You are on page 1of 34

Seminarski rad iz

Metodike nastave matematike II


Resavanje sistema linearnih
jednacina - Nekad i sad
Autor: Jelena Loncar
Broj indeksa: ml04080
Profesor: Zoran Lucic
Matematicki fakultet
Beograd 2008.
1 Sistem linearnih jednacina sa dve nepoznate i
njegovo resavanje u proslosti
Zadatke, koji se svode na sastavljanje i resavanje sistema jednacina sa dve
ili vise nepoznatih, susrecemo, kako u vavilonskim i egipatskim tekstovima iz II
milenijuma pre n.e., tako i u radovima starogrckih, indijskih i kineskih matema-
ticara.
Evo jednog zadatka iz najstarije kineske matematicke zbirke zadataka[1]
Kiu -

Cang Suan -

Su[5] (Matematika u devet knjiga, XXVII vek pre n.e.).
Zadatak 1. U kavezu se nalaze fazani i zecevi; sve te zivotinje imaju ukupno
35 glava i 94 noge. Treba naci broj fazana i broj zeceva.
Ako bi u kavezu bili samo fazani (lazna pretpostavka), onda bi broj nogu
iznosio 70, a ne 94. Prema tome, ovaj visak od 24 noge pripada zecevima - po
dva svakome. Tada je jasno da je zeceva bilo 24 : 2 = 12, a fazana 35 12 = 23.
U starokineskom delu Matematika u devet knjiga (ili Devet poglavlja o
vestini racunanja) razmatraju se (VII i VIII knjiga) sistemi jednacina i daju
kratka pravila za njihovo resavanje, pri cemu se sve izlaze recima. Koecijenti
jednacine postavljeni su na racunsku dasku(posebna vrsta abakusa) u vidu
tablice. Pri ponovljenim operacijama na toj racunaljci, jasno se vidi da sa koe-
cijentima treba postupati po istom pravilu (receptu) da bi se naslo resenje
sistema jednacina.
U VII knjizi tog dela, koja nosi naziv Visak-manjak, izlozena su dva nacina
(metoda) za resavanje zadataka, koji se svode na sistem dve linearne jednacine
sa dve nepoznate.
Prvi nacin
Ilustrovacemo ga sledecim zadatkom iz VII knjige pomenutog traktata Mate-
matika u devet knjiga:
Zadatak 2. Nekoliko trgovaca hoce zajednicki da kupe robu. Ako svaki da 9
juana (novcana jedinica), preostace im 11 juana; ako bi, pak, svaki dao po 6
juana, nedostajalo bi im jos 16 juana. Koliko je bilo trgovaca i kolika je cena
robe?
Oznacimo li sa x broj trgovaca, a sa y cenu robe, lako sastavljamo sistem
jednacina:
9x y = 11
6x y = 16, (1)
odakle lako dobijamo (x, y) = (9, 70).
1
Kako se, pak, postupa u pomenutom starokineskom delu?
Postupak (nacin), koji se tamo kratko izlaze, u savremenoj simbolici svodi
se na sledece:
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
_
pomocu koje se trazene nepoznate dobijaju tako sto 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. Uporedujuci (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 resenje, 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 moze se zapisati i u obliku:
_
a
1
c
1
a
2
c
2
_
.
Uporedite izlozeni sa danasnjim nacinom resavanja sistema od dve linearne
jednacine sa dve nepoznate (pomocu 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
).
Slicno se resava i zadatak:
Zadatak3. Nekoliko porodica u selu hoce zajednicki da kupe bivola. Ako svakih
2
7 porodica da po 190 juana, manjak ce biti (tj. nedostajace) 330 juana. Ako,
pak, svakih 9 porodica da po 270 juana, visak ce biti (tj. preostace) 30 juana.
Koliko je bilo porodica i koliko je kostao bivo?
Odgovor: 126 porodica; 3750 juana.
Drugi nacin
Drugi nacin za resavanje problema, koji se svode na sistem od dve linearne
jednacine sa dve nepoznate, poznat je pod nazivom metoda dve lazne pretpo-
stavke (pravilo dveju gresaka) i primenjivana je narocito u srednjem veku, pa
sve do XVIII veka.
Po toj metodi, za razliku od znatno jednostavnije metode jedne lazne pretpo-
stavke, nepoznatoj x se daju redom dve vrednosti (x
1
i x
2
), po pravilu razlicite
od prave vrednosti, pa se onda pravi linearna interpolacija da bi se naslo pravo
resenje.
Navodimo jedan zadatak iz VII knjige Matematike u devet knjiga, koji se
resava metodom dve lazne 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 ravnotezi. 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 danasnjim oznakama, ako masu jedne legure zlata oznacimo sa x, a masu
jedne legure srebra sa y, zadatak bismo sveli na resavanje sistema linearnih
jednacina:
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 racunanje vrsi na specijalnoj dasci za racunanje, izlaze pravilo
iz kojeg se moze zakljuciti u cemu je sustina njegovog nacina resavanja.
Prvi put cemo pretpostaviti (prva lazna 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 resavatelj naziva manjak leve
strane(visak desne strane).
Drugi put cemo pretpostavljati (druga lazna 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 vaziti prema
uslovu zadatka, nije tacna, jer je leva strana jednaka:
