ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ. ΕΝΟΤΗΤΑ: Αριθμητική Γραμμική Άλγεβρα (1) ΔΙΔΑΣΚΩΝ: Βλάμος Παναγιώτης ΙΟΝΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

Σχετικά έγγραφα
ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ. ΕΝΟΤΗΤΑ: Άλγεβρα των Πινάκων (2) ΔΙΔΑΣΚΩΝ: Βλάμος Παναγιώτης ΙΟΝΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ. ΕΝΟΤΗΤΑ: Διανυσματικοί Χώροι (1) ΔΙΔΑΣΚΩΝ: Βλάμος Παναγιώτης ΙΟΝΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ. ΕΝΟΤΗΤΑ: Άλγεβρα των Πινάκων (1) ΔΙΔΑΣΚΩΝ: Βλάμος Παναγιώτης ΙΟΝΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ. ΕΝΟΤΗΤΑ: Διανυσματικοί Χώροι (2) ΔΙΔΑΣΚΩΝ: Βλάμος Παναγιώτης ΙΟΝΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ. ΕΝΟΤΗΤΑ: Διανυσματικοί Χώροι (3) ΔΙΔΑΣΚΩΝ: Βλάμος Παναγιώτης ΙΟΝΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

Μαθηματικά. Ενότητα 3: Εξισώσεις και Ανισώσεις 1 ου βαθμού. Σαριαννίδης Νικόλαος Τμήμα Λογιστικής και Χρηματοοικονομικής

ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ. ΕΝΟΤΗΤΑ: Γραμμικοί Μετασχηματισμοί. ΔΙΔΑΣΚΩΝ: Βλάμος Παναγιώτης ΙΟΝΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ. ΕΝΟΤΗΤΑ: Διανύσματα στους Rn, Cn, διανύσματα στο χώρο (1) ΔΙΔΑΣΚΩΝ: Βλάμος Παναγιώτης ΙΟΝΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

Παναγιώτης Ψαρράκος Αν. Καθηγητής

Ειδικά θέματα στην επίλυση

9 ο ΕΡΓΑΣΤΗΡΙΟ ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ

ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ. ΕΝΟΤΗΤΑ: Διανύσματα στους Rn, Cn, διανύσματα στο χώρο (3) ΔΙΔΑΣΚΩΝ: Βλάμος Παναγιώτης ΙΟΝΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

Γραµµική Αλγεβρα. Ενότητα 2 : Επίλυση Γραµµικών Εξισώσεων. Ευστράτιος Γαλλόπουλος Τµήµα Μηχανικών Η/Υ & Πληροφορικής

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα. Συστήματα Αυτομάτου Ελέγχου. Ενότητα Α: Γραμμικά Συστήματα

ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ. ΕΝΟΤΗΤΑ: Γραμμικές Συναρτήσεις Διάκρισης. ΔΙΔΑΣΚΟΝΤΕΣ: Βλάμος Π. Αυλωνίτης Μ. ΙΟΝΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

Θερμοδυναμική - Εργαστήριο

Υπολογιστικά & Διακριτά Μαθηματικά

Υπολογιστικά & Διακριτά Μαθηματικά

ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΟΙΚΟΝΟΜΟΛΟΓΟΥΣ

Μαθηματικά Διοικητικών & Οικονομικών Επιστημών

ΒΟΗΘΗΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ

Συστήματα Αυτόματου Ελέγχου

Γραμμική Άλγεβρα και Μαθηματικός Λογισμός για Οικονομικά και Επιχειρησιακά Προβλήματα

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Πληροφορική. Εργαστηριακή Ενότητα 3 η : Επεξεργασία Κελιών Γραμμών & Στηλών. Ι. Ψαρομήλιγκος Τμήμα Λογιστικής & Χρηματοοικονομικής

