Sei sulla pagina 1di 82

Analisi Numerica

capitolo 5

Algebra lineare Numerica

ALGEBRA LINEARE NUMERICA

A. A. 2009-2010

ING. CIVILEj TUTELA TERRITORIO

Prof. G. PIAZZA

1

Analisi Numerica

capitolo 5

Algebra lineare Numerica

SISTEMI DI EQUAZIONI ALGEBRICHE LINEARI.

j

~;i:~;;~gfsf~fui quadrati non singolari. Assegnata Aek"?", det (A) * O, bER n si cerca un xt eR" tale che

..~

c~~-=c~,;c- ~==~:-~~~'C:~=C~

,

(1)

Ax* =

b.

~=:~~~:RiEesl matrice dei

coefficienti, b chiamasi

termine noto.

Se b è

il

vettore nullo allora l'unica soluzione è x* = Oe il problema è risolto.

Assumeremo perciò, in generale, b * O.

Metodo di eliminazione di Gauss. L'idea alla base del metodo di Gauss è quella di sostituire il sistema (1) con un sistema equivalente- cioè un sistema che ammetta la stessa soluzione- ma caratterizzato dall'avere matrice dei coefficienti triangolare superiore. Infatti in questo caso la soluzione è facilmente calcolabile. vedremo in seguito come questa possa essere calcolata. Vediamo ora, attraverso un esempio, come realizzare la 'trìangolarìzzazìone di un sistema lineare'.

A tal fine assumiamo di dover risolvere il seguente sistema:

[6]Xl

+ 2xz + X3

=

-1

[-2]x 1 + 2xz + X3

= 7

E z

E 3 .

(le

parentesi

quadre

attorno

identificarli facilmente).

al

numeri

hanno

il

solo

scopo

di

Per semplicità di esposizione, abbiamo indicato con P la prima equazione detta -equazione pivoting - e con E z , E 3 , rispettivamente la

2

Analisi Numerica

capitolo 5

Algebra lineare Numerica

seconda e terza equazione. L'elemento in grassetto dicesi elemento

"I

. pìvotìng,
.
pìvotìng,

numerI

.

[ 6

mZl = - -

2

]

J

[-

m31 = - -

z]

2

. cl'

SI

Icono ma

lti Ip l" Ica t Ol'l. "

Il 1 o passo

del

metodo di eliminazione di Gauss consiste allora nel

sostituire il sistema di partenza con

il sistema formato

dalle tre

seguenti equazioni

{

pl

E~ = Ez ~+ mZ1XP E~ = E 3 + m31XP

ovvero:

-XZ - 2X3 = -4
-XZ
-
2X3
= -4

P(Old)

Algebra lineare Numerica seconda e terza equazione. L'elemento in grassetto dicesi elemento "I . pìvotìng,

Possiamo ora ripetere il passo precedente sul sottosistema:

-lxz -

2x~ = -4

[3]xz + 2X3

= 8

p(new)

2 0 passo di eliminazione. Costruito il moltiplicatore:

m32 = ~~ } il precedente sistema viene sostituito dal nuovo sistema:

1 Questo sistema è ottenuto combinando linearmente le equazioni del sistema precedente è pertanto è equivalente a quest'ultimo.

3

Analisi Numerica

capitolo 5

Algebra lineare Numerica

ovvero dal sistema:

-lx2 -

2X3

= -4

-4X3 =

-4.

A questo punto partendo dall'ultima equazione, è facile ottenere la soluzione. Si trova:

Un importante osservazione. Le trasformazioni che abbiamo appena effettuato, coinvolgono solo gli elementi della matrice dei coefficienti e gli elementi del termine noto e non certo il nome delle variabili. E' allora più 'economico' lavorare su questi e solo alla fine scrivere l'equivalente sistema triangolarizzato. per essere più chiari, svolgiamo il precedente esercizio in questa ottica. Si ha:

1

1

1]

-1

~

[ 2

O

  • 1 O

7

1

-1

3

:1 -~ ~4].

O

-4

-4

Le prime tre righe e tre colonne dell'ultima rnatrice rappresentano la matrice dei coefficienti del sistema triangolare, la quarta colonna rappresenta il corrispondente termine noto. Siamo ora in posizione di poter generalizzare il metodo di eliminazione di Gauss a sistemi di dimensione n> 2.

A tal fine, sia

A = A (1) = [a~~)] ER

L)

nxn

,

4

Analisi Numerica

capitolo 5

Algebra lineare Numerica

b = bel) = [b~l)] ER n ,e consideriamo il sistema lineare:

(1)

a l l

Xl

+

~n

(1)

Lij= 2 alj Xj

_

-

(1)

b l

a

(1)

i l

Xl

+ Li j=2 a

~n

..