8 22 + 18 + 16 = 210,
a desna:
10 18 + 22 = 202,
tj. leva strana je veca od desne za 8 lana. Broj k
2
= 8 resavatelj naziva visak
leve strane(manjak desne strane).
Dalje se sastavlja tablica
_
k
1
k
2
x
1
x
2
_
i recima navodi sledece pravilo za odredivanje prave (stvarne) vrednosti za x,
koja se (u danasnjoj simbolici) izrazava 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 saopstava na sledeci nacin:
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 matematicku literaturu algoritam lazne (pret)postavke dospeo je
pod nazivom pravilo dve greske. Evo kako, na primer, Muhamed ibn Musa
iz Horezma (kod nas poznat pod imenom Alhvarizmi) pocetkom IX veka resava
jedan zadatak iz svoje Aritmetike:
4
Zadatak5. Naci broj, ako se zna da ce se, oduzimanjem njegove trecine i cetvrtine,
dobiti 8.
Ako bi trazeni 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 trazeni broj bio 24
(druga pretpostavka), onda bi ostatak bio jednak 24 1/3 24 1/4 24 = 10,
tj. za 2 vece od 8. Saglasno pravilu dve lazne pretpostavke (6), dobija se prava
vrednost nepoznate
x = (3 24 + 2 12)/(3 + 2) = 19
1
5
.
O pravilu dve lazne pretpostavke pisana su na arapskom jeziku i posebna
dela u kojima su razmatrani i oni slucajevi, kada se stvarna vrednost nepo-
znate x ne nalazi izmedu normi x
1
i x
2
, tj. razmatrani su slucajevi, kada
obe pretpostavke dovode do viskova ili obe dovode do manjkova. U takvim
slucajevima u napred navedenoj formuli (6) treba, vodeci racuna o znacima, u
brojiocu uzimati ne zbir, vec razliku navedenih proizvoda, a u imeniocu razliku
viskova ili manjkova.
U XII veku tehnika laznih postavki preneta je iz arapske u evropsku matema-
ticku literaturu, gde se, pod latinskim nazivom regula duorum falsorum - pravilo
dveju gresaka, koristila sve do XVIII veka.
Leonardo Fibonaci iz Pize (oko 1180 1250 god.) posvetio mu je citavo
poglavlje u svom delu Knjiga Abaka (Liber Abaci, 1202. god.), gde se prvi put
susrecu reci minus i plus, ali ne u smislu operacija oduzimanja i sabiranja,
vec u smislu manjka i viska. Pored verbalnog dokaza formule (6), Fibonaci,
koji nije koristio negativne brojeve, dokazuje pravilo i za slucaj dve greske sa
viskom i dve greske sa manjkom.
Evo jednog zadatka iz Fibonacijeve knjige:
Zadatak6. Resiti sistem jednacina:
x + y = 10
x
y
= 2
1
3
.
Odgovor: x = 7, y = 3.
Pod nazivom lazno pravilo ovaj nacin resavanja se susrece i u starim ruskim
udzbenicima, recimo, u Aritmetici L.F. Magnickog (1669 1739). Navodimo
jedan zadatak te vrste i njegovo resenje:
Zadatak7. Neko je upitao ucitelja koliko ucenika uci kod njega, jer zeli da
dovede sina na ucenje. Ucitelj je odgovorio: Ako bi imao jos toliko ucenika
5
koliko ih sada ima i jos polovinu i cetvrtinu od toga i tvog sina, bilo bi tacno
100 ucenika. Koliko je taj ucitelj imao ucenika?
Danas taj zadatak prevodimo na resavanje jednacine:
x + x +
x
2
+
x
4
+ 1 = 100.
Medutim, Magnicki ga resava pomocu pravila dve pretpostavke.
Prva lazna pretpostavka: x
1
= 24, tj. pretpostavimo da je bilo 24
ucenika. Tada bismo, prema uslovu zadatka, imali 24 +24 +12 +6 +1 = 67, tj.
k
1
= 100 67 = 33 manje od stvarnog broja (prva greska - manjak).
Druga lazna pretpostavka: x
2
= 32, tj. pretpostavimo da je bilo 32
ucenika. Tada bismo imali 32 + 32 + 16 + 8 + 1 = 89, tj. za k
2
= 100 89 = 11
manje od stvarnog broja (druga greska - manjak).
Posle toga Magnicki daje gotov nacin za nalazenje trazenog broja x, naime:
x = (33 32 11 24)/(33 11) = 36,
sto odgovara formuli:
x = (k
1
x
2
k
2
x
1
)/(k
1
k
2
). (7)
Formulu (7) treba koristiti i u slucaju kada se za obe lazne pretpostavke
dobijaju brojevi, koji su veci od prave (date) vrednosti. Proverite ovo tvrdenje
koristeci pretpostavke: x
1
= 52 i x
2
= 40.
Ako se pri jednoj pretpostavci dobija vise, 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 (visak); 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 lazne pretpostavke mozemo objasniti i algebarski dokazati.
Ako se pazljivo razmotri resavanje zadataka metodom laznih pretpostavki,
moze se zapaziti da se pri tome uvek trazi neki nepoznati broj. Ako u zadatku
ima i drugih nepoznatih, one se prema uslovima zadatka mogu izraziti pomocu
tog jedinstvenog broja. Taj nepoznati broj, koji cemo oznaciti sa x, uvek zado-
voljava jednacinu ax +b = c, gde su a, b i c neki brojevi. Broj c je poznat, dok
se brojevi a i b, uopste uzev, mogu izracunati (odrediti) prema uslovu zadatka.
Oni (obicno) nisu dati u uslovu, ali su u njemu predstavljeni pomocu nekog niza
operacija (videti, na primer, zadatke 4. i 6.). Stoga cemo ih smatrati nepozna-
