Sei sulla pagina 1di 7

Esercitazione 3 di Matematica Applicata

Laura Marcias – laura_marcias@tiscali.it 11 Dicembre 2010

Esercizio 1

Calcolare le prime due iterazioni x (1) e x (2) risultanti dall’applicazione dell’algoritmo di Gauss – Seidel del sistema lineare

2

0

1

1

2

1

0   x   

1

1

x

2

2     x

3

=

8

6  

6

utilizzando il vettore iniziale x (0) = (0 0 0) T . Dire se il metodo risulta convergente.

Metodo iterattivo:

dove B = P -1 N f = P -1 b

Soluzione

x

( k

+1

)

=

Bx

(

k

)

+

f

Il metodo di Gauss-Seidel corrisponde alla scelta:

P = D – L

e B GS = (D – L) -1 U f = (D – L) -1 b

perciò:

N = U

Il metodo converge se ρ(B GS ) < 1

(

D

L

D =

D

L

=

)

2

0

  0

T

=

2

  0

1

2

0

1

2

0

  0

0

2

1

0

1

2

0

2

0

0


2

0

0

0

2

A =

(

B

D

GS

=

2

0

1

1

2

1

L =

(

D

0

1

2

0

 

0

1

L

)

1

=

L

(

)

+

D

=

 

L

)

4

2

1

1 U

0

0

1

(

D

0

0

0

L

)

+

b =

det

(D L)

0

4

=

2

0

0

0

0

4

4

1 4
1 4

1 2

1 8

6  

6

8

U =

( D 0   1 2  1 4  
(
D
0
1 2
1 4

0

0

  0

L

)

1 0   0 1 0 0    det(D L) = 8
1
0 
0
1
0
0
det(D
L) = 8
 1 2
0
1
=
1 4
1 2
1 8
1 4
0   0  1 2  
0 
0
1
2 

Calcolo gli auto valori associati alla matrice di iterazione:

det(B

  1

4

GS

2

I ) = 0

1

16

3

= 0

=

(

B

GS

)

det

= 0 0

2

1   = 0

2

B

(

GS

)

=

1 2

max

=

0

1 < 1

2 il metodo di Gauss-Seidel è convergente

Calcolo le prime due iterate:

( ) (k +1 ) (k ) ( k + 1 ) ( ) 1
(
)
(k +1
)
(k )
(
k
+
1
)
(
)
1
(
)
1
(
k
)
D
L x
= b + Ux
x
=
D
L
b
+
D
L
Ux
+
f
1
2
0
0   6 
 3
f =
1 4
1 2
0
8
=
5 2
1 8
1
4
1
2 
 6
 7
4 
  
 3
1
)
(
0
)
(
1
)
Per k = 0
x (
= Bx
+ f
x
=
5 2
 7
4 
2
)
(
1
)
Per k = 1
x (
= Bx
+ f
 0
1 2
0
  3 
3 
 7
4 
2 )
x (
=
0
1 4
1 2
5 2
+
5 2
=
9 4
 0
1
8
1 4
4 
 7
4 
 15 8 
    7

x

(

k +1

)

3

=

=

1

2

B

GS

x

(

k

)

+

f

Esercizio 2

Si ortonormalizzino i seguenti vettori mediante il procedimento di Gram – Schmidt.

2

2

1

= v 1   Primo passo dell’algoritmo:  2   3  ~
=
v 1
Primo passo dell’algoritmo:
 2 
3
~
q
1 1
q
=
1
=
3
1 =
3
r 11
2 
2 3 

r 11

Secondo passo dell’algoritmo:

  0  v = 1  2     2 
0 
v
=
1 
2
 2  
Soluzione
~
=
q
= v
= 4
+
1
+
4
=
3
1
1
1 2
r
= 〈q v 〉 =
,
2
=
1
12
1
2
3 3

v

3

=

1


 

 

0

1

 0   2 3   2 3  ~   +
0 
 2 3 
 2 3 
~
+  
q
=
v
r
q
=
1
1 3
=
4 3
2
2
12
1
2 3 
 4
3 
 2  
4
16
16
~
r
=
q
=
+
+
= 2
q
2 =
22
2
9
9
9
 2 3   1 3  ~ q 1    
2
3
1
3
~
q
1
2
=
4
3
=
2
3
r
2
22
4
3
2
3

