P. 1
sistemi jednacina

sistemi jednacina

|Views: 465|Likes:
Published by Mijo Dusper

More info:

Published by: Mijo Dusper on Dec 07, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

09/01/2014

pdf

text

original

Seminarski rad iz

Metodike nastave matematike II
Reˇsavanje sistema linearnih
jednaˇcina - Nekad i sad
Autor: Jelena Lonˇcar
Broj indeksa: ml04080
Profesor: Zoran Luˇci´c
Matematiˇcki fakultet
Beograd 2008.
1 Sistem linearnih jednaˇcina sa dve nepoznate i
njegovo reˇsavanje u proˇslosti
Zadatke, koji se svode na sastavljanje i reˇsavanje sistema jednaˇcina sa dve
ili viˇse nepoznatih, susre´cemo, kako u vavilonskim i egipatskim tekstovima iz II
milenijuma pre n.e., tako i u radovima starogrˇckih, indijskih i kineskih matema-
tiˇcara.
Evo jednog zadatka iz najstarije kineske matematiˇcke zbirke zadataka[1]
”Kiu -
ˇ
Cang Suan -
ˇ
Su”[5] (”Matematika u devet knjiga”, XXVII vek pre n.e.).
Zadatak 1. U kavezu se nalaze fazani i zeˇcevi; sve te ˇzivotinje imaju ukupno
35 glava i 94 noge. Treba na´ci broj fazana i broj zeˇceva.
Ako bi u kavezu bili samo fazani (laˇzna pretpostavka), onda bi broj nogu
iznosio 70, a ne 94. Prema tome, ovaj viˇsak od 24 noge pripada zeˇcevima - po
dva svakome. Tada je jasno da je zeˇceva bilo 24 : 2 = 12, a fazana 35 −12 = 23.
U starokineskom delu Matematika u devet knjiga (ili ”Devet poglavlja o
veˇstini raˇcunanja”) razmatraju se (VII i VIII knjiga) sistemi jednaˇcina i daju
kratka pravila za njihovo reˇsavanje, pri ˇcemu se sve izlaˇze reˇcima. Koeficijenti
jednaˇcine postavljeni su na ”raˇcunsku dasku”(posebna vrsta abakusa) u vidu
tablice. Pri ponovljenim operacijama na toj raˇcunaljci, jasno se vidi da sa koe-
ficijentima treba postupati po istom pravilu (receptu) da bi se naˇslo reˇsenje
sistema jednaˇcina.
U VII knjizi tog dela, koja nosi naziv Viˇsak-manjak, izloˇzena su dva naˇcina
(metoda) za reˇsavanje zadataka, koji se svode na sistem dve linearne jednaˇcine
sa dve nepoznate.
Prvi naˇcin
Ilustrova´cemo ga slede´cim zadatkom iz VII knjige pomenutog traktata Mate-
matika u devet knjiga:
Zadatak 2. Nekoliko trgovaca ho´ce zajedniˇcki da kupe robu. Ako svaki da 9
juana (novˇcana jedinica), preosta´ce im 11 juana; ako bi, pak, svaki dao po 6
juana, nedostajalo bi im joˇs 16 juana. Koliko je bilo trgovaca i kolika je cena
robe?
Oznaˇcimo li sa x broj trgovaca, a sa y cenu robe, lako sastavljamo sistem
jednaˇcina:
9x − y = 11
6x − y = −16, (1)
odakle lako dobijamo (x, y) = (9, 70).
1
Kako se, pak, postupa u pomenutom starokineskom delu?
Postupak (naˇcin), koji se tamo kratko izlaˇze, u savremenoj simbolici svodi
se na slede´ce:
Ako imamo sistem:
a
1
x − y = c
1
a
2
x − y = c
2
, (2)
to treba sastaviti tablicu (tablica1) oblika:
_
a
1
a
2
c
1
c
2
_
pomo´cu koje se traˇzene nepoznate dobijaju tako ˇsto se uzme:
x = (c
2
− c
1
)/(a
2
− a
1
),
y = (a
1
c
2
− a
2
c
1
)/(a
2
− a
1
). (3)
Proverimo to u navedenom primeru. Uporeduju´ci (1) i (2) imamo: a
1
= 9,
a
2
= 6, c
1
= 11, c
2
= −16; tablica1 ima oblik:
_
9 6
11 −16
_
,
pa ´ce reˇsenje, saglasno (3), biti:
x = (−16 − 11)/(6 − 9) = (−27)/(−3) = 9
y = (9 · (−16) − 6 · 11)/(6 − 9) = (−210)/(−3) = 70.
Odgovor: Bilo je 9 trgovaca, a cena robe je bila 70 juana.
Napomena: Tablica1 moˇze se zapisati i u obliku:
_
a
1
c
1
a
2
c
2
_
.
Uporedite izloˇzeni sa danaˇsnjim naˇcinom reˇsavanja sistema od dve linearne
jednaˇcine sa dve nepoznate (pomo´cu determinanti, odnosno po gotovim formu-
lama):
a
1
x + b
1
y = c
1
a
2
x + b
2
y = c
2
x = (c
1
b
2
− c
2
b
1
)/(a
1
b
2
− a
2
b
1
),
y = (a
1
c
2
− a
2
c
1
)/(a
1
b
2
− a
2
b
1
).
Sliˇcno se reˇsava i zadatak:
Zadatak3. Nekoliko porodica u selu ho´ce zajedniˇcki da kupe bivola. Ako svakih
2
7 porodica da po 190 juana, manjak ´ce biti (tj. nedostaja´ce) 330 juana. Ako,
pak, svakih 9 porodica da po 270 juana, viˇsak ´ce biti (tj. preosta´ce) 30 juana.
Koliko je bilo porodica i koliko je koˇstao bivo?
Odgovor: 126 porodica; 3750 juana.
Drugi naˇcin
Drugi naˇcin za reˇsavanje problema, koji se svode na sistem od dve linearne
jednaˇcine sa dve nepoznate, poznat je pod nazivom metoda dve laˇzne pretpo-
stavke (pravilo dveju greˇsaka) i primenjivana je naroˇcito u srednjem veku, pa
sve do XVIII veka.
Po toj metodi, za razliku od znatno jednostavnije metode jedne laˇzne pretpo-
stavke, nepoznatoj x se daju redom dve vrednosti (x
1
i x
2
), po pravilu razliˇcite
od prave vrednosti, pa se onda pravi linearna interpolacija da bi se naˇslo pravo
reˇsenje.
Navodimo jedan zadatak iz VII knjige Matematike u devet knjiga, koji se
reˇsava metodom dve laˇzne pretpostavke (oznake su prilagodene savremenoj no-
taciji):
Zadatak4. Imamo 9 jednakih legura zlata i 11 jednakih legura srebra. Kada
su stavljene na tasove terazija, terazije su bile u ravnoteˇzi. Medutim, kada su
na tasovima medusobno zamenili jednu leguru zlata i jednu leguru srebra, onda
je masa na prvom tasu - onom sa 9 legura (8 zlata i 1 srebra) bila manja za 16
lana. Pita se kolika je masa svake legure posebno.
U danaˇsnjim oznakama, ako masu jedne legure zlata oznaˇcimo sa x, a masu
jedne legure srebra sa y, zadatak bismo sveli na reˇsavanje sistema linearnih
jednaˇcina:
9x = 11y
8x + y + 16 = 10y + x, (4)
ili:
9x − 11y = 0
7x − 9y = −16, (5)
odakle dobijamo: x = 44 (lana) i y = 36 (lana).
Autor, koji raˇcunanje vrˇsi na specijalnoj dasci za raˇcunanje, izlaˇze pravilo
iz kojeg se moˇze zakljuˇciti u ˇcemu je suˇstina njegovog naˇcina reˇsavanja.
Prvi put ´cemo pretpostaviti (prva laˇzna pretpostavka) da je masa legure
zlata x
1
= 55 (lana). Tada ´ce masa legure srebra biti y
1
= 9x
1
/11 = 9· 55/11 =
45 (lana). Prema uslovu zadatka morali bismo imati jednakost:
8x
1
+ y
1
+ 16 = 10x
1
+ y
1
.
3
Medutim, leva strana je jednaka:
8 · 55 + 45 + 16 = 501,
a desna strana:
10 · 45 + 55 = 505,
tj. levoj strani nedostaje 4 lana. Broj k
1
= 4 reˇsavatelj naziva ”manjak leve
strane”(”viˇsak desne strane”).
Drugi put ´cemo pretpostavljati (druga laˇzna pretpostavka) da je masa
legure zlata x
2
= 22 (lana). Tada je y
2
= 9x
2
/11 = 9 · 22/11 = 18 (lana). I
ovoga puta jednakost 8x
2
+ y
2
+ 16 = 10y
2
+ x
2
, koja bi morala vaˇziti prema
uslovu zadatka, nije taˇcna, jer je leva strana jednaka:
8 · 22 + 18 + 16 = 210,
a desna:
10 · 18 + 22 = 202,
tj. leva strana je ve´ca od desne za 8 lana. Broj k
2
= 8 reˇsavatelj naziva ”viˇsak
leve strane”(”manjak desne strane”).
Dalje se sastavlja tablica
_
k
1
k
2
x
1
x
2
_
i reˇcima navodi slede´ce pravilo za odredivanje prave (stvarne) vrednosti za x,
koja se (u danaˇsnjoj simbolici) izraˇzava ovako:
x = (k
1
x
2
+ k
2
x
1
)/(k
1
+ k
2
). (6)
U datom primeru dobijamo:
x = (4 · 22 + 8 · 55)/(4 + 8) = (88 + 440)/12 = 528/12 = 44(lana).
Prava vrednost za x nalazi se izmedu obe ”norme”, tj. x
2
< x < x
1
. Zatim se
odreduje masa legure srebra:
y = 9x/11 = 9 · 44/11 = 36(lana).
Napomena: U starokineskom tekstu odgovor se saopˇstava na slede´ci naˇcin:
”masa legure zlata je 2 czina 12 lana, a masa legure srebra je 2 czina 4 lana”(treba
imati u vidu da je 1 czin=16 lana).
U arapsku matematiˇcku literaturu algoritam laˇzne (pret)postavke dospeo je
pod nazivom ”pravilo dve greˇske”. Evo kako, na primer, Muhamed ibn Musa
iz Horezma (kod nas poznat pod imenom Alhvarizmi) poˇcetkom IX veka reˇsava
jedan zadatak iz svoje Aritmetike:
4
Zadatak5. Na´ci broj, ako se zna da ´ce se, oduzimanjem njegove tre´cine i ˇcetvrtine,
dobiti 8.
Ako bi traˇzeni broj bio 12 (prva pretpostavka), tada bi ostatak bio jednak
12 − 1/3 · 12 − 1/4 · 12 = 5, tj. za 3 manje od 8. Ako bi traˇzeni broj bio 24
(druga pretpostavka), onda bi ostatak bio jednak 24 − 1/3 · 24 − 1/4 · 24 = 10,
tj. za 2 ve´ce od 8. Saglasno pravilu dve laˇzne pretpostavke (6), dobija se prava
vrednost nepoznate
x = (3 · 24 + 2 · 12)/(3 + 2) = 19
1
5
.
O pravilu dve laˇzne pretpostavke pisana su na arapskom jeziku i posebna
dela u kojima su razmatrani i oni sluˇcajevi, kada se stvarna vrednost nepo-
znate x ne nalazi izmedu ”normi” x
1
i x
2
, tj. razmatrani su sluˇcajevi, kada
obe pretpostavke dovode do ”viˇskova” ili obe dovode do ”manjkova”. U takvim
sluˇcajevima u napred navedenoj formuli (6) treba, vode´ci raˇcuna o znacima, u
brojiocu uzimati ne zbir, ve´c razliku navedenih proizvoda, a u imeniocu razliku
”viˇskova” ili ”manjkova”.
U XII veku tehnika laˇznih postavki preneta je iz arapske u evropsku matema-
tiˇcku literaturu, gde se, pod latinskim nazivom regula duorum falsorum - pravilo
dveju greˇsaka, koristila sve do XVIII veka.
Leonardo Fibonaˇci iz Pize (oko 1180 − 1250 god.) posvetio mu je ˇcitavo
poglavlje u svom delu Knjiga Abaka (Liber Abaci, 1202. god.), gde se prvi put
susre´cu reˇci ”minus” i ”plus”, ali ne u smislu operacija oduzimanja i sabiranja,
ve´c u smislu ”manjka” i ”viˇska”. Pored verbalnog dokaza formule (6), Fibonaˇci,
koji nije koristio negativne brojeve, dokazuje pravilo i za sluˇcaj dve greˇske sa
”viˇskom” i dve greˇske sa ”manjkom”.
Evo jednog zadatka iz Fibonaˇcijeve knjige:
Zadatak6. Reˇsiti sistem jednaˇcina:
x + y = 10
x
y
= 2
1
3
.
Odgovor: x = 7, y = 3.
Pod nazivom ”laˇzno pravilo” ovaj naˇcin reˇsavanja se susre´ce i u starim ruskim
udˇzbenicima, recimo, u Aritmetici L.F. Magnickog (1669 − 1739). Navodimo
jedan zadatak te vrste i njegovo reˇsenje:
Zadatak7. Neko je upitao uˇcitelja koliko uˇcenika uˇci kod njega, jer ˇzeli da
dovede sina na uˇcenje. Uˇcitelj je odgovorio: ”Ako bi imao joˇs toliko uˇcenika
5
koliko ih sada ima i joˇs polovinu i ˇcetvrtinu od toga i tvog sina, bilo bi taˇcno
100 uˇcenika”. Koliko je taj uˇcitelj imao uˇcenika?
Danas taj zadatak prevodimo na reˇsavanje jednaˇcine:
x + x +
x
2
+
x
4
+ 1 = 100.
Medutim, Magnicki ga reˇsava pomo´cu ”pravila dve pretpostavke”.
Prva laˇzna pretpostavka: x
1
= 24, tj. pretpostavimo da je bilo 24
uˇcenika. Tada bismo, prema uslovu zadatka, imali 24 +24 +12 +6 +1 = 67, tj.
k
1
= 100 − 67 = 33 manje od stvarnog broja (prva greˇska - manjak).
Druga laˇzna pretpostavka: x
2
= 32, tj. pretpostavimo da je bilo 32
uˇcenika. Tada bismo imali 32 + 32 + 16 + 8 + 1 = 89, tj. za k
2
= 100 − 89 = 11
manje od stvarnog broja (druga greˇska - manjak).
Posle toga Magnicki daje gotov naˇcin za nalaˇzenje traˇzenog broja x, naime:
x = (33 · 32 − 11 · 24)/(33 − 11) = 36,
ˇsto odgovara formuli:
x = (k
1
x
2
− k
2
x
1
)/(k
1
− k
2
). (7)
Formulu (7) treba koristiti i u sluˇcaju kada se za obe laˇzne pretpostavke
dobijaju brojevi, koji su ve´ci od prave (date) vrednosti. Proverite ovo tvrdenje
koriste´ci pretpostavke: x
1
= 52 i x
2
= 40.
Ako se pri jednoj pretpostavci dobija viˇse, a pri drugoj manje od navedenog u
zadatku (ovde 100), tada u obrascu (7) po kome se odreduje x, u brojiocu i ime-
niocu, treba staviti znak ”plus” umesto oznake ”minus”, tj. koristiti formulu (6).
Na primer, ako je x
1
= 60 (prva pretpostavka), onda 60+60+30+15+1 = 166,
pa je k
1
= 166 − 100 = 66 (viˇsak); ako je, pak, x
2
= 20 (druga pretpostavka),
onda je 20 +20 +10 +5 +1 = 56, pa to je k
2
= 100 −56 = 44 (manjak). Stoga
je x = (66 ∗ 20 + 44 ∗ 60)/(66 + 44) = 36.
Pravilo dve laˇzne pretpostavke moˇzemo objasniti i algebarski dokazati.
Ako se paˇzljivo razmotri reˇsavanje zadataka metodom laˇznih pretpostavki,
moˇze se zapaziti da se pri tome uvek traˇzi neki nepoznati broj. Ako u zadatku
ima i drugih nepoznatih, one se prema uslovima zadatka mogu izraziti pomo´cu
tog jedinstvenog broja. Taj nepoznati broj, koji ´cemo oznaˇciti sa x, uvek zado-
voljava jednaˇcinu ax +b = c, gde su a, b i c neki brojevi. Broj c je poznat, dok
se brojevi a i b, uopˇste uzev, mogu izraˇcunati (odrediti) prema uslovu zadatka.
Oni (obiˇcno) nisu dati u uslovu, ali su u njemu predstavljeni pomo´cu nekog niza
operacija (videti, na primer, zadatke 4. i 6.). Stoga ´cemo ih smatrati nepozna-
tim.
6
Uzevˇsi neki broj x
1
(prva pretpostavka) i obavivˇsi s njim traˇzene operacije,
dobi´cemo neki broj c
1
, tj. ax
1
+b = c
1
. Uzevˇsi zatim drugi broj x
2
(druga pre-
tpostavka) i ponovivˇsi s njim iste operacije, dobi´cemo novi broj c
2
,tj.ax
2
+b = c
2
.
Kako ´cemo, znaju´ci x
1
, x
2
, c
1
, c
2
i c na´ci reˇsenje zadatka,tj.nepoznati broj x?
Ako treba reˇsiti jednaˇcinu
ax + b = c, (8)
laˇzne pretpostavke daju:
ax
1
+ b = c
1
(9)
ax
2
+ b = c
2
. (10)
Oduzimaju´ci (9) i (10) od (8), dobi´cemo:
a · (x − x
1
) = c − c
1
= k
1
(11)
a · (x − x
2
) = c − c
2
= k
2
, (12)
gde su k
1
i k
2
odgovaraju´ce greˇske (viˇsak, manjak). Podelivˇsi (11) sa (12)
dobi´cemo:
(x − x
1
)/(x − x
2
) = k
1
/k
2
, (13)
a reˇsavanje te jednaˇcine po x doveˇs´ce nas do formule (7), tj.
x = (k
1
x
2
− k
2
x
1
)/(k
1
− k
2
).
Ova formula moˇze se primenjivati u svim sliˇcajevima o kojima smo napred
govorili:
1) k
1
> 0 i k
2
> 0, tj. u sluˇcaju oba viˇska (c
1
> c i c
2
> c);
2) k
1
< 0 i k
2
< 0, tj. u sluˇcaju oba manjka (c
1
< c i c
2
< c);
3) k
1
< 0 i k
2
> 0, tj. u sluˇcaju viˇska pri jednoj i manjka pri drugoj pretpostavci
(c
1
> c i c
2
< c).
Danas se jednaˇcina (8) reˇsava veoma prosto ˇcak i u osnovnoj ˇskoli. Pri tome
se operiˇse, kako sa pozitivnim, tako i sa negativnim brojevima. A upravo je
nastojanje da se izbegnu negativni brojevi i bio razlog da su se dugo, sve do
XVIII veka, ˇcak i vrlo jednostavni zadaci reˇsavali po receptu ”laˇznog pravila”,
koje je proizaˇslo iz reˇsavanja raznih zamrˇsenih zadataka.
Pravilo laˇzne pretpostavke u srednjem veku nazivano je takode i pravilom te-
razija, jer je davalo ˇcisto mehaniˇcko objaˇsnjenje njegove primene. Ilustova´cemo
ga na reˇsenom zadatku 7..
Instrukcija glasi: ”Nacrtaj terazije i iznad taˇcke oslonca piˇsi rezultat koji
treba da se dobije posle navedenih operacija u zadatku sa nepoznatim (traˇzenim)
7
brojem. Obe laˇzne pretpostavke piˇsi iznad tasova terazija; greˇske ”viˇskove”- piˇsi
iznad tasova, ”manjkove”- ispod tasova. Laˇzne pretpostavke i pogreˇske pomnoˇzi
unakrsno. Uzmi razliku proizvoda - ako se greˇske nalaze sa iste strane tasova
terazija, a uzmi njihov zbir - ako se greˇske nalaze sa razliˇcitih strana tasova
terazija. To podeli razlikom (zbirom) greˇsaka.”
24
33
32
11
d
d
d
d