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ

Ιόνιο Πανεπιστήμιο - Τμήμα Πληροφορικής

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

Μαθηματικά. Ενότητα 2: Δεκαδικοί αριθμοί, κλάσματα, δυνάμεις, ρίζες και ποσοστά. Σαριαννίδης Νικόλαος Τμήμα Λογιστικής και Χρηματοοικονομικής

Μαθηματικά Διοικητικών & Οικονομικών Επιστημών

Διδάσκων: Καθηγητής Νικόλαος Μαρμαρίδης, Καθηγητής Ιωάννης Μπεληγιάννης

Λογισμός 3. Ενότητα 19: Θεώρημα Πεπλεγμένων (γενική μορφή) Μιχ. Γ. Μαριάς Τμήμα Μαθηματικών ΑΝΟΙΚΤΑ ΑΚΑ ΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ

Επιστηµονικός Υπολογισµός Ι

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος

Αριθμητική Ανάλυση. Ενότητα 1: Εισαγωγή Βασικές Έννοιες. Φραγκίσκος Κουτελιέρης Πολυτεχνική Σχολή Τμήμα Χημικών Μηχανικών

Οικονομικά Μαθηματικά

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Υπολογιστικά & Διακριτά Μαθηματικά

Διδάσκων: Καθηγητής Νικόλαος Μαρμαρίδης, Καθηγητής Ιωάννης Μπεληγιάννης

Παναγιώτης Ψαρράκος Αν. Καθηγητής

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ ΕΞΙΣΩΣΕΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ

Αυτοματοποιημένη χαρτογραφία

Οικονομετρία. Απλή Παλινδρόμηση. Έλεγχοι υποθέσεων και διαστήματα εμπιστοσύνης των συντελεστών. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης

Παναγιώτης Ψαρράκος Αν. Καθηγητής

Γραµµική Αλγεβρα. Ενότητα 2 : Επίλυση Γραµµικών Εξισώσεων. Ευστράτιος Γαλλόπουλος Τµήµα Μηχανικών Η/Υ & Πληροφορικής

Λογισμός 3. Ενότητα 18: Θεώρημα Πεπλεγμένων (Ειδική περίπτωση) Μιχ. Γ. Μαριάς Τμήμα Μαθηματικών ΑΝΟΙΚΤΑ ΑΚΑ ΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Μαθηματικά. Ενότητα 6: Ασκήσεις Ορίων Συνάρτησης. Σαριαννίδης Νικόλαος Τμήμα Λογιστικής και Χρηματοοικονομικής

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕ ΧΡΗΣΗ Η/Υ

Γραµµική Αλγεβρα. Ενότητα 1 : Εισαγωγή στη Γραµµική Αλγεβρα. Ευστράτιος Γαλλόπουλος Τµήµα Μηχανικών Η/Υ & Πληροφορικής

Πληροφορική. Εργαστηριακή Ενότητα 5 η : Μαθηματικοί Τύποι. Ι. Ψαρομήλιγκος Τμήμα Λογιστικής & Χρηματοοικονομικής

Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. Λογισμός 3 Ασκήσεις. Μιχάλης Μαριάς Τμήμα Α.Π.Θ.

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Γραφικά με υπολογιστές. Διδάσκων: Φοίβος Μυλωνάς. Διαλέξεις #11-#12

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

ΔΙΔΑΣΚΩΝ: Δρ. Στυλιανός Τσίτσος

ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ. Πιθανότητες. Συνδυαστική Ανάλυση Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

Προγραμματισμός Ηλεκτρονικών Υπολογιστών 2 - Εργαστήριο

Υπολογιστικά & Διακριτά Μαθηματικά

ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ ΦΥΣΙΚΟΧΗΜΕΙΑ ΙΙ

Υπολογιστικά & Διακριτά Μαθηματικά

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

Συστήματα Αυτομάτου Ελέγχου 1

Εφαρμοσμένη Στατιστική

Μαθηματικά Διοικητικών & Οικονομικών Επιστημών

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

Γραμμική Άλγεβρα και Μαθηματικός Λογισμός για Οικονομικά και Επιχειρησιακά Προβλήματα

