Matriisilaskenta Luento 8: LU-hajotelma

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

Numeeriset menetelmät

Johdatus tekoälyn taustalla olevaan matematiikkaan

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

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

(0 desimaalia, 2 merkitsevää numeroa).

Numeeriset menetelmät

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

Käänteismatriisin ominaisuuksia

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

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

MS-C1340 Lineaarialgebra ja

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

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

BM20A0700, Matematiikka KoTiB2

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

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47

Numeeriset menetelmät

Vektoreiden virittämä aliavaruus

MS-A0003/A Matriisilaskenta Laskuharjoitus 6

Luento 5: Suurten lineaaristen yhtälöryhmien ratkaiseminen iteratiivisilla menetelmillä

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Lineaarialgebra ja matriisilaskenta I

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

Numeeriset menetelmät

MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42

Inversio-ongelmien laskennallinen peruskurssi Luento 3

Lineaariset kongruenssiyhtälöryhmät

Talousmatematiikan perusteet: Luento 9. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Transponointi Matriisitulo

Käänteismatriisi 1 / 14

Lineaarialgebra ja matriisilaskenta I

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

Yhtälöryhmät 1/6 Sisältö ESITIEDOT: yhtälöt

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi

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

Insinöörimatematiikka D

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

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.

Lineaariset yhtälöryhmät ja matriisit

Matriisilaskenta Laskuharjoitus 5 - Ratkaisut / vko 41

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

Kurssin loppuosassa tutustutaan matriiseihin ja niiden käyttöön yhtälöryhmien ratkaisemisessa.

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

Matematiikka B2 - TUDI

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

Inversio-ongelmien laskennallinen peruskurssi Luento 2

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

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?

9 Matriisit. 9.1 Matriisien laskutoimituksia

Insinöörimatematiikka D

5 Lineaariset yhtälöryhmät

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

5 OMINAISARVOT JA OMINAISVEKTORIT

Talousmatematiikan perusteet: Luento 11. Lineaarikuvaus Matriisin aste Käänteismatriisi

Lineaarialgebra (muut ko)

Determinantti 1 / 30

MS-A0002 Matriisilaskenta Luento 1:Vektorit ja lineaariyhdistelyt

Ominaisarvo ja ominaisvektori

Ennakkotehtävän ratkaisu

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

2.8. Kannanvaihto R n :ssä

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.

Insinöörimatematiikka D

Seuraava luento ti on salissa XXII. Lineaarialgebra (muut ko) p. 1/117

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

Ax, y = x, A y. A = A A hermiittinen. Jokainen reaalinen ja symmetrinen matriisi on määritelmän mukaan myös hermiittinen. A =, HARJOITUSTEHTÄVIÄ

Neliömatriisin adjungaatti, L24

Insinöörimatematiikka D

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

Iteratiiviset ratkaisumenetelmät

Insinöörimatematiikka D

(1.1) Ae j = a k,j e k.

Ominaisarvo ja ominaisvektori

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

MS-C1340 Lineaarialgebra ja

2.5. Matriisin avaruudet ja tunnusluvut

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:

MS-A0004/A0006 Matriisilaskenta

7 Vapaus. 7.1 Vapauden määritelmä

Lineaarikuvauksen R n R m matriisi

Determinantti. Määritelmä

1.1. Määritelmiä ja nimityksiä

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 /

Paikannuksen matematiikka MAT

Matriisit, kertausta. 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

Matriisihajotelmat. MS-A0007 Matriisilaskenta. 5.1 Diagonalisointi. 5.1 Diagonalisointi

10 Matriisit ja yhtälöryhmät

Ratkaisuehdotukset LH 7 / vko 47

Insinöörimatematiikka D

Inversio-ongelmien laskennallinen peruskurssi Luento 7 8

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Matematiikka B2 - Avoin yliopisto

Informaatiotieteiden yksikkö. Lineaarialgebra 1A. Pentti Haukkanen. Puhtaaksikirjoitus: Joona Hirvonen