100
52 44
40 11
d
d
d
d

100
60 66
20
44
d
d
d
d

100
Metoda dve laˇzne pretpostavke, pomo´cu koje se dobija taˇcno reˇsenje ”line-
arnih zadataka”, moˇze se iskoristiti i za pribliˇzno reˇsavanje zadataka, koji se
svode na jednaˇcine viˇsih stepena. Ovu ideju koristili su u proˇslosti mnogi po-
znati nauˇcnici.
Indijski matematiˇcari nisu stvorili neki opˇsti algoritam za reˇsavanje sistema
linearnih jednaˇcina sa viˇse nepoznatih, ve´c su odgovaraju´ce zadatke reˇsavali
veˇstaˇcki stvorenim ”receptima”. Medutim, u slobodnom operisanju sa nega-
tivnim i iracionalnim brojevima, uopˇstavanju pravila za reˇsavanje kvadratnih
jednaˇcina, a naroˇcito u algebarskoj simbolici, indijski matematiˇcari su znatno
pretekli kineske.
Evo jednog zadatka staroindijskog matematiˇcara Bhaskare (XII vek):
Zadatak8. Neko reˇce svom drugu: ”Daj mi 100 rupija, pa ´cu imati 2 puta
viˇse od tebe”. Drugi mu odgovori: ”Daj ti meni samo 10 rupija, pa ´cu imati 6
puta viˇse od tebe”. Koliko je imao svaki?
a) Ako je prvi imao x, a drugi y rupija, onda, s obzirom na uslove zadatka,
imamo slede´ci ”prevod”:
x + 100 = 2 · (y − 100)
y + 10 = 6 · (x − 10),
8
pa ostaje samo da se reˇsi ovaj sistem jednaˇcina.
b) Reˇsenje samog Bhaskare je originalno. Neka je prvi imao 2x−100 rupija,
a drugi x + 100 rupija, ˇsto zadovoljava prvi uslov (jer kad drugi da prvome 100
rupija osta´ce mu x rupija, a prvi ´ce imati 2x rupija, tj. 2 puta viˇse). Imaju´ci u
vidu i drugi uslov dobijamo:
6 · (2x − 110) = x + 110,
odakle je x = 70. Prema tome, prvi je imao 140 −100 = 40, a drugi 70 +100 =
170.
Reˇsiti pomo´cu sistema dveju jednaˇcina sa dve nepoznate slede´ce zadatke:
Zadatak9. (Al-Horezmi ) Na´ci dva broja ˇciji je zbir 10, a koliˇcnik 4.
Odgovor: 8, 2.
Zadatak10. (Iz ”Grˇcke antologije”, zbirke zadataka u stihovima): ”Hronose
(vesnik vremena), reci koji deo dana je proˇsao?””Dva puta po dve tre´cine pre-
ostalo je od onog ˇsto je ve´c proˇslo od poˇcetka dana.” (Drevni narodi su pod
”danom” podrazumevali 12 ˇcasova.)
Odgovor:
36
7
ˇcasova.
Savremeni naˇcin zapisivanja i reˇsavanja jednaˇcina potiˇce iz XVIII veka. Pri
reˇsavanju sistema jednaˇcina prvo se pojavio metod sabiranja (suprotnih koefi-
cijenata), a potom metoda zamene i uporedivanja. U Njutnovoj Univerzalnoj
aritmetici (1707. god.), ve´c se susre´cu naˇcini koji se danas uˇce u ˇskoli.
Veoma plodotvorna metoda laˇzne pretpostavke danas je nedovoljno zastu-
pljena u nastavi matematike, ˇcak i pri reˇsavanju zadataka, gde bi njena primena
bila celishodna i pouˇcna. Smatramo korisnim da se uˇcenici upoznaju sa ovom
lepom idejom drevne matematike, kojom su u proˇslosti reˇsavani zadaci, koje mi
danas opisujemo linearnim jednaˇcinama. [1]
9
2 Sistemi linearnih jednaˇcina
ˇ
Cetiri osnovna zadatka linearne algebre su:
(1) reˇsavanje sistema linearnih jednaˇcina Ax = b,
(2) izraˇcunavanje determinante detA matrice A,
(3) nalaˇzenje inverzne matrice A
−1
,
(4) odredivanje sopstvenih vrednosti i sopstvenih vektora matrice, tj. nalaˇzenje
netrivijalnih reˇsenja sistema Ax = λx,
gde je A matrica, x i b su vektori, a λ je skalar.
Formalno gledano, nema poteˇsko´ca u reˇsavanju ovih zadataka, jer postoje
egzaktni algoritmi, koji teorijski dovode do taˇcnog reˇsenja. Na primer, sistem
linearnih jednaˇcina se moˇze reˇsiti primenom Kramerovog pravila. Medutim, za
reˇsavanje sistema sa n promenljivih potrebno je izvrˇsiti O(n · n!) aritmetiˇckih
operacija, ˇsto dovoljno govori o neprihvatljivosti ove metode za reˇsavanje sistema
ve´cih dimenzija. I u reˇsavanju sistema manjih dimenzija, ozbiljan nedostatak
metode je veliki uticaj raˇcunske greˇske na konaˇcan rezultat. Sliˇcni zakljuˇcci
vaˇze i za druge klasiˇcne metode za reˇsavanje zadataka linearne algebre. Stoga je
primena numeriˇckih metoda u ovoj oblasti nuˇzna. Razvojem raˇcunarske tehnike
one doˇzivljavaju intenzivan razvoj, poˇsto se diskretizacijom razliˇcitih problema
upravo dobijaju veliki sistemi linearnih jednaˇcina.
Numeriˇcke metode za reˇsavanje zadataka linearne algebre mogu se podeliti
na dve osnovne grupe - direktne i iterativne. Direktnim metodama odreduje se
taˇcno reˇsenje sa konaˇcno mnogo raˇcunskih operacija, pod pretpostavkom da su
svi parametri dati taˇcno i da se sve raˇcunske operacije realizuju taˇcno.[3] Ako su
koeficijenti a
ij
taˇcni brojevi, onda se reˇsenje moˇze dobiti sa proizvoljnom una-
pred zadatom taˇcnoˇs´cu i ta taˇcnost zavisi samo od primene ˇseme raˇcunanja,
odnosno greˇsaka zaokrugljivanja. Ako su koeficijenti sistema a
ij
i slobodni
ˇclanovi b
i
pribliˇzni brojevi, onda je mogu´ca taˇcnost ograniˇcena taˇcnoˇs´cu na-
jtaˇcnijeg podatka.[4] Iterativnim metodama reˇsenje je odredeno graniˇcnom vre-
dnoˇs´cu niza uzastopnih aproksimacija, koje se raˇcunaju nekim jednoobraznim
algoritmom.[3] Osim greˇsaka zaokrugljivanja, na taˇcnost pribliˇznog reˇsenja utiˇce
i sam iterativni proces, pa imamo i greˇsku metode. Osim greˇske metode, bitna
je i brzina konvergencije i numeriˇcka stabilnost raˇcunskog procesa.
Osim ovih dveju grupa metoda, koristi se joˇs i metoda Monte-Karlo. Metoda
Monte-Karlo je metoda verovatnosno - statistiˇckog karaktera i zasniva se na mo-
deliranju sluˇcajne promenljive, ˇcije je matematiˇcko oˇcekivanje reˇsenje zadatka.
Inaˇce, metoda se primenjuje, osim za reˇsavanje sistema linearnih jednaˇcina i za
reˇsavanje sistema nelinearnih jednaˇcina, za pribliˇzno izraˇcunavanje integrala, za
reˇsavanje konturnih zadataka, obiˇcnih i parcijalnih diferencijalnih jednaˇcina, za
reˇsavanje integralnih jednaˇcina.[4]
10
Neka je dat sistem linearnih jednaˇcina sa realnim koeficijentima
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
· · · · · · · · · · · · · · · · · · · · · · · · · · ·
a
n1
x
1
+ a
n2
x
2
+ · · · + a
nn
x
n
= b
n
,
koji se matriˇcno moˇze napisati u obliku
Ax = b,
gde je matrica A data izrazom
A =
_
¸
¸
_
a
11
a
12
· · · a
1n
a
21
a
22
· · · a
2n
· · · · · · · · · · · ·
a
n1
a
n2
· · · a
nn
_
¸
¸
_
a matrice b i x izrazima
b =
_
¸
¸
¸
_
b
1
b
2
.
.
.
b
n
_
¸
¸
¸
_
, x =
_
¸
¸
¸
_
x
1
x
2
.
.
.
x
n
_
¸
¸
¸
_
.
Skup brojeva x
i
(i = 1, . . . , n), odnosno vektor x, koji svodi sistem na ide-
ntitet, jeste reˇsenje, a brojevi x
i
koreni sistema.
Neka je A nesingularna matrica, tj. detA = ∆ = 0. Tada imamo, matriˇcno
izraˇzen, slede´ci postupak i rezultat
Ax = b
A
−1
Ax = A
−1
b
x = A
−1
b,
ˇsto u stvari predstavlja poznate Kramerove formule
x
i
=

i

, i = 1, . . . , n,
gde determinante ∆ i ∆
i
imaju poznati smisao. Iako je problem sistema li-
nearnih jednaˇcina ovim teorijski reˇsen, praktiˇcne teˇsko´ce su velike. Tako, na
primer, za n = 8, (osam jednaˇcina sa osam nepoznatih), za ispisivanje reˇsenja
potrebno je napisati 1024 broja, zatim za svaku determinantu izvrˇsiti 282240
mnoˇzenja. Joˇs treba izvrˇsiti i 8 deljenja. Zato postoje razni specijalni postupci
za reˇsavanje sistema linearnih jednaˇcina, a takode i razne pribliˇzne metode.
11
2.1 Gausova metoda eliminacije - ˇsema jedinstvenog
deljenja
Kod Gausove metode reˇc je o izraˇcunavanju vrednosti korena uz postupno
iskljuˇcivanje nepoznatih. Metodu ´cemo prikazati za n = 4, ˇsto ne smanjuje
opˇstost.
Neka je dat sistem
a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ a
14
x
4
= a
15
a
21
x
1
+ a
22
x
2
+ a
23
x
3
+ a
24
x
4
= a
25
a
31
x
1
+ a
32
x
2
+ a
33
x
3
+ a
34
x
4
= a
35
a
41
x
1
+ a
42
x
2
+ a
43
x
3
+ a
44
x
4
= a
45
.
Neka je a
11
= 0 [2] (prvi vode´ci element) [4]. Ukoliko taj uslov u sistemu nije
zadovoljen, permutovanjem jednaˇcina sistema, tj. stavljanjem na prvo mesto
jednaˇcine kod koje je a
p1
= 0, ovaj uslov se moˇze ispuniti. Element a
p1
= 0
matrice A postoji, jer je po pretpostavci matrica regularna i ne moˇze imati sve
nula elemente u prvoj koloni.[3] Podelimo prvu jednaˇcinu sa a
11
i dobijamo
x
1
+ b
12
x
2
+ b
13
x
3
+ b
14
x
4
= b
15
.
Pomnoˇzimo li ovu jednaˇcinu sa a
21
i oduzmemo od druge, sa a
31
i oduzmemo
od tre´ce, sa a
41
i oduzmemo od ˇcetvrte, dobi´cemo
a
(1)
22
x
2
+ a
(1)
23
x
3
+ a
(1)
24
x
4
= a
(1)
25
a
(1)
32
x
2
+ a
(1)
33
x
3
+ a
(1)
34
x
4
= a
(1)
35
a
(1)
42
x
2
+ a
(1)
43
x
3
+ a
(1)
44
x
4
= a
(1)
45
.
Sada podelimo prvu jednaˇcinu sa a
(1)
22
[2] (drugi vode´ci element) [4] i dobi-
jamo
x
2
+ b
(1)
23
x
3
+ b
(1)
24
x
4
= b
(1)
25
.
Iskljuˇcivˇsi x
2
na prethodni naˇcin, dobijamo
a
(2)
33
x
3
+ a
(2)
34
x
4
= a
(2)
35
a
(2)
43
x
3
+ a
(2)
44
x
4
= a
(2)
45
.
Sada delimo prvu jednaˇcinu sa a
(2)
33
[2] (tre´ci vode´ci element) [4] i dobijamo
x
3
+ b
(2)
34
x
4
= b
(2)
35
,
pa svedemo na kraju na
a
(3)
44
x
4
= a
(3)
45
.[2]
12
U rezultatu dobijamo sistem
x
1
+ b
12
x
2
+ b
13
x
3
+ b
14
x
4
= b
15
x
2
+ b
(1)
23
x
3
+ b
(1)
24
x
4
= b
(1)
25
x
3
+ b
(2)
34
x
4
= b
(2)
35
x
4
= b
(3)
45
.
Ovim postupkom smo sistem jednaˇcina, koji ima kvadratnu matricu, transfo-
rmisali u ekvivalentan sistem, koji ima trougaonu matricu. Ovaj proces zove se
direktan hod ili direktan korak eliminacije. Reˇsenje se nalazi obrnutim hodom
(korakom):
x
4
= b
(3)
45
x
3
= b
(2)
35
− b
(2)
34
· b
(3)
45
.
.
.
Sve se radi u obliku ˇseme da bi mogli kontrolisati raˇcunanje.
i a
i1
a
i2
a
i3
a
i4
a
i5

i,j
a
ij
1 a
11
a
12
a
13
a
14
a
15

j
a
1j
2 a
21
a
22
a
23
a
24
a
25

j
a
2j
3 a
31
a
32
a
33
a
34
a
35

j
a
3j
4 a
41
a
42
a
43
a
44
a
45

j
a
4j
1 1 b
12
b
13
b
14
b
15

j
b
1j
2 a
(1)
22
a
(1)
23
a
(1)
24
a
(1)
25

j
a
(1)
2j
3 a
(1)
32
a
(1)
33
a
(1)
34
a
(1)
35

j
a
(1)
3j
4 a
(1)
42
a
(1)
43
a
(1)
44
a
(1)
45

j
a
(1)
4j
2 1 b
(1)
23
b
(1)
24
b
(1)
25

j
b
(1)
2j
3 a
(2)
33
a
(2)
34
a
(2)
35

j
a
(2)
3j
4 a
(2)
43
a
(2)
44
a
(2)
45

j
a
(2)
4j
3 1 b
(2)
34
b
(2)
35

j
b
(2)
3j
4 a
(3)
44
a
(3)
45

j
a
(3)
4j
4 1 b
(3)
45

j
b
(3)
4j
4 1 x
4
x

4
3 1 x
3
x

3
2 1 x
2
x

2
1 1 x
1
x

1
Kada je obim sistema veliki, koristi se ova ˇsema.
Kontrolna kolona (poslednja kolona u tabeli) se koristi za kontrolu u pro-
cesu raˇcunanja i na kraju. Kontrolna kolona se formira sabiranjem elemenata
13
po vrsti. Kada transformiˇsemo koeficijente sistema nekim postupkom, onda do-
bijamo neke druge koeficijente, a kontrolna kolona se moˇze dobiti tako ˇsto tu
transformaciju izvrˇsimo i nad kontrolnom kolonom ili tako ˇsto transformisane
koeficijente saberemo. Ako je razlika izmedu zbira i transformisanog zbira ve´ca
od maksimalne mogu´ce akumulirane greˇske zaokrugljivanja, onda sigurno po-
stoji greˇska u raˇcunu. Ako je razlika manja, onda skoro sigurno nije napravljena
greˇska. Ako u sistemu umesto desnih slobodnih ˇclanova (b
15
,. . . , b
45
) uzmemo
odgovaraju´ce elemente iz kontrolne kolone, dobijena reˇsenja su za jedan ve´ca
(x