Υπολογιστικά & Διακριτά Μαθηματικά

ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι

Διδάσκων: Καθηγητής Νικόλαος Μαρμαρίδης, Καθηγητής Ιωάννης Μπεληγιάννης

Στοχαστικά Σήματα και Τηλεπικοινωνιές

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

ΜΑΘΗΜΑ: ΗΛΕΚΤΡΟΤΕΧΝΙΑ-ΗΛΕΚΤΡΟΝΙΚΗ ΕΡΓΑΣΤΗΡΙΟ

Λογιστικές Εφαρμογές Εργαστήριο

ΜΑΚΡΟΟΙΚΟΝΟΜΙΚΗ Ενότητα 1: Εισαγωγή: Το αντικείμενο της Μακροοικονομικής Η έννοια και του ΑΕΠ Ονομαστικό και πραγματικό ΑΕΠ

Εισαγωγή στους Αλγορίθμους

Διδάσκων: Καθηγητής Νικόλαος Μαρμαρίδης, Καθηγητής Ιωάννης Μπεληγιάννης

D = / Επιλέξτε, π.χ, το ακόλουθο απλό παράδειγμα: =[IA 1 ].

Διδάσκων: Καθηγητής Νικόλαος Μαρμαρίδης, Καθηγητής Ιωάννης Μπεληγιάννης

Στατιστική Ι. Ενότητα 2: Στατιστικά Μέτρα Διασποράς Ασυμμετρίας - Κυρτώσεως. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Μαθηματικά και Φυσική με Υπολογιστές

Διδάσκων: Καθηγητής Νικόλαος Μαρμαρίδης, Καθηγητής Ιωάννης Μπεληγιάννης

ΣΤΑΤΙΣΤΙΚΗ ΙΙ. Ενότητα 2: ΣΤΑΤΙΣΤΙΚΗ ΙΙ (2/4). Επίκ. Καθηγητής Κοντέος Γεώργιος Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά)

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

Ιόνιο Πανεπιστήμιο - Τμήμα Πληροφορικής

Γραµµική Αλγεβρα. Ενότητα 3 : ιανυσµατικοί Χώροι και Υπόχωροι. Ευστράτιος Γαλλόπουλος Τµήµα Μηχανικών Η/Υ & Πληροφορικής

Τμήμα Μηχανικών Πληροφορικής και Τηλεπικοινωνιών

ΥΠΟΛΟΓΙΣΤΕΣ ΙI. Άδειες Χρήσης. Δείκτες Διδάσκοντες: Αν. Καθ. Δ. Παπαγεωργίου, Αν. Καθ. Ε. Λοιδωρίκης

Θεωρία Πιθανοτήτων & Στατιστική

Transcript:

ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ ΕΝΟΤΗΤΑ: Αριθμητική Γραμμική Άλγεβρα (1) ΙΟΝΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΔΙΔΑΣΚΩΝ: Βλάμος Παναγιώτης

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons

Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου του διδάσκοντα. Το έργο «Ανοικτά Ακαδημαϊκά Μαθήματα Ιονίου Πανεπιστημίου» έχει χρηματοδοτήσει μόνο τη αναδιαμόρφωση του εκπαιδευτικού υλικού. Το έργο υλοποιείται στο πλαίσιο του Επιχειρησιακού Προγράμματος «Εκπαίδευση και Δια Βίου Μάθηση» και συγχρηματοδοτείται από την Ευρωπαϊκή Ένωση (Ευρωπαϊκό Κοινωνικό Ταμείο) και από εθνικούς πόρους. 3

Εισαγωγή Απαλοιφή Gauss με α) μερική οδήγηση, και β) με ολική οδήγηση. α ) μερική οδήγηση Στο πρώτο στάδιο της απαλοιφής ςξετάζεται η πρώτη στήλη για την εύρεση του μεγαλύτερου ( ως προς το μέγεθος) στοιχείου, και τοποθετείτε ως το πρώτο οδηγό στοιχείο με αμοιβαία ανταλλαγή των αντιστοίχω εξισώσεων. Στο δεύτερο στάδιο επαναλάμβανεται η διαδικασία για τη 2 η στήλη κ. ο. κ. Δηλ: αν j ο μικρότερος ακέραιος για τον οποίο τότε αντάλλαξε τις γραμμές k, j.

