Numeeriset menetelmät

Samankaltaiset tiedostot
Numeeriset menetelmät TIEA381. Luento 3. Kirsi Valjus. Jyväskylän yliopisto. Luento 3 () Numeeriset menetelmät / 45

Numeeriset menetelmät

Numeeriset menetelmät

Numeeriset menetelmät

Käänteismatriisin ominaisuuksia

(0 desimaalia, 2 merkitsevää numeroa).

Numeeriset menetelmät TIEA381. Luento 2. Kirsi Valjus. Jyväskylän yliopisto. Luento 2 () Numeeriset menetelmät / 39

Johdatus tekoälyn taustalla olevaan matematiikkaan

Osittaistuenta Gaussin algoritmissa: Etsitään 1. sarakkeen itseisarvoltaan suurin alkio ja vaihdetaan tämä tukialkioiksi (eli ko. rivi 1. riviksi).

Numeeriset menetelmät

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Numeeriset menetelmät

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

R. Mäkinen NUMEERISET MENETELMÄT

Matematiikka B2 - TUDI

Insinöörimatematiikka D

Numeeriset menetelmät TIEA381. Luento 4. Kirsi Valjus. Jyväskylän yliopisto. Luento 4 () Numeeriset menetelmät / 44

1 Matriisit ja lineaariset yhtälöryhmät

Matriisilaskenta Luento 8: LU-hajotelma

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

Numeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33

Liittomatriisi. Liittomatriisi. Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä. 1) i+j det A ij.

1. LINEAARISET YHTÄLÖRYHMÄT JA MATRIISIT. 1.1 Lineaariset yhtälöryhmät

Matematiikka B2 - Avoin yliopisto

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Talousmatematiikan perusteet: Luento 11. Lineaarikuvaus Matriisin aste Käänteismatriisi

Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28

802118P Lineaarialgebra I (4 op)

Insinöörimatematiikka D

Funktioiden approksimointi ja interpolointi

2.8. Kannanvaihto R n :ssä

1.1. Määritelmiä ja nimityksiä

2.5. Matriisin avaruudet ja tunnusluvut

Lineaarinen yhtälöryhmä

Kaksirivisen matriisin determinantille käytämme myös merkintää. a 11 a 12 a 21 a 22. = a 11a 22 a 12 a 21. (5.1) kaksirivine

LU-hajotelma. Esimerkki 1 Matriisi on yläkolmiomatriisi ja matriisi. on alakolmiomatriisi. 3 / 24

Ennakkotehtävän ratkaisu

Matriisilaskenta. Harjoitusten 3 ratkaisut (Kevät 2019) 1. Olkoot AB = ja 2. Osoitetaan, että matriisi B on matriisin A käänteismatriisi.

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

Numeeriset menetelmät TIEA381. Luento 14. Kirsi Valjus. Jyväskylän yliopisto. Luento 14 () Numeeriset menetelmät / 55

5 Differentiaaliyhtälöryhmät

Insinöörimatematiikka D

Käänteismatriisi 1 / 14

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Numeeriset menetelmät

A = a b B = c d. d e f. g h i determinantti on det(c) = a(ei fh) b(di fg) + c(dh eg). Matriisin determinanttia voi merkitä myös pystyviivojen avulla:

BM20A0700, Matematiikka KoTiB2

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45

Päättelyn voisi aloittaa myös edellisen loppupuolelta ja näyttää kuten alkupuolella, että välttämättä dim W < R 1 R 1

Gaussin ja Jordanin eliminointimenetelmä

Yhtälöryhmät 1/6 Sisältö ESITIEDOT: yhtälöt

Insinöörimatematiikka D

Inversio-ongelmien laskennallinen peruskurssi Luento 2

Insinöörimatematiikka D

Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35

Determinantit. Kaksirivinen determinantti. Aiheet. Kaksirivinen determinantti. Kaksirivinen determinantti. Kolmirivinen determinantti

Numeeriset menetelmät

Numeeriset menetelmät

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi

Ville Turunen: Mat Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007

Insinöörimatematiikka D

Kurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa.