(1)

ij

Xj

_

-

bel)

i

p(l)

primo passo di eliminazione.

Costruiti i moltiplicatori mil == -

nuovo sistema:

ci)

a~l)

a l

l

i

== 2,

...

,

n , costruiamo il

Con facili calcoli si trova:

p(l)

dove

, i

== 2,

a

(2)

..ij

== a(l)

ij

_

ai~) a(l)

a(l)

11

lj

b

(2)

i

-

-

bel) _

i

(1) bel)

a i l

a(l)

1

11

 

, n

,

i, j

== 2, ...

,

n,

i

== 2, ...

,

n .

Assumiamo ora di aver eseguito k -

1 passi di elìmìnazione sicchè

l'attuale sistema, equivalente

al sistema dato, si presenta nella

forma:

5

Analisi Numerica

capitolo 5

~n

(1)

~j=l a l j

Xj

_

-

(1)

b l

~n

(2)

~j=2 a 2j

Xj

_

-

b(2)

2

p(l)

Algebra lineare Numerica

~n

~j=k-l a

(k-l)

k - l j

Xj

_

-

b(k-l)

k-l

p(k-:l)

p(k)

(k)

a ik

(k)

Xk + ~j=k+l a ij

~n

Xj

-

-

b(k)

i

E(k) i' l -

.

-

k

+

1

,

...

, n .

k-simo passo di eliminazione.

Costruiti i moltiplicatori:

-

mik -

-

a

  • (k) k

ik

(k)

i =

a kk

+ 1,

...

, n

,

il nuovo sistema è costruito con

p(l)

p(2)

p(k)

(k + l )

E i

_

-

E(k) +

i

.

mlk x

p(k)

,

i = k + 1, ...

,

n,

6

Analisi Numerica

capitolo 5

Algebra lineare Numerica

ovvero

 

(1)

_

L,., j=l a l j

Xj

-

 

n

'(Z)

_

Lj=Z a Zj

Xj

-

bel)

1

(Z)

b z

p(l)

p(Z)

   

b(k-l)

 
 

_

(k-l) L,.,j=k-l a k - l j

Xj

-

k-l

   

b(k)

 

_

 

(k) a k k

(k) Xk + L,., j=k+l a k j

Xj

-

k

 

n

_

b(k+l)

 

L,., j=k+l a ij

Xl

-

i

dove:

 

(k+l) _

 

(k)

a~Z) (k)

U ij -

U ij

-

a(k) U kj kk

     

(k)

 

b

(k + l )

_

b(k) _

a i k

b(k)

i

-

i

a(k)

k

 

kk

p(k-l)

p(k)

i =

k

+

1, 000'

n

i, j

== k

+ 1,

o ••

,

n

i

== k

+

1,

o

o.

, n.

In definitiva l'implementazione del metodo di eliminazione Gauss

consiste essenzialmente nel seguente algoritmo:

7

Analisi Numerica

capitolo 5

'Leggi 'A, b e la dimensione n.

Per k=l,

.n

per i=k+ l,

.n

 

per j=k+ l,

.n

 

esegui:

A( -

o =

l,]

A( -

-) -

l,]

A(k,k) A(i,k) A(k

.t

-)

bei)

= bei) -

A(i,k) b(k)

A(k,k)

fine ciclo j

 

fine ciclo i

 

fine ciclo k.

Algebra lineare Numerica

In uscita la parte triangolare alta di A conterrà la matrice dei

coefficienti e, del 'sistema trìangolarìzzato', mentre b conterrà il

corrispondente termine noto.

Risoluzione di un sistema triangolare superiore.

Assegnato il sistema triangolare alto:

t l l

t

1 2

t 22

tli

t 2i

t·· II

t l n

t 2n

tin

t-«

Xl

X2

x· l

X

n

bi

b 2

bi

b n

8

Analisi Numerica

capitolo 5

Algebra lineare Numerica

con tutti gli elementi diagonali non nulli , partendo dall'ultima equazione è agevole stabilire che:

X n =

­

n

t nn

~

i = n -

l,

...

, 1

.

Analisi Numerica capitolo 5 Algebra lineare Numerica con tutti gli elementi diagonali non nulli , partendo

~~--I·

Costo computazionale del metodo di Gauss. A partire dalle formule:

• _

-

~n

L.i=l l

n(n+l) .