4
= x
4
+ 1, x

3
, x

2
, x

1
). To je kontrola na kraju.[4]
Dobijeni koreni, s obzirom na zaokrugljivanje pri raˇcunu, mahom su samo
pribliˇzne vrednosti. Oni se mogu na´ci preciznije na slede´ci naˇcin. Uvedemo li
ve´c poznati matriˇcni naˇcin obeleˇzavanja, sistem ´ce biti napisan u obliku
Ax = b.
Neka je nadeno pribliˇzno reˇsenje x
0
. Znaˇci, x = x
0
+ δ, gde su δ popravke.
Tada je
A(x
0
+ δ) = b,
odnosno
Ax
0
+ Aδ = b,
tj.
Aδ = b − Ax
0
= ε,
ˇsto sluˇzi za izraˇcunavanje popravke.
Gausova metoda ´ce, izmedu ostalih primena, korisno posluˇziti kod izraˇcunavanja
inverzne matrice.
Neka je, naime data matrica A
−1
= [x
ij
] takva da je AA
−1
= E, gde je E
jediniˇcna matrica. Pomnoˇzimo li AA
−1
, ima´cemo n sistema jednaˇcina u odnosu
na n
2
nepoznatih x
ij
.
n

k=1
a
ik
x
kj
= δ
ij
,
i, j = 1, . . . , n
δ
ij
=
_
1 : i = j
0 : i = j
Dobijenih n sistema linearnih jednaˇcina za j = 1, . . . , n, koji imaju istu
matricu A i razne slobodne ˇclanove, mogu se istovremeno reˇsiti Gausovom
metodom.
14
2.2 Gausova metoda eliminacije - ˇsema sa izborom glavnih
elemenata
Neka je dat sistem
a
11
x
1
+ a
12
x
2
+ · · · + a
1n
x
n
= a
1,n+1
a
21
x
1
+ a
22
x
2
+ · · · + a
2n
x
n
= a
2,n+1
· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · ·
a
n1
x
1
+ a
n2
x
2
+ · · · + a
nn
x
n
= a
n,n+1
.
Posmatrajmo proˇsirenu matricu
M =
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
a
11
a
12
· · · a
1j
· · · a
1q
· · · a
1n
a
1,n+1
a
21
a
22
· · · a
2j
· · · a
2q
· · · a
2n
a
2,n+1
· · · · · · · · · · · · · · · · · · · · · · · · · · ·
a
i1
a
i2
· · · a
ij
· · · a
iq
· · · a
in
a
i,n+1
· · · · · · · · · · · · · · · · · · · · · · · · · · ·
a
p1
a
p2
· · · a
pj
· · · a
pq
· · · a
pn
a
p,n+1
· · · · · · · · · · · · · · · · · · · · · · · · · · ·
a
n1
a
n2
· · · a
nj
· · · a
nq
· · · a
nn
a
n,n+1
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
.
Izaberemo nenulti, po pravilu najve´ci po modulu, element a
pq
(q = n + 1),
koji ´cemo nazvati glavnim elementom ili pivotom, i izraˇcunajmo,
m
i
= −
a
iq
a
pq
,
za sve i = p.[2] Radi numeriˇcke stabilnosti algoritma, obiˇcno se medu svim
elementima prve kolone razliˇcitim od nule bira najve´ci po modulu,
|a
p1
| = max
1≤i≤n
|a
i1
|.
Nalaˇzenje pivota medu elementima samo jedne kolone (ili vrste) matrice naziva
se delimiˇcno pivotiranje, a potpuno pivotiranje je nalaˇzenje najve´ceg po modulu
elementa cele matrice,
|a
pq
| = max
1≤i,j≤n
|a
ij
|.
Ako se u prvom koraku algoritma vrˇsi potpuno pivotiranje, onda treba permu-
tovati prvu i p -tu vrstu matrice, kao i prvu i q -tu kolonu.[3]
Vrsta sa indeksom p je glavna vrsta. Svakoj neglavnoj vrsti dodajmo glavnu
pomnoˇzenu odgovaraju´cim m
i
za tu vrstu. Dobi´cemo novu matricu u kojoj je
q-ta kolona nula.
Odbacivˇsi tu kolonu i glavnu vrstu dobijamo M
(1)
. Sa ovom matricom po-
navljamo postupak i dobijamo niz matrica
M, M
(1)
, . . . , M
(n−1)
,
15
od kojih je poslednja dvoˇclana matrica-vrsta. Sada skupimo u sistem sve glavne
vrste, poˇcinju´ci sa poslednjom, koja ulazi u matricu.
Posle odgovaraju´ce promene numeracije nepoznatih dobija se sistem sa trou-
glastom matricom iz koje se lako, korak po korak, dobijaju nepoznate.[2]
2.3 Istovremeno reˇsavanje viˇse sistema linearnih jednaˇcina
Direktne metode za reˇsavanje sistema linearnih jednaˇcina mogu se primeniti
za istovremeno reˇsavanje viˇse sistema linearnih jednaˇcina, koji imaju istu ma-
tricu sistema i za izraˇcunavanje inverznih matrica. Neka treba reˇsiti sisteme
jednaˇcina:
Ax
(1)
= b
(1)
, Ax
(2)
= b
(2)
, . . . , Ax
(k)
= b
(k)
,
gde je
A =
_
¸
_
a
11
· · · a
1n
.
.
.
.
.
.
a
n1
· · · a
nn
_
¸
_, x
(i)
=
_
¸
¸
¸
¸
_
x
(i)
1
x
(i)
2
.
.
.
x
(i)
n
_
¸
¸
¸
¸
_
, b
(i)
=
_
¸
¸
¸
¸
_
b
(i)
1
b
(i)
2
.
.
.
b
(i)
n
_
¸
¸
¸
¸
_
, i = 1, . . . , k.
ˇ
Semu treba primeniti na slede´ci naˇcin: direktnim hodom se kvadratna ma-
trica prevodi u trougaonu matricu. Neka treba reˇsiti sisteme jednaˇcina:
1, 48x
1
+ 3, 24x
2
+ 1, 27x
3
= 1, 51
3, 45x
1
+ 1, 25x
2
+ 1, 38x
3
= 1, 47
1, 34x
1
+ 1, 42x
2
+ 3, 20x
3
= 1, 41
1, 48x
1
+ 3, 24x
2
+ 1, 27x
3
= 4, 74
3, 45x
1
+ 1, 25x
2
+ 1, 38x
3
= 4, 81
1, 34x
1
+ 1, 42x
2
+ 3, 20x
3
= 5, 03
Koristi se Gausova metoda eliminacije - ˇsema sa izborom glavnih elemenata.[4]
i m
i
a
i1
a
i2
a
i3
a
i4
a
i5

i
a
ij
1 −0, 4290 1, 48 3, 24 1, 27 1, 51 4, 74 12, 2400
2 3,45 1, 25 1, 38 1, 47 4, 81 12, 2600
3 −0, 3884 1, 34 1, 42 3, 20 1, 41 5, 03 12, 4000
1 2,7038 0, 6780 0, 8794 2, 6765 6, 9377(6)
3 −0, 3456 0, 9345 2, 6640 0, 8391 3, 1618 7, 5994
3 2,4297 0, 5352 3, 2368 5, 2017
3 1 0, 2203 0, 9206 2, 1409
1 1 0, 2699 0, 7591 2, 0290(1)
2 1 0, 2402 0, 7509 1, 9911
16
2.4 Gausova metoda eliminacije -
ˇ
Zordanova ˇsema
Kod Gausove metode eliminacije, jednaˇcina iz koje je izabran glavni eleme-
nt, posle tog koraka se viˇse ne transformiˇse. Stoga se posle (n −1) - vog koraka
dobija trougaoni sistem. U Gaus -
ˇ
Zordanovoj metodi, u svakom koraku se tra-
nsformiˇsu sve jednaˇcine, osim one koja sadrˇzi glavni element tog koraka. Pri
izboru glavnog elementa ne uzimaju se u obzir koeficijenti jednaˇcina iz kojih je
ve´c biran glavni element. Tako se posle (n − 1) - vog koraka dobija sistem sa
dijagonalnom matricom.
Ovom metodom je determinanta matrice A do na znak odredena proizvodom
glavnih elemenata.
U poredenju sa Gausovom metodom eliminacije, broj raˇcunskih operacija,
koje je potrebno izvrˇsiti da bi se ovom metodom reˇsio sistem, ve´ci je; ali, ova
metoda je efikasnija, kada se odreduje inverzna matrica, jer se u obrnutom hodu
reˇsava n dijagonalnih umesto n trougaonih sistema.[3]
2.5 Metoda kvadratnih korena
Neka je dat sistem
Ax = b,
gde je matrica A takva da su joj glavni dijagonalni minori razliˇciti od nule i
A

= A (transponovana matrica jednaka je samoj matrici, dakle reˇc je o tzv.
simetriˇcnoj matrici). Pod ovom pretpostavkom matrica A moˇze se napisati u
obliku
A = T

T,
sa
T =
_
¸
¸
_
t
11
t
12
· · · t
1n
0 t
22
· · · t
2n
· · · · · · · · · · · ·
0 0 · · · t
nn
_
¸
¸
_
; T

=
_
¸
¸
_
t
11
0 · · · 0
t
12
t
22
· · · 0
· · · · · · · · · · · ·
t
1n
t
2n
· · · t
nn
_
¸
¸
_
.
Mnoˇzenjem ovih matrica dobijamo jednaˇcine za odredivanje t
ij
. Ako je
t
ii
= 0, sistem ima reˇsenje, jer je
detA = detT

· detT = (detT)
2
= (t
11
t
22
· · · t
nn
)
2
= 0.
U samom izraˇcunavanju t
ij
na odreden naˇcin figuriˇsu kvadratni koreni, ˇsto
opravdava naziv metode. Kada se t
ij
izraˇcunaju, naˇs se sistem oˇcigledno ra-
spada na dva sistema
T

y = b,
Tx = y
iz kojih se prvo raˇcuna y, pa onda x. Oba sistema su, medutim, sa trouglastom
matricom koeficijenata, ˇsto znatno olakˇsava raˇcun.
17
2.6 Shema Haleckog
Dat je sistem
Ax = b,
gde je A = [a
ij
] kvadratna matrica, i
x =
_
¸
_
x
1
.
.
.
x
n
_
¸
_, b =
_
¸
_
a
1,n+1
.
.
.
a
n,n+1
_
¸
_.
Ako se matrica A moˇze napisati u obliku A = BC, gde je
B =
_
¸
¸
_
b
11
0 · · · 0
b
21
b
22
· · · 0
· · · · · · · · · · · ·
b
n1
b
n2
· · · b
nn
_
¸
¸
_
; C =
_
¸
¸
_
1 c
12
· · · c
1n
0 1 · · · c
2n
· · · · · · · · · · · ·
0 0 · · · 1
_
¸
¸
_
,
ˇsto je mogu´ce, na primer, kada su glavni dijagonalni minori razliˇciti od nule,
onda se izraˇcunaju b
ij
i c
ij
, pa se, kao kod prethodne metode, sistem raspada
na dva
By = b
Cx = y,
gde se prvo raˇcuna y, a onda x, pri ˇcemu su obe matrice koeficijenata trouglaste.
2.7 Metoda iteracije
Dat je sistem
Ax = b, sa a
ii
= 0.
Svedemo ga na oblik
x
1
= β
1
+ α
12
x
2
+ α
13
x
3
+ · · · + α
1n
x
n
x
2
= β
2
+ α
21
x
1
+ α
23
x
3
+ · · · + α
2n
x
n
x
3
= β
3
+ α
31
x
1
+ α
32
x
2
+ · · · + α
3n
x
n
· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · ·
x
n
= β
n
+ α
n1
x
1
+ α
n2
x
2
+ · · · + α
n,n−1
x
n−1
.
Uvedimo matrice
α =
_
¸
¸
_
α
11
α
12
· · · α
1n
α
21
α
22
· · · α
2n
· · · · · · · · · · · ·
α
n1
α
n2
· · · α
nn
_
¸
¸
_
; β =
_
¸
_
β
1
.
.
.
β
n
_
¸
_
sa α
ii
= 0.
18
Tada moˇzemo, u matriˇcnom obliku, napisati sistem
x = β + αx.
Uzmimo za prvu aproksimaciju x
(0)
= β, a onda ´cemo, iteracijom, dobiti
slede´ce aproksimacije
x
(1)
= β + αx
(0)
x
(2)
= β + αx
(1)
· · · · · · · · · · · · · · · · · ·
x
(k+1)
= β + αx
(k)
, k = 0, 1, 2, . . . .
Ako postoji
x = lim
k→∞
x
(k)
,
to ´ce biti reˇsenje sistema.
Ako je
n

j=1

ij
| < 1, ili
n

i=1

ij
| < 1,
za i = 1, . . . , n, odnosno j = 1, . . . , n, naˇs ´ce proces konvergirati jedinstvenom
reˇsenju nezavisno od poˇcetne aproksimacije. Iz gornjeg proistiˇce i uslov
|a
ii
| >

j=i
|a
ij
|, i = 1, . . . , n.
Ako je detA = 0, pomo´cu linearnog kombinovanja sistema poˇcetni sistem se
uvek moˇze zameniti ekvivalentnim sistemom
x = β + αx
takvim da uslovi teoreme budu ispunjeni. Neka je, naime, ε matrica sa argu-
mentima ε
ij
, malim po modulu. Uvedimo novu matricu D = A
−1
− ε. Tada
je
(A
−1
− ε)Ax = Db
i
A
−1
Ax − εAx = Db,
tj.
x = εAx + Db.
Uvedemo li εA = α i Db = β, dobijamo
x = β + αx.
Ako su |ε
ij
| dovoljno mali, moˇze se podesiti da uslovi teoreme budu ispunjeni.
19
2.8 Zajdelova metoda
Reˇc je o jednoj modifikaciji metode iteracije. Osnovna ideja je u tome ˇsto
se pri izraˇcunavanju (k + 1)-e aproksimacije nepoznate x
i
, uraˇcunavaju ve´c
izraˇcunate ranije (k + 1)-e aproksimacije nepoznatih x
1
, x
2
,. . . ,x
i−1
.
Neka je, naime, dat sistem
x
i
= β
i
+
n

j=1
α
ij
x
j
, i = 1, 2, . . . , n.
Izaberimo proizvoljno x
0
1
, x
0
2
,. . . ,x
0
n
.
Dalje raˇcunaju´ci da su k-te aproksimacije x
(k)
i
poznate, primeni´cemo
x
(k+1)
1
= β
1
+
n

j=1
α
1j
x
(k)
j
x
(k+1)
2
= β
2
+
n

j=2
α
2j
x
(k)
j
+ α
21
x
(k+1)
1
· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · ·
x
(k+1)
i
= β
i
+
i−1

j=1
α
ij
x
(k+1)
j
+
n

j=i
α
ij
x
(k)
j
· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · ·
x
(k+1)
n
= β
n
+
n−1