Determinantti. Määritelmä

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

Transkriptio:

Matriisilaskenta Luento 8: LU-hajotelma Antti Rasila 2016

Matriisihajotelmat 1/2 Usein matriisiyhtälön Ax = y ratkaiseminen on epäkäytännöllistä ja hidasta. Siksi numeerisessa matriisilaskennassa usein pyritään esittämään matriisi A kahden tai usemman jotakin yksinkertaista muotoa olevan matriisin tulona. Tällaista esitystä kutsutaan matriisihajotelmaksi. Useimmat suorat (ei-iteratiiviset) menetelmät perustuvat hajotelmien käyttöön. Matriisilaskenta 2/15

Matriisihajotelmat 2/2 Hajotelma helpottaa matriisiyhtälön ratkaisemista ja saattaa myös antaa käyttökelpoista tietoa itse matriisista. Matriisihajotelmia on monia erilaisia, koska eri tilanteissa tarvitaan eri hajotelmia. Matriisihajotelmia ei yleensä kannata laskea käsin, mutta niitä löytyy valmiiksi implementoituna eri laskentaohjelmistoista ja -kirjastoista. Matriisilaskenta 3/15

LU-hajotelma Tarkastellaan yhtälöryhmän Ax = y ratkaisemista, kun A R n n on yläkolmiomatriisi, eli a jk = 0, kun j > k. Tällöin siis matriisiyhtälöä Ax = y vastaa yhtälöryhmä a 11 x 1 + a 12 x 2 +... + a 1n x n = y 1, a 22 x 2 +... + a 2n x n = y 2,... a nn x n = y n. Tällöin tuntemattomat x 1,..., x n voidaan ratkaista takaisinsijoituksella. Matriisilaskenta 4/15

Esimerkki Olkoot Tällöin 1 2 1 0 A = 0 4 2, y = 16 0 0 2 4 Ax = y x 1 2x 2 + x 3 = 0, 4x 2 + 2x 3 = 16, 2x 3 = 4. Saadaan x 3 = 2, eli x 2 = 1 4 (16 2x 3) = 5, ja x 1 = 2x 2 x 3 = 12. Ratkaisu on siis x = (12, 5, 2). Matriisilaskenta 5/15

LU-hajotelma ja matriisiyhtälön ratkaiseminen 1/3 Edellisen esimerkin menettelyä voidaan soveltaa yleisesti: x n = y n a nn, ja x j = 1 a jj ( y j n k=j+1 a jk x j ). Matriisiyhtälön ratkaisemisen kannalta on siis edullista, jos matriisi A saadaan muutettua yläkolmiomuotoon (tai alakolmiomuotoon). Matriisilaskenta 6/15

LU-hajotelma ja matriisiyhtälön ratkaiseminen 2/3 Tästä päädytään LU-hajotelmaan: Jos A R n n, niin etsitään sellaiset matriisit L, U R n n, että 1) L on alakolmio- ja U on yläkolmiomatriisi, ja 2) A = LU. Matriisilaskenta 7/15

LU-hajotelma ja matriisiyhtälön ratkaiseminen 3/3 Tällöin yhtälö Ax = y voidaan ratkaista ratkaisemalla kaksi kolmiomatriisiyhtälöä { Lz = y, eli Ax = LUx = Lz = y. Ux = z, Molemmat yhtälöt voidaan ratkaista takaisinsijoituksella: Ensin ratkaistaan z yhtälöstä Lz = y ja sitten x yhtälöstä Ux = z. Seuraavaksi tutkitaan miten hajotelma A = LU voidaan löytää nk. Doolittlen algoritmia käyttäen. Matriisilaskenta 8/15

