Gaussova metoda eliminacije

Greška
Podešenost sistema
Poboljšanje rješenja
 Gaussova metoda eliminacije
10 −7 0 7 
 
=Ap  5 −1 5 6 
 −3 2, 099 6 3,901

10 -7 0 7
(0) 5 -1 5 6
-3 2,099 6 3,901

1. Prva vrsta se prepiše, ako je a11 ≠ 0 , a ako nije, tada prvu vrstu treba zamijeniti nekom drugom u
kojoj je taj element različit od nule.
2. Prva vrsta se pomnoži sa m a 5
21 =
− 21 =
− −0, 5 i doda se drugoj vrsti.
=
a11 10
a −3
Prva vrsta se pomnoži sa m31 =
− 31 =
− =
0,3 i doda se trećoj vrsti.
a11 10

10 -7 0 7
(1) 0 2,5 5 2,5
0 -0,001 6 6,001

3. Prva vrsta se prepiše.

4. Druga vrsta se prepiše.
a 32(1) 0, 001
Druga vrsta se pomnoži sa m32 =
− (1) = − =
0, 0004 i doda se trećoj vrsti.
a 22 2,5

10 -7 0 7
(2) 0 2,5 5 2,5
0 0 6,002 6,002

bn( n −1)
xn = ( n −1)
ann
5.
b3(2) 6, 002
=
x3 =(2)
= 1 =
x3 1
a33 6, 002
1  (i −1) 
Zamjena unazad

n
=xi 
aii(i −1) 
bi − ∑ a ( n −1)
ij x j 
6.
j = i +1 
x2 = (1) ( b2(1) − a23 x3 ) = ( 2,5 − 5 ⋅1) =−1
1 1
(2)
x2 =−1
a22 2,5

b1 − (a12 x2 + ... + a1n xn )

x1 =
a11
7.
b1 − (a12 x2 + a13 x3 ) 7 − [ (−7) ⋅ (−1) + 0 ⋅1]
=x1 = = 0 =x1 0
a11 10
 Nekad glavni element, iako različit od nule, može biti mali u odnosu na ostale
elemente u istoj koloni koje u toj fazi treba eliminisati. Tada množitelji (mi1 , mi 2 ,...) mogu
postati relativno veliki, što dovodi do povećanja greške zaokruživanja i za vrijeme eliminacije
i za vrijeme zamjene unazad. To može dovesti do ozbiljnog smanjenja tačnosti, a ponekad i
do potpuno bezvrijednih rezultata.

S ciljem ilustracije, zamijenimo mjesta drugoj i trećoj jednačini u prethodnom

primjeru:
10 −7 0 7 
 
Ap =  −3 2, 099 6 3,901
 5 −1 5 6 

Jasno je da je tačno rješenje ostalo =x (0; −1;1)T . Pretpostavimo da ovaj primjer rješavamo na
računaru koji radi s 5 značajnih cifara.

10 -7 0 7
-3 2,099 6 3,901
5 -1 5 6

10 -7 0 7
0 -0,001 6 6,001
0 2,5 5 2,5

=
Drugu vrsta se pomnoži sa m32 =
2,5 / 0, 001 2500 i doda trećoj.
Pri tome je 6, 001 ⋅ 2500 =
15002,5 zaokruženo na 15002 što sabrano sa 2,5 daje 15004

10 -7 0 7
0 -0,001 6 6,001
0 0 15005 15004

Vršeći sad zamjenu unazad dobije se

15004
=x3 = 0,99993
15005
1
x2 = (6, 001 − 6 ⋅ 0,99993) =−1, 42
−0, 001
1
x1 = (7 + 7 ⋅ (−1, 42)) =−0, 294
10

x3= 0,99993
x2= -1,420
x1= -0,294
 
Dakle umjesto =x (0; −1;1)T dobili smo x = (−0, 294; −1, 42;0,99993)T . Razlog tome je mali
glavni element u drugoj fazi eliminacije.
Greška
 (0)  
Ako je x približno rješenje sistema Ax = b , tada se mogu izračunati tzv. ostaci:
 (0)   (0)
r = b − Ax .
 (0)  (0)  (0)
Što su manji ostaci, tj. komponenta vektora r , to je rješenje x bolje. Ako je r nula,
 (0)
vektor x je tačno rješenje sistema.