2

'

~n

.2

L.i=l l

_

-

n(n+l)(2n+l)

6

'

è possibile stabilire che il numero di operazioni aritmetiche che servono per triangolarizzare una matrice di ordine n con il metodo di Gauss è pari a ~ - ~ + n. L'ulteriore costo dovuto alla risoluzione del sistema triangolare, è pari a n 2 + n + 1 . Esercizio. Stabilire il costo computazionale su esposto. Ancora sul metodo di Gauss. Come si può ben notare dalle formule di trasformazione del metodo di Gauss pago 7 , tale metodo conduce alla triangolarizzazione del sistema, se e solo se tutti gli elementi pivotali, sono non nulli. Invero questa circostanza è sempre realizzabile per sistemi quadrati non singolari.

3

3

2

2

6

Infatti, al primo passo ,assunto

ai~) =

O, per la non singolarità di A

sicuramente esiste un

(1)

elemento a r l

* O, rE,.

{2

.

}

., n;

b

asta a

Il

ora

9

Analisi Numerica

capitolo 5

Algebra lineare Numerica

scambiare la riga 1 di A con la riga r e la prima componente di b con

la erresima e proseguire. Assunto ora di aver eseguito k - 1 passi, del

metodo di Gauss, la matrice dei coefficienti, si presenta nella seguente

forma:

A(k) =

(1)

a 1k - 1

(k-l)

a k-lk-l

(k-l) a k - 1n (k) a k k
(k-l)
a k
-
1n
(k)
a k k

Assunto ak7l

~

= O, se per assurdo fosse

a

(k)

i k

-

-

O . -

,

l

-

k

+

1

, ..

., n,

la sottomatrice

Algebra lineare Numerica scambiare la riga 1 di A con la riga r e la

sarebbe singolare e per conseguenza lo sarebbe la matrice A (k),

contraddicendo cosi l'equivalenza dei sistemi generati dal metodo di

Gauss. Possiamo allora concludere che se ak~ = O, sicuramente esiste

un elemento a~k2 =1= O, rE{k + 1,

, n}. A questo punto è sufficiente
I

...

scambiare la riga r con la riga k in A(k) I la componente r - sima con la

componente k - sima in b(k)e continuare con la trasformazione.

10

Analisi Numerica

capitolo 5

Algebra lineare Numerica

Nota. Nella pratica, a meno che non si abbiano ulteriori informazioni

sulla matrice dei coefficienti, ( ad esempio A a predominanza

diagonale) è buona norma ('per ragioni di stabilità numerica')

effettuare sempre uno scambio di righe, secondo la seguente strategia:

posto:

Ia;~ I = maxk::;i::;n Ia~~) I

scambiare la riga r con la riga k e la componente r con la componente k

rispettivamente in A(k) e b(k).

Quest'ultima prende il nome di strategia di pivoting parziale.

Esercizio. Applicare il metodo di Gauss alla risoluzione del sistema:

X2

-

X3

= 3

-

2X I

+ 4X2

-

X3

= 1

-2XI + SX2 -

4X3

= -2.

Soluzione.

-1

-1

-4

-1

-1

-3

-1

-1

-4

j] ~

-2

-1

-1

-2

~J

Il sistema triangolare risultante è dunque:

X2

-

X3

=

3

-2X3 = -6

con soluzione Xl

= 10 ; X2

= 6 ; X3

= 3.

11

Analisi I\lumerica

capitolo 5

Algebra lineare Numerica

Esercizio. Determinare gli angoli a, {3, y tali che:

 

2sin a -

cos {3 + 3 tan y

=

3

4sin a + 2 cos {3 -

2 tan y

= 2

6sin a -

3 cos {3 +

tan y

= 9 ,

dove O < a

<

2n; O < {3 <

2n; O < y

<

Ztt,

Esercizio. Risolvere il sistema:

Algebra lineare Numerica Esercizio. Determinare gli angoli a, {3, y tali che: 2sin a -
Xl + X2 + 3X3 + 3X4 = 3 + = 3 Xl X2 + 2X3
Xl
+ X2
+ 3X3
+ 3X4
=
3
+
= 3
Xl
X2
+ 2X3
+ 3X4

utilizzando il metodo di Gauss con strategia di pivoting parziale.

Soluzione.

1

1

1

1

1

3

1

1

2

1

3

3

1

1

1

O

2

2

O

O

1

O

O

2

1

1

1

1

1

1

1

3

3

O

O

2

2

2

3

3

O

O

1

2

2

3

4

O

2

2

2

3

1

111

111

 

111

 

1

1

2

022

2

3

 

2

2

O

O

222

 

O

O

2

2

2

2

2

O

O

1

2

2

O

O

O

1

1

12

Analisi Numerica

capitolo 5

Il sistema triangolare è allora dato da :

2X2 + 2X3

+ 2X4

=

3

2X3 + 2X4

=

2

Algebra lineare Numerica

con soluzion-e Xl = X2 = .5, X3 = O, X4 = 1.

