2. Jiří Neubauer. Katedra ekonometrie FEM UO Brno kancelář 69a, tel

1. Základy logiky a teorie množin

Newtonova metoda. 23. října 2012

Matematika pro kombinované studium BOZO. Konzultace pátá. RNDr. Libuše Samková, Ph.D. pf.jcu.cz

Lineární algebra. Matice, operace s maticemi

FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ. Matematika 3. RNDr. Břetislav Fajmon, PhD. Autoři textu:

Tématické celky { kontrolní otázky.

VZÁJEMNÁ POLOHA DVOU PŘÍMEK

Písemná zkouška z Matematiky II pro FSV vzor

Mgr. Karel Pazourek. online prostředí, Operační program Praha Adaptabilita, registrační číslo CZ.2.17/3.1.00/31165.

Analytická geometrie (AG)

VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY

Základy matematiky kombinované studium /06

stránkách přednášejícího.

FYZIKÁLNÍ PRAKTIKUM FJFI ČVUT V PRAZE. Úloha 4: Balmerova série vodíku. Abstrakt

Numerická realizace metod. lineárního a kvadratického

A0M15EZS Elektrické zdroje a soustavy ZS 2011/2012 cvičení 1. Jednotková matice na hlavní diagonále jsou jedničky, všude jinde nuly

A NUMERICKÉ METODY. Matice derivací: ( ) ( ) Volím x 0 = 0, y 0 = -2.

Lineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity)

Numerické řešení soustav lineárních rovnic

a + b + c = 2 b + c = 1 a b = a 1 2a 1 + a a 3 + a 5 + 2a 2 + a 2 + a

SOUSTAVY LINEÁRNÍCH ALGEBRAICKÝCH ROVNIC

0.1 Úvod do lineární algebry

a vlastních vektorů Příklad: Stanovte taková čísla λ, pro která má homogenní soustava Av = λv nenulové (A λ i I) v = 0.

vyjádřete ve tvaru lineární kombinace čtverců (lineární kombinace druhých mocnin). Rozhodněte o definitnosti kvadratické formy κ(x).

Iterační metody řešení soustav lineárních rovnic. 27. prosince 2011

ALGEBRA. Téma 5: Vektorové prostory

Příklady pro cvičení 22. dubna 2015

Soustavy lineárních rovnic

Úlohy krajského kola kategorie A

FIT ČVUT MI-LOM Lineární optimalizace a metody. Dualita. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti

Symetrické a kvadratické formy

Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat

Michal Fusek. 10. přednáška z AMA1. Ústav matematiky FEKT VUT, Michal Fusek 1 / 62

1 0 0 u 22 u 23 l 31. l u11

Arnoldiho a Lanczosova metoda

2 Vektorové normy. Základy numerické matematiky - NMNM201. Definice 1 (Norma). Norma je funkcionál splňující pro libovolné vektory x a y a pro

Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3,

Soustavy linea rnı ch rovnic

verze 1.4 Ekvivalentní podmínkou pro stacionární bod je, že totální diferenciál je nulový

kde je dostupný ve formě vhodné pro tisk i ve formě vhodné pro prohlížení na obrazovce a z adresy

Transkript:

Normy matic Příklad 1 Je dána matice A a vektor y: A = 2 0 3 4 3 2 y = Spočtěte všechny jejich normy (vektor je také matice, typu n 1). Ověřte, že platí Ay A y (1) Ay = (4, 14, 2) T 2 2 Frobeniova norma - také někdy nazývaná Euklidovská: A 2 = 2 2 + 0 2 + 3 2 + ( 4) 2 + ( 3) 2 + ( 2) 2 = 42 = 6.4807 y 2 = 2 2 + ( 2) 2 = 8 = 2.8284 Ay 2 = 4 2 + 14 2 + ( 2) 2 = 14.6969 14.6969 6.4807 2.8284 = 18.3300 Sloupcová norma (po sloupcích sečteme absolutní hodnoty prvků matice a z nich vybereme maximum): A 1 = max( 2 + 3 + 3, 0 + 4 + 2 ) = max( 8, 6) = 8 y 1 = 2 + 2 = 4 Ay 1 = 4 + 14 + 2 = 20 20 8 4 = 32 Řádková norma (po řádcích sečteme absolutní hodnoty prvků matice a z nich vybereme maximum): A = max( 2 + 0, 3 + 4, 3 + 2 ) = max( 2, 7, 5) = 7 y = max( 2, 2 ) = 2 Ay = max( 4, 14, 2 ) = 14 14 7 2 = 14 Pozor: ve vztahu (1) nesmíme míchat různé typy norem! Zkuste porovnat například Ay 1 a A 2, y 2. 1 c Certik