Εισαγωγή Απαλοιφή Gauss με α) μερική οδήγηση, και β) με ολική οδήγηση. β ) ολική οδήγηση Εξετάζουμε τον πίνακα Α ( δλδ τους συντελεστές των αγνώστων) ως προς την εύρεση του απολύτως μεγαλυτέρου στοιχείου, και το τοποθετούμε ως το πρώτο οδηγό στοιχείο. Είναι εύκολα αντιληπτό ότι αυτό ( γενικά) απαιτεί αναδιάταξη των θέσεων των όρων ή/ και ανταλλαγή εξισώσεων. Δηλ.: Αν l, m οι μικρότεροι ακέραιοι για τους οποίους: τότε αντάλλαξε τις γραμμές k. l και τις στήλες k,m.

Παράδειγμα: απαλοιφής Gauss με α) μερική οδήγηση, και β) με ολική οδήγηση. Έστω το σύστημα: Το πρώτο οδηγό στοιχείο είναι το 0, άρα πρέπει να προβούμε σε οδήγηση. α) Εξετάζοντας την πρώτη στήλη βρίσκουμε το 2 -> ανταλλάσουμε την 1 η με την 3 η εξίσωση, δλδ:

Παράδειγμα: απαλοιφής Gauss με α ) οδήγηση. μερική οδήγηση, και β) με ολική Πολ/ με την 1 η με (-1/2) και την προσθέτουμε στη 2 η, και προκύπτει: Στη συνέχεια εξετάζουμε την 2 η στήλη, και παρατηρούμε ότι το απολύτως μεγαλύτερο στοιχείο είναι το 10 -> ανταλλάσουμε την 2 η με την 3 η, και:

Παράδειγμα: απαλοιφής Gauss με α ) οδήγηση. μερική οδήγηση, και β) με ολική Πολ/ με την 2 η με (-1/10) και την προσθέτουμε στη 3 η, και προκύπτει: και τελικά {x1,x2,x3}={2.71875, 0.40625, -2.0625}.

Παράδειγμα: απαλοιφής Gauss με α) μερική οδήγηση, και β ) οδήγηση. β) Εξετάζουμε τον πίνακα των συντελεστών: με ολική Ο μεγαλύτερος αριθμός 10, ανταλλάσουμε την 1 η με την 2 η στήλη, και προκύπτει ο πίνακας των συντελεστών των αγνώστων: σχηματίζουμε τον επαυξημένο πίνακα και:

Παράδειγμα: απαλοιφής Gauss με α) μερική οδήγηση, και β ) οδήγηση. με ολική Πολ/ με την 1 η με (i) (-3/10) και την προσθέτουμε στην 2 η, και (ii) πολ/ με την 1 η με (-2/5) και την προσθέτουμε στην 3 η, δλδ: αντιμεταθέτουμε τις 2 τελευταίες γραμμές: πολ/ με την 2 η γραμμή με (-1/2) και την προσθέτουμε στην 3 η γραμμή, και: Οπότε {x1,x2,x3}={2.71875,0.40625,-2.0625} Λύσεις από α) {x1,x2,x3}={2.71875, 0.40625, -2.0625}.