Fattorizzazione LU di matrici.

Definizione. Sia Ae R"?", Si

definisce minore principale di testa (o di

nord-ovest)

di ordine k < n della matrice A il determinante della

sottomatrice di A ottenuta estraendo da A le prime k righe e le prime k

colonne.

TEOREMA. (di fattorizzazione LU). Sia

AER nxn .

allora 31 L

E R nxn

,

triangolare inferiore avente tutti gli elementi diagonali uguali a 1

ed 31 U E R"?", triangolare superiore tali che

A

= LU

se e soltanto se , tutti i minori principali di testa di A sono non nullì.a

La fattorizzazione prevista dal precedente teorema chiamasi

fattorizzazione LU di A.

Esercizio. Assegnata la matrice:

A

=

X

1

[ O

2

X ~] xER,

1

determinare tutti i valori di X

per

fattorizzazione LU.

i

quali

la

matrice non ammette

13

Analisi Numerica

capitolo 5

Algebra lineare Numerica

Soluzione. In virtù del precedente teorema, la matrice non ammette

fattorizzazione LU per tutti quei valori di x per i quali almeno uno dei

seguenti determinanti è nullo.

det(x) = x; det ([~ ;]) = x - 2; det(A) = x(x 2 - 3).

2

<>

Ne consegue che l'insieme richiesto è

{D, V2, -V2, V3, -V3}.

Relazione tra metodo di Gauss e fattorizzazione LU.

Riconsideriamo il problema:

Ax = b, det CA) *" D.

Definite le matrici:

Analisi Numerica capitolo 5 Algebra lineare Numerica Soluzione. In virtù del precedente teorema, la matrice non

1

1

mk+lk.

1

dove

mik -

-

-

(k)

i k

a

(JZ) ,

a kk

k

= 1, ...

,

n-l,

i =

k

+ 1, ...

,

n ,

k

= 1, ...

,

n-l

sono i moltiplicatori di Gauss, è possibile provare che il metodo di

eliminazione di

Gauss,

dopo

k -

1

passi

produce

equivalente ad Ax = b dato da :

un

sistema

A(k)X = b(k)

con:

Analisi Numerica capitolo 5 Algebra lineare Numerica Soluzione. In virtù del precedente teorema, la matrice non

14

Analisi Numerica

e

capitolo 5

e Ne consegue" che: (1) Algebra lineare Numerica è la matrice triangolare superiore fornita dal

Ne consegue" che:

(1)

e Ne consegue" che: (1) Algebra lineare Numerica è la matrice triangolare superiore fornita dal

Algebra lineare Numerica

è la matrice triangolare superiore fornita dal metodo di Gauss. Dalla

(1), segue:

e Ne consegue" che: (1) Algebra lineare Numerica è la matrice triangolare superiore fornita dal

Potendosi inoltre provare che

L

=

L(l)-l .

.

. L(n-1)-1

ha la seguente forma:

 

1

L=

L=
-m - 1 1

-m n n - 1

1

ne

consegue che, posto U = A (n) risulta:

A =LU.

Possiamo in definitiva concludere che: il metodo

di

G auss

sen za

scambio di righe applicato alla matrice A

equivale

a

fornire

la

fattorizzazione LU della matrice A.

Esercizio. Via metodo di Gauss, costruire la fattorizzazione LU della

matrice:

15

Analisi Numerica

capitolo' 5

Algebra lineare Numerica

A=

2

4

[ 6

2

7~

18

2 ]

7.

22

r

Soluzione. come è d'uso nella dell'implementazione, memorizzeremo i moltiplicatori che 'costruiscono' la matri1e L, nelle posizioni degli elementi di A che vengono di volta in volta jzzerati.

47 2

[ 6

2

18

2 ]

[2

2

7~23

22

3

12

Pertanto:

2 ]

[2

2

2]

3~233

16

3-

4

-04

o L = [~ ~
o
L = [~
~

<'0]

[2

~; U = g

Risoluzione di sistemi lineari via fattorizzazione LU. Riconsideriamo il problema:

Ax =

b, det (A)

=I=-

O

ed

assumiamo

scrivere:

che A ammetta

fattorizzazione

LU.

Possiamo

allora

(1)

LUx =

b.