tim.
6
Uzevsi neki broj x
1
(prva pretpostavka) i obavivsi s njim trazene operacije,
dobicemo neki broj c
1
, tj. ax
1
+b = c
1
. Uzevsi zatim drugi broj x
2
(druga pre-
tpostavka) i ponovivsi s njim iste operacije, dobicemo novi broj c
2
,tj.ax
2
+b = c
2
.
Kako cemo, znajuci x
1
, x
2
, c
1
, c
2
i c naci resenje zadatka,tj.nepoznati broj x?
Ako treba resiti jednacinu
ax + b = c, (8)
lazne pretpostavke daju:
ax
1
+ b = c
1
(9)
ax
2
+ b = c
2
. (10)
Oduzimajuci (9) i (10) od (8), dobicemo:
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
odgovarajuce greske (visak, manjak). Podelivsi (11) sa (12)
dobicemo:
(x x
1
)/(x x
2
) = k
1
/k
2
, (13)
a resavanje te jednacine po x dovesce nas do formule (7), tj.
x = (k
1
x
2
k
2
x
1
)/(k
1
k
2
).
Ova formula moze se primenjivati u svim slicajevima o kojima smo napred
govorili:
1) k
1
> 0 i k
2
> 0, tj. u slucaju oba viska (c
1
> c i c
2
> c);
2) k
1
< 0 i k
2
< 0, tj. u slucaju oba manjka (c
1
< c i c
2
< c);
3) k
1
< 0 i k
2
> 0, tj. u slucaju viska pri jednoj i manjka pri drugoj pretpostavci
(c
1
> c i c
2
< c).
Danas se jednacina (8) resava veoma prosto cak i u osnovnoj skoli. Pri tome
se operise, 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, cak i vrlo jednostavni zadaci resavali po receptu laznog pravila,
koje je proizaslo iz resavanja raznih zamrsenih zadataka.
Pravilo lazne pretpostavke u srednjem veku nazivano je takode i pravilom te-
razija, jer je davalo cisto mehanicko objasnjenje njegove primene. Ilustovacemo
ga na resenom zadatku 7..
Instrukcija glasi: Nacrtaj terazije i iznad tacke oslonca pisi rezultat koji
treba da se dobije posle navedenih operacija u zadatku sa nepoznatim (trazenim)
7
brojem. Obe lazne pretpostavke pisi iznad tasova terazija; greske viskove- pisi
iznad tasova, manjkove- ispod tasova. Lazne pretpostavke i pogreske pomnozi
unakrsno. Uzmi razliku proizvoda - ako se greske nalaze sa iste strane tasova
terazija, a uzmi njihov zbir - ako se greske nalaze sa razlicitih strana tasova
terazija. To podeli razlikom (zbirom) gresaka.
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 lazne pretpostavke, pomocu koje se dobija tacno resenje line-
arnih zadataka, moze se iskoristiti i za priblizno resavanje zadataka, koji se
svode na jednacine visih stepena. Ovu ideju koristili su u proslosti mnogi po-
znati naucnici.
Indijski matematicari nisu stvorili neki opsti algoritam za resavanje sistema
linearnih jednacina sa vise nepoznatih, vec su odgovarajuce zadatke resavali
vestacki stvorenim receptima. Medutim, u slobodnom operisanju sa nega-
tivnim i iracionalnim brojevima, uopstavanju pravila za resavanje kvadratnih
jednacina, a narocito u algebarskoj simbolici, indijski matematicari su znatno
pretekli kineske.
Evo jednog zadatka staroindijskog matematicara Bhaskare (XII vek):
Zadatak8. Neko rece svom drugu: Daj mi 100 rupija, pa cu imati 2 puta
vise od tebe. Drugi mu odgovori: Daj ti meni samo 10 rupija, pa cu imati 6
puta vise od tebe. Koliko je imao svaki?
a) Ako je prvi imao x, a drugi y rupija, onda, s obzirom na uslove zadatka,
imamo sledeci prevod:
x + 100 = 2 (y 100)
y + 10 = 6 (x 10),
8
pa ostaje samo da se resi ovaj sistem jednacina.
b) Resenje samog Bhaskare je originalno. Neka je prvi imao 2x100 rupija,
a drugi x + 100 rupija, sto zadovoljava prvi uslov (jer kad drugi da prvome 100
rupija ostace mu x rupija, a prvi ce imati 2x rupija, tj. 2 puta vise). Imajuci 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.
Resiti pomocu sistema dveju jednacina sa dve nepoznate sledece zadatke:
Zadatak9. (Al-Horezmi ) Naci dva broja ciji je zbir 10, a kolicnik 4.
Odgovor: 8, 2.
Zadatak10. (Iz Grcke antologije, zbirke zadataka u stihovima): Hronose
(vesnik vremena), reci koji deo dana je prosao?Dva puta po dve trecine pre-
ostalo je od onog sto je vec proslo od pocetka dana. (Drevni narodi su pod
danom podrazumevali 12 casova.)
Odgovor:
36
7
casova.
Savremeni nacin zapisivanja i resavanja jednacina potice iz XVIII veka. Pri
resavanju sistema jednacina prvo se pojavio metod sabiranja (suprotnih koe-
cijenata), a potom metoda zamene i uporedivanja. U Njutnovoj Univerzalnoj
aritmetici (1707. god.), vec se susrecu nacini koji se danas uce u skoli.
Veoma plodotvorna metoda lazne pretpostavke danas je nedovoljno zastu-
pljena u nastavi matematike, cak i pri resavanju zadataka, gde bi njena primena
bila celishodna i poucna. Smatramo korisnim da se ucenici upoznaju sa ovom
lepom idejom drevne matematike, kojom su u proslosti resavani zadaci, koje mi
danas opisujemo linearnim jednacinama. [1]
9
2 Sistemi linearnih jednacina