Spektrální poloměr Příklad 2 Určete spektrální poloměr matice A = 2 1 1 2 a ověřte, že platí ρ(a) A pro libovolnou normu této matice. det(a λi) = ( 2 λ) 2 + 1 = λ 2 + 4λ + 5 = 0 λ 1,2 = 2 ± i λ 1,2 = ( 2) 2 + (±1) 2 = 5 ρ(a) = max( λ 1, λ 2 ) = max( 5, 5) = 5 = 2.2361 A 2 = ( 2) 2 + ( 1) 2 + 1 2 + ( 2) 2 = 10 = 3.1623 A 1 = A = max( 2 + 1, 1 + 2 ) = max( 3, 3) = 3 2.2361 < 3.1623, 2.2361 < 3. Symetrie, pozitivní definitnost, diagonální dominance Příklad 3 Jsou dány matice 5 1 0 A = 3 3 1 B = 1 1 2 1 1 0 1 2 1 0 1 2 a) Která z nich je symetrická? b) Která je ostře diagonálně dominantní? c) Která je symetrická pozitivně definitní? a) Matice B a C jsou symetrické, matice A není. C = 1 1 0 1 1 1 0 1 2 b) Matice je diagonálně dominantní (zkráceně d.d.), právě když absolutní hodnota prvku na diagonále je větší nebo rovna součtu absolutních hodnot ostatních prvků - a to buď pro všechny řádky, nebo pro všechny sloupce. Matice je ostře diagonálně dominantní (zkráceně o.d.d.), jsou-li nerovnosti ostré. řádky: Matice A: 5 > 1 + 0 3 < 3 + 1 2 1 + 1 sloupce: 5 > 3 + 1 3 > 1 + 1 2 > 1 + 0 Ve druhém řádku podmínka neplatí A není d.d. po řádcích. Zkusíme tedy sloupce: podmínka platí pro všechny tři sloupce a navíc nerovnosti jsou ostré A je o.d.d. po sloupcích. Takže A je ostře diagonálně dominantní. 2 c Certik

Matice B je symetrická - kontrolujeme jen řádky (sloupce vyjdou stejně): 1 1 + 0 2 1 + 1 2 > 0 + 1 Podmínka platí pro všechny řádky, nerovnost však není vždy ostrá B je diagonálně dominantní, ale ne ostře. Matice C je symetrická - kontrolujeme jen řádky: 1 1 + 0 1 < 1 + 1 2 > 0 + 1 Matice C není diagonálně dominantní, ve druhém řádku (i sloupci) je podmínka porušena. c) Symetrická matice je pozitivně definitní, právě když všechny její hlavní minory jsou kladné. Matice A není symetrická. Matice B: det(1) = 1 > 0, det 1 1 1 2 = 1 > 0, det 1 1 0 1 2 1 0 1 2 Všechny hlavní minory jsou kladné, matice B je tedy pozitivně definitní. = 1 > 0 Matice C: 1 1 det(1) = 1 > 0, det = 0 1 1 Druhý hlavní minor není kladný, dál už tedy nemusíme nic zkoumat. Matice C není pozitivně definitní. Závěr: Matice A je ostře diagonálně dominantní, není symetrická ani pozitivně definitní. Matice B je diagonálně dominantní (ne však ostře), symetrická a pozitivně definitní. Matice C je symetrická, není diagonálně dominantní, ani pozitivně definitní. 3 c Certik