j=1
α
nj
x
(k+1)
j
+ α
nn
x
(k)
n
,
za k = 0, 1, 2, . . . .
Teorema konvergencije za metodu iteracije ostaje u vaˇznosti i ovde.
2.9 Primedba o dovodenju linearnog sistema na oblik
pogodan za iteraciju
Neka je linearan sistem zadan u opˇstem obliku
a
11
x
1
+ a
12
x
2
+ a
13
x
3
= a
14
a
21
x
1
+ a
22
x
2
+ a
23
x
3
= a
24
a
31
x
1
+ a
32
x
2
+ a
33
x
3
= a
34
.
Da bi za reˇsenje ovog sistema bilo mogu´ce koristiti se metodom iteracije,
neophodno je dovesti ga na oblik
x
1
= b
11
x
1
+ b
12
x
2
+ b
13
x
3
+ c
1
20
x
2
= b
21
x
1
+ b
22
x
2
+ b
23
x
3
+ c
2
x
3
= b
31
x
1
+ b
32
x
2
+ b
33
x
3
+ c
3
ˇsto se moˇze uˇciniti na beskrajno mnogo naˇcina. Mi treba da izaberemo takav
naˇcin da dobijemo konvergentan iteracioni proces. Ovakav je zadatak uvek reˇsiv,
kada sistem ima jedinstveno reˇsenje, odnosno kada je determinanta sistema ra-
zliˇcita od nule.
Naroˇcito se lako zadatak reˇsava ako je
|a
11
| > |a
12
| + |a
13
|
|a
22
| > |a
21
| + |a
23
|
|a
33
| > |a
31
| + |a
32
|.
Tada je dovoljno reˇsiti prvu jednaˇcinu po x
1
, drugu po x
2
, tre´cu po x
3
. Ako
navedeni uslovi nisu ispunjeni, zadatak se moˇze, recimo, reˇsiti na slede´ci naˇcin.
U datom sistemu izdvoji se jednaˇcina, kod koje je koeficijent uz jednu nepo-
znatu po modulu ve´ci od zbira modula koeficijenata uz ostale nepoznate te
jednaˇcine.
Ako pri tome u datom sistemu dve ili ve´ci broj jednaˇcina imaju koeficijente
uz jednu istu nepoznatu, koji zadovoljavaju gornji uslov, to se bira jedna od
njih po slede´cem kriterijumu. Ako, recimo, u sistemu dati uslov zadovoljavaju
koeficijenti uz x
2
u prve dve jednaˇcine, tj.
|a
12
| > |a
11
| + |a
13
|
|a
22
| > |a
21
| + |a
23
|,
to se od prve dve jednaˇcine uzima ona kod koje je razlomak
|a
11
| + |a
13
|
|a
12
|
ili
|a
21
| + |a
23
|
|a
22
|
manji. Dalje se prenumeriˇse sistem izdvojenih jednaˇcina tako, da najve´ci po
modulu koeficijent bude dijagonalan.
Moˇze se, medutim, desiti, da sve jednaˇcine datog sistema ne udu u novi
sistem, tj. da u novom sistemu sve vrste ne budu popunjene. Tada se iz nei-
skoriˇs´cenih jednaˇcina i iz jednaˇcina, zapisanih u nov sistem, sastavljaju alge-
barski zbirovi sa specijalno izabranim koeficijentom, tako da nove jednaˇcine
zadovoljavaju gornji uslov i popune sve vrste. Uoˇcimo sistem
x
1
+ 3x
2
+ x
3
= 0, 6
2x
1
+ x
2
− x
3
= −0, 7
21
x
1
− x
2
+ 2x
3
= 2, 6.
Kako je
∆ =
¸
¸
¸
¸
¸
¸
1 3 1
2 1 −1
1 −1 2
¸
¸
¸
¸
¸
¸
=
¸
¸
¸
¸
¸
¸
1 4 1
2 0 −1
1 1 2
¸
¸
¸
¸
¸
¸
=
¸
¸
¸
¸
¸
¸
3 4 1
0 0 −1
5 1 1
¸
¸
¸
¸
¸
¸
=
¸
¸
¸
¸
3 4
5 1
¸
¸
¸
¸
= 3 − 20 =
= −17 = 0, to je postavljeni zadatak reˇsiv.
U prvoj jednaˇcini ispunjen je uslov
3 > 1 + 1 = 2.
Pomnoˇzimo drugu jednaˇcinu sa 3 i saberemo sa tre´com jednaˇcinom. Bi´ce
6x
1
+ 3x
2
− 3x
3
= −2, 1
+x
1
− x
2
+ 2x
3
= 2, 6
7x
1
+ 2x
2
− x
3
= 0, 5,
gde je
7 > 2 + 1.
Dalje, pomnoˇzimo prvu i tre´cu jednaˇcinu sa 2, drugu sa −3, pa saberemo.
Dobija se
2x
1
+ 6x
2
+ 2x
3
= 1, 2
−6x
1
− 3x
2
+ 3x
3
= 2, 1
2x
1
− 2x
2
+ 4x
3
= 5, 2
−2x
1
+ x
2
+ 9x
3
= 8, 5.
Ovde je 9 > 2 + 1.
Novi je sistem
7x
1
+ 2x
2
− x
3
= 0, 5
x
1
+ 3x
2
+ x
3
= 0, 6
−2x
1
+ x
2
+ 9x
3
= 8, 5,
koji je pogodan za iteraciju, kada se jednaˇcine reˇse po x
1
, x
2
, x
3
.
22
2.10 Uslovljenost linearnog sistema
Neka je dat sistem
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
· · · · · · · · · · · · · · · · · · · · · · · · · · · · · ·
a
n1
x
1
+ a
n2
x
2
+ · · · + a
nn
x
n
= b
n
,
ili, matriˇcno, Ax = b, sa
A =
_
¸
¸
_
a
11
a
12
· · · a
1n
a
21
a
22
· · · a
2n
· · · · · · · · · · · ·
a
n1
a
n2
· · · a
nn
_
¸
¸
_
, x =
_
¸
¸
¸
_
x
1
x
2
.
.
.
x
n
_
¸
¸
¸
_
, b =
_
¸
¸
¸
_
b
1
b
2
.
.
.
b
n
_
¸
¸
¸
_
.
Normom matrice A zva´cemo
||A|| = max
x∈(R)
|Ax|
|x|
= max
x=0
{[

j
(

k
a
jk
x
k
)
2
]
1
2
[

j
x
2
j
]

1
2
}
gde je (R) realan Euklidov prostor.
Ova norma igra vaˇznu ulogu pri izraˇcunavanju pojma uslovljenosti linearnog
sistema. Neka je na desnoj strani uˇcinjena izvesna greˇska ∆b; dok koeficijente
sistema smatramo, jednostavnosti radi, apsolutno taˇcnim znaˇci da je
A(x + ∆x) = b + ∆b,
tj.
A∆x = ∆b.
Odavde je
∆x = A
−1
∆b
i
|∆x| ≤ ||A
−1
|| |∆b|, |∆b| ≤ ||A|| |∆x|,
ˇsto se izvodi iz osobine |Ax| ≤ ||A|| |x|.
Dalje je
|∆x|
|x|
≤ ||A|| ||A
−1
||
|∆b|
|b|
.
Proizvod ||A|| ||A
−1
|| jeste mera uslovljenosti sistema. Ako je ova mera,
koja ne moˇze biti manja od jedinice, veoma bliska jedinici, sistem je dobro
23
uslovljen. Ako je velika, sistem je slabo uslovljen; takvi sistemi su veoma neu-
dobni za numeriˇcko raˇcunanje.
Preciznije, imamo:
Neka je dat sistem Ax = b. Neka je, dalje,
||A|| = max
x∈R
|Ax|
|x|
=
_

j
(

k
a
jk
x
k
)
2
_

j
x
2
j
.
Neka je u nezavisnom ˇclanu greˇska ∆b. Bi´ce A(x + ∆x) = b + ∆b, tj.
A∆x = ∆b.
Iz definicije norme sleduje
|Ax|
|x|
≤ ||A||, tj. |Ax| ≤ ||A|| |x|. Takode je
|A∆x| ≤ ||A|| |∆x|, tj. |∆b| ≤ ||A|| |∆x|.
Ako uzmemo ||A
−1
|| max
|A
−1
∆b|
|∆b|
, ˇsto je ista definicija norme, dobijamo
|A
−1
∆b| ≤ ||A
−1
|| |∆b|, tj. |∆x| ≤ ||A
−1
|| |∆b|.
Podemo li od dobijene nejednakosti |∆b| ≤ ||A|| |∆x| i iskoristimo prethodnu,
onda je
|∆b| ≤ ||A|| ||A
−1
|| |∆b|, tj. ||A|| ||A
−1
|| ≥ 1.
Sa druge strane,
|Ax| ≤ ||A|| |x|, tj. |b| ≤ ||A|| |∆x|,
ili
1
|x|

||A||
|b|
,
tj.
|∆x|
|x|

||A
−1
|| ||A|| |∆b|
|b|
.[2]
Standardne metode (na primer Gausova eliminacija) su nepogodne za reˇsavanje
sistema linearnih jednaˇcina sa loˇse uslovljenim matricama, jer male raˇcunske
greˇske mogu dovesti do velikih greˇsaka rezultata.
Reˇsenje sistema linearnih jednaˇcina
x
1
+ 12x
2
+ 3x
3
= 38
12x
1
− 2x
2
+ 9x
3
= 9
24
3x
1
+ 9x
2
+ 4x
3
= −49
je
x
1
= −9157, x
2
= −2166, x
3
= 11729,
a pribliˇzno reˇsenje odredeno Gausovom metodom eliminacije, izraˇcunato u obi-
ˇcnoj taˇcnosti, je
x

1
= −9157.064000, x

2
= −2166.015000, x

3
= 11729.080000.
S obzirom na malu dimenziju sistema, greˇska je velika i uzrok tome je loˇsa
uslovljenost matrice sistema (cond(A) = ||A|| ||A
−1
|| = 6601). Kada se sistem
reˇsava Gausovom eliminacijom u dvostrukoj taˇcnosti, postiˇze se taˇcnost 10
−6
.
Primer ukazuje da treba raˇcunati u dvostrukoj taˇcnosti, ukoliko se prime-
njuju standardne metode za reˇsavanje loˇse uslovljenih sistema. Ovakve je si-
steme mogu´ce, medutim, bolje reˇsavati iterativnim metodama ili tzv. metodom
singularne dekompozicije.[3]
2.11 Primeri za taˇcno i pribliˇzno reˇsavanje linearnih
sistema
1. Sistem:
x + y + z = 6
x − y + 3z = 8
x + y − z = 0,
reˇsiti po metodi glavnih elemenata.
Matrica M :
_
_
1 1 1 6
1 −1 3 8
1 1 −1 0
_
_
m
i
= −
a
iq
a
pq
m
1
= −
1
3
m
2
=
1
3
.
Matrica M
(1)
:
_
¸
¸
_
2
3
4
3
10
3
4
3
2
3
8
3
_
¸
¸
_
m
1
= −
1
2
.
25
Matrica M
(2)
:
_
1 1
¸
iz koje sledi
x = 1.
Iz prethodne matrice imamo
2
3
· 1 +
4
3
y =
10
3
, tj. y = 2,
pa iz prve joˇs dobijamo
1 − 2 + 3z = 8, tj. z = 3.
2. Sistem:
x + 2y + 3z = 14
2x + y + 4z = 16
3x + 4y + z = 14,
reˇsiti metodom kvadratnih korena.
Imamo A = A

.
Dalje je
_
_
1 2 3
2 1 4
3 4 1
_
_
=
_
_
t
11
0 0
t
12
t
22
0
t
13
t
23
t
33
_
_
_
_
t
11
t
12
t
13
0 t
22
t
23
0 0 t
33
_
_
.
Dobija se
t
11
= 1, t
12
= 2, t
13
= 3, t
22
= i

3, t
23
=
2i

3
, t
33
= 2i
_
5
3
,
pa je
y
1
= 14
2y
1
+ i

3y
2
= 16
3y
1
+
2i

3
y
2
+ 2i
_
5
3
y
3
= 14.
Odavde je
y
1
= 14, y
2
=
12i

3
, y
3
= 10i
_
3
5
,
pa imamo
x + 2y + 3z = 14
i

3y +
2i

3
z =
12i

3
26
2i
_
5
3
z = 10i
_
3
5
,
a odavde
z = 3, y = 2, x = 1.
3. Sistem:
x + 2y + 3z = 14
2x + y + 4z = 16
3x + 4y + z = 14,
reˇsiti po shemi Haleckog.
Ovo je malopredaˇsnji sistem. Imamo
_
_
1 2 3
2 1 4
3 4 1
_
_
=
_
_
b
11
0 0
b
21
b
22
0
b
31
b
32
b
33
_
_
_
_
1 c
12
c
13
0 1 c
23
0 0 1
_
_
.
Odavde je
b
11
= 1, b
21
= 2, b
31
= 3, c
12
= 2, c
13
= 3, b
22
= −3,
c
23
=
2
3
, b
32
= −2, b
33
= −
20
3
,
pa imamo
y
1
= 14
2y
1
− 3y
2
= 16
3y
1
− 2y
2

20
3
y
3
= 14,
odnosno
y
1
= 14, y
2
= 4, y
3
= 3.
Dalje je
x + 2y + 3z = 14
y +
2
3
z = 4
z = 3,
tj. x=1, y=2, z=3.
4. Metodom iteracije reˇsimo sistem
x =
y
4
+
z
5

1
10
y =
x
7
+
z
2
+
5
14
27
z = −
x
2
+
y
3
+
17
6
.
Uzmemo li za poˇcetne vrednosti
x
0
= 0, y
0
= 1, z
0
= 2,
dobijamo, iteracijom,
x
1
= 0, 55; y
1
= 1, 36; z
1
= 3, 17
x
2
= 0, 87; y
2
= 2, 02; z
2
= 3, 01.
Primenom Zajdelove metode, polaze´ci od istih x
0
, y
0
, z
0
dobijamo
x
1
= 0, 55; y
1
= 1, 44; z
1
= 3, 04
x
2
= 0, 87; y
2
= 2, 001; z
2
= 3, 07
x
3
= 1, 01; y
3
= 2, 04; z
3
= 3, 01
x
4
= 1, 01; y
4
= 2, 01; z
4
= 2, 998.
Prava su reˇsenja: x = 1, y = 2, z = 3.
2.12 Joˇs o metodi najmanjih kvadrata
Primena matematike na razna praktiˇcna pitanja ˇcesto dovodi do sluˇcaja
”preodredenih problema”, odnosno do protivreˇcnih sistema, na primer, sa ve´cim
brojem jednaˇcina nego nepoznatih.
Pretpostavimo da su merenja nepoznate duˇzine x dala tri rezultata
l
1
, l
2
, l
3
.
Tada nepoznata x treba da zadovoljava tri jednaˇcine
l
1
− x = 0, l
2
− x = 0, l
3
− x = 0.
Sa matematiˇckog stanoviˇsta, ovo je nesaglasan, protivreˇcan sistem. Ako sa
ε
1
, ε
2
, ε
3
oznaˇcimo greˇske merenja, dobi´cemo
l
1
− x = ε
1
, l
2
− x = ε
2
, l
3
− x = ε
3
(tri jednaˇcine sa ˇcetiri nepoznate, gde je preodreden problem sveden na neodre-
den).
Za pretvaranje problema u odreden potrebna je joˇs jedna jednaˇcina: ona bi
izrazila dopunski uslov, naime na koji naˇcin u izraˇcunavanju treba uzeti u obzir
dopuˇstene greˇske ε
1
, ε
2
, ε
3
. To se moˇze uˇciniti na viˇse naˇcina. Princip, ili metoda
najmanjih kvadrata postavlja kao uslov da zbir kvadrata greˇsaka bude najmanji.
28
U naˇsem sluˇcaju treba da bude
ε
2
1
+ ε
2
2
+ ε
2
3
= Min.
Dobi´cemo
(l
1
− x)
2
+ (l
2
− x)
2
+ (l
3
− x)
2
= Min.
Za odredivanje ekstremuma naˇse funkcije treba uzeti izvod po x i izjednaˇciti
ga sa nulom. Kako izvod ima vrednost
−2(l
1
− x) − 2(l
2
− x) − 2(l
3
− x),
za odredivanje imamo jednaˇcinu
l
1
− x + l
2
− x + l
3
− x = 0
tj.
x =
l
1
+ l
2
+ l
3
3
ˇsto je aritmetiˇcka sredina.
Uopˇste, neka je dato n jednaˇcina sa m nepoznatih (n > m)
f
i
(x, y, z, . . . ) = 0, i = 1, 2, . . . , n.
Treba na´ci vrednost nepoznatih x, y, z, . . . tako da vrednosti funkcije
f
i
(x, y, z, . . . ) = ε
i
, i = 1, . . . , n
najmanje odstupaju od nule, tj. prema principu najmanjih kvadrata da je
ε
2
1
+ ε
2
2
+ · · · + ε
2
n
= Min.
Neka je dat niz linearnih jednaˇcina
a
1
x + b
1
y + c
1
= 0
a
2
x + b
2
y + c
2
= 0
· · · · · · · · · · · · · · · · · ·
a
n
x + b
n
y + c
n
= 0.
Dobijamo, po principu najmanjih kvadrata, funkciju
F(x, y) = (a
1
x + b
1
y + c
1
)
2
+ (a
2
x + b
2
y + c
2
)
2
+ · · · + (a
n
x + b
n
y + c
n
)
2
,
koja treba da ima minimalnu vrednost. Uslovi za ekstremum ove funkcije su
∂F
∂x
= 0,
∂F
∂y
= 0.
29
U naˇsem sluˇcaju ovi uslovi postaju
a
1
(a
1
x + b
1
y + c
1
) + a
2
(a
2
x + b
2
y + c
2
) + · · · + a
n
(a
n
x + b
n
y + c
n
) = 0
b
1
(a
1
x + b
1
y + c
1
) + b
2
(a
2
x + b
2
y + c
2
) + · · · + b
n
(a
n
x + b
n
y + c
n
) = 0
ili, ako uvedemo oznake
[aa] = a
2
1
+ a
2
2
+ · · · + a
2
n
[ab] = a
1
b
1
+ a
2
b
2
+ · · · + a
n
b
n
[ac] = a
1
c
1
+ a
2
c
2
+ · · · + a
n
c
n
itd., dobijamo
[aa]x + [ab]y + [ac] = 0
[ba]x + [bb]y + [bc] = 0
odakle izraˇcunavamo x i y.