Podešenost sistema
 (0)
Međutim, ima primjera kad mali ostatak r ne znači i malu grešku:
 (0)   (0)
e = x−x .
Takvi sistemi kod kojih relativno mala promjena u koeficijentima dovodi do velike promjene
u rješenju nazivaju se slabo podešenim. Npr.:
2,3
− x1 + x2 = 1,1
5
1
− x1 + x2 = 1
2
7
6
5
4 Prva jednačina

3 Druga jednačina
2
1
0
0 2 4 6 8 10 12

Primjer podešenog sistema:

3 x1 + 2 x2 =
18
1
− x1 + x2 =
1
2
10
8
6
4
2 Prva jednačina

0 Druga jednačina

-2 0 2 4 6 8 10 12

-4
-6
-8
Poboljšanje rješenja

U slučaju kad tačnost rješenja ne zadovoljava, rješenje može biti poboljšano pomoću
 (0)
sljedećeg iterativnog postupka. Neka je x približno rješenje sistema. Tada je tačno rješenje
sistema:
  (0)  (0)
= x x +e
 (0)
gdje je e greška.
 
Ax = b
  (0)  (0)
= x x +e
  (0)  (0) 
Ax = A( x + e )= b
odakle je:
 (0)   (0)  (0)
Ae = b − Ax = r (*)
 (0)
Desna strana ove jednačine je ostatak r , dok je matrica A ista kao i u originalnog sistema.
 (0)
Rješenje sistema (*) e (također približno) daje tačnije rješenje sistema.
 (1)  (0)  (0)
x= x + e
  (1)
Sada se opet može izračunati ostatak r (1)= b − Ax i ponovo i riješiti sistem
 (1)   (1)  (1)
Ae = b − Ax = r (1) te dobiti novu korekciju e .
 (0)  (1)
Broj podudarnih cifara u nizu x , x ,… kao i veličina ostataka pruža uvid u tačnost tih
rješenja.

Primjer:

Pretpostavimo da sljedeći sistem rješavamo na računaru koji radi sa četiri značajne cifre.
−0, 46 x1 + x2 =
111
−58,82 x1 + 9 x2 =
21
 −0, 46 1   111
A=  b =  21 
 −58,82 9   
Proširena matrica matrice A je:
 −0, 46 1 111
 
 −58,82 9 21 
Pretpostavljajući da je 𝑎11 ≠ 0, eliminišemo koeficijente uz x1 u posljednjih n − 1 jednačina
a
množenjem prve vrste sa mi1 = − i1 (i = 2,3,..., n) i dodavanjem i-toj (u našem slučaju
a11
a −58,82
drugoj) vrsti: m21 = − 21 = − =−127,8 696
a11 −0, 46
gdje se novi koeficijenti računaju preko sljedeći obrazaca:
aij(1) = aij + mi1a1 j , bi(1) = bi + mi1b1 (i, j = 2, 3,..., n)
 a21 = 0
(1)
a22 = a12 ⋅ m21 + a22 = 1 ⋅ (−127,8) + 9 = −118,8
b2(1) = b1 ⋅ m21 + b2 = (−127,8) ⋅111 + 21 = −14185,8 + 21 = −1397

U provedenom proračunu gornji indeks služi samo kao brojač transformacija koeficijenata.
 −0, 46 1 111 
 
0 −118,8 −1397 
−1397
=x2 = 11, 75 926
−118,8
111 − 11, 75
x1 = = −215, 7 6087
−0, 46
 (0)
x = (−215, 7;11, 75)T
Tačno rješenje je

x = (17,88588149;119, 2275055)T
Pa ćemo izvršiti poboljšanje rješenja pomoću već objašnjenog iterativnog postupka.
Pretpostavimo da poboljšanje radimo na računaru koji radi isto sa četiri značajne cifre.
 
Ax = b
  (0)  (0)
=x x +e
  (0)  (0) 
Ax = A( x + e )= b
 (0)   (0)  (0)
Ae = b − Ax = r
 (0)   (0)
r = b − Ax
r1(0)= b1 −  a11 x1(0) + a12 x2(0) = 111 −  −0, 46 x1(0) + x2(0) = 111 − [99, 22 2 + 11, 75] =
0, 03
r2(0) = b2 −  a21 x1(0) + a22 x2  = 21 −  −58,82 x1(0) + 9 x2(0)  = 21 − [1268 7, 4 + 105, 75] =
−1352, 75
 (0)
[0, 03; −1352]
T
=
r
 (0)  (0)
Ae = r
−0, 46e1 + e2 = 0, 03
−58,82e1 + 9e2 =
−1352
Matrica A je već svođenja na gornju trougaonu tako da treba još odrediti samo b2(1) .
b2(1) =
b2 + m21 ⋅ b1 =
−1352 + (−127,8) ⋅ 0, 03 =
−1352 − 3,834 =
−1355, 8340
 −0, 46 1 0, 03 
 
0 −118,8 −1355
e2 = 11, 40 572
e1 = 24, 72 826
 (0)
e = (24, 72;11, 40)T
 (1)  (0)  (0)
x = x +e = (−190,9 8 ; 23,15)T
Ako nismo zadovoljni rješenjem, možemo i dalje nastaviti poboljšavati na isti način:
 (2)  (1)  (1)
x= x + e