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset

Johdatus tekoälyn taustalla olevaan matematiikkaan

Matriisilaskenta (TFM) MS-A0001 Hakula/Vuojamo Ratkaisut, Viikko 47, 2017

MS-C1340 Lineaarialgebra ja

Luento 5: Suurten lineaaristen yhtälöryhmien ratkaiseminen iteratiivisilla menetelmillä

MS-C1340 Lineaarialgebra ja

4 Korkeamman kertaluvun lineaariset differentiaaliyhtälöt

Optimaalisuusehdot. Yleinen minimointitehtävä (NLP): min f(x) kun g i (x) 0 h j (x) = 0

k=0 saanto jokaisen kolmannen asteen polynomin. Tukipisteet on talloin valittu

Matikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/81

5 OMINAISARVOT JA OMINAISVEKTORIT

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja

Talousmatematiikan perusteet: Luento 13. Rajoittamaton optimointi Hessen matriisi Ominaisarvot ja vektorit Ääriarvon laadun tarkastelu

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Numeeriset menetelmät

Inversio-ongelmien laskennallinen peruskurssi Luento 3

Lineaarialgebra (muut ko)

Vektoreiden virittämä aliavaruus

Matriisit, L20. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. Olkoot A 2 := AA =

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.

BM20A1501 Numeeriset menetelmät 1 - AIMO

Yhtälön ratkaiseminen

. Kun p = 1, jono suppenee raja-arvoon 1. Jos p = 2, jono hajaantuu. Jono suppenee siis lineaarisesti. Vastaavasti jonolle r k+1 = r k, suhde on r k+1

Matikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/210

Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja

LINEAARIALGEBRA I. Hannu Honkasalo. Helsingin yliopiston matematiikan laitos v w u ...

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

Ominaisarvoon 4 liittyvät ominaisvektorit ovat yhtälön Ax = 4x eli yhtälöryhmän x 1 + 2x 2 + x 3 = 4x 1 3x 2 + x 3 = 4x 2 5x 2 x 3 = 4x 3.

Luento 8: Epälineaarinen optimointi

Talousmatematiikan perusteet: Luento 10. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Matriisitulo Determinantti

2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio

3 Toisen kertaluvun lineaariset differentiaaliyhtälöt

5 Lineaariset yhtälöryhmät

Luento 8: Epälineaarinen optimointi

6. Differentiaaliyhtälösysteemien laadullista teoriaa.

Transkriptio:

Numeeriset menetelmät Luento 3 Ti 13.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 1/37 p. 1/37

Epälineaariset yhtälöt Newtonin menetelmä: x n+1 = x n f(x n) f (x n ) Sekanttimenetelmä: x n x n 1 x n+1 = x n f(x n ) f(x n ) f(x n 1 ) Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 2/37 p. 2/37

Algoritmien ohjelmointi Algoritmi: iteraatiokaava toistorakenne lopetuskriteeri Tietokonetoteutus: käyttöliittymä (parametrit) virhetilanteiden käsittely Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 3/37 p. 3/37

Algoritmien ohjelmointi Hyvän tietokonetoteutuksen ominaisuuksia: luotettavuus robustisuus (vakaus, selviää virhetilanteista hallitusti) tarkkuus tehokkuus siirrettävyys ja ylläpidettävyys käytettävyys Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 4/37 p. 4/37

Esimerkki: Newtonin menetelmä Aliohjelmalle välitettävät parametrit: funktio f alkuarvaus x 0 toleranssiparametrit ε, δ iteraatiokierrosten maksimimäärä itmax Aliohjelman tulosparametrit: ratkaisun likiarvo x virheindikaattori error Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 5/37 p. 5/37

Newtonin menetelmä newton(f,x 0,δ,ε,itmax,x,error) v := f(x 0 ) if x 1 x 0 ε x 1 d := f (x 0 ) and v ε then do iter = 1,...,itmax error := 0 if d δ then x := x 1 error := 2 return return end if end if x 0 := x 1 x 1 := x 0 v/d end do v := f(x 1 ) error := 1 d := f (x 1 ) x := x 1 Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 6/37 p. 6/37

Lopetuskriteerit Epälineaarisen yhtälön ratkaisumenetelmissä: f(x n ) ε x n x n 1 ε (absoluuttinen muutos) x n x n 1 ε x n (suhteellinen muutos) Mikään ei yksinään sovellu kaikille tehtäville Käytetään useampaa lopetuskriteeriä yhdessä Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 7/37 p. 7/37