Neka je dat sistem
a
1
x + b
1
y + c
1
= 0
a
1
x + b
1
y + c
2
= 0
· · · · · · · · · · · · · · · · · ·
a
1
x + b
1
y + c
n
= 0.
Ovde je
[aa] = na
2
1
, [ab] = na
1
b
1
[ac] = a
1
(c
1
+ · · · + c
n
)
[ba] = na
1
b
1
, [bb] = nb
2
1
, [bc] = b
1
(c
1
+ · · · + c
n
),
pa je
na
2
1
x + na
1
b
1
y + a
1
(c
1
+ · · · + c
n
) = 0
na
1
b
1
x + nb
2
1
y + b
1
(c
1
+ · · · + c
n
) = 0,
odnosno
a
1
[na
1
x + nb
1
y + (c
1
+ · · · + c
n
)] = 0
b
1
[na
1
x + nb
1
y + (c
1
+ · · · + c
n
)] = 0.
Kako nisu i a
1
i b
1
jednaki nuli, mora biti
na
1
x + nb
1
y + (c
1
+ · · · + c
n
) = 0,
tj.
a
1
x + b
1
y +
c
1
+ · · · + c
n
n
= 0.
30
Dobija se, dakle, beskonaˇcno mnogo vrednosti za x i y, koje se dobijaju
iz ”srednje” jednaˇcine, gde je za nezavisni ˇclan uzeta aritmetiˇcka sredina svih
nezavisnih ˇclanova.
Neka su date jednaˇcine
x + y − 1 = 0
x + y − 2 = 0
2x − 3y + 1 = 0.
Po metodi najmanjih kvadrata
F(x, y) = (x + y − 1)
2
+ (x + y − 2)
2
+ (2x − 3y + 1)
2
tj.
2(x + y − 1) + 2(x + y − 2) + 4(2x − 3y + 1) = 0
i
2(x + y − 1) + 2(x + y − 2) − 6(2x − 3y + 1) = 0
ili
12x − 8y − 2 = 0
−8x + 22y − 12 = 0
i
6x − 4y = 1
−4x + 11y = 6.
Odavde je
x =
¸
¸
¸
¸
1 −4
6 11
¸
¸
¸
¸
¸
¸
¸
¸
6 −4
−4 11
¸
¸
¸
¸
=
11 + 24
66 − 16
=
35
50
=
7
10
y =
¸
¸
¸
¸
6 1
−4 6
¸
¸
¸
¸
50
=
36 + 4
50
=
40
50
=
4
5
.
Sa druge strane, kombinujmo mogu´ce saglasne sisteme iz datog sistema. To
su
x + y − 1 = 0 x + y − 2 = 0
i
2x − 3y + 1 = 0 2x − 3y + 1 = 0.
Kod prvog sistema
x =
¸
¸
¸
¸
1 1
−1 −3
¸
¸
¸
¸
¸
¸
¸
¸
1 1
2 −3
¸
¸
¸
¸
=
−3 + 1
−3 − 2
=
2
5
; y =
¸
¸
¸
¸
1 1
2 −1
¸
¸
¸
¸
−5
=
−1 − 2
−5
=
3
5
.
31
Kod drugog sistema
x =
¸
¸
¸
¸
2 1
−1 −3
¸
¸
¸
¸
−5
=
−6 + 1
−5
= 1; y =
¸
¸
¸
¸
1 2
2 −1
¸
¸
¸
¸
−5
=
−1 − 4
−5
= 1.
Dakle,
x
1
=
2
5
, x
2
= 1; y
1
=
3
5
, y
2
= 1.
Dalje je
x
1
+ x
2
2
=
2
5
+ 1
2
=
2 + 5
10
=
7
10
i
y
1
+ y
2
2
=
3
5
+ 1
2
=
8
10
=
4
5
,
ˇsto je isti rezultat kao po metodi najmanjih kvadrata (ne zaboravimo da se ova
metoda zove i metodom aritmetiˇckih sredina).[2]
32
Sadrˇzaj
1 Sistem linearnih jednaˇcina sa dve nepoznate i njegovo reˇsavanje
u proˇslosti 1
2 Sistemi linearnih jednaˇcina 10
2.1 Gausova metoda eliminacije - ˇsema jedinstvenog
deljenja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2 Gausova metoda eliminacije - ˇsema sa izborom glavnih elemenata 15
2.3 Istovremeno reˇsavanje viˇse sistema linearnih jednaˇcina . . . . . . 16
2.4 Gausova metoda eliminacije -
ˇ
Zordanova ˇsema . . . . . . . . . . . 17
2.5 Metoda kvadratnih korena . . . . . . . . . . . . . . . . . . . . . . 17
2.6 Shema Haleckog . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.7 Metoda iteracije . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.8 Zajdelova metoda . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.9 Primedba o dovodenju linearnog sistema na oblik
pogodan za iteraciju . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.10 Uslovljenost linearnog sistema . . . . . . . . . . . . . . . . . . . . 23
2.11 Primeri za taˇcno i pribliˇzno reˇsavanje linearnih
sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.12 Joˇs o metodi najmanjih kvadrata . . . . . . . . . . . . . . . . . . 28
Literatura
[1] Bogoljub Marinkovi´c, Dorde Kadijevi´c, Metoda laˇzne pretpostavke (u
matematici i informatici), Arhimedesovi materijali za mlade matematiˇcare,
Sveska 78, Arhimedes, Beograd, 1991
[2] dr Milorad Bertolino, Numeriˇcka analiza, Univerzitet u Beogradu, Nauˇcna
knjiga, 1977
[3] Boˇsko Jovanovi´c, Desanka Radunovi´c, Numeriˇcka analiza, Matematiˇcki
fakultet, Beograd, 2003
[4] Predavanja dr Arifa Zoli´ca iz predmeta Uvod u numeriˇcku matematiku
Matematiˇckog fakulteta u Beogradu ˇskolske 2006/2007. godine
[5] Carl Meyer, Matrix Analysis and Applied Linear Algebra Book and
Solutions Manual, (Paperback - Feb 15, 2001), www.amazon.com
33

1

Sistem linearnih jednaˇina sa dve nepoznate i c njegovo reˇavanje u proˇlosti s s

Zadatke, koji se svode na sastavljanje i reˇavanje sistema jednaˇina sa dve s c ili viˇe nepoznatih, susre´emo, kako u vavilonskim i egipatskim tekstovima iz II s c milenijuma pre n.e., tako i u radovima starogrˇkih, indijskih i kineskih matemac tiˇara. c Evo jednog zadatka iz najstarije kineske matematiˇke zbirke zadataka[1] c ˇ ˇ ”Kiu - Cang Suan - Su”[5] (”Matematika u devet knjiga”, XXVII vek pre n.e.). Zadatak 1. U kavezu se nalaze fazani i zeˇevi; sve te ˇivotinje imaju ukupno c z 35 glava i 94 noge. Treba na´i broj fazana i broj zeˇeva. c c Ako bi u kavezu bili samo fazani (laˇna pretpostavka), onda bi broj nogu z iznosio 70, a ne 94. Prema tome, ovaj viˇak od 24 noge pripada zeˇevima - po s c dva svakome. Tada je jasno da je zeˇeva bilo 24 : 2 = 12, a fazana 35 − 12 = 23. c U starokineskom delu Matematika u devet knjiga (ili ”Devet poglavlja o veˇtini raˇunanja”) razmatraju se (VII i VIII knjiga) sistemi jednaˇina i daju s c c kratka pravila za njihovo reˇavanje, pri ˇemu se sve izlaˇe reˇima. Koeficijenti s c z c jednaˇine postavljeni su na ”raˇunsku dasku”(posebna vrsta abakusa) u vidu c c tablice. Pri ponovljenim operacijama na toj raˇunaljci, jasno se vidi da sa koec ficijentima treba postupati po istom pravilu (receptu) da bi se naˇlo reˇenje s s sistema jednaˇina. c U VII knjizi tog dela, koja nosi naziv Viˇak-manjak, izloˇena su dva naˇina s z c (metoda) za reˇavanje zadataka, koji se svode na sistem dve linearne jednaˇine s c sa dve nepoznate. Prvi naˇin c Ilustrova´emo ga slede´im zadatkom iz VII knjige pomenutog traktata Matec c matika u devet knjiga: Zadatak 2. Nekoliko trgovaca ho´e zajedniˇki da kupe robu. Ako svaki da 9 c c juana (novˇana jedinica), preosta´e im 11 juana; ako bi, pak, svaki dao po 6 c c juana, nedostajalo bi im joˇ 16 juana. Koliko je bilo trgovaca i kolika je cena s robe? Oznaˇimo li sa x broj trgovaca, a sa y cenu robe, lako sastavljamo sistem c jednaˇina: c 9x − y = 11 6x − y = −16, odakle lako dobijamo (x, y) = (9, 70). (1)

1

Kako se, pak, postupa u pomenutom starokineskom delu? Postupak (naˇin), koji se tamo kratko izlaˇe, u savremenoj simbolici svodi c z se na slede´e: c Ako imamo sistem: a1 x − y = c1 a2 x − y = c2 , to treba sastaviti tablicu (tablica1) oblika: a1 c1 a2 c2 (2)

pomo´u koje se traˇene nepoznate dobijaju tako ˇto se uzme: c z s x = (c2 − c1 )/(a2 − a1 ), y = (a1 c2 − a2 c1 )/(a2 − a1 ). (3)

Proverimo to u navedenom primeru. Uporeduju´i (1) i (2) imamo: a1 = 9, c a2 = 6, c1 = 11, c2 = −16; tablica1 ima oblik: 9 6 11 −16 pa ´e reˇenje, saglasno (3), biti: c s x = (−16 − 11)/(6 − 9) = (−27)/(−3) = 9 y = (9 · (−16) − 6 · 11)/(6 − 9) = (−210)/(−3) = 70. Odgovor: Bilo je 9 trgovaca, a cena robe je bila 70 juana. Napomena: T ablica1 moˇe se zapisati i u obliku: z a1 a2 c1 c2 . ,

Uporedite izloˇeni sa danaˇnjim naˇinom reˇavanja sistema od dve linearne z s c s jednaˇine sa dve nepoznate (pomo´u determinanti, odnosno po gotovim formuc c lama): a1 x + b1 y = c1 a2 x + b2 y = c2 x = (c1 b2 − c2 b1 )/(a1 b2 − a2 b1 ), y = (a1 c2 − a2 c1 )/(a1 b2 − a2 b1 ). Sliˇno se reˇava i zadatak: c s Zadatak3. Nekoliko porodica u selu ho´e zajedniˇki da kupe bivola. Ako svakih c c 2

za razliku od znatno jednostavnije metode jedne laˇne pretpoz stavke. a masu s c jedne legure srebra sa y.onom sa 9 legura (8 zlata i 1 srebra) bila manja za 16 lana. 3750 juana. s c c Koliko je bilo porodica i koliko je koˇtao bivo? s Odgovor: 126 porodica. Medutim. ili: 9x − 11y = 0 7x − 9y = −16. terazije su bile u ravnoteˇi. koji se svode na sistem od dve linearne c s jednaˇine sa dve nepoznate. izlaˇe pravilo c s c z iz kojeg se moˇe zakljuˇiti u ˇemu je suˇtina njegovog naˇina reˇavanja. U danaˇnjim oznakama. 3 (5) (4) . Tada ´e masa legure srebra biti y1 = 9x1 /11 = 9 · 55/11 = c 45 (lana). pa se onda pravi linearna interpolacija da bi se naˇlo pravo s reˇenje. Autor. po pravilu razliˇite c od prave vrednosti. z c c s c s Prvi put ´emo pretpostaviti (prva laˇna pretpostavka) da je masa legure c z zlata x1 = 55 (lana). manjak ´e biti (tj. s Navodimo jedan zadatak iz VII knjige Matematike u devet knjiga. svakih 9 porodica da po 270 juana. odakle dobijamo: x = 44 (lana) i y = 36 (lana). preosta´e) 30 juana. nedostaja´e) 330 juana.7 porodica da po 190 juana. onda je masa na prvom tasu . nepoznatoj x se daju redom dve vrednosti (x1 i x2 ). Ako. Pita se kolika je masa svake legure posebno. poznat je pod nazivom metoda dve laˇne pretpoc z stavke (pravilo dveju greˇaka) i primenjivana je naroˇito u srednjem veku. koji raˇunanje vrˇi na specijalnoj dasci za raˇunanje. Po toj metodi. zadatak bismo sveli na reˇavanje sistema linearnih s jednaˇina: c 9x = 11y 8x + y + 16 = 10y + x. kada su z na tasovima medusobno zamenili jednu leguru zlata i jednu leguru srebra. koji se reˇava metodom dve laˇne pretpostavke (oznake su prilagodene savremenoj nos z taciji): Zadatak4. Drugi naˇin c Drugi naˇin za reˇavanje problema. viˇak ´e biti (tj. ako masu jedne legure zlata oznaˇimo sa x. Prema uslovu zadatka morali bismo imati jednakost: 8x1 + y1 + 16 = 10x1 + y1 . Kada su stavljene na tasove terazija. Imamo 9 jednakih legura zlata i 11 jednakih legura srebra. pa s c sve do XVIII veka. c c pak.

levoj strani nedostaje 4 lana. Prava vrednost za x nalazi se izmedu obe ”norme”. leva strana je ve´a od desne za 8 lana. Zatim se odreduje masa legure srebra: y = 9x/11 = 9 · 44/11 = 36(lana). s Drugi put ´emo pretpostavljati (druga laˇna pretpostavka) da je masa c z legure zlata x2 = 22 (lana). jer je leva strana jednaka: c 8 · 22 + 18 + 16 = 210. a masa legure srebra je 2 czina 4 lana”(treba imati u vidu da je 1 czin=16 lana). U datom primeru dobijamo: x = (4 · 22 + 8 · 55)/(4 + 8) = (88 + 440)/12 = 528/12 = 44(lana). U arapsku matematiˇku literaturu algoritam laˇne (pret)postavke dospeo je c z pod nazivom ”pravilo dve greˇke”. leva strana je jednaka: 8 · 55 + 45 + 16 = 501. a desna strana: 10 · 45 + 55 = 505. I ovoga puta jednakost 8x2 + y2 + 16 = 10y2 + x2 . Tada je y2 = 9x2 /11 = 9 · 22/11 = 18 (lana). nije taˇna. Broj k2 = 8 reˇavatelj naziva ”viˇak c s s leve strane”(”manjak desne strane”). tj. koja bi morala vaˇiti prema z uslovu zadatka. a desna: 10 · 18 + 22 = 202.Medutim. Evo kako. tj. x2 < x < x1 . tj. na primer. Broj k1 = 4 reˇavatelj naziva ”manjak leve s strane”(”viˇak desne strane”). Muhamed ibn Musa s iz Horezma (kod nas poznat pod imenom Alhvarizmi) poˇetkom IX veka reˇava c s jedan zadatak iz svoje Aritmetike: (6) 4 . Napomena: U starokineskom tekstu odgovor se saopˇtava na slede´i naˇin: s c c ”masa legure zlata je 2 czina 12 lana. c c koja se (u danaˇnjoj simbolici) izraˇava ovako: s z x = (k1 x2 + k2 x1 )/(k1 + k2 ). Dalje se sastavlja tablica k1 x1 k2 x2 i reˇima navodi slede´e pravilo za odredivanje prave (stvarne) vrednosti za x.

U takvim s sluˇajevima u napred navedenoj formuli (6) treba. za 3 manje od 8. Ako bi traˇeni broj bio 24 z (druga pretpostavka). 1202. onda bi ostatak bio jednak 24 − 1/3 · 24 − 1/4 · 24 = 10. ve´ razliku navedenih proizvoda. dobija se prava c z vrednost nepoznate 1 x = (3 · 24 + 2 · 12)/(3 + 2) = 19 . s U XII veku tehnika laˇnih postavki preneta je iz arapske u evropsku matemaz tiˇku literaturu. Saglasno pravilu dve laˇne pretpostavke (6). tada bi ostatak bio jednak z 12 − 1/3 · 12 − 1/4 · 12 = 5. koristila sve do XVIII veka.F. tj. c c c c dobiti 8. kada se stvarna vrednost nepoc znate x ne nalazi izmedu ”normi” x1 i x2 .). vode´i raˇuna o znacima.) posvetio mu je ˇitavo c c poglavlje u svom delu Knjiga Abaka (Liber Abaci.Zadatak5. gde se. Reˇiti sistem jednaˇina: s c x + y = 10 x 1 =2 . c s c koji nije koristio negativne brojeve. gde se prvi put susre´u reˇi ”minus” i ”plus”. c c ve´ u smislu ”manjka” i ”viˇka”.pravilo c dveju greˇaka. Ako bi traˇeni broj bio 12 (prva pretpostavka). ali ne u smislu operacija oduzimanja i sabiranja. Navodimo z jedan zadatak te vrste i njegovo reˇenje: s Zadatak7. kada c obe pretpostavke dovode do ”viˇkova” ili obe dovode do ”manjkova”. Na´i broj. s Leonardo Fibonaˇi iz Pize (oko 1180 − 1250 god. s s Evo jednog zadatka iz Fibonaˇijeve knjige: c Zadatak6. god. Uˇitelj je odgovorio: ”Ako bi imao joˇ toliko uˇenika c c s c 5 . u Aritmetici L. Magnickog (1669 − 1739). dokazuje pravilo i za sluˇaj dve greˇke sa c s ”viˇkom” i dve greˇke sa ”manjkom”. za 2 ve´e od 8. jer ˇeli da c c c z dovede sina na uˇenje. Neko je upitao uˇitelja koliko uˇenika uˇi kod njega. y = 3. pod latinskim nazivom regula duorum falsorum . Pod nazivom ”laˇno pravilo” ovaj naˇin reˇavanja se susre´e i u starim ruskim z c s c udˇbenicima. y 3 Odgovor: x = 7. razmatrani su sluˇajevi. tj. Pored verbalnog dokaza formule (6). oduzimanjem njegove tre´ine i ˇetvrtine. 5 O pravilu dve laˇne pretpostavke pisana su na arapskom jeziku i posebna z dela u kojima su razmatrani i oni sluˇajevi. u c c c brojiocu uzimati ne zbir. Fibonaˇi. tj. ako se zna da ´e se. recimo. a u imeniocu razliku c ”viˇkova” ili ”manjkova”.