Cetiri osnovna zadatka linearne algebre su:


(1) resavanje sistema linearnih jednacina Ax = b,
(2) izracunavanje determinante detA matrice A,
(3) nalazenje inverzne matrice A
1
,
(4) odredivanje sopstvenih vrednosti i sopstvenih vektora matrice, tj. nalazenje
netrivijalnih resenja sistema Ax = x,
gde je A matrica, x i b su vektori, a je skalar.
Formalno gledano, nema poteskoca u resavanju ovih zadataka, jer postoje
egzaktni algoritmi, koji teorijski dovode do tacnog resenja. Na primer, sistem
linearnih jednacina se moze resiti primenom Kramerovog pravila. Medutim, za
resavanje sistema sa n promenljivih potrebno je izvrsiti O(n n!) aritmetickih
operacija, sto dovoljno govori o neprihvatljivosti ove metode za resavanje sistema
vecih dimenzija. I u resavanju sistema manjih dimenzija, ozbiljan nedostatak
metode je veliki uticaj racunske greske na konacan rezultat. Slicni zakljucci
vaze i za druge klasicne metode za resavanje zadataka linearne algebre. Stoga je
primena numerickih metoda u ovoj oblasti nuzna. Razvojem racunarske tehnike
one dozivljavaju intenzivan razvoj, posto se diskretizacijom razlicitih problema
upravo dobijaju veliki sistemi linearnih jednacina.
Numericke metode za resavanje zadataka linearne algebre mogu se podeliti
na dve osnovne grupe - direktne i iterativne. Direktnim metodama odreduje se
tacno resenje sa konacno mnogo racunskih operacija, pod pretpostavkom da su
svi parametri dati tacno i da se sve racunske operacije realizuju tacno.[3] Ako su
koecijenti a
ij
tacni brojevi, onda se resenje moze dobiti sa proizvoljnom una-
pred zadatom tacnoscu i ta tacnost zavisi samo od primene seme racunanja,
odnosno gresaka zaokrugljivanja. Ako su koecijenti sistema a
ij
i slobodni
clanovi b
i
priblizni brojevi, onda je moguca tacnost ogranicena tacnoscu na-
jtacnijeg podatka.[4] Iterativnim metodama resenje je odredeno granicnom vre-
dnoscu niza uzastopnih aproksimacija, koje se racunaju nekim jednoobraznim
algoritmom.[3] Osim gresaka zaokrugljivanja, na tacnost pribliznog resenja utice
i sam iterativni proces, pa imamo i gresku metode. Osim greske metode, bitna
je i brzina konvergencije i numericka stabilnost racunskog procesa.
Osim ovih dveju grupa metoda, koristi se jos i metoda Monte-Karlo. Metoda
Monte-Karlo je metoda verovatnosno - statistickog karaktera i zasniva se na mo-
deliranju slucajne promenljive, cije je matematicko ocekivanje resenje zadatka.
Inace, metoda se primenjuje, osim za resavanje sistema linearnih jednacina i za
resavanje sistema nelinearnih jednacina, za priblizno izracunavanje integrala, za
resavanje konturnih zadataka, obicnih i parcijalnih diferencijalnih jednacina, za
resavanje integralnih jednacina.[4]
10
Neka je dat sistem linearnih jednacina sa realnim koecijentima
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 matricno moze 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 resenje, a brojevi x
i
koreni sistema.
Neka je A nesingularna matrica, tj. detA = = 0. Tada imamo, matricno
izrazen, sledeci postupak i rezultat
Ax = b
A
1
Ax = A
1
b
x = A
1
b,
sto 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 jednacina ovim teorijski resen, prakticne teskoce su velike. Tako, na
primer, za n = 8, (osam jednacina sa osam nepoznatih), za ispisivanje resenja
potrebno je napisati 1024 broja, zatim za svaku determinantu izvrsiti 282240
mnozenja. Jos treba izvrsiti i 8 deljenja. Zato postoje razni specijalni postupci
za resavanje sistema linearnih jednacina, a takode i razne priblizne metode.
11
2.1 Gausova metoda eliminacije - sema jedinstvenog
deljenja
Kod Gausove metode rec je o izracunavanju vrednosti korena uz postupno
iskljucivanje nepoznatih. Metodu cemo prikazati za n = 4, sto ne smanjuje
opstost.
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 vodeci element) [4]. Ukoliko taj uslov u sistemu nije
zadovoljen, permutovanjem jednacina sistema, tj. stavljanjem na prvo mesto
jednacine kod koje je a
p1
= 0, ovaj uslov se moze ispuniti. Element a
p1
= 0
matrice A postoji, jer je po pretpostavci matrica regularna i ne moze imati sve
nula elemente u prvoj koloni.[3] Podelimo prvu jednacinu sa a
11
i dobijamo
x
1
+ b
12
x
2
+ b
13
x
3
+ b
14
x
4
= b
15
.
Pomnozimo li ovu jednacinu sa a
21
i oduzmemo od druge, sa a
31
i oduzmemo
od trece, sa a
41
i oduzmemo od cetvrte, dobicemo
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 jednacinu sa a
(1)
22
[2] (drugi vodeci element) [4] i dobi-
jamo
x
2
+ b
(1)
23
x
3
+ b
(1)
24
x
4
= b
(1)
25
.
Iskljucivsi x
2
na prethodni nacin, 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 jednacinu sa a
(2)
33
[2] (treci vodeci 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 jednacina, koji ima kvadratnu matricu, transfo-
rmisali u ekvivalentan sistem, koji ima trougaonu matricu. Ovaj proces zove se
direktan hod ili direktan korak eliminacije. Resenje 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 seme da bi mogli kontrolisati racunanje.
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 sema.
Kontrolna kolona (poslednja kolona u tabeli) se koristi za kontrolu u pro-
cesu racunanja i na kraju. Kontrolna kolona se formira sabiranjem elemenata
13
po vrsti. Kada transformisemo koecijente sistema nekim postupkom, onda do-
bijamo neke druge koecijente, a kontrolna kolona se moze dobiti tako sto tu
transformaciju izvrsimo i nad kontrolnom kolonom ili tako sto transformisane
koecijente saberemo. Ako je razlika izmedu zbira i transformisanog zbira veca
od maksimalne moguce akumulirane greske zaokrugljivanja, onda sigurno po-
stoji greska u racunu. Ako je razlika manja, onda skoro sigurno nije napravljena
greska. Ako u sistemu umesto desnih slobodnih clanova (b
15
,. . . , b
45
) uzmemo
odgovarajuce elemente iz kontrolne kolone, dobijena resenja su za jedan veca
(x