Iterační metody Teorie (velmi stručný výběr z přednášek) Prostá iterační metoda (dále zkratka pim) Soustavu x = Ux + v řešíme tak, že 1. zvolíme x (0), 2. pro k = 0, 1, 2,... počítáme = Ux (k) + v, až x (k) < ɛ. Podmínky konvergence: ρ(u) < 1 pim konverguje U < 1 pim konverguje soustavy Ax = b Postup: soustavu Ax = b převedeme na soustavu x = Ux + v, a tu řešíme pim. Využijeme přitom vyjádření matice A jako součtu A = L + D + U, kde L je dolní trojúhelníková část, D je diagonála a U je horní trojúhelníková část. Jacobiho metoda (dále zkratka J ) Soustavu Ax = b vyjádříme jako x = U J x + v J, kde U J = D 1 (L + U) a v J = D 1 b. Tuto soustavu řešíme pim. Podmínky konvergence: ρ(u J ) < 1 J konverguje A je o.d.d J konverguje Věta: vlastní čísla λ i matice U J lze získat řešením rovnice det(l+λd +U) = 0. Gaussova-Seidelova metoda (dále zkratka GS) Soustavu Ax = b vyjádříme jako x = U G x + v G, kde U G = (L + D) 1 U a v J = (L + D) 1 b. Tuto soustavu řešíme pim. Podmínky konvergence: ρ(u G ) < 1 GS konverguje A je o.d.d GS konverguje A je symetrická a pozitivně definitní GS konverguje Věta: vlastní čísla λ i matice U G lze získat řešením rovnice det(λl+λd+u) = 0. Prostá iterační metoda Příklad 4 Je dána soustava rovnic x = Ux + v, kde 1/2 1 2 U =, v = 5/4 3/2 0 a) Zvolte x (0) = ( 0, 0) T a spočítejte první tři iterace prostou iterační metodou. b) Dokažte, že pim pro tuto soustavu konverguje. 4 c Certik

a) = Ux (0) + v = = U + v = 1/2 1 5/4 3/2 1/2 1 5/4 3/2 0 0 + 2 0 = 2 2 + = 0 0 2 0 3 5/2 x (3) = U + v = 1/2 1 5/4 3/2 3 2 1 + = 5/2 0 0 b) Nejdřív zkusíme, jestli platí některá z postačujících podmínek, protože se snáze spočítají: U 1 = max( 1/2 + 5/4, 1 + 3/2 ) = max( 7/4, 10/4) = 10/4 > 1 U = max( 1/2 + 1, 5/4 + 3/2 ) = max( 3/2, 11/4) = 11/4 > 1 U 2 = (1/2) 2 + 1 2 + ( 5/4) 2 + ( 3/2) 2 = 81/16 = 9/4 > 1 Žádná z norem není menší než 1, takže z nich nepoznáme nic. Musíme tedy ověřit nutnou a postačující podmínku, tj. spočítat ρ(u): det(u λi) = (1/2 λ)( 3/2 λ)+5/4 = λ 2 +λ+1/2 λ 1,2 = 1/2±1/2i λ 1,2 = (1/2) 2 + (±1/2) 2 = 1/2 = 2/2 ρ(u) = 2/2 < 1 pim konverguje. Jacobiho metoda Příklad 5 Je dána soustava rovnic Ax = b, kde A je matice z Příkladu 3 a b = (2, 1, 1) T. a) Zvolte x (0) = ( 0, 0, 0) T a spočítejte první dvě iterace J metodou. b) Dokažte, že J pro tuto soustavu konverguje. c) Lze na základě výsledků Př. 3 rozhodnout, zda J konverguje i pro matice B a C? a) Jednotlivé iterace J metody se počítají lépe po složkách než v maticovém tvaru. Postup: 1. Napíšeme si soustavu po jednotlivých rovnicích: 5x 1 x 2 = 2 3x 1 + 3x 2 + x 3 = 1 x 1 x 2 + 2x 3 = 1 2. Z každé rovnice vyjádříme diagonální prvek: x 1 = (2 + x 2 )/5 (2) x 2 = (1 3x 1 x 3 )/3 x 3 = ( 1 x 1 + x 2 )/2 5 c Certik

3. Pro k = 0, 1, 2,... počítáme tak, že do pravé strany (2) dosadíme složky předchozí iterace x (k) : Pro k = 0 dostaneme 1 = (2 + x (k) 2 )/5 2 = (1 3x (k) 1 x (k) 3 )/3 3 = ( 1 x (k) 1 + x (k) 2 )/2 1 = (2 + x (0) 2 )/5 = (2 + 0)/5 = 2/5 2 = (1 3x (0) 1 x (0) 3 )/3 = (1 0 0)/3 = 1/3 3 = ( 1 x (0) 1 + x (0) 2 )/2 = ( 1 0 + 0)/2 = 1/2 První iterace je tedy = ( 2/5, 1/3, 1/2) T. Druhá iterace: 1 = (2 + 2 )/5 = (2 + 1/3)/5 = 7/15 2 = (1 3 1 3 )/3 = (1 3( 2/5) ( 1/2))/3 = 9/10 3 = ( 1 1 + 2 )/2 = ( 1 ( 2/5) + 1/3)/2 = 2/15 Druhá iterace je = ( 7/15, 9/10, 2/15) T. b) V Př. 3 jsme dokázali, že A je ostře diagonálně dominantní, což je postačující podmínka pro konvergenci J metody. c) Matice B ani C z Př. 3 nejsou o.d.d., postačujcí podmínka pro konvergenci J metody tedy není splněna a o konvergenci nevíme nic. Kdybychom chtěli poznat, zda J metoda konverguje, museli bychom spočítat spektrální poloměr matice U J, což pro matici 3 3 obecně není snadné. Příklad 6 Rozhodněte, zda pro soustavu Ax = b bude konvergovat J metoda, je-li dáno 6 11 1 A = 1 3 0 1 0 2 Matice není o.d.d., postačující podmínka pro konvergenci J metody tedy neplatí a musíme spočítat spektrální poloměr matice U J. Vlastní čísla matice U J určíme z rovnice det(l + λd + U) = 0, tj. 6λ 11 1 1 3λ 0 1 0 2λ = 36λ3 3λ 22λ = λ(36λ 2 25) = 0 λ 1 = 0, λ 2,3 = ±5/6 ρ(u J ) = 5/6 < 1. Spektrální poloměr matice U J je menší než 1, takže J metoda konverguje. 6 c Certik