Käyttäjäystävällisyys Aliohjelman pitäisi osata myös tarvittaessa valita itse sopivat toleranssiparametrit (esimerkiksi ε = ε R, missä ε R on käytetyn liukulukuesityksen mantissan suhteellinen pyöristysvirhe) varautua kaikkiin virhetilanteisiin (esimerkiksi itmax < 0) Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 8/37 p. 8/37

Polynomit Polynomi p(x) = a 0 + a 1 x + a 2 x 2 + + a n x n Polynomin aste n, jos a n 0 Polynomin arvojen laskeminen vaatii n yhteenlaskua 2n 1 kertolaskua Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 9/37 p. 9/37

Polynomit p(x) = a 0 + a 1 x + a 2 x 2 + + a n x n p(x) = a 0 +x(a 1 +x(a 2 + +x(a n 1 +a n x) )) Arvojen laskeminen tästä muodosta vaatii n yhteenlaskua n kertolaskua Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 10/37 p. 10/37

Hornerin menetelmä + z (a n 3 + z (a n 2 + z (a n 1 + z }{{} a n ) =b }{{ n } =b n 1 }{{} =b n 2 } {{ } =b n 3 ) ) jne. a 0 + z ( } {{ ) } } =b {{ 1 } =b 0 Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 11/37 p. 11/37

Hornerin menetelmä jatkuu Saadaan Hornerin menetelmä polynomin arvojen laskemiseksi: { bn = a n b k = a k + z b k+1, k = n 1,..., 0 p(z) = b 0 Muita lukuja b 1,..., b n voidaan käyttää hyväksi polynomin p juurenhaussa Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 12/37 p. 12/37

Polynomin reaaliset juuret Olkoon q(x) = b 1 + b 2 x + b 3 x 2 + + b n x n 1 b 0 + (x z)q(x) = b 0 + (x z)(b 1 + b 2 x + b 3 x 2 + + b n x n 1 ) = (b 0 zb 1 ) + (b }{{} 1 zb 2 ) x + + (b }{{} n 1 zb n ) x n 1 + b }{{}}{{} n =a 0 =a 1 =a n 1 = a 0 + a 1 x + a 2 x 2 + + a n x n = p(x) p(x) = b 0 + (x z)q(x) =a n x n Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 13/37 p. 13/37

Polynomin reaaliset juuret p(x) = b 0 + (x z)q(x), missä q:n aste on n 1 Olkoon z yksi polynomin p juurista eli p(z) = 0 b 0 = 0 ja p(x) = (x z)q(x) Polynomin q juuret ovat myös p:n juuria Etsitään jokin polynomin q juuri jne. (rekursio) Saadaan kaikki polynomin p reaaliset juuret Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 14/37 p. 14/37

Newtonin menetelmä Olkoon f : R R differentioituva Yhtälö f(x) = 0 Newtonin menetelmä x n+1 = x n f(x n) f (x n ) Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 15/37 p. 15/37

Newtonin menetelmä polynomille Sovelletaan Newtonin menetelmää polynomille p Tarvitaan arvoja p(z) ja p (z) p(x) = b 0 + (x z)q(x), p(z) = b 0 p (x) = (x z)q (x) + q(x), p (z) = q(z) Derivaatan p arvo saadaan laskemalla polynomin q arvo Hornerin menetelmällä Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 16/37 p. 16/37

Newtonin menetelmä polynomille Polynomin p kertoimet a 0, a 1,..., a n { bn = a n b k = a k + z b k+1, k = n 1,..., 0 p(z) = b 0 Polynomin q kertoimet b 1, b 2,..., b n { cn = b n c k = b k + z c k+1, k = n 1,..., 1 p (z) = c 1 Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 17/37 p. 17/37

Newtonin menetelmä polynomille poly_newton({a i },n,x 0,ε,δ, b 0 := a 0 + z b 1 itmax,x, {b i },error) x 1 := x 0 b 0 /c do iter = 1,...,itmax if x 1 x 0 ε x 1 z := x 0, b n := a n, c := a n and b 0 ε then do k = n 1,...,1 error := 0 b k := a k + z b k+1 x := x 1 c := b k + z c return end do end if if c δ then x 0 := x 1 error := 2 end do return error := 1 end if x := x 1 Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 18/37 p. 18/37