4
= x
4
+ 1, x

3
, x

2
, x

1
). To je kontrola na kraju.[4]
Dobijeni koreni, s obzirom na zaokrugljivanje pri racunu, mahom su samo
priblizne vrednosti. Oni se mogu naci preciznije na sledeci nacin. Uvedemo li
vec poznati matricni nacin obelezavanja, sistem ce biti napisan u obliku
Ax = b.
Neka je nadeno priblizno resenje x
0
. Znaci, x = x
0
+ , gde su popravke.
Tada je
A(x
0
+ ) = b,
odnosno
Ax
0
+ A = b,
tj.
A = b Ax
0
= ,
sto sluzi za izracunavanje popravke.
Gausova metoda ce, izmedu ostalih primena, korisno posluziti kod izracunavanja
inverzne matrice.
Neka je, naime data matrica A
1
= [x
ij
] takva da je AA
1
= E, gde je E
jedinicna matrica. Pomnozimo li AA
1
, imacemo n sistema jednacina u odnosu
na n
2
nepoznatih x
ij
.
n

k=1
a
ik
x
kj
=
ij
,
i, j = 1, . . . , n

ij
=
_
1 : i = j
0 : i = j
Dobijenih n sistema linearnih jednacina za j = 1, . . . , n, koji imaju istu
matricu A i razne slobodne clanove, mogu se istovremeno resiti Gausovom
metodom.
14
2.2 Gausova metoda eliminacije - sema 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 prosirenu 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 najveci po modulu, element a
pq
(q = n + 1),
koji cemo nazvati glavnim elementom ili pivotom, i izracunajmo,
m
i
=
a
iq
a
pq
,
za sve i = p.[2] Radi numericke stabilnosti algoritma, obicno se medu svim
elementima prve kolone razlicitim od nule bira najveci po modulu,
|a
p1
| = max
1in
|a
i1
|.
Nalazenje pivota medu elementima samo jedne kolone (ili vrste) matrice naziva
se delimicno pivotiranje, a potpuno pivotiranje je nalazenje najveceg po modulu
elementa cele matrice,
|a
pq
| = max
1i,jn
|a
ij
|.
Ako se u prvom koraku algoritma vrsi 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
pomnozenu odgovarajucim m
i
za tu vrstu. Dobicemo novu matricu u kojoj je
q-ta kolona nula.
Odbacivsi tu kolonu i glavnu vrstu dobijamo M
(1)
. Sa ovom matricom po-
navljamo postupak i dobijamo niz matrica
M, M
(1)
, . . . , M
(n1)
,
15
od kojih je poslednja dvoclana matrica-vrsta. Sada skupimo u sistem sve glavne
vrste, pocinjuci sa poslednjom, koja ulazi u matricu.
Posle odgovarajuce promene numeracije nepoznatih dobija se sistem sa trou-
glastom matricom iz koje se lako, korak po korak, dobijaju nepoznate.[2]
2.3 Istovremeno resavanje vise sistema linearnih jednacina
Direktne metode za resavanje sistema linearnih jednacina mogu se primeniti
za istovremeno resavanje vise sistema linearnih jednacina, koji imaju istu ma-
tricu sistema i za izracunavanje inverznih matrica. Neka treba resiti sisteme
jednacina:
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.