LU-hajotelman laskeminen 1/2 Selvitetään aluksi tuntemattomien määrä. Matriisit L ja U ovat l 11 0 0 u 11 u 12 u 1n l 21 l 22 0 0 u 22 u 2n L =.... U =...... l n1 l n2 l nn, 0 0 u nn. Siten matriisiin L liittyvien tuntemattomien määrä on n(n + 1)/2 ja samoin matriisiin U liittyvien. Yhteensä tehtävässä siis on n 2 + n tuntematonta. Koska matriisissa A on vain n 2 alkiota, voidaan L:n tai U:n alkioista n kappaletta valita vapaasti. Matriisilaskenta 9/15

LU-hajotelman laskeminen 2/2 Kiinnitetään jomman kumman diagonaalialkiot ykkösiksi. Jos l 11 =... = l nn = 1, niin saadaan Doolittlen algoritmi, ja jos u 11 =... = u nn = 1, saadaan Croutin algoritmi. Huom. Jos valitaan l 11 =... = l nn = 1, niin det(l) = 1. Lisäksi, A on kääntyvä, jos ja vain jos det(a) 0 eli det(u) 0. Siten U on kääntyvä ja siis U:n diagonaalialkiot ovat nollasta poikkeavia. Matriisilaskenta 10/15

Esimerkki: Doolittlen menetelmä 1/2 Muodostetaan matriisin A LU-hajotelma Doolittlen menetelmällä, kun 3 5 2 1 0 0 u 11 u 12 u 13 A = 0 8 2 = l 21 1 0 0 u 22 u 23. 6 2 8 l 31 l 32 1 0 0 u 33 Ensimmäisellä rivillä saadaan heti u 11 = 3, u 12 = 5 ja u 13 = 2. Toisella rivillä l 21 u 11 = 0, joten l 21 = 0 (koska u 11 0). Edelleen, l 21 u 12 + u 22 = 8, joten u 22 = 8 (koska l 21 = 0). Saadaan myös l 21 u 13 + u 23 = 2, ja siis u 23 = 2 (koska l 21 = 0). Samaan tapaan kolmannella rivillä l 31 u 11 = 6 ja siis l 31 = 2 (koska u 11 = 3). Matriisilaskenta 11/15

Esimerkki: Doolittlen menetelmä 2/2 Koska l 31 = 2, u 12 = 5 ja u 22 = 8, saadaan yhtälöstä l 31 u 12 + l 32 u 22 = 2 ratkaistua l 32 = 1. Lopuksi sijoittamalla saadut arvot yhtälöön l 31 u 13 + l 32 u 23 + u 33 = 8 saadaan u 33 = 6. Saadaan siis esitys 1 0 0 3 5 2 A = LU = 0 1 0 2 1 1 0 8 2 0 0 6. Yleinen algoritmi toimii samaan tapaan, eli ratkaistaan A:n alkioista muodostuvat yhtälöt järjestyksessä a 11, a 12,..., a 1n, a 21,..., a nn. Matriisilaskenta 12/15

Huomautuksia 1/2 Algoritmi katkeaa, jos U:n diagonaalille ilmestyy nollia. LU-hajotelmaa voidaan käyttää myös ei-kääntyville matriiseille. Ei-neliömatriisin A R m n LU-hajotelmassa 1 0 0 l 21 1 0 L =..... Rm m l m1 l m2 1 on alakolmiomatriisi. Matriisilaskenta 13/15

Huomautuksia 2/2 Yläkolmiomatriisi on muotoa u 11 u 12 u 13 u 1n 0 u 22 u 23 u 2n U =. 0 0... Rm n. 0 0 u mm u mn Matriisilaskenta 14/15

Esimerkki Kaikilla matriiseilla ei ole LU-hajotelmaa. Yritetään muodostaa hajotelma matriisille: ) ( a 0 A = ( 0 1 1 0 Tällöin ad = 0 ja siten a = 0 tai d = 0. = b c ) ( d e 0 f ). Lisäksi ae = 1, joten a 0, ja bd = 1, joten d 0. Nämä kolme ehtoa eivät voi olla samaan aikaan voimassa. Hajotelma voidaan kuitenkin löytää vaihtamalla rivien järjestystä. Matriisilaskenta 15/15