Εισαγωγή Μέθοδος τριγωνοποίσης ή LU decomposition method Σε αυτή την μέθοδο ο πίνακας Α, των συντελεστών των αγνώστων παραγοντοποιείται σε γινόμενο ενός κάτω (L) και ενός άνω (U) τριγωνικού πίνακα, δλδ: A = L U, με

Εισαγωγή Μέθοδος τριγωνοποίσης ή LU decomposition method Πραγματοποιώντας τον πολ/ μο L U σχηματίζονται τα: ο συνολικός αριθμός αγνώστων είναι n^2+n. Οπότε υπάρχουν παραμετρικές οικογένειες λύσεων. Για να βρούμε μία αρκεί να θέσουμε n Επιλέγουμε τη 2 η περίπτωση, και χωρίς να επηρεάζεται η γενικότητα:

Εισαγωγή Η 1 η στήλη του L είναι ίση με την 1 η στήλη του Α, και αντίστοιχα η 1 η γραμμή του U. Οπότε: για την 2 η στήλη και γραμμή: για τις υπόλοιπες στήλες του L και γραμμές του U, Έτσι μπορούμε να γράψουμε: Lux=b και ισοδύναμα Ux=z, Lz=b. Τα z, x προκύπτουν από τις σχέσεις:

Παράδειγμα Να λυθεί το σύστημα: Σχηματίζουμε τον Α και στη συνέχεια τους L, U: πολ/ ντας την 1 η, 2 η και 3 η γραμμή του L με την 1 η στήλη του U, προκύπτει: πολ/ ντας την 1 η, γραμμή του L με τη 2 η, 3 η στήλη του U, προκύπτει:

Παράδειγμα Να λυθεί το σύστημα: Σχηματίζουμε τον Α και στη συνέχεια τους L, U: πολ/ ντας τη 2 η και 3 η γραμμή του L με τη 2 η στήλη του U, προκύπτει: πολ/ ντας τη 2 η γραμμή του L με τη 3 η στήλη του U, προκύπτει: πολ/ ντας τη 3 η γραμμή του L με τη 3 η στήλη του U, προκύπτει:

Παράδειγμα Να λυθεί το σύστημα: Άρα οι πίνακες L, U είναι: οπότε συνεχίζουμε ως: Lz=b, δλδ οπότε Ακόμη Ux=z, δλδ: οπότε:

Εισαγωγή Norm πίνακα Πρόκειται για έναν >0 αριθμό που ικανοποιεί τις παρακάτω ιδιότητες Οι περισσότερο χρησιμοποιούμενες norms είναι οι:

Εισαγωγή Δείκτης Κατάστασης Πίνακα Αν για ένα γραμμικό σύστημα ορίζεται ο αντίστροφος του Α και για κάποια norm ισχύει τότε θα ισχύει και: Η ποσότητα συμβολίζεται με cond(a). ονομάζεται δείκτης κατάστασης πίνακα και Το αριστερό τμήμα εκφράζει το σχετικό σφάλμα στο x. Ο πρώτος όρος στην παρένθεση ( δεξίο μέλος) εκφράζει το δεύτερος το σχετικό σφάλμα στο b. σχετικό σφάλμα στον Α και ο

Εισαγωγή Δείκτης Κατάστασης Πίνακα Αν Αν τότε => αν το k(a) είναι μικρό τότε το σύστημα είναι ευσταθές ( μικρές μεταβολές στο Α, b συνεπάγονται μικρές μεταβολές στα x) => να το k(a) είναι μεγάλο τότε το σύστημα είναι ασταθές ( μικρές μεταβολές στο Α, b συνεπάγονται μεγάλες μεταβολές στα x)

Εισαγωγή Δείκτης Κατάστασης Πίνακα Για spectral norms H όπου τα λ, μ είναι η μέγιστη και ελάχιστη σε μέτρο ιδιοτιμή του πίνακα AA ( ο A H είναι ο συζηγής κα ανάστροφος του Α), και αν ο πίνακας A είναι ερμιτιανός ή συμμετρικός τότε όπου τα λ 1, μ 1 είναι η μέγιστη και ελάχιστη σε μέτρο ιδιοτιμή του πίνακα A.

Παράδειγμα Να βρεθεί ο δείκτης κατάστασης του πίνακα του συστήματος

Τέλος Ενότητας