Вы находитесь на странице: 1из 27

ЛИНЕЙНАЯ АЛГЕБРА

Линейная алгебра изучает векторы, векторные, или линейные


пространства, линейные отображения и системы линейных уравнений.
Находит многочисленные приложения в естественных науках.
Задачи линейной алгебры:
⇒ Решение систем линейных алгебраических уравнений (СЛАУ).
⇒ Обращение матриц.
⇒ Вычисление определителей.
⇒ Решение задачи на собственные значения.
Методы решения задач линейной алгебры:
⇒ Точные (прямые) – за конечное число шагов получают точное
решение (в пределах точности округлений).
⇒ Итерационные – за конечное число шагов получают решение с
заданной степенью точности.

Матрица

⎡ a11 a12 L a1j L a1n ⎤


⎢a a 22 L a2 j La 2n ⎥
⎢ 21 ⎥
[A] = ⎢⎢
L L L L L L ⎥
[A] = [aij ]
a ai2 L aij L ain ⎥
⎢ i1 ⎥
⎢L L L L L L ⎥
⎢⎣am1 am2 L ami L amn ⎥⎦
і = 1,2,...,m; j = 1,2,…,n.
Виды матриц:

Квадратная Ленточная Единичная

Разряженная

Главная диагональ
Побочная диагональ

Транспонированная Столбец
Строка

[A]
T
= {a}T {b} = C - число
{a}{b}T = [C] -матрица
{a}T [A ]{b} = C - число
Верхняя треугольная Нижняя треугольная Симметричная
⎡ * * * * * * * * *⎤
⎢ * * * * * * * *⎥
⎡*
⎢* *


[A ] = [A ]T
⎢ * * * * * * *⎥ ⎢* * * ⎥
⎢ * * * * * *⎥ ⎢* * * * ⎥ Обратная
⎢ * * * * * ⎥⎥ ⎢ ⎥
⎢* * * * *


* * * *⎥ ⎢* * * * * *

⎥ [A ]−1[A ] = E
⎢ * * *⎥ ⎢* * * * * * * ⎥
⎢ * *⎥ ⎢* * * * * * * * ⎥
⎢⎣ * ⎥⎦ ⎢*
⎣ * * * * * * * * ⎥⎦
В основном используются квадратные матрицы.

Система линейных алгебраических уравнений (СЛАУ)

⎡ a11 a12 ⋅ ⋅ ⋅ a1n ⎤ ⎧ x1 ⎫ ⎧ b1 ⎫


⎢a 21 a 22 ⋅ ⋅ ⋅ a 2n ⎥ ⎪ x 2 ⎪ ⎪b2 ⎪
⎢⋅⋅⋅ ⋅⋅⋅ ⎨ ⎬= ⎨ ⎬ [A ]{x} = {b}
⋅ ⋅ ⋅ ⋅ ⋅ ⋅ ⎥ ⎪⋅ ⋅ ⋅ ⎪ ⎪⋅ ⋅ ⋅ ⎪
⎢a ⋅ ⋅ ⋅ ann ⎥⎦ ⎩ xn ⎭
⎣ n1 an2 ⎩bn ⎭
. (П.21)
Нормы матрицы и вектора

Для сравнения одной матрицы с другой или одного вектора с другим


одинаковых размерностей матрице или вектору ставится в соответствие
число, которое называется нормой матрицы или вектора.
n
1. x 1 = ∑ xi ;
i=1
Норма вектора: 2. x 2 = max xi ;
n
3. x3 = ∑ xi2 .
i=1

n
1. A 1 = max ∑ aij ;
j i =1
n
Норма матрицы: 2. A 2 = max ∑ aij ;
i j= 1
n n
3. A3 = ∑ ∑ aij2 .
i = 1j = 1
−1
Число обусловленности матрицы: cond( A ) = A A .
РЕШЕНИЕ СЛАУ
⎧a11x1 + a12 x 2 + K + a1nxn = b1,
⎪a 21x1 + a22 x 2 + K + a2n xn = b2 ,

⎪...
⎩an1x1 + an2 x 2 + K + annxn = bn .

⎡ a11 a12 ⋅ ⋅ ⋅ a1n ⎤ ⎧ x1 ⎫ ⎧ b1 ⎫


⎢a 21 a 22 ⋅ ⋅ ⋅ a 2n ⎥ ⎪ x 2 ⎪ ⎪b2 ⎪ Решение
⎢⋅⋅⋅ ⋅⋅⋅ ⋅⋅⋅ ⋅⋅⋅ ⎥ ⋅⋅⋅ ⎨ ⎬ = ⎨ ⎬ [A ]{x } = {b} {x} = [A ]−1{b}
⎢a ⎥ ⎪ ⎪ ⎪⋅ ⋅ ⋅ ⎪
⎣ n1 an2 ⋅ ⋅ ⋅ ann ⎦ ⎩ xn ⎭ ⎩bn ⎭
Система имеет единственное решение, если ее матрица является
невырожденной, т.е. ее определитель det A не равен нулю. Если det A = 0 , то
матрица является вырожденной, а система не имеет решения. Матрица [Α ] при
этом называется сингулярной.
Пример: Матрица [Α ] = ⎡ 1 2 ⎤ сингулярна - строки пропорциональны.
⎢⎣1.05 2.1⎥⎦
Система является хорошо обусловленной, если число обусловленности
матрицы cond( A ) мало. Если cond ( A ) ≥ 10 велико – система плохо обусловлена.
Плохо обусловленные системы имеют неустойчивое решение, т.е.
незначительные изменения компонент матрицы или правой части приводят к
значительным изменениям решения.
Пример: Матрица [Α ] = ⎡ 6 7 ⎤ принадлежит плохо обусловленной системе.
⎢⎣5 6 ⎥⎦
A = 6 2 + 7 2 + +5 2 + 6 2 = 120.08 ;
[Α ]−1 = ⎡⎢ −65 −67⎤⎥ ; A −1 = 120.08 ; cond( A ) = A A −1 = 120.08 * 120.08 = 14419 > 10 .
⎣ ⎦
Действительно, если матрица получит незначительные возмущения
[Α ] = ⎡⎢56.15
.1 7 ⎤
, то [Α ] −1
= ⎡ 10.91 − 12.73 ⎤
⎣ 6 ⎥⎦ ⎢⎣ − 9.36 11.09 ⎥⎦