Stoga ´emo ih smatrati nepoznac tim. 2 4 Medutim. tj. koji su ve´i od prave (date) vrednosti. Proverite ovo tvrdenje c koriste´i pretpostavke: x1 = 52 i x2 = 40. ali su u njemu predstavljeni pomo´u nekog niza c c operacija (videti. koji ´emo oznaˇiti sa x. ako je. pa je k1 = 166 − 100 = 66 (viˇak). s Druga laˇna pretpostavka: x2 = 32. Stoga je x = (66 ∗ 20 + 44 ∗ 60)/(66 + 44) = 36. tada u obrascu (7) po kome se odreduje x. bilo bi taˇno s c c 100 uˇenika”. u brojiocu i imeniocu. tj. c k1 = 100 − 67 = 33 manje od stvarnog broja (prva greˇka . (7) Formulu (7) treba koristiti i u sluˇaju kada se za obe laˇne pretpostavke c z dobijaju brojevi. 6 . tj. onda 60 + 60 + 30 + 15 + 1 = 166. i 6. Pravilo dve laˇne pretpostavke moˇemo objasniti i algebarski dokazati. treba staviti znak ”plus” umesto oznake ”minus”. pretpostavimo da je bilo 24 z uˇenika. b i c neki brojevi. ˇto odgovara formuli: s x = (k1 x2 − k2 x1 )/(k1 − k2 ). gde su a. Tada bismo imali 32 + 32 + 16 + 8 + 1 = 89.manjak). one se prema uslovima zadatka mogu izraziti pomo´u c tog jedinstvenog broja.). dok c se brojevi a i b. Magnicki ga reˇava pomo´u ”pravila dve pretpostavke”. zadatke 4. imali 24 + 24 + 12 + 6 + 1 = 67. Broj c je poznat. s c Oni (obiˇno) nisu dati u uslovu. Koliko je taj uˇitelj imao uˇenika? c c c Danas taj zadatak prevodimo na reˇavanje jednaˇine: s c x+x+ x x + + 1 = 100. s c Prva laˇna pretpostavka: x1 = 24. prema uslovu zadatka.manjak). c Ako se pri jednoj pretpostavci dobija viˇe. z z Ako se paˇljivo razmotri reˇavanje zadataka metodom laˇnih pretpostavki. s onda je 20 + 20 + 10 + 5 + 1 = 56. s Posle toga Magnicki daje gotov naˇin za nalaˇenje traˇenog broja x. ako je x1 = 60 (prva pretpostavka). pretpostavimo da je bilo 32 z uˇenika. mogu izraˇunati (odrediti) prema uslovu zadatka. uvek zadoc c voljava jednaˇinu ax + b = c.koliko ih sada ima i joˇ polovinu i ˇetvrtinu od toga i tvog sina. pak. Na primer. tj. z s z moˇe se zapaziti da se pri tome uvek traˇi neki nepoznati broj. koristiti formulu (6). uopˇte uzev. a pri drugoj manje od navedenog u s zadatku (ovde 100). tj. Taj nepoznati broj. Ako u zadatku z z ima i drugih nepoznatih. Tada bismo. za k2 = 100 − 89 = 11 c manje od stvarnog broja (druga greˇka . pa to je k2 = 100 − 56 = 44 (manjak). na primer. naime: c z z x = (33 · 32 − 11 · 24)/(33 − 11) = 36. x2 = 20 (druga pretpostavka).

s c Kako ´emo. tj. s Instrukcija glasi: ”Nacrtaj terazije i iznad taˇke oslonca piˇi rezultat koji c s treba da se dobije posle navedenih operacija u zadatku sa nepoznatim (traˇenim) z 7 . tako i sa negativnim brojevima. manjak). jer je davalo ˇisto mehaniˇko objaˇnjenje njegove primene. ax1 + b = c1 . Podelivˇi (11) sa (12) c s s s dobi´emo: c (x − x1 )/(x − x2 ) = k1 /k2 . u sluˇaju viˇka pri jednoj i manjka pri drugoj pretpostavci c s (c1 > c i c2 < c).nepoznati broj x? c c c s Ako treba reˇiti jednaˇinu s c ax + b = c. (11) (12) c1 c2 . (13) a reˇavanje te jednaˇine po x doveˇ´e nas do formule (7). c s z koje je proizaˇlo iz reˇavanja raznih zamrˇenih zadataka.tj. Ilustova´emo c c s c ga na reˇenom zadatku 7. dobi´emo novi broj c2 . tj. Pri tome c s c s se operiˇe. s s s Pravilo laˇne pretpostavke u srednjem veku nazivano je takode i pravilom tez razija. Danas se jednaˇina (8) reˇava veoma prosto ˇak i u osnovnoj ˇkoli.tj.Uzevˇi neki broj x1 (prva pretpostavka) i obavivˇi s njim traˇene operacije. A upravo je s nastojanje da se izbegnu negativni brojevi i bio razlog da su se dugo. Ova formula moˇe se primenjivati u svim sliˇajevima o kojima smo napred z c govorili: 1) k1 > 0 i k2 > 0. c s 2) k1 < 0 i k2 < 0. c 3) k1 < 0 i k2 > 0. u sluˇaju oba viˇka (c1 > c i c2 > c). s c sc x = (k1 x2 − k2 x1 )/(k1 − k2 ). laˇne pretpostavke daju: z ax1 + b = ax2 + b = Oduzimaju´i (9) i (10) od (8). sve do XVIII veka. x2 . ˇak i vrlo jednostavni zadaci reˇavali po receptu ”laˇnog pravila”. dobi´emo: c c a · (x − x1 ) = a · (x − x2 ) = c − c1 = k1 c − c2 = k2 . (9) (10) (8) gde su k1 i k2 odgovaraju´e greˇke (viˇak. u sluˇaju oba manjka (c1 < c i c2 < c).. tj.ax2 +b = c2 . c1 . c2 i c na´i reˇenje zadatka. tj. kako sa pozitivnim. s s z dobi´emo neki broj c1 . znaju´i x1 . tj. Uzevˇi zatim drugi broj x2 (druga prec s tpostavka) i ponovivˇi s njim iste operacije.

a naroˇito u algebarskoj simbolici. ve´ su odgovaraju´e zadatke reˇavali c s c c s veˇtaˇki stvorenim ”receptima”. Uzmi razliku proizvoda . s obzirom na uslove zadatka. pomo´u koje se dobija taˇno reˇenje ”linez c c s arnih zadataka”. greˇke ”viˇkove”. imamo slede´i ”prevod”: c x + 100 = 2 · (y − 100) y + 10 = 6 · (x − 10). To podeli razlikom (zbirom) greˇaka. Neko reˇe svom drugu: ”Daj mi 100 rupija.” s 24 32 d 100   d   d   d 60 33 52 d 100   d   d   d 66 d 100   d   d   d 44 40 11 11 20 44 Metoda dve laˇne pretpostavke. pa ´u imati 6 s c puta viˇe od tebe”. Laˇne pretpostavke i pogreˇke pomnoˇi z s z unakrsno.brojem. pa ´u imati 2 puta c c viˇe od tebe”. indijski matematiˇari su znatno c c c pretekli kineske. 8 . Drugi mu odgovori: ”Daj ti meni samo 10 rupija. Evo jednog zadatka staroindijskog matematiˇara Bhaskare (XII vek): c Zadatak8. moˇe se iskoristiti i za pribliˇno reˇavanje zadataka. ”manjkove”. onda. uopˇtavanju pravila za reˇavanje kvadratnih s s jednaˇina. Obe laˇne pretpostavke piˇi iznad tasova terazija.ispod tasova. u slobodnom operisanju sa negas c tivnim i iracionalnim brojevima.ako se greˇke nalaze sa razliˇitih strana tasova s c terazija. Ovu ideju koristili su u proˇlosti mnogi poc s s znati nauˇnici. a drugi y rupija. a uzmi njihov zbir . c Indijski matematiˇari nisu stvorili neki opˇti algoritam za reˇavanje sistema c s s linearnih jednaˇina sa viˇe nepoznatih.ako se greˇke nalaze sa iste strane tasova s terazija.piˇi z s s s s iznad tasova. Koliko je imao svaki? s a) Ako je prvi imao x. Medutim. koji se z z s svode na jednaˇine viˇih stepena.

tj. Neka je prvi imao 2x − 100 rupija. odakle je x = 70. Zadatak10. a drugi 70 + 100 = 170.pa ostaje samo da se reˇi ovaj sistem jednaˇina. a prvi ´e imati 2x rupija. Smatramo korisnim da se uˇenici upoznaju sa ovom c c lepom idejom drevne matematike. gde bi njena primena c s bila celishodna i pouˇna. ˇto zadovoljava prvi uslov (jer kad drugi da prvome 100 s rupija osta´e mu x rupija.) c Odgovor: 36 ˇasova. 2. prvi je imao 140 − 100 = 40. c c c c s Veoma plodotvorna metoda laˇne pretpostavke danas je nedovoljno zastuz pljena u nastavi matematike. Reˇiti pomo´u sistema dveju jednaˇina sa dve nepoznate slede´e zadatke: s c c c Zadatak9. koje mi s s danas opisujemo linearnim jednaˇinama. s a drugi x + 100 rupija. god. 2 puta viˇe). Pri c s c c reˇavanju sistema jednaˇina prvo se pojavio metod sabiranja (suprotnih koefis c cijenata). ve´ se susre´u naˇini koji se danas uˇe u ˇkoli. a koliˇnik 4. zbirke zadataka u stihovima): ”Hronose c (vesnik vremena). U Njutnovoj Univerzalnoj aritmetici (1707. [1] c 9 . reci koji deo dana je proˇao?””Dva puta po dve tre´ine pres c ostalo je od onog ˇto je ve´ proˇlo od poˇetka dana. (Iz ”Grˇke antologije”. (Al-Horezmi ) Na´i dva broja ˇiji je zbir 10. kojom su u proˇlosti reˇavani zadaci.” (Drevni narodi su pod s c s c ”danom” podrazumevali 12 ˇasova. c c c Odgovor: 8. a potom metoda zamene i uporedivanja. ˇak i pri reˇavanju zadataka. s c b) Reˇenje samog Bhaskare je originalno.). c 7 Savremeni naˇin zapisivanja i reˇavanja jednaˇina potiˇe iz XVIII veka. Prema tome. Imaju´i u c c s c vidu i drugi uslov dobijamo: 6 · (2x − 110) = x + 110.

Metoda s Monte-Karlo je metoda verovatnosno .[4] Iterativnim metodama reˇenje je odredeno graniˇnom vrec s c dnoˇ´u niza uzastopnih aproksimacija. ˇije je matematiˇko oˇekivanje reˇenje zadatka. nema poteˇko´a u reˇavanju ovih zadataka. c sc c s c odnosno greˇaka zaokrugljivanja. a λ je skalar.statistiˇkog karaktera i zasniva se na moc deliranju sluˇajne promenljive. koje se raˇunaju nekim jednoobraznim sc c algoritmom.direktne i iterativne. x i b su vektori. koji teorijski dovode do taˇnog reˇenja. z (4) odredivanje sopstvenih vrednosti i sopstvenih vektora matrice. osim za reˇavanje sistema linearnih jednaˇina i za c s c reˇavanje sistema nelinearnih jednaˇina. s gde je A matrica. s c (2) izraˇunavanje determinante detA matrice A. Ako su koeficijenti sistema aij i slobodni s ˇlanovi bi pribliˇni brojevi.[3] Osim greˇaka zaokrugljivanja.[4] s c 10 . c c c c s Inaˇe. obiˇnih i parcijalnih diferencijalnih jednaˇina. koristi se joˇ i metoda Monte-Karlo. I u reˇavanju sistema manjih dimenzija. za s c c reˇavanje integralnih jednaˇina. pa imamo i greˇku metode. pod pretpostavkom da su c s c c svi parametri dati taˇno i da se sve raˇunske operacije realizuju taˇno. c (3) nalaˇenje inverzne matrice A−1 . onda je mogu´a taˇnost ograniˇena taˇnoˇ´u nac z c c c c sc jtaˇnijeg podatka. c Numeriˇke metode za reˇavanje zadataka linearne algebre mogu se podeliti c s na dve osnovne grupe . Medutim.[3] Ako su c c c koeficijenti aij taˇni brojevi. Razvojem raˇunarske tehnike c z c one doˇivljavaju intenzivan razvoj. Direktnim metodama odreduje se taˇno reˇenje sa konaˇno mnogo raˇunskih operacija. c c Osim ovih dveju grupa metoda. Stoga je z c s primena numeriˇkih metoda u ovoj oblasti nuˇna. za s c z c reˇavanje konturnih zadataka. ˇto dovoljno govori o neprihvatljivosti ove metode za reˇavanje sistema s s ve´ih dimenzija. Sliˇni zakljuˇci c s c c c vaˇe i za druge klasiˇne metode za reˇavanje zadataka linearne algebre. poˇto se diskretizacijom razliˇitih problema z s c upravo dobijaju veliki sistemi linearnih jednaˇina. jer postoje s c s egzaktni algoritmi. Formalno gledano. za pribliˇno izraˇunavanje integrala.2 Sistemi linearnih jednaˇina c ˇ Cetiri osnovna zadatka linearne algebre su: (1) reˇavanje sistema linearnih jednaˇina Ax = b. Osim greˇke metode. ozbiljan nedostatak c s metode je veliki uticaj raˇunske greˇke na konaˇan rezultat. tj. za c z s reˇavanje sistema sa n promenljivih potrebno je izvrˇiti O(n · n!) aritmetiˇkih s s c operacija. Na primer. metoda se primenjuje. bitna s s je i brzina konvergencije i numeriˇka stabilnost raˇunskog procesa. na taˇnost pribliˇnog reˇenja utiˇe s c z s c i sam iterativni proces. nalaˇenje z netrivijalnih reˇenja sistema Ax = λx. onda se reˇenje moˇe dobiti sa proizvoljnom unac s z pred zadatom taˇnoˇ´u i ta taˇnost zavisi samo od primene ˇeme raˇunanja. sistem c s linearnih jednaˇina se moˇe reˇiti primenom Kramerovog pravila.

(osam jednaˇina sa osam nepoznatih). za n = 8. n). matriˇno c izraˇen. xn Skup brojeva xi (i = 1. jeste reˇenje. Tada imamo. gde je matrica A data izrazom   a1n a2n   ···  ann    x=     . odnosno vektor x. koji svodi sistem na identitet. tj. . . . Tako. Joˇ treba izvrˇiti i 8 deljenja.Neka je dat sistem linearnih jednaˇina sa realnim koeficijentima c a11 x1 + a12 x2 + · · · + a1n xn = b1 a21 x1 + a22 x2 + · · · + a2n xn = b2 ··························· an1 x1 + an2 x2 + · · · + ann xn = bn . na c s c s c primer. . za ispisivanje reˇenja c s potrebno je napisati 1024 broja. koji se matriˇno moˇe napisati u obliku c z Ax = b. zatim za svaku determinantu izvrˇiti 282240 s mnoˇenja. . . gde determinante ∆ i ∆i imaju poznati smisao. ˇto u stvari predstavlja poznate Kramerove formule s xi = ∆i . . a takode i razne pribliˇne metode. n. bn x1 x2 . . s Neka je A nesingularna matrica. Iako je problem sistema linearnih jednaˇina ovim teorijski reˇen. praktiˇne teˇko´e su velike.  a11  a21 A=  ··· an1     . a brojevi xi koreni sistema. slede´i postupak i rezultat z c Ax = b A−1 Ax = A−1 b x = A−1 b. . . Zato postoje razni specijalni postupci z s s z za reˇavanje sistema linearnih jednaˇina. s c 11 . ∆ i = 1. .  a12 a22 ··· an2 ··· ··· ··· ··· a matrice b i x izrazima   b=  b1 b2 . detA = ∆ = 0. .

permutovanjem jednaˇina sistema. Metodu ´emo prikazati za n = 4. dobijamo c s c a33 x3 + a34 x4 = a35 (2) (2) (2) (2) (2) (1) a43 x3 + a44 x4 = a45 . sa a41 i oduzmemo od ˇetvrte. Element ap1 = 0 c z matrice A postoji. stavljanjem na prvo mesto c jednaˇine kod koje je ap1 = 0. c Sada podelimo prvu jednaˇinu sa a22 [2] (drugi vode´i element) [4] i dobic jamo (1) (1) (1) x2 + b23 x3 + b24 x4 = b25 . Neka je a11 = 0 [2] (prvi vode´i element) [4]. s Neka je dat sistem a11 x1 + a12 x2 + a13 x3 + a14 x4 = a15 a21 x1 + a22 x2 + a23 x3 + a24 x4 = a25 a31 x1 + a32 x2 + a33 x3 + a34 x4 = a35 a41 x1 + a42 x2 + a43 x3 + a44 x4 = a45 .[3] Podelimo prvu jednaˇinu sa a11 i dobijamo c x1 + b12 x2 + b13 x3 + b14 x4 = b15 . Ukoliko taj uslov u sistemu nije c zadovoljen.1 Gausova metoda eliminacije . jer je po pretpostavci matrica regularna i ne moˇe imati sve z nula elemente u prvoj koloni.ˇema jedinstvenog s deljenja Kod Gausove metode reˇ je o izraˇunavanju vrednosti korena uz postupno c c iskljuˇivanje nepoznatih. pa svedemo na kraju na a44 x4 = a45 . dobi´emo c c c a22 x2 + a23 x3 + a24 x4 = a25 a32 x2 + a33 x3 + a34 x4 = a35 (1) (1) (1) (1) (1) (1) (1) (1) (1) (1) (1) (1) a42 x2 + a43 x3 + a44 x4 = a45 . tj.[2] 12 (3) (3) (2) (2) (2) (2) . sa a31 i oduzmemo z c od tre´e.2. Sada delimo prvu jednaˇinu sa a33 [2] (tre´i vode´i element) [4] i dobijamo c c c x3 + b34 x4 = b35 . ovaj uslov se moˇe ispuniti. ˇto ne smanjuje c c s opˇtost. Pomnoˇimo li ovu jednaˇinu sa a21 i oduzmemo od druge. Iskljuˇivˇi x2 na prethodni naˇin.