Semu treba primeniti na sledeci nacin: direktnim hodom se kvadratna ma-


trica prevodi u trougaonu matricu. Neka treba resiti sisteme jednacina:
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 - sema 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 -

Zordanova sema
Kod Gausove metode eliminacije, jednacina iz koje je izabran glavni eleme-
nt, posle tog koraka se vise ne transformise. Stoga se posle (n 1) - vog koraka
dobija trougaoni sistem. U Gaus -

Zordanovoj metodi, u svakom koraku se tra-
nsformisu sve jednacine, osim one koja sadrzi glavni element tog koraka. Pri
izboru glavnog elementa ne uzimaju se u obzir koecijenti jednacina iz kojih je
vec 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 racunskih operacija,
koje je potrebno izvrsiti da bi se ovom metodom resio sistem, veci je; ali, ova
metoda je ekasnija, kada se odreduje inverzna matrica, jer se u obrnutom hodu
resava 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 razliciti od nule i
A

= A (transponovana matrica jednaka je samoj matrici, dakle rec je o tzv.


simetricnoj matrici). Pod ovom pretpostavkom matrica A moze 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
_

_
.
Mnozenjem ovih matrica dobijamo jednacine za odredivanje t
ij
. Ako je
t
ii
= 0, sistem ima resenje, jer je
detA = detT

detT = (detT)
2
= (t
11
t
22
t
nn
)
2
= 0.
U samom izracunavanju t
ij
na odreden nacin gurisu kvadratni koreni, sto
opravdava naziv metode. Kada se t
ij
izracunaju, nas se sistem ocigledno ra-
spada na dva sistema
T

y = b,
Tx = y
iz kojih se prvo racuna y, pa onda x. Oba sistema su, medutim, sa trouglastom
matricom koecijenata, sto znatno olaksava racun.
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 moze 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
_

_
,
sto je moguce, na primer, kada su glavni dijagonalni minori razliciti od nule,
onda se izracunaju b
ij
i c
ij
, pa se, kao kod prethodne metode, sistem raspada
na dva
By = b
Cx = y,
gde se prvo racuna y, a onda x, pri cemu su obe matrice koecijenata trouglaste.
2.7 Metoda iteracije
Dat je sistem
Ax = b, sa a
ii
= 0.
Svedemo ga na oblik
x
1
=
1
+
12
x
2
+
13
x
3
+ +
1n
x
n
x
2
=
2
+
21
x
1
+
23
x
3
+ +
2n
x
n
x
3
=
3
+
31
x
1
+
32
x
2
+ +
3n
x
n

x
n
=
n
+
n1
x
1
+
n2
x
2
+ +
n,n1
x
n1
.
Uvedimo matrice
=
_

11

12

1n

21

22

2n

n1

n2

nn
_

_
; =
_

1
.
.
.

n
_

_
sa
ii
= 0.
18
Tada mozemo, u matricnom obliku, napisati sistem
x = + x.
Uzmimo za prvu aproksimaciju x
(0)
= , a onda cemo, iteracijom, dobiti
sledece aproksimacije
x
(1)
= + x
(0)
x
(2)
= + x
(1)

x
(k+1)
= + x
(k)
, k = 0, 1, 2, . . . .
Ako postoji
x = lim
k
x
(k)
,
to ce biti resenje sistema.
Ako je
n

j=1
|
ij
| < 1, ili
n

i=1
|
ij
| < 1,
za i = 1, . . . , n, odnosno j = 1, . . . , n, nas ce proces konvergirati jedinstvenom
resenju nezavisno od pocetne aproksimacije. Iz gornjeg proistice i uslov
|a
ii
| >

j=i
|a
ij
|, i = 1, . . . , n.
Ako je detA = 0, pomocu linearnog kombinovanja sistema pocetni sistem se
uvek moze zameniti ekvivalentnim sistemom
x = + x
takvim da uslovi teoreme budu ispunjeni. Neka je, naime, matrica sa argu-
mentima
ij
, malim po modulu. Uvedimo novu matricu D = A
1
. Tada
je
(A
1
)Ax = Db
i
A
1
Ax Ax = Db,
tj.
x = Ax + Db.
Uvedemo li A = i Db = , dobijamo
x = + x.
Ako su |
ij
| dovoljno mali, moze se podesiti da uslovi teoreme budu ispunjeni.
19
2.8 Zajdelova metoda
Rec je o jednoj modikaciji metode iteracije. Osnovna ideja je u tome sto
se pri izracunavanju (k + 1)-e aproksimacije nepoznate x
i
, uracunavaju vec
izracunate ranije (k + 1)-e aproksimacije nepoznatih x
1
, x
2
,. . . ,x
i1
.
Neka je, naime, dat sistem
x
i
=
i
+
n