Newtonin menetelmä polynomille poly_newton({a 0,...,a n },n,..., {b 1,...,b n },...) saadaan yksi juuri {a 0,...,a n 1 } := {b 1,...,b n } poly_newton({a 0,...,a n 1 },n 1,..., {b 1,...,b n 1 },...) saadaan toinen juuri {a 0,...,a n 2 } := {b 1,...,b n 1 } poly_newton({a 0,...,a n 2 },n 2,..., {b 1,...,b n 2 },...) saadaan kolmas juuri jne. Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 19/37 p. 19/37

Lineaariset yhtälöryhmät Yksi numeerisen matematiikan keskeisimpiä tutkimusaiheita Yleisesti n tuntematonta m yhtälöä m < n yleensä ääretön määrä ratkaisuja m > n yleensä ei yhtään ratkaisua Seuraavassa m = n Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 20/37 p. 20/37

Esimerkki Ristikkorakenne: 13 sauvaa, 8 niveltä, 3 ulkoista voimaa 4 8 3 4 7 1 3 5 7 11 12 9 1 2 6 8 5 2 6 10 13 10 15 20 Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 21/37 p. 21/37

Esimerkki jatkuu Sauvoihin kohdistuvat voimat f i, i = 1,..., 13 Tasapainossa, jos jokaisessa nivelessä sekä vaaka- että pystysuorien voimien summa nolla 8 niveltä 16 yhtälöä Oletetaan, että nivel 1: vaaka- ja pystysuorat siirtymät estetty nivel 8: pystysuorat siirtymät estetty 13 yhtälöä (m = n) Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 22/37 p. 22/37

Esimerkki jatkuu nivel 2: f 2 = f 6 f 3 = 10 nivel 3: αf 1 = f 4 + αf 5 αf 1 + f 3 + αf 5 = 0 nivel 4: f 4 = f 8 f 7 = 0 nivel 5: αf 5 + f 6 = αf 9 + f 10 αf 5 + f 7 + αf 9 = 15 nivel 6: f 10 = f 13 f 11 = 20 nivel 7: f 8 + αf 9 = αf 12 αf 9 + f 11 + αf 12 = 0 nivel 8: f 13 + αf 12 = 0 ( α = 2/2 ) Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 23/37 p. 23/37

Esimerkki jatkuu f 2 f 6 = 0 f 3 = 10 αf 1 f 4 αf 5 = 0 αf 1 + f 3 + αf 5 = 0 f 4 f 8 = 0 f 7 = 0 αf 5 + f 6 αf 9 f 10 = 0 αf 5 + f 7 + αf 9 = 15 f 10 f 13 = 0 f 11 = 20 f 8 + αf 9 αf 12 = 0 αf 9 + f 11 + αf 12 = 0 f 13 + αf 12 = 0 Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 24/37 p. 24/37

Esimerkki jatkuu Yhtälöryhmän tyypillisiä ominaisuuksia: Malli hyvin yksinkertainen, mutta yhtälöryhmä melko suuri Yhtälöryhmä harva (kussakin yhtälössä vain muutama tuntematon) Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 25/37 p. 25/37

Lineaarinen yhtälöryhmä Yleinen lineaarinen yhtälöryhmä 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 missä a n1 x 1 + a n2 x 2 +... + a nn x n = b n. kertoimet a ij tuntemattomat x j oikean puolen alkiot b i Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 26/37 p. 26/37

Lineaarinen yhtälöryhmä Lineaarinen yhtälöryhmä matriisimuodossa Ax = b missä a 11 a 12... a 1n a 21 a 22... a 2n A =... x = a n1 a n2... a nn x 1 x 2. x n b = b 1 b 2. b n ( A R n n, x R n, b R n ) Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 27/37 p. 27/37

Lineaarinen yhtälöryhmä Olkoon A R n n 1. Yhtälöryhmällä Ax = b on yksikäsitteinen ratkaisu kaikilla b R n 2. Jos Ax = 0, niin x = 0 3. On olemassa käänteismatriisi A 1 4. Matriisin determinantti det A 0 Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 28/37 p. 28/37