Kontrolna kolona se formira sabiranjem elemenata c 13 . koji ima kvadratnu matricu. s c i 1 2 3 4 1 2 3 4 2 3 4 3 4 4 4 3 2 1 ai1 a11 a21 a31 a41 1 ai2 a12 a22 a32 a42 b12 (1) a22 (1) a32 (1) a42 1 ai3 a13 a23 a33 a43 b13 (1) a23 (1) a33 (1) a43 b23 (2) a33 (2) a43 1 (1) (2) (2) (3) (3) (2) (2) (1) (1) (1) ai4 a14 a24 a34 a44 b14 (1) a24 (1) a34 (1) a44 b24 (2) a34 (2) a44 b34 (3) a44 1 1 (2) (1) ai5 a15 a25 a35 a45 b15 (1) a25 (1) a35 (1) a45 b25 (2) a35 (2) a45 b35 (3) a45 b45 x4 x3 x2 x1 (3) (2) (1) i. . transfoc rmisali u ekvivalentan sistem. .U rezultatu dobijamo sistem x1 + b12 x2 + b13 x3 + b14 x4 = b15 x2 + b23 x3 + b24 x4 = b25 x3 + b34 x4 = b35 x4 = b45 . Ovaj proces zove se direktan hod ili direktan korak eliminacije. Ovim postupkom smo sistem jednaˇina. s Kontrolna kolona (poslednja kolona u tabeli) se koristi za kontrolu u procesu raˇunanja i na kraju. koji ima trougaonu matricu.j aij a1j j j a2j j a3j j a4j j b1j (1) j a2j (1) j a3j (1) j a4j (1) j b2j (2) j a3j (2) j a4j (2) j b3j (3) j a4j (3) j b4j 1 1 1 x4 x3 x2 x1 Kada je obim sistema veliki. Sve se radi u obliku ˇeme da bi mogli kontrolisati raˇunanje. koristi se ova ˇema. Reˇenje se nalazi obrnutim hodom s (korakom): (3) x4 = b45 x3 = b35 − b34 · b45 .

odnosno Ax0 + Aδ = b. tj. Oni se mogu na´i preciznije na slede´i naˇin. . naime data matrica A−1 = [xij ] takva da je AA−1 = E. . To je kontrola na kraju. korisno posluˇiti kod izraˇunavanja c z c inverzne matrice. b45 ) uzmemo s c odgovaraju´e elemente iz kontrolne kolone. onda sigurno poc s stoji greˇka u raˇunu. j = 1. koji imaju istu c matricu A i razne slobodne ˇlanove. mahom su samo c pribliˇne vrednosti.po vrsti. izmedu ostalih primena. Ako je razlika izmedu zbira i transformisanog zbira ve´a c od maksimalne mogu´e akumulirane greˇke zaokrugljivanja. x3 . Neka je nadeno pribliˇno reˇenje x0 . z s c Tada je A(x0 + δ) = b. s z c Gausova metoda ´e. sistem ´e biti napisan u obliku c c c z c Ax = b. gde su δ popravke. . ˇto sluˇi za izraˇunavanje popravke. n. . n aik xkj = δij . ima´emo n sistema jednaˇina u odnosu c z c c na n2 nepoznatih xij . Kada transformiˇemo koeficijente sistema nekim postupkom. Neka je. n i. s obzirom na zaokrugljivanje pri raˇunu. . onda dos bijamo neke druge koeficijente. Pomnoˇimo li AA−1 . Ako je razlika manja. x2 .. Ako u sistemu umesto desnih slobodnih ˇlanova (b15 . . Aδ = b − Ax0 = ε. .[4] Dobijeni koreni. x1 ). . dobijena reˇenja su za jedan ve´a c s c (x4 = x4 + 1. . Znaˇi. 14 . . δij = 1: 0: i=j i=j k=1 Dobijenih n sistema linearnih jednaˇina za j = 1. a kontrolna kolona se moˇe dobiti tako ˇto tu z s transformaciju izvrˇimo i nad kontrolnom kolonom ili tako ˇto transformisane s s koeficijente saberemo. . mogu se istovremeno reˇiti Gausovom c s metodom. gde je E jediniˇna matrica. x = x0 + δ. Uvedemo li z c c c ve´ poznati matriˇni naˇin obeleˇavanja. onda skoro sigurno nije napravljena s c greˇka.

n+1 ··· ap. po pravilu najve´i po modulu. obiˇno se medu svim c c elementima prve kolone razliˇitim od nule bira najve´i po modulu.j≤n Ako se u prvom koraku algoritma vrˇi potpuno pivotiranje.2. . a potpuno pivotiranje je nalaˇenje najve´eg po modulu c z c elementa cele matrice.n+1 . 1≤i. Dobi´emo novu matricu u kojoj je z c c q-ta kolona nula. . c c |ap1 | = max |ai1 |.n+1       .      Izaberemo nenulti. 1≤i≤n Nalaˇenje pivota medu elementima samo jedne kolone (ili vrste) matrice naziva z se delimiˇno pivotiranje.n+1 ···································· an1 x1 + an2 x2 + · · · + ann xn = an. M (n−1) . . Neka je dat sistem Posmatrajmo proˇirenu s  a11 a12  a21 a22   ··· ···   a ai2 M =  i1  ··· ···   ap1 ap2   ··· ··· an1 an2 matricu ··· ··· ··· ··· ··· ··· ··· ··· a1j a2j ··· aij ··· apj ··· anj ··· ··· ··· ··· ··· ··· ··· ··· a1q a2q ··· aiq ··· apq ··· anq ··· ··· ··· ··· ··· ··· ··· ··· a1n a2n ··· ain ··· apn ··· ann a1.[3] Vrsta sa indeksom p je glavna vrsta. M (1) . Svakoj neglavnoj vrsti dodajmo glavnu pomnoˇenu odgovaraju´im mi za tu vrstu. apq za sve i = p. c c mi = − aiq . Odbacivˇi tu kolonu i glavnu vrstu dobijamo M (1) . i izraˇunajmo. 15 .2 Gausova metoda eliminacije . element apq (q = n + 1). .ˇema sa izborom glavnih s elemenata a11 x1 + a12 x2 + · · · + a1n xn = a1.[2] Radi numeriˇke stabilnosti algoritma. |apq | = max |aij |.n+1 ··· ai.n+1 a2.n+1 ··· an. kao i prvu i q -tu kolonu. Sa ovom matricom pos navljamo postupak i dobijamo niz matrica M.n+1 a21 x1 + a22 x2 + · · · + a2n xn = a2. onda treba permus tovati prvu i p -tu vrstu matrice. c koji ´emo nazvati glavnim elementom ili pivotom.

03 2. koja ulazi u matricu. . 03 Koristi se Gausova metoda eliminacije . . 2017 2. 51 1. . 7591 0. 2699 0. Sada skupimo u sistem sve glavne c vrste. 25x2 + 1. i = 1. 47 1. . 27x3 = 4. bn (i) (i)     .      b(i) =    b1 (i) b2 . . dobijaju nepoznate. 9377(6) 7.3 Istovremeno reˇavanje viˇe sistema linearnih jednaˇina s s c Direktne metode za reˇavanje sistema linearnih jednaˇina mogu se primeniti s c za istovremeno reˇavanje viˇe sistema linearnih jednaˇina. 3884 −0. 2203 0. 41 1. 8391 0. Neka treba reˇiti sisteme jednaˇina: s c 1. .ˇema sa izborom glavnih elemenata. 5352 0.45 1. 25 1. korak po korak. 6780 2. 5994 5. . 41 0. poˇinju´i sa poslednjom. 45x1 + 1.4297 1 ai4 1. 8794 0. . 6640 2. 38 3. 42x2 + 3. 38x3 = 4. 7509 i aij 12. 34x1 + 1. 24x2 + 1. 47 1. 24 1.od kojih je poslednja dvoˇlana matrica-vrsta. Ax(k) = b(k) . gde je   A= a11 . 6765 3. 51 3. 1618 3. 24x2 + 1. 74 3.7038 0. . 42x2 + 3. 2368 0. 74 4. . 1409 2. 9911 1 1 16 .[4] s i 1 2 3 1 3 3 3 1 2 mi −0. Neka treba reˇiti sisteme c s jednaˇina: c Ax(1) = b(1) . 9206 0. 3456 ai1 1. 38x3 = 1. 81 5. 48x1 + 3. 48x1 + 3.[2] 2.   ˇ Semu treba primeniti na slede´i naˇin: direktnim hodom se kvadratna mac c trica prevodi u trougaonu matricu. xn (i) (i)    . . . 45x1 + 1. 27 1. koji imaju istu mas s c tricu sistema i za izraˇunavanje inverznih matrica. . 4000 6. . 27x3 = 1. Ax(2) = b(2) . k. 2400 12. 2402 ai5 4. 81 1. 48 3. 9345 ai3 1. . an1 ··· ··· a1n .  . ann     x(i) =    x1 (i) x2 . 4290 −0. 2600 12. c c Posle odgovaraju´e promene numeracije nepoznatih dobija se sistem sa trouc glastom matricom iz koje se lako. 20 0. 20x3 = 5. 42 2. 25x2 + 1. 34 ai2 3. 0290(1) 1. . 20x3 = 1. 34x1 + 1.

sa trouglastom c matricom koeficijenata. Ako je z c tii = 0. ···  tnn t11  t12 T =  ··· t1n  0 t22 ··· t2n ··· ··· ··· ···  0 0  . jer je s detA = detT · detT = (detT )2 = (t11 t22 · · · tnn )2 = 0. broj raˇunskih operacija. posle tog koraka se viˇe ne transformiˇe. Pod ovom pretpostavkom matrica A moˇe se napisati u c z obliku A = T T. osim one koja sadrˇi glavni element tog koraka.Zordanova ˇema s Kod Gausove metode eliminacije. u svakom koraku se transformiˇu sve jednaˇine. ve´i je. Stoga se posle (n − 1) .[3] s 2. ˇto c c s s opravdava naziv metode. kada se odreduje inverzna matrica.4 ˇ Gausova metoda eliminacije . sistem ima reˇenje. Neka je dat sistem gde je matrica A takva da su joj glavni dijagonalni minori razliˇiti od nule i c A = A (transponovana matrica jednaka je samoj matrici. Tx = y iz kojih se prvo raˇuna y. U Gaus . U poredenju sa Gausovom metodom eliminacije. c simetriˇnoj matrici).2. Oba sistema su. jednaˇina iz koje je izabran glavni elemec nt. U samom izraˇunavanju tij na odreden naˇin figuriˇu kvadratni koreni.vog koraka dobija sistem sa c dijagonalnom matricom. Pri s c z izboru glavnog elementa ne uzimaju se u obzir koeficijenti jednaˇina iz kojih je c ve´ biran glavni element. ···  tnn Mnoˇenjem ovih matrica dobijamo jednaˇine za odredivanje tij . s s c 17 . Kada se tij izraˇunaju.vog koraka s s ˇ dobija trougaoni sistem. naˇ se sistem oˇigledno rac s c spada na dva sistema T y = b. medutim. jer se u obrnutom hodu reˇava n dijagonalnih umesto n trougaonih sistema.Zordanovoj metodi. c koje je potrebno izvrˇiti da bi se ovom metodom reˇio sistem. dakle reˇ je o tzv. ali. Tako se posle (n − 1) .5 Metoda kvadratnih korena Ax = b. sa t11  0 T =  ··· 0  t12 t22 ··· 0 ··· ··· ··· ···  t1n t2n  . ova s s c metoda je efikasnija. pa onda x. Ovom metodom je determinanta matrice A do na znak odredena proizvodom glavnih elemenata. ˇto znatno olakˇava raˇun.

b= .  x =  . Uvedimo matrice  α11  α21 α=  ··· αn1 α12 α22 ··· αn2 ··· ··· ··· ···  α1n α2n  .n+1   . Dat je sistem gde je A = [aij ] kvadratna matrica.6 Shema Haleckog Ax = b.  .7 Metoda iteracije Ax = b. βn  sa αii = 0.n+1  c1n c2n  . pa se. c c 2. pri ˇemu su obe matrice koeficijenata trouglaste. .n−1 xn−1 . .2. kao kod prethodne metode. sa aii = 0. an. kada su glavni dijagonalni minori razliˇiti od nule. . i   x1  .  β= . ···  αnn  β1  . gde se prvo raˇuna y. s c c onda se izraˇunaju bij i cij . Dat je sistem Svedemo ga na oblik x1 = β1 + α12 x2 + α13 x3 + · · · + α1n xn x2 = β2 + α21 x1 + α23 x3 + · · · + α2n xn x3 = β3 + α31 x1 + α32 x2 + · · · + α3n xn ······································· xn = βn + αn1 x1 + αn2 x2 + · · · + αn. xn  a1. ···  1  Ako se matrica A moˇe napisati u obliku A = BC. a onda x. sistem raspada c na dva By = b Cx = y. bn1 bn2 · · · bnn 0 0 ··· ˇto je mogu´e. na primer. . 18 . gde je z    b11 0 ··· 0 1 c12 · · ·  0  b21 b22 · · · 0  1 ···  B= C=  ··· ··· ···  ··· ··· ··· ··· .

iteracijom. n. Uvedimo novu matricu D = A−1 − ε. a onda ´emo. . 19 . Neka je. Uzmimo za prvu aproksimaciju x(0) = β. malim po modulu. Iz gornjeg proistiˇe i uslov s c c |aii | > j=i |aij |. . . . i = 1. . dobiti c slede´e aproksimacije c x(1) = β + αx(0) x(2) = β + αx(1) ·················· x(k+1) = β + αx(k) . Ako su |εij | dovoljno mali. x = εAx + Db. k = 0. Tada je (A−1 − ε)Ax = Db i tj. . . . . Ako postoji to ´e biti reˇenje sistema. Ako je detA = 0. . za i = 1. z A−1 Ax − εAx = Db. . . napisati sistem z c x = β + αx. odnosno j = 1. n. . . pomo´u linearnog kombinovanja sistema poˇetni sistem se c c uvek moˇe zameniti ekvivalentnim sistemom z x = β + αx takvim da uslovi teoreme budu ispunjeni. dobijamo x = β + αx. Uvedemo li εA = α i Db = β. . naˇ ´e proces konvergirati jedinstvenom sc reˇenju nezavisno od poˇetne aproksimacije. . k→∞ |αij | < 1. n. c s Ako je n n x = lim x(k) . u matriˇnom obliku. naime. j=1 ili i=1 |αij | < 1. ε matrica sa argumentima εij . 2. 1. moˇe se podesiti da uslovi teoreme budu ispunjeni.Tada moˇemo.

. 2. . Neka je linearan sistem zadan u opˇtem obliku s Da bi za reˇenje ovog sistema bilo mogu´e koristiti se metodom iteracije. dat sistem n xi = βi + j=1 αij xj . . primeni´emo c = β1 + j=1 n α1j xj (k) x2 (k+1) = β2 + j=2 α2j xj (k) + α21 x1 (k+1) ···································· xi (k+1) i−1 = βi + j=1 αij xj (k+1) n + j=i αij xj (k) ···································· n−1 x(k+1) = βn + n j=1 αnj xj (k+1) + αnn x(k) . . x0 . x2 . Izaberimo proizvoljno x0 . . uraˇunavaju ve´ c c c izraˇunate ranije (k + 1)-e aproksimacije nepoznatih x1 .xi−1 . . n za k = 0. Osnovna ideja je u tome ˇto c s se pri izraˇunavanju (k + 1)-e aproksimacije nepoznate xi . . 2. .x0 . z 2. . .2. s c neophodno je dovesti ga na oblik x1 = b11 x1 + b12 x2 + b13 x3 + c1 20 . . n. c Neka je. n 1 2 Dalje raˇunaju´i da su k-te aproksimacije xi c c x1 (k+1) n (k) poznate.8 Zajdelova metoda Reˇ je o jednoj modifikaciji metode iteracije. Teorema konvergencije za metodu iteracije ostaje u vaˇnosti i ovde.9 Primedba o dovodenju linearnog sistema na oblik pogodan za iteraciju a11 x1 + a12 x2 + a13 x3 = a14 a21 x1 + a22 x2 + a23 x3 = a24 a31 x1 + a32 x2 + a33 x3 = a34 ... . naime. . 1. . i = 1.

sastavljaju algesc c c barski zbirovi sa specijalno izabranim koeficijentom. da najve´i po s c c modulu koeficijent bude dijagonalan. recimo. tj. Moˇe se.x2 = b21 x1 + b22 x2 + b23 x3 + c2 x3 = b31 x1 + b32 x2 + b33 x3 + c3 ˇto se moˇe uˇiniti na beskrajno mnogo naˇina. medutim. c |a12 | > |a11 | + |a13 | |a22 | > |a21 | + |a23 |. odnosno kada je determinanta sistema ras zliˇita od nule. recimo. da u novom sistemu sve vrste ne budu popunjene. Uoˇimo sistem c x1 + 3x2 + x3 = 0. desiti. kod koje je koeficijent uz jednu nepoc znatu po modulu ve´i od zbira modula koeficijenata uz ostale nepoznate te c jednaˇine. c s kada sistem ima jedinstveno reˇenje. da sve jednaˇine datog sistema ne udu u novi z c sistem. tre´u po x3 . zadatak se moˇe. u sistemu dati uslov zadovoljavaju c koeficijenti uz x2 u prve dve jednaˇine. 7 21 . z s c c U datom sistemu izdvoji se jednaˇina. drugu po x2 . Ako. koji zadovoljavaju gornji uslov. c Naroˇito se lako zadatak reˇava ako je c s |a11 | > |a12 | + |a13 | |a22 | > |a21 | + |a23 | |a33 | > |a31 | + |a32 |. 6 2x1 + x2 − x3 = −0. to se bira jedna od njih po slede´em kriterijumu. c Ako pri tome u datom sistemu dve ili ve´i broj jednaˇina imaju koeficijente c c uz jednu istu nepoznatu. tj. Dalje se prenumeriˇe sistem izdvojenih jednaˇina tako. Ako s c c navedeni uslovi nisu ispunjeni. reˇiti na slede´i naˇin. tako da nove jednaˇine c zadovoljavaju gornji uslov i popune sve vrste. to se od prve dve jednaˇine uzima ona kod koje je razlomak c |a11 | + |a13 | |a21 | + |a23 | ili |a12 | |a22 | manji. Tada je dovoljno reˇiti prvu jednaˇinu po x1 . Ovakav je zadatak uvek reˇiv. Mi treba da izaberemo takav s z c c naˇin da dobijemo konvergentan iteracioni proces. zapisanih u nov sistem. Tada se iz neiskoriˇ´enih jednaˇina i iz jednaˇina.