j=1

ij
x
j
, i = 1, 2, . . . , n.
Izaberimo proizvoljno x
0
1
, x
0
2
,. . . ,x
0
n
.
Dalje racunajuci da su k-te aproksimacije x
(k)
i
poznate, primenicemo
x
(k+1)
1
=
1
+
n

j=1

1j
x
(k)
j
x
(k+1)
2
=
2
+
n

j=2

2j
x
(k)
j
+
21
x
(k+1)
1

x
(k+1)
i
=
i
+
i1

j=1

ij
x
(k+1)
j
+
n

j=i

ij
x
(k)
j

x
(k+1)
n
=
n
+
n1

j=1

nj
x
(k+1)
j
+
nn
x
(k)
n
,
za k = 0, 1, 2, . . . .
Teorema konvergencije za metodu iteracije ostaje u vaznosti i ovde.
2.9 Primedba o dovodenju linearnog sistema na oblik
pogodan za iteraciju
Neka je linearan sistem zadan u opstem 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 resenje ovog sistema bilo moguce 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
sto se moze uciniti na beskrajno mnogo nacina. Mi treba da izaberemo takav
nacin da dobijemo konvergentan iteracioni proces. Ovakav je zadatak uvek resiv,
kada sistem ima jedinstveno resenje, odnosno kada je determinanta sistema ra-
zlicita od nule.
Narocito se lako zadatak resava ako je
|a
11
| > |a
12
| + |a
13
|
|a
22
| > |a
21
| + |a
23
|
|a
33
| > |a
31
| + |a
32
|.
Tada je dovoljno resiti prvu jednacinu po x
1
, drugu po x
2
, trecu po x
3
. Ako
navedeni uslovi nisu ispunjeni, zadatak se moze, recimo, resiti na sledeci nacin.
U datom sistemu izdvoji se jednacina, kod koje je koecijent uz jednu nepo-
znatu po modulu veci od zbira modula koecijenata uz ostale nepoznate te
jednacine.
Ako pri tome u datom sistemu dve ili veci broj jednacina imaju koecijente
uz jednu istu nepoznatu, koji zadovoljavaju gornji uslov, to se bira jedna od
njih po sledecem kriterijumu. Ako, recimo, u sistemu dati uslov zadovoljavaju
koecijenti uz x
2
u prve dve jednacine, tj.
|a
12
| > |a
11
| + |a
13
|
|a
22
| > |a
21
| + |a
23
|,
to se od prve dve jednacine uzima ona kod koje je razlomak
|a
11
| + |a
13
|
|a
12
|
ili
|a
21
| + |a
23
|
|a
22
|
manji. Dalje se prenumerise sistem izdvojenih jednacina tako, da najveci po
modulu koecijent bude dijagonalan.
Moze se, medutim, desiti, da sve jednacine datog sistema ne udu u novi
sistem, tj. da u novom sistemu sve vrste ne budu popunjene. Tada se iz nei-
skoriscenih jednacina i iz jednacina, zapisanih u nov sistem, sastavljaju alge-
barski zbirovi sa specijalno izabranim koecijentom, tako da nove jednacine
zadovoljavaju gornji uslov i popune sve vrste. Uocimo 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 resiv.
U prvoj jednacini ispunjen je uslov
3 > 1 + 1 = 2.
Pomnozimo drugu jednacinu sa 3 i saberemo sa trecom jednacinom. Bice
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, pomnozimo prvu i trecu jednacinu 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 jednacine rese 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, matricno, 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 zvacemo
||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 vaznu ulogu pri izracunavanju pojma uslovljenosti linearnog
sistema. Neka je na desnoj strani ucinjena izvesna greska b; dok koecijente
sistema smatramo, jednostavnosti radi, apsolutno tacnim znaci da je
A(x + x) = b + b,
tj.
Ax = b.
Odavde je
x = A
1
b
i
|x| ||A
1
|| |b|, |b| ||A|| |x|,
sto 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 moze 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 numericko racunanje.
Preciznije, imamo:
Neka je dat sistem Ax = b. Neka je, dalje,
||A|| = max
xR
|Ax|
|x|
=
_

j
(

k
a
jk
x
k
)
2
_

j
x
2
j
.
Neka je u nezavisnom clanu greska b. Bice A(x + x) = b + b, tj.
Ax = b.
Iz denicije norme sleduje
|Ax|
|x|
||A||, tj. |Ax| ||A|| |x|. Takode je
|Ax| ||A|| |x|, tj. |b| ||A|| |x|.
Ako uzmemo ||A
1
|| max
|A
1
b|
|b|
, sto je ista denicija 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 resavanje
sistema linearnih jednacina sa lose uslovljenim matricama, jer male racunske
greske mogu dovesti do velikih gresaka rezultata.
Resenje sistema linearnih jednacina
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 priblizno resenje odredeno Gausovom metodom eliminacije, izracunato u obi-
cnoj tacnosti, je
x