Posto Ux =

y, la (1), risulta equivalente ai due sistemi:

LY =

b

{ Ux=y

e dunque il problema si riduce a risolvere due sistemi triangolari. Abbiamo già visto come risolvere un sistema triangolare superiore. In modo analogo possiamo risolvere un sistema triangolare inferiore. Sia infatti da risolvere il sistema non singolare:

16

Analisi Numerica

capitolo 5

Algebra lineare Numerica

+

l H ..

x. l

+

l

Partendo dalla prima equazione, è facile stabilire che l'unica soluzione del sistema è data da:

 

2

 
 

l ~l=

Il

l

X i

==

l

==

r n. ·

 

I

,
lii

Differenza algoritmica fra metodo di Gauss e fattorizzazione LU.

Siano da risolvere gli M sistemi non singolari:

In questo caso risulta utile applicare il metodo di Gauss alla matrice:

onde ottenere la matrice:

[Ulb~

I..

·lb:nJ,

con U triangolare

superiore

e

dunque

gli

M

sistemi

triangolari

superiori

Ux = bf , i = 1,.

.

., M, equivalenti agli M sistemi dati.

Se invece gli M sistemi da risolvere sono del tipo:

AX ek + 1 )

= b(x ek ) ) ,

k = O,

...

,

M-l,

x eO )

noto,

17

Analisi l\Iumerica

,

capitolo 5

Algebra lineare Numerica

allora , non essendo effettivamente disponibile b(x(k)) senza aver

risolto il sistema AX(k) = b(X(k-l)), non è possibile applicare Gauss se

non reimplementandolo ex novo per ogni singolo sistema.

In circostanze di questo tipo (peraltro molto frequenti) risulta molto

più utile utilizzare la fattorizzazione LU di A in quanto questa, viene

effettuata una sola volta per tutti gli M sistemi,

Esercizio. Assegnata AER nxn non singolare, calcolare l'inversa di A.

Soluzione. Determinare l'inversa

di A significa cercare la matrice X

tale che AX = I dove I indica la matrice identità. Decomposte X ed I

per colonne,

ovvero

possiamo scrivere:

posto

X =

[XlI

..

·IX n ]

,

I

=

[elI·

. .

Ie n ],

o equivalentemente:

Quest'ultima uguaglianza matriciale equivale a :

In definitiva il calcolo di X può essere fatto risolvendo gli n sistemi (1)

e dunque applicando il metodo di Gauss alla matrice:

Esempio. Calcolare l'inversa di:

A = [~

1

2

2

Soluzione.

18

Analisi Numerica

capitolo 5

Algebra lineare Numerica

 

1

1

1

1

1

2

2

O

1

1

2

3

O

1

2

1

1

1

1

1

-1

O

1

O

I sistemi da risolvere sono dunque:

 

X2

+ X3

=

-1

Xl

+ X2

+ X3

=

O

X2

+ X3

= O

X3 = -1.

Pertanto l'inversa è data da:

A-l =

2

-1

[ O

-1

2

-1

19

Analisi Numerica

capitolo 5

Algebra lineare Numerica

Fattorizzazione LU . Tecnica diretta.

Sia AER nxn " ed assumiamo che A ammetta fattorizzazione LU.

Presentiamo ora un metodo che permette di calcolare direttamente i

fattori L ed U. A tal fine, imponiamo formalmente l'uguaglianza:

u~n] , l ii

U nn

= 1, i =

1,.

. , n.

Uguagliando" l'elemento di posto (i,j) in A all'elemento di posto (i,j)

nella matrice prodotto LU, abbiamo:

 

_

   

aij

-

ik Ukj

In particolare uguagliando la parte alta di A, compreso la diagonale,

alla parte alta della matrice prodotto LU segue:

da cui:

( 1)

~i-l l

~ij =aij-~k=l ik Ukj, l =

.

1

,

...

.n.] =l,

..

...

.n.

Si osservi che per i =

1, Ulj

= alj'

Analogamente uguagliando le parti strettamente inferiori abbiamo:

da cui

20

Analisi Numerica

capitolo 5

Algebra lineare Numerica

e,

(2)

lij

= (aij -

L~:~ lik Ukj) u 1 ..

i = 2, O"

n,j = 1,

,

i-l.

 

]]

Si osservi che per j

=

1, Zii

=

ail

 

Ull

Nota

importante.

 

le

formule

 

(1)

e

(2),

vanno

implementate

alternativamente.