Kolmiomuotoiset yhtälöryhmät Yhtälöryhmä alakolmiomuodossa (n = 3) a 11 x 1 = b 1 a 21 x 1 + a 22 x 2 = b 2 a 31 x 1 + a 32 x 2 + a 33 x 3 = b 3 x 1 = b 1 /a 11 x 2 = (b 2 a 21 x 1 )/a 22 x 3 = (b 3 a 31 x 1 a 32 x 2 )/a 33 Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 29/37 p. 29/37

Kolmiomuotoiset yhtälöryhmät A alakolmiomatriisi a 11 0... 0 a 21 a 22... 0... x 1 x 2. = b 1 b 2. a n1 a n2... a nn x n b n etenevät sijoitukset (jos a ii 0 kaikilla i) x i = ( b i i 1 j=1 a ij x j )/a ii, i = 1, 2,..., n Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 30/37 p. 30/37

Kolmiomuotoiset yhtälöryhmät Yhtälöryhmä yläkolmiomuodossa (n = 3) a 11 x 1 + a 12 x 2 + a 13 x 3 = b 1 a 22 x 2 + a 23 x 3 = b 2 a 33 x 3 = b 3 x 3 = b 3 /a 33 x 2 = (b 2 a 23 x 3 )/a 22 x 1 = (b 1 a 12 x 2 a 13 x 3 )/a 11 Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 31/37 p. 31/37

Kolmiomuotoiset yhtälöryhmät A yläkolmiomatriisi a 11 a 12... a 1n 0 a 22... a 2n... 0 0... a nn x 1 x 2. x n = b 1 b 2. b n takenevat sijoitukset (jos a ii 0 kaikilla i) x i = ( b i n j=i+1 a ij x j )/a ii, i = n, n 1,..., 1 Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 32/37 p. 32/37

Gaussin eliminointimenetelmä 1. Muunnetaan yhtälöryhmä yläkolmiomuotoon äärellisellä määrällä alkeisoperaatioita: kerrotaan yhtälö nollasta eroavalla vakiolla lisätään yhtälöön toinen yhtälö nollasta eroavalla vakiolla kerrottuna vaihdetaan kaksi yhtälöä keskenään 2. Ratkaistaan yläkolmiomuotoinen yhtälöryhmä takenevilla sijoituksilla Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 33/37 p. 33/37

Esimerkki 2 x 1 + x 2 + x 3 = 7 ( 2) 4 x 1 + 4 x 2 + 3 x 3 = 21 (1) 6 x 1 + 7 x 2 + 4 x 3 = 32 2 x 1 + x 2 + x 3 = 7 ( 3) 2 x 2 + x 3 = 7 6 x 1 + 7 x 2 + 4 x 3 = 32 (1) 2 x 1 + x 2 + x 3 = 7 2 x 2 + x 3 = 7 ( 2) 4 x 2 + x 3 = 11 (1) Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 34/37 p. 34/37

Esimerkki jatkuu 2 x 1 + x 2 + x 3 = 7 2 x 2 + x 3 = 7 x 3 = 3 (takenevat sijoitukset) x 3 = 3 x 2 = 2 x 1 = 1 Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 35/37 p. 35/37

Gaussin eliminointimenetelmä do k = 1,...,n 1 do i = k + 1,...,n z := a ik /a kk a ik := 0 do j = k + 1,...,n nollataan sarake k rivi i rivin i sarake j a ij := a ij z a kj end do b i := b i z b k end do end do (takenevat sijoitukset) Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 36/37 p. 36/37

Gaussin eliminointimenetelmä Eliminointivaiheen algoritmi: Matriisi A ja vektori b korvataan yläkolmioyhtälöryhmän vastaavilla Kolme sisäkkäistä n:stä riippuvaa silmukkaa vaativuus O(n 3 ) Silmukoiden järjestystä voidaan vaihtaa Silmukoiden järjestys määrää, missä järjestyksessä matriisialkioihin viitataan Hyvä viittausjärjestys riippuu mm. ohjelmointikielestä Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 37/37 p. 37/37