1
= 9157.064000, x

2
= 2166.015000, x

3
= 11729.080000.
S obzirom na malu dimenziju sistema, greska je velika i uzrok tome je losa
uslovljenost matrice sistema (cond(A) = ||A|| ||A
1
|| = 6601). Kada se sistem
resava Gausovom eliminacijom u dvostrukoj tacnosti, postize se tacnost 10
6
.
Primer ukazuje da treba racunati u dvostrukoj tacnosti, ukoliko se prime-
njuju standardne metode za resavanje lose uslovljenih sistema. Ovakve je si-
steme moguce, medutim, bolje resavati iterativnim metodama ili tzv. metodom
singularne dekompozicije.[3]
2.11 Primeri za tacno i priblizno resavanje linearnih
sistema
1. Sistem:
x + y + z = 6
x y + 3z = 8
x + y z = 0,
resiti 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 jos dobijamo
1 2 + 3z = 8, tj. z = 3.
2. Sistem:
x + 2y + 3z = 14
2x + y + 4z = 16
3x + 4y + z = 14,
resiti 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,
resiti po shemi Haleckog.
Ovo je malopredasnji 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 resimo 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 pocetne 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, polazeci 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 resenja: x = 1, y = 2, z = 3.
2.12 Jos o metodi najmanjih kvadrata
Primena matematike na razna prakticna pitanja cesto dovodi do slucaja
preodredenih problema, odnosno do protivrecnih sistema, na primer, sa vecim
brojem jednacina nego nepoznatih.
Pretpostavimo da su merenja nepoznate duzine x dala tri rezultata
l
1
, l
2
, l
3
.
Tada nepoznata x treba da zadovoljava tri jednacine
l
1
x = 0, l
2
x = 0, l
3
x = 0.
Sa matematickog stanovista, ovo je nesaglasan, protivrecan sistem. Ako sa

1
,
2
,
3
oznacimo greske merenja, dobicemo
l
1
x =
1
, l
2
x =
2
, l
3
x =
3
(tri jednacine sa cetiri nepoznate, gde je preodreden problem sveden na neodre-
den).
Za pretvaranje problema u odreden potrebna je jos jedna jednacina: ona bi
izrazila dopunski uslov, naime na koji nacin u izracunavanju treba uzeti u obzir
dopustene greske
1
,
2
,
3
. To se moze uciniti na vise nacina. Princip, ili metoda
najmanjih kvadrata postavlja kao uslov da zbir kvadrata gresaka bude najmanji.
28
U nasem slucaju treba da bude

2
1
+
2
2
+
2
3
= Min.
Dobicemo
(l
1
x)
2
+ (l
2
x)
2
+ (l
3
x)
2
= Min.
Za odredivanje ekstremuma nase funkcije treba uzeti izvod po x i izjednaciti
ga sa nulom. Kako izvod ima vrednost
2(l
1
x) 2(l
2
x) 2(l
3
x),
za odredivanje imamo jednacinu
l
1
x + l
2
x + l
3
x = 0
tj.
x =
l
1
+ l
2
+ l
3
3
sto je aritmeticka sredina.
Uopste, neka je dato n jednacina sa m nepoznatih (n > m)
f
i
(x, y, z, . . . ) = 0, i = 1, 2, . . . , n.
Treba naci vrednost nepoznatih x, y, z, . . . tako da vrednosti funkcije
f
i
(x, y, z, . . . ) =
i
, i = 1, . . . , n
najmanje odstupaju od nule, tj. prema principu najmanjih kvadrata da je

2
1
+
2
2
+ +
2
n
= Min.
Neka je dat niz linearnih jednacina
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 nasem slucaju 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 izracunavamo 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, beskonacno mnogo vrednosti za x i y, koje se dobijaju
iz srednje jednacine, gde je za nezavisni clan uzeta aritmeticka sredina svih
nezavisnih clanova.
Neka su date jednacine
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 moguce 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
,
sto je isti rezultat kao po metodi najmanjih kvadrata (ne zaboravimo da se ova
metoda zove i metodom aritmetickih sredina).[2]
32
Sadrzaj
1 Sistem linearnih jednacina sa dve nepoznate i njegovo resavanje
u proslosti 1
2 Sistemi linearnih jednacina 10
2.1 Gausova metoda eliminacije - sema jedinstvenog
deljenja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2 Gausova metoda eliminacije - sema sa izborom glavnih elemenata 15
2.3 Istovremeno resavanje vise sistema linearnih jednacina . . . . . . 16
2.4 Gausova metoda eliminacije -

Zordanova sema . . . . . . . . . . . 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 tacno i priblizno resavanje linearnih
sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.12 Jos o metodi najmanjih kvadrata . . . . . . . . . . . . . . . . . . 28
Literatura
[1] Bogoljub Marinkovic, Dorde Kadijevic, Metoda lazne pretpostavke (u
matematici i informatici), Arhimedesovi materijali za mlade matematicare,
Sveska 78, Arhimedes, Beograd, 1991
[2] dr Milorad Bertolino, Numericka analiza, Univerzitet u Beogradu, Naucna
knjiga, 1977
[3] Bosko Jovanovic, Desanka Radunovic, Numericka analiza, Matematicki
fakultet, Beograd, 2003
[4] Predavanja dr Arifa Zolica iz predmeta Uvod u numericku matematiku
Matematickog fakulteta u Beogradu skolske 2006/2007. godine
[5] Carl Meyer, Matrix Analysis and Applied Linear Algebra Book and
Solutions Manual, (Paperback - Feb 15, 2001), www.amazon.com
33

You might also like