6 −2x1 + x2 + 9x3 = 8. 1 2x1 − 2x2 + 4x3 = 5.x1 − x2 + 2x3 = 2. Pomnoˇimo drugu jednaˇinu sa 3 i saberemo sa tre´om jednaˇinom. Novi je sistem 7x1 + 2x2 − x3 = 0. z c c Dobija se 2x1 + 6x2 + 2x3 = 1. Dalje. Ovde je 9 > 2 + 1. 2 −2x1 + x2 + 9x3 = 8. 6. s U prvoj jednaˇini ispunjen je uslov c 3 > 1 + 1 = 2. Kako je ∆= 1 3 1 2 1 −1 1 −1 2 = 1 4 2 0 1 1 1 −1 2 = 3 4 1 0 0 −1 5 1 1 = 3 4 5 1 = 3 − 20 = = −17 = 0. x3 . 1 +x1 − x2 + 2x3 = 2. pomnoˇimo prvu i tre´u jednaˇinu sa 2. 5. 5. Bi´e z c c c c 6x1 + 3x2 − 3x3 = −2. 5 x1 + 3x2 + x3 = 0. 2 −6x1 − 3x2 + 3x3 = 2. 5. koji je pogodan za iteraciju. pa saberemo. gde je 7 > 2 + 1. x2 . 6 7x1 + 2x2 − x3 = 0. kada se jednaˇine reˇe po x1 . drugu sa −3. c s 22 . to je postavljeni zadatak reˇiv.

s Dalje je |∆x| |∆b| ≤ ||A|| ||A−1 || . sistem je dobro z 23 . koja ne moˇe biti manja od jedinice. veoma bliska jedinici. |x| |b| Proizvod ||A|| ||A−1 || jeste mera uslovljenosti sistema. Ako je ova mera.10 Uslovljenost linearnog sistema a11 x1 + a12 x2 + · · · + a1n xn = b1 a21 x1 + a22 x2 + · · · + a2n xn = b2 ······························ an1 x1 + an2 x2 + · · · + ann xn = bn . Neka je na desnoj strani uˇinjena izvesna greˇka ∆b. A∆x = ∆b. . apsolutno taˇnim znaˇi da je c c A(x + ∆x) = b + ∆b. sa c a11  a21 A=  ··· an1  a12 a22 ··· an2 ··· ··· ··· ···  a1n a2n  . jednostavnosti radi. Odavde je i ∆x = A−1 ∆b |∆x| ≤ ||A−1 || |∆b|. . xn    . tj.2. . Neka je dat sistem ili. . matriˇno. Ova norma igra vaˇnu ulogu pri izraˇunavanju pojma uslovljenosti linearnog z c sistema. ···  ann    x=  x1 x2 .     b=  b1 b2 . |∆b| ≤ ||A|| |∆x|. dok koeficijente c s sistema smatramo. bn    . ( j k 1 2[ ajk xk ) ] 2 j x2 ] j − 1 2} ˇto se izvodi iz osobine |Ax| ≤ ||A|| |x|.  Normom matrice A zva´emo c |Ax| ||A|| = max = max{[ x=0 x∈(R) |x| gde je (R) realan Euklidov prostor. Ax = b.

|b| ≤ ||A|| |∆x|. tj.uslovljen. c c Preciznije. sistem je slabo uslovljen. |x| |b| |∆x| ||A−1 || ||A|| |∆b| ≤ . Sa druge strane. tj. Ako uzmemo ||A−1 || max |A−1 ∆b| . takvi sistemi su veoma neudobni za numeriˇko raˇunanje. onda je |∆b| ≤ ||A|| ||A−1 || |∆b|. dalje. ˇto je ista definicija norme. |Ax| ≤ ||A|| |x|. ||A|| = max x∈R |Ax| = |x| j( k j ajk xk )2 x2 j . |Ax| ≤ ||A|| |x|. Neka je. c s c A∆x = ∆b. Neka je u nezavisnom ˇlanu greˇka ∆b. Bi´e A(x + ∆x) = b + ∆b. tj. Iz definicije norme sleduje |Ax| ≤ ||A||. Standardne metode (na primer Gausova eliminacija) su nepogodne za reˇavanje s sistema linearnih jednaˇina sa loˇe uslovljenim matricama. |∆x| ≤ ||A−1 || |∆b|. |∆b| ≤ ||A|| |∆x|. ili ||A|| 1 ≤ . ||A|| ||A−1 || ≥ 1. tj. jer male raˇunske c s c greˇke mogu dovesti do velikih greˇaka rezultata. Ako je velika. Podemo li od dobijene nejednakosti |∆b| ≤ ||A|| |∆x| i iskoristimo prethodnu.[2] |x| |b| tj. tj. s s Reˇenje sistema linearnih jednaˇina s c x1 + 12x2 + 3x3 = 38 12x1 − 2x2 + 9x3 = 9 24 . dobijamo s |∆b| |A−1 ∆b| ≤ ||A−1 || |∆b|. imamo: Neka je dat sistem Ax = b. tj. Takode je |x| |A∆x| ≤ ||A|| |∆x|.

x3 = 11729. je c c x1 = −9157. postiˇe se taˇnost 10−6 . x3 = 11729. x2 = −2166.064000. izraˇunato u obiz s c ˇnoj taˇnosti. 3 10  3    2 8 3 3 1 m1 = − . a pribliˇno reˇenje odredeno Gausovom metodom eliminacije.015000. medutim. Sistem: reˇiti po metodi glavnih elemenata. 1. Ovakve je sis s steme mogu´e.3x1 + 9x2 + 4x3 = −49 je x1 = −9157.[3] 2.11 Primeri za taˇno i pribliˇno reˇavanje linearnih c z s sistema x+y+z =6 x − y + 3z = 8 x + y − z = 0. x2 = −2166. Kada se sistem reˇava Gausovom eliminacijom u dvostrukoj taˇnosti. metodom c s singularne dekompozicije. 2 25 . ukoliko se primec c njuju standardne metode za reˇavanje loˇe uslovljenih sistema. s Matrica M :   1 1 1 6  1 −1 3 8  1 1 −1 0 aiq mi = − apq m1 = − m2 = Matrica M (1) :  2  3   4 3 4 3 1 3 1 . greˇka je velika i uzrok tome je loˇa s s uslovljenost matrice sistema (cond(A) = ||A|| ||A−1 || = 6601). bolje reˇavati iterativnim metodama ili tzv. s c z c Primer ukazuje da treba raˇunati u dvostrukoj taˇnosti. S obzirom na malu dimenziju sistema.080000.

t12 = 2. s Imamo A = A . 3 5 . 2. tj.Matrica M (2) : 1 1 iz koje sledi x = 1. t13 = 3. 5 5 y3 = 14. t33 . y = 2. Dalje je    1 2 3 t11  2 1 4  =  t12 3 4 1 t13 Dobija se √ 2i t11 = 1. y3 = 10i 3 pa imamo x + 2y + 3z = 14 √ 2i 12i i 3y + √ z = √ 3 3 26 3 . z = 3. 3 3 3 pa iz prve joˇ dobijamo s 1 − 2 + 3z = 8. tj. t23 = √ . t33 = 2i 3 pa je y1 = 14 √ 2y1 + i 3y2 = 16 2i 3y1 + √ y2 + 2i 3 Odavde je 12i y1 = 14. y2 = √ . Sistem: x + 2y + 3z = 14 2x + y + 4z = 16 3x + 4y + z = 14. Iz prethodne matrice imamo 2 4 10 ·1+ y = . reˇiti metodom kvadratnih korena. t22 = i 3. 3 0 t22 t23   0 t11 0   0 t33 0 t12 t22 0  t13 t23  .

y=2. b32 = −2. b22 = −3. b33 = − . c23 = pa imamo y1 = 14 2y1 − 3y2 = 16 3y1 − 2y2 − odnosno y1 = 14. s Ovo je malopredaˇnji sistem. 1 . 3 3  c13 c23  . b21 = 2. x = 1. y2 = 4. 4. 5 z = 3. y3 = 3. Dalje je x + 2y + 3z = 14 2 y+ z=4 3 z = 3. reˇiti po shemi Haleckog. Sistem: x + 2y + 3z = 14 2x + y + 4z = 16 3x + 4y + z = 14. tj. b31 = 3. c12 = 2. 3. Metodom iteracije reˇimo sistem s x= y= y z 1 + − 4 5 10 5 x z + + 7 2 14 27 20 y3 = 14. Imamo s      1 c12 b11 0 0 1 2 3  2 1 4  =  b21 b22 0   0 1 b31 b32 b33 0 0 3 4 1 Odavde je b11 = 1. z=3. y = 2.2i a odavde 5 z = 10i 3 3 . x=1. 3 2 20 . c13 = 3.

001. Za pretvaranje problema u odreden potrebna je joˇ jedna jednaˇina: ona bi s c izrazila dopunski uslov. z1 = 3. dobijamo. Sa matematiˇkog stanoviˇta. ili metoda s s z c s c najmanjih kvadrata postavlja kao uslov da zbir kvadrata greˇaka bude najmanji. 44. ovo je nesaglasan. = 1. = 0. 01. sa ve´im c c brojem jednaˇina nego nepoznatih. To se moˇe uˇiniti na viˇe naˇina. 36. x1 = 0. 01. 55. y2 = 2. z1 z2 z3 z4 = 3. 2 3 6 x0 = 0. 07 = 3. z2 = 3. 01 = 2. 55. 01. 04. z0 = 2. 17 x2 = 0. y1 y2 y3 y4 = 1. gde je preodreden problem sveden na neodrec c den). 04 = 3. ε2 . naime na koji naˇin u izraˇunavanju treba uzeti u obzir c c dopuˇtene greˇke ε1 . protivreˇan sistem. 87. s 2. z = 3. l3 − x = ε3 (tri jednaˇine sa ˇetiri nepoznate. Tada nepoznata x treba da zadovoljava tri jednaˇine c l1 − x = 0. 87. 02. 998. odnosno do protivreˇnih sistema. Ako sa c s c ε1 . l2 − x = 0. 01. = 2. y1 = 1.12 Joˇ o metodi najmanjih kvadrata s Primena matematike na razna praktiˇna pitanja ˇesto dovodi do sluˇaja c c c ”preodredenih problema”. na primer. = 2. Primenom Zajdelove metode. Princip. y = 2. polaze´i od istih x0 . iteracijom. Prava su reˇenja: x = 1. c Pretpostavimo da su merenja nepoznate duˇine x dala tri rezultata z l1 . ε3 oznaˇimo greˇke merenja. ε2 . y0 = 1. l2 − x = ε2 . s 28 . dobi´emo c s c l1 − x = ε1 . l3 .z=− Uzmemo li za poˇetne vrednosti c x y 17 + + . z0 dobijamo c x1 x2 x3 x4 = 0. ε3 . l3 − x = 0. = 1. y0 . l2 . = 2.

. . z. ) = 0. prema principu najmanjih kvadrata da je ε2 + ε2 + · · · + ε2 = M in. . tj. y. neka je dato n jednaˇina sa m nepoznatih (n > m) s c fi (x. n. . . po principu najmanjih kvadrata. i = 1. x= ˇto je aritmetiˇka sredina. y. z. koja treba da ima minimalnu vrednost. = 0. . ) = εi . z. . Dobijamo. Za odredivanje ekstremuma naˇe funkcije treba uzeti izvod po x i izjednaˇiti s c ga sa nulom. s c Uopˇte. 1 2 3 Dobi´emo c (l1 − x)2 + (l2 − x)2 + (l3 − x)2 = M in. funkciju F (x. . . Uslovi za ekstremum ove funkcije su ∂F ∂F = 0. . y. n najmanje odstupaju od nule. i = 1. l1 + l2 + l3 3 Treba na´i vrednost nepoznatih x. . tako da vrednosti funkcije c fi (x. . . . 2. 1 2 n Neka je dat niz linearnih jednaˇina c a1 x + b1 y + c1 = 0 a2 x + b2 y + c2 = 0 ·················· an x + bn y + cn = 0. . . Kako izvod ima vrednost −2(l1 − x) − 2(l2 − x) − 2(l3 − x).U naˇem sluˇaju treba da bude s c ε2 + ε2 + ε2 = M in. y) = (a1 x + b1 y + c1 )2 + (a2 x + b2 y + c2 )2 + · · · + (an x + bn y + cn )2 . ∂x ∂y 29 . za odredivanje imamo jednaˇinu c l1 − x + l2 − x + l3 − x = 0 tj. .

c ∗ Neka je dat sistem a1 x + b1 y + c1 = 0 a1 x + b1 y + c2 = 0 ·················· a1 x + b1 y + cn = 0. tj. [ab] = na1 b1 1 [ac] = a1 (c1 + · · · + cn ) [ba] = na1 b1 . mora biti na1 x + nb1 y + (c1 + · · · + cn ) = 0. 1 odnosno a1 [na1 x + nb1 y + (c1 + · · · + cn )] = 0 b1 [na1 x + nb1 y + (c1 + · · · + cn )] = 0. a1 x + b1 y + c1 + · · · + cn = 0. dobijamo [aa]x + [ab]y + [ac] = 0 [ba]x + [bb]y + [bc] = 0 odakle izraˇunavamo x i y. [bb] = nb2 . Kako nisu i a1 i b1 jednaki nuli. n 30 .. ako uvedemo oznake [aa] = a2 + a2 + · · · + a2 1 2 n [ab] = a1 b1 + a2 b2 + · · · + an bn [ac] = a1 c1 + a2 c2 + · · · + an cn itd. 1 pa je na2 x + na1 b1 y + a1 (c1 + · · · + cn ) = 0 1 na1 b1 x + nb2 y + b1 (c1 + · · · + cn ) = 0.U naˇem sluˇaju ovi uslovi postaju s c a1 (a1 x + b1 y + c1 ) + a2 (a2 x + b2 y + c2 ) + · · · + an (an x + bn y + cn ) = 0 b1 (a1 x + b1 y + c1 ) + b2 (a2 x + b2 y + c2 ) + · · · + bn (an x + bn y + cn ) = 0 ili. [bc] = b1 (c1 + · · · + cn ). Ovde je [aa] = na2 .

kombinujmo mogu´e saglasne sisteme iz datog sistema.Dobija se. x+y−2=0 x= = y= = 31 . Odavde je x= 1 −4 6 11 6 −4 −4 11 = 35 7 11 + 24 = = 66 − 16 50 10 6 1 −4 6 36 + 4 40 4 y= = = = . −5 5 2x − 3y + 1 = 0. 50 50 50 5 Sa druge strane. dakle. 2(x + y − 1) + 2(x + y − 2) + 4(2x − 3y + 1) = 0 i 2(x + y − 1) + 2(x + y − 2) − 6(2x − 3y + 1) = 0 ili 12x − 8y − 2 = 0 −8x + 22y − 12 = 0 i 6x − 4y = 1 −4x + 11y = 6. y) = (x + y − 1)2 + (x + y − 2)2 + (2x − 3y + 1)2 tj. c Neka su date jednaˇine c x+y−1=0 x+y−2=0 2x − 3y + 1 = 0. gde je za nezavisni ˇlan uzeta aritmetiˇka sredina svih c c c nezavisnih ˇlanova. To c su x+y−1=0 i 2x − 3y + 1 = 0 Kod prvog sistema 1 1 −1 −3 1 1 2 −3 2 −3 + 1 = . beskonaˇno mnogo vrednosti za x i y. Po metodi najmanjih kvadrata F (x. koje se dobijaju c iz ”srednje” jednaˇine. −3 − 2 5 1 1 2 −1 −5 −1 − 2 3 = .

y= = 2 3 .Kod drugog sistema 2 1 −1 −3 −5 −6 + 1 = = 1. −5 x1 = Dalje je 1 2 2 −1 −5 −1 − 4 = 1. 5 5 2 +1 x1 + x2 2+5 7 = 5 = = 2 2 10 10 3 +1 y1 + y2 8 4 5 = = = . −5 x= Dakle. y1 = . y2 = 1. 2 2 10 5 ˇto je isti rezultat kao po metodi najmanjih kvadrata (ne zaboravimo da se ova s metoda zove i metodom aritmetiˇkih sredina). x2 = 1.[2] c i 32 .

. .7 Metoda iteracije . . . . .10 Uslovljenost linearnog sistema . . . . . . . . . . . . . . . . . . 2. . . . . . Numeriˇka analiza. . 2. 2003 [4] Predavanja dr Arifa Zoli´a iz predmeta Uvod u numeriˇku matematiku c c Matematiˇkog fakulteta u Beogradu ˇkolske 2006/2007. . . . . 2. . . . . . . Metoda laˇne pretpostavke (u c c z matematici i informatici).5 Metoda kvadratnih korena . . . . . .11 Primeri za taˇno i pribliˇno reˇavanje linearnih c z s sistema . Numeriˇka analiza. 1977 [3] Boˇko Jovanovi´. . . . . . .12 Joˇ o metodi najmanjih kvadrata . . . . . . . . . . . . . . . c Sveska 78. . . . . . 12 15 16 17 17 18 18 20 20 23 25 28 Literatura [1] Bogoljub Marinkovi´. . Nauˇna c c knjiga. . . . . .amazon.1 Gausova metoda eliminacije . . . . . .3 Istovremeno reˇavanje viˇe sistema linearnih jednaˇina s s c ˇ 2. .8 Zajdelova metoda . . . . . . . . . s 2. . . . . . . . . . . .ˇema sa izborom glavnih s 2. . . . . . . .Sadrˇaj z 1 Sistem linearnih jednaˇina sa dve nepoznate i njegovo reˇavanje c s u proˇlosti s 1 2 Sistemi linearnih jednaˇina c 2. 2. . . . . . s 10 .com 33 . . . . . Beograd. . . . . . . . . . 2. . . . . .Zordanova ˇema . . . . . www. . . . . 2. . . . . . . .4 Gausova metoda eliminacije . . . . . . . . . (Paperback . . . . . . . . . . . . Arhimedes. . . . . . . . . . . Univerzitet u Beogradu. . . . . . . . . . .ˇema jedinstvenog s deljenja . . . Desanka Radunovi´. . elemenata . . 2001). . . . . . . 2. . . 2. . . . . godine c s [5] Carl Meyer. . . . Matematiˇki s c c c c fakultet. . . . . . . .Feb 15. . . . . . . Beograd. Dorde Kadijevi´. . . .6 Shema Haleckog . . .9 Primedba o dovodenju linearnog sistema na oblik pogodan za iteraciju . . . . . 1991 [2] dr Milorad Bertolino. . Arhimedesovi materijali za mlade matematiˇare. Matrix Analysis and Applied Linear Algebra Book and Solutions Manual. . .2 Gausova metoda eliminacije . . . . . . . .

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->