Fattorizzazione PA=LU

La risoluzione di sistemi lineari via fattorizzazione LU sottintende

che la matrice dei coefficienti abbia tutti i minori principali di testa

non nulli. Come possiamo allora applicare la 'fattorizzazione' nella sola

ipotesi di non singolarità della matrice dei coefficienti?

Il successivo teorema, dà una risposta a questa domanda, ma prima di

enunciarlo premettiamo alcune definizioni.

Definizione. Una matrice P di ordine n della forma:

p=r

s

 

r

s

1

 

1

 

o

1

1

100

1

dicesi matrice di permutazione semplice.

E' facile constatare che la moltiplicazione a sinistra di una siffatta

matrice per una assegnata matrice A, ha l'effetto di scambiare la r­

21

Analisi Numerica

capitolo 5

Algebra lineare Numerica

sima riga di A con la s-sima. Analogamente se P moltiplica a destra la

matrice A, l'effetto è di scambiare la colonna r-sima di A con la s-sima,

Il prodotto di matrici di permutazione semplici chiamasi matrice di

permutazione.

TEOREMA. Sia AER nxn ,det(A) =f=. O. Allora esiste una matrice di

permutazione P ed in corrispondenza un'unica matrice triangolare

inferiore L con tutti gli elementi diagonali unitari ed un'unica matrice

triangolare superiore U, tali che:

PA = LU .•

Come abbiamo già accennato, questo teorema permette di risolvere

sistemi quadrati non singolari.

Sia infatti da risolvere il sistema:

Ax = b , det(A)

=f=.

O,

ed assumiamo di aver effettuato la fattorizzazione

PA

= LU.

Possiamo allora scrivere:

Ax = b <=> PAx = Pb <=> LUx = Pb.

Posto quindi

Ux = y,

segue

Ly = Pb.

Pertanto la soluzione del problema è ricondotta alla risoluzione dei

due sistemi triangolari:

Ly = Pb

22

Analisi Numerica

capitolo 5

Algebra lineare Numerica

Ux =y.

Esercizio. Costruire la fattorizzazione PA = LU

per la seguente matrice:

A =

[

-2

~

-3

2

8

3

-1

-3

12

2

1

48]

1

-4

Soluzione. Per memorizzare gli eventuali scambi di riga, definiamo un

vettore p -- contatore delle permutazioni-- che 'ìncolliamo' alla

matrice A e che inizialmente poniamo uguale a:

p = [~] . Applichiamo quindi alla matrice cosi ottenuta il metodo di

Gauss, ricordandoci di memorizzare i moltiplicatori nelle posizioni

degli elementi che vengono via via azzerati.

p

[-i

-3

2

-3

4

[ ~

-2

-3

  • 2 -3

[-i -3 2 -3 [ ~ -2 -3 2 -3

8

12

-8

O

24

3

-1

2

1

1

-4

3

4

7

5

-4

-8

2 -3
  • 2 -3

4

1

  • 7 -4

9

3

O

24

-24

2

  • 5 -176

176

4

 
 

-

-

-

  • 7 7

7

 

1

-2

4

-3

2

-3

4

1

7

-4

9

3

O

24

-24

5

-22

414

 

-

7

21

77

2

4

23

Analisi Numerica

capitolo 5

Algebra lineare Numerica

p

= [~

o

O

1

O

O

·1

O

O

~] · L ==

O '

1

1

-2

4

-3

o

1

O

5

-

7

O

O

1

-22

-

21

O

O

O ,· U

1

 

1

2

-3

4

O

7

-4

9

==

O

O

O

24

-24'

O

414

O

77

Esercizio. Risolvere il sistema lineare con matrice coefficienti data dall' esercizio precedente e temine noto

b = [~] , utilizzando la fattorizzazione PA=LU con strategia di

pivoting parziale.

Soluzione. In questo caso la fattorizzazione. è analoga all'esercizio precedente con la differenza che le eventuali permutazioni di riga vengono effettuate secondo il criterio di scelta del pivoting di massimo modulo.

Algebra lineare Numerica p = [~ o O 1 O O ·1 O ~] ·

2

8

3

....

:.1

-3

12

1

3

~8 ~]~

2

1

-4

4

[

-2

~

-3

8

2

3

-1

12

-3

2

1

-8 2]

4

1

1

3

-4

4

~

~

  • 4 8

12

  • 4 1 -6

O

-1

-

2

7

8

-3

  • 4 10

-

5

-8

6

-3

-10

2

1

3

4

~

  • 4 8

-1

""""2

7

  • 1 O

:4

-3

  • 4 5

-

12

8

-6

10

-8

-3

6

-10

2

3

1

4

24

 

1

O

O

O

p = [~

O

O

~]; L =

O

1

Posto:

  • 1 O

O

O

4

8

12

-8

- -1

1

O

1

  • 2
    1 ; U =

O

  • 4 1

-

O

O

O

7

O

8

-6

-3

6

-85

-3

5

-

- 5

1

O

O

O

-

7

  • 4 7

7

Ux = y e Pb

= d,

si tratta di risolvere i due sistemi:

Ux =y Ly = d.