Terzo passo dell’algoritmo:

r

13

= q v =

,

1

3

2

3

+

1

3

(

1

)

=

1

3

r

23

= q v =

,

2

3

 1   2 3  1 ~     q =
1
2
3
1
~
q
=
v
r
q
r
q
=
1
1
3
3
3
13
1
23
2
0
 3
2 3
~ 64
64
16 4
r
=
q
+
+
=
3 =
33
81
81
81 3
Esercizio 3

+

 1 3   8 9  1     2 3
1
3
8
9
1
2
3
=
8 9
3
2
3
4
9
8
9
2
3
~
q
3
3
q
=
=
8
9
=
2 3
3
r
4
33
4
9
1
3

Dopo aver dimostrato che la matrice

V =

 1 1 1  3 2 6   1 2 0  3
 1
1 1
3
2
6
1
2
0
3
6
1 1
1
3
2
6




è ortogonale, risolvere il sistema lineare Vx = b, con b = [1

Soluzione

2

3] T .

1

3

+

2

3

(

1

)

=

1

3

Una matrice è ortogonale se V -1 = V T , ovvero V T V = VV T = I

VV

 1 1   3 2 1 T  = 0  3 
 1
1
3
2
1
T 
=
0
3
1 1
3
2
1   1   6 3 2    1  
1   1
6
3
2
 
1
6
2
1
1
6
  6

1 1   3 3  1  0  2 2 1 
1 1
3
3
1
0
2
2
1
6
6 

=

1

0

0

0

1

0

0

0

1

Per risolvere il sistema lineare Vx = b, essendo V ortogonale, basta fare l’operazione x =

V T b

 1  3  1 x =      2 1
 1
3
1
x =
2
1
6

1 1   3 3   1  2  1  
1 1
3
3
1 
2
1 
0
=
2
2 
2
1
 3  
6
6 
3  2    0 
3
2
0 

Esercizio 4

Dato il sistema lineare

6

x

1

+

6

x

2

+

2

x

4

3 x

1

+

x

2

6

x

3

1

x

+

1

+

2

x

2

2

x

+

1

2

+

7

x

3

x

3

2

+

x

3

=

5

= 8

=

=

10

7

calcolare la fattorizzazione PA = LU della matrice dei coefficienti ed utilizzare tale fattorizzazione per valutare il determinante e per risolvere il sistema.

PA = LU

A =

6

3

6

3

6

1

2

2

Ax = b 0 2   1 2 0  7 0  1
Ax = b
0
2 
1 2
0
7
0 
1
0
Soluzione  Ly PAx = Pb LUx = Pb   Ux  5 
Soluzione
 Ly
PAx = Pb
LUx = Pb
Ux
 5 
8 
b =
 10 
7 
 6
6
0
2 
1
2
3
1
1 2
0
1
 6
2
7
0 
1
2
3
2
1
0

= Pb

= y

 6 6 0 2    0 2 1 2 1  
 6
6
0
2 
0
2
1 2
1
 0
4
7
2 
0
1
1
1

Scambio la seconda riga con la terza:

 6 6 0 2   6 6 0 2    
 6
6
0
2
 6
6
0
2 
0
4
7
2
0
4
7
2
2  0
2
1 2
1
 0
0
3
0
4
0
1
1
1
1 4
0
0
3 4
1 2

Matrice triangolare superiore:

Matrice di permutazione:

Matrice triangolare inferiore:

  6 6 0 2   0 4 7 2   U
6
6
0
2
0
4
7
2
U =
 0
0
3
0
0
0
0
1 2
 1
0
0
0 
0
0
1
0
(
2,3
)
P
=
P
I
=
 0
1
0
0 
0
0
0
1
 1
1
0
0
0 
1 2
1
1
0
0
L =
1
1
2
1 2
1
0 
1 2
1 2
1 4
1 4
1

PA = LU

 

det(PA) = det(LU )

det

(A)

=

(

1

)

# P

◊◊

1

det

det(P)det(A) = det(L)det(U )

(U )

det( A =

)

(

1)

1

1

◊◊

(

36)

=

36

Risolvo il sistema:

Ly

Ux

=

=

Pb

y

y

y

1

1 = 5

+ y

1

+

1



2

= 10

2

1

y

1

2

1

y

2

+

y

1

3

= 8

2

1

4

6

2

x

1

+

4

3

x

x

2

3

x

2

+

=

7

3

+

x

3

1 5

2

x

4 =

2

6

4

x

2

4

2

3

=

x

4

y

+

y

+

y

+

5

=

y

4

5

Esercizio 5

Assegnati

Pb =

= 7

A =

5

8

7

10

0

1

3

y

  

y

1

=

=

=

5

5

3

=

5

2

1

2

1

5

,

1

2

= 3

=

=

3

=

4

1

y 2


x

x

  x

x

y

3

4

1 0


1

b =

1


  1  

1

dire per quali valori del parametro reale β A è invertibile, per quali risulta definita positiva e per quali il metodo di Jacobi risulta convergente se applicato al sistema Ax = b.

Soluzione

La matrice A è invertibile se: det(A) 0

La matrice A è definita positiva se x T Ax > 0 x ¬ cioè gli autovalori sono positivi.

6
6

3

(3

2

1)

π

0

(3

2

2)

π

0

π 0

π ±

3

det(A

I ) = 0

(

(

)[(3

)(

2

4

)(

+

3

)

2

 1 0    det 1 3 1 = 0   
1
0
det
1
3
1
= 0
0
1
1]
(
)= 0
2)
=
0
=
1

2 3

=

2

±

2 + 2
2
+
2
> 0 > 0 1 2 > 0 2 + > 0 + 2 >
>
0
> 0
1
2
>
0
2
+
>
0
+
2
>
2
2
2
>
0
2
>
0
+
2
<
2
3
Le disequazioni irrazionali del tipo A(x) > B(x)hanno come insieme di soluzione l’unione
degli insiemi delle soluzioni dei due sistemi, ognuno di due disequazioni:
)
 B
⁄ 
( x
)
 B
( x
< 0
≥ 0
A x
(
)
≥ 0
A x
(
)
> [
2
B x
( )]
Le
disequazioni
irrazionali
del
tipo
A(x) < B(x)
equivalgono
a
un
sistema
di
tre
disequazioni:
B )
(
x
> 0
A x
(
)
≥ 0
(
x
)
<
[
2
A B x
( )]
Nel nostro caso 2 + 2 > 2  2 < 0  2 ≥
Nel nostro caso
2 +
2
>
2
2
<
0
2
0
2
2
2
+
2
0
+
2
>
4
6
Per
>
0
> 0 ⁄
2
3
Per
2 +
2
<
2

2

2

2

> 0

+

+

2

2

<

0

4

2

3

> 0

2

2

2

> 2

<

> 0

2

0

2

3

2

0

<

2

> 0

.

<

S V

.

6
6

3;

>


> 0

.

S . V

6
6

3

 0  ⁄  6 6 < <   3 3
0
⁄ 
6
6
<
<
3 3

>

6
6

3

>

0

1

>

0

2

>

0

3

> 0

> 0 ⁄ 6 >
> 0 ⁄
6
>

3

6
6

3

<

0

Per

>

6
6

3

la matrice è definita positiva.

Metodo di Jacobi:

D =

0

0

0

3

0

0   1 0 0   0     1 0
0 
 1
0
0
 0
1
0
D
=
0
1 3
0
L
+
U
=
1
0
0
1
0
0
1
0
1
B
=
D
(
L
+
U
)
=
1 3
0
1 3
J
0
1
0

1

0

1

0

1

 

0

det(B

J

2

I ) = 0

1

3

2

+

1 =

0

 1 0    det 1 3 1 3    0
1
0
det
1 3
1 3
0
1
1
1
2 
2
 = 0
 =
0
2
3
3
 
2
6
6
= ±
=
2 3 = ±
2
3
3
3

Il metodo è convergente se

6 3
6
3

< 1

6 3 3
6
3
3

< 0

(

B

J

) < 1

= 0

N

> 0

6
6

3

> 0

6 <
6
<

3

D

> 0

3

> 0

> 0

Il metodo è convergente per:

< 0;

6 >
6
>

3

2

2

3

2

= 0