Gaussova-Seidelova metoda Příklad 7 Je dána soustava rovnic Ax = b, kde A je matice z Příkladu 3 a b = (2, 1, 1) T. a) Zvolte x (0) = ( 0, 0, 0) T a spočítejte první dvě iterace GS metodou. b) Dokažte, že GS pro tuto soustavu konverguje. c) Lze na základě výsledků Př. 3 rozhodnout, zda GS konverguje i pro matice B a C? a) Jednotlivé iterace GS metody se počítají lépe po složkách než v maticovém tvaru. Postup: 1. Napíšeme si soustavu po jednotlivých rovnicích - stejně jako u J metody, viz Př.5. 2. Z každé rovnice vyjádříme diagonální prvek - stejně jako u J metody, viz Př.5. 3. Pro k = 0, 1, 2,... počítáme po jednotlivých rovnicích, počínaje první. Začneme jako u J metody, ale jakmile spočítáme novou složku, hned ji dosadíme do pravé strany všech zbývajících rovnic (2): Pro k = 0 dostaneme 1 = (2 + x (k) 2 )/5 2 = (1 3 1 x (k) 3 )/3 3 = ( 1 1 + 2 )/2 1 = (2 + x (0) 2 )/5 = (2 + 0)/5 = 2/5 2 = (1 3 1 x (0) 3 )/3 = (1 3( 2/5) 0)/3 = 11/15 3 = ( 1 1 + 2 )/2 = ( 1 ( 2/5) + 11/15)/2 = 1/15 První iterace je tedy = ( 2/5, 11/15, 1/15) T. Druhá iterace: 1 = (2 + 2 )/5 = (2 + 11/15)/5 = 41/75 2 = (1 3 1 3 )/3 = (1 3( 41/75) 1/15)/3 = 193/225 3 = ( 1 1 + 2 )/2 = ( 1 ( 41/75) + 193/225)/2 = 91/450 Druhá iterace je = ( 41/75, 193/225, 91/450) T. b) V Př. 3 jsme dokázali, že A je ostře diagonálně dominantní, což je postačující podmínka pro konvergenci GS metody.gs metoda konverguje. c) V Př. 3 jsme dokázali, že B je symetrická a pozitivně definitní, což je postačující podmínka pro konvergenci GS metody. Matice C není o.d.d. ani pozitivně definitní, žádná z postačujcích podmínek pro konvergenci GS metody 7 c Certik

pro matici C tedy není splněna. Závěr: pro matici B GS metoda konverguje, pro matici C o konvergenci GS metody nevíme nic. Kdybychom chtěli poznat, zda GS metoda konverguje i pro matici C, museli bychom spočítat spektrální poloměr odpovídající matice U G. Příklad 8 Rozhodněte, zda pro soustavu Ax = b z Př. 6 bude konvergovat GS metoda. Matice A není o.d.d. ani symetrická, žádná z postačujcích podmínek pro konvergenci GS metody tedy není splněna a musíme spočítat spektrální poloměr matice U G. Vlastní čísla matice U G určíme z rovnice det(λ(l + D) + U) = 0, tj. 6λ 11 1 λ 3λ 0 λ 0 2λ = 36λ3 3λ 2 22λ 2 = λ 2 (36λ 25) = 0 λ 1,2 = 0, λ 3 = 25/36 ρ(u G ) = 25/36 < 1. Spektrální poloměr matice U G je menší než 1, takže GS metoda konverguje. 8 c Certik