Si osservi che per costruire il vettore d, non è necessaria la matrice P,

ma è sufficiente eseguire lo scambio delle componenti in b secondo

quanto indicato dal contenuto finale del vettore delle permutazioni.

Si lascia al lettore il completamento dell'esercizio.

25

Analisi Numerica

capitolo 5

Algebra lineare Numerica

Esercizio. Determinare la soluzione del sistema:

Algebra lineare Numerica Esercizio. Determinare la soluzione del sistema: Xl + Xz + 3X3 +
Algebra lineare Numerica Esercizio. Determinare la soluzione del sistema: Xl + Xz + 3X3 +

Xl

+ Xz

+

3X3

+ 3X4

= 3

Xl

+ Xz +

2X3 + 3X4

= 3

Xl + 3xz + 3X3 + 3x 4

=

4

via fattorizzazione PA=LU , utilizzando la strategia di pivoting parziale.

Soluzione: La matrice dei coefficienti A e il vettore termine noto b sono evidentemente dati da:

A = [1

1

1

1

3

1 1]

3

3

~

~

.

_

,b

-

n

3

~

.

[1

1

1

1

3

1

3

2

3

1 1]

3

2

3

3

3

",

4

~

[1 1

1

1

1

O

O

2

1

2

1

2

1

2

2

2

scambio [~

~]

3

4

)

1

1

1

2

O

O

1

2

1

2

1

2

2

1] scambio

4

.

3

)

2

2

[1

1

2

O

O

P = [~

1

2

2

1

1

2

2

~]~ [~

2

1

2

O

O

1

2

2

1 2

1

2

2

2

ì] ·

O

O

1

O

O

O

O

1

~] ; L = [~

O O O]

1

O

1

[1 1

OlO;U=l

O

~

1

1

1

2

O

O

1

2

2

1

-

2

~l

Posto

Ux

= y e Pb··= d,

si tratta di risolvere i due sistemi triangolari

Ux =y Ly = d.

26

Analisi Numerica

capitolo 5

Algebra lineare Numerica

SISTEMI RETTANGOLARI.

Prima di affrontare la risoluzione di sistemi rettangolari, premettiamo alcune fondamentali nozioni.

Row Echelon Form di una matrice.

r[

Sia E = [eij] E R mxn , m~ n e sia E = r[

righe di E .

r,T

m

la decomposizione per

Definizione. Diremo che la matrice E è in row echelon form -nel seguito forma ref ( E)-provvisto che siano verificate le seguenti due condizioni:

1. Se ri T

= OT allora r[

= OT per k

= i + 1, ...

,

m

 

2.Se eij* è

il primo elemento =1= O nella riga ri T

allora:

ekj = O per k

= i + 1,

m.] = 1,

,j* .

I seguenti, sono esempi di forma ref di una matrice:

[j

*

O

O

O

*

*

O

O

*

*

*

O

*

*

*

O

*

*

*

*

O

*

*

*

~l;

*

O

O

O

O

O

*

O

O

O

O

O

*

*

O

O

O

O

*

*

*

O

O

O

*

*

*

O

O

O

*

*

*

O

O

O

*

*

*

*

O

O

*

*

*

*

.

O

O

Metodo di Gauss modificato e forma ref di una matrice.

27

Analisi Numerica

capitolo 5

Algebra lineare Numerica

Nelle pagine precedenti, abbiamo visto che è sempre possibile triangolarizzare (eventualmente con un opportuno scambio di righe) una matrice quadrata via metodo di Gauss, purchè questa risulti non singolare. Ciò non è però garantito per matrici singolari.

Consideriamo infatti il seguente esempio:

sia da risolvere il sistema:

Xl +

2xz +

X3

+

3X4 + 3xs

=

2Xl + 4xz

+

4X4 +

4xs

=

Xl

+ 2xz +

3X3

+ 5x4

+

5xs

=

2Xl + 4xz

+

4X4 +

7xs

=

5

6

9

9.

"

Focalizziamo l'attenzione sulla matrice dei coefficienti

 

1

A =

2

1

2

213

 

3

4

044

2

3

5

5'

4

O

4

7

Si noti che le prime due colonne di A sono proporzionali (e dunque A è singolare ).

Applicando il primo passo del metodo di Gauss, abbiamo:

  • 1 2

1

3

3

1

2

1

  • 2 4

O

4

4

O

O

-2

  • 1 ~

2

3

5

5

O

O

2

  • 2 4

O

4

7

O

O

-2

3

3

-2

-2

2

2

-2

1

Ora il metodo di Gauss prevede di scendere di una posizione sotto l'elemento pivotale e spostarsi a destra per individuare il successivo elemento pivot. come può ben vedersi tale elemento (l'elemento in posizione (2,2)) è nullo ed inoltre non c'è possibilità di uno scambio della seconda riga con una sottostante in quanto tutti gli elementi sottostanti nella seconda colonna sono nulli. Allo scopo di manipolare

28

Analisi Numerica

capitolo 5

Algebra lineare Numerica

anche questa situazione -- valida anche per matrici rettangolari-­ modifichiamo il metodo di Gauss come segue:

Metodo di Gauss modificato.

Indicata con U(k) la matrice completa associata al sistema lineare dopo k - 1 passi, l'esecuzione del k - simo passo di eliminazione procede come segue:

(ribadiamo che stiamo nella situazione: uk~ = o euiZ) = o, i = k + 1,

...

n).

Ci

si

sposta

a

destra

dell'

elemento uk~ . Se l'elemento Uk~+l =1= O

allora (k, k + 1) è la posizione pivotale e U~~+l è l'elemento pivotale. Si procede quindi all'azzeramento degli elementi ad esso sottostanti in colonna k + 1.

• Altrimenti si

scende giù

in

colonna k + Lfino ad incontrare

un

elemento non nullo. Assunto che questi si trovi in posizione (r, k + 1) si scambia la riga r con la riga k . si procede quindi 'all'azzeramento'

degli elementi al di sotto del pivot

Uk~+l in colonna k + 1.

• Se il precedente punto non è realizzato (ovvero non si incontra alcun elemento non nullo in colonna k + 1) ci si sposta ancora a destra ed eventualmente al di sotto fino a realizzare il passo precedente.

Se la riga k-sima è interamente nulla e tutte le righe sottostanti

anch'esse tutte completato.

sono

nulle

allora

il

il

processo

di eliminazione è

Il seguente esempio esemplifica l'applicazione del metodo di Gauss modificato. Gli elementi in D indicano gli elementi pivot.

Esempio. Applicare il metodo di Gauss modificato alla matrice:

29

Analisi Numeriéa

capitolo 5

Algebra lineare Numerica

A=

1

2

1

2

2

4

2

4

1

O

3

O

IT 2' 1

240

123

240

3

4

5

4

3

4

5

4

3

4

5

7

il ~

~

[1

21 -2

3

g g -J

O

O -~]

o

o

o

o

3

[~

~

2

1

O I

O

O

21

2

-2

m 2

O

O

o

01

O

o

3

-2

2

-2

-;] 2

1

~

1

21

O

o

3

-2

o

o

3

-2

rn

o

E' ora evidente che l'applicazione del metodo di Gauss modificato ad

una matrice A E R'"?" riduce questa ad una forma row echelon.

Rango di una matrice.

Sia A E R m xn ed E = ref(A) una sua row echelon form.

Si definisce rango di A il numero:

rank(A) = numero degli elementi pivots =

= numero

di righe non zero di E =

= numero

delle colonne basiche di A .

Le colonne basiche di A sono definite come le colonne diA che sono in

corrispondenza con le posizioni pìvotalì, e dunque sono colonne

linearmente indipendenti.

Siamo ora in posizione di risolvere sistemi algebrici rettangolari.

Consistenza di sistemi lineari.

definizione. Un sistema di m equazioni algebriche lineari

In

n incognite, dicesi consistente se ammette almeno una soluzione.

Il sistema si dirà inconsistente se non ammette soluzioni.

30

Analisi Numerica

capitolo 5

Algebra lineare Numerica

E' possibile dimostrare , ma omettiamo di farlo, che le seguenti proposizioni sono equivalenti ad affermare che il sistema Ax = b, A E R'"?", b E R'" è consistente.

• Nel ridurre [Alb] nella forma E = Ref([Alb]) non appare mai una riga del tipo:

[O

O

O

O la],

a *0.

b è una colonna non basica in [Alb],

(o equivalentemente, rank([Alb]) = rank(A)).

b è una combinazione delle colonne basiche di A.

Esempio. Stabilire se il seguente sistema è oppure no consistente.