ПРИМЕР
⎧ δ 11X 1 + δ 12 X 2 = Δ 1P ⎡ δ 11 δ 12 ⎤ ⎧ X 1 ⎫ ⎧ Δ 1P ⎫
=
⎨δ X + δ X = Δ
⎩ 12 1 22 2 2P
⎢⎣ δ 12 δ 22 ⎥⎦ ⎨⎩ X 2 ⎬⎭ ⎨⎩ Δ 2 P ⎬⎭

1 вариант
l 3 ⎡24 9 ⎤ 6EJ ⎡ 0.27 − 0.6 ⎤
[A ] = ; [ A ] −1
=
6EJ ⎢⎣ 9 4 ⎥⎦ l 3 ⎢⎣ − 0.6 1.6 ⎥⎦
cond ( A ) = 27 .45 * 1.83 = 50 .23 > 10 -плохо обусл.
2 вариант
l 3 ⎡8 7 ⎤ 18EJ ⎡ 0.53 − 0.47 ⎤
[A ] = ; [ A ] −1
=
18EJ ⎢⎣ 7 8 ⎥⎦ l 3 ⎢⎣ − 0.47 0.53 ⎥⎦
cond ( A ) = 15 .033 * 1.107 = 16 .64 > 10 -плохо обусловлена.
3 вариант
[A ] = l ⎡⎢ 41 41⎤⎥; [A ]− 1 = 6EJ ⎡⎢ − 00..27
067
− 0.067 ⎤
0.27 ⎥⎦
6EJ ⎣ ⎦ l ⎣
cond ( A ) = 5.74 * 0.393 = 2.25 < 10 -хорошо обусловлена.
METODY BEZPOŚREDNIE ROZWĄZYWANIA UKLADÓW RÓWNAŃ LINIOWYCH
ТОЧНЫЕ (ПРЯМЫЕ) МЕТОДЫ

METODA GAUSSA Метод Гаусса

A1 a11x1 + a12x2+ a13x3+ … +a1jxj+ … +a1nxn = b1


A2 a21x1 + a22x2+ a23x3+ … +a2jxj+ … +a2nxn = b2
A3 a31x1 + a32x2+ a33x3+ … +a3jxj+ … +a3nxn = b3
… … … … … … … … …
Ai ai1x1 + ai2x2+ ai3x3+ … +aijxj+ … +ainxn = bi
… … … … … … … … …
An an1x1 + an2x2+ an3x3+ … +anjxj+ … +annxn = bn

1 A1 a11x1 + a12x2+ a13x3+ … +a1jxj+ … +a1nxn = b1


krok A12 = A2 -a21/a11 A1 a122 x 2 + a123 x 3 + … + a12 jx j + … + a12nxn = b12
A13 = A3 –a31/a11 A1 a132 x 2 + a133 x 3 + … + a13 jx j + … + a13nxn = b13
… … … … … … … … …
A1i= Ai - ai1/a11 A1 a1 x + a1 x + … + a1x + … + a1 x
i2 2 i3 3 ij j in n
= b1i
… … … … … … … …
A1n = An - an1/a11 A1 a1n2 x 2 + a1n3 x 3 + … + anj
1
x j + … + a1nnxn = b1n
2 A1 a11x1 + a12x2+ a13x3+ … +a1jxj+ … +a1nxn = b1
krok A12 a122 x 2 + a122 x 3 + … + a12 jx j + … + a12nxn = b12
A23 = A13 – a132 / a122 A12 a223 x 3 + … + a 23 jx j + … + a32nxn = b23
… … … … … … … …
Ai2 = A1i - a1i2 / a122 A12 a2 x + … + a 2 x + … + a 2 x
i3 3 ij j in n
= bi2
… … … … … … … …
An2 = A1n - a1n2 / a122 A12 an23 x 3 + … + anj
2 2
x j + … + ann xn = bn2

3 A1 a11x1 + a12x2+ a13x3+ … +a1jxj+ … +a1nxn = b1


krok A12 a122 x 2 + a123 x 3 + … + a12 jx j + … + a12nxn = b12
A23 a233 x 3 + … + a 23 jx j + … + a32nxn = b23
… … … … … …
Ai3 = Ai2 - ai23 /a 233 A 23 + a 3 x + … + a3 x
ij j in n
= bi3
… … … … … …
An3 = An2 - an23 /a 233 A 23 3
+ anj 3
x j + … + ann xn = bn3
n A1 a11x1 + a12x2+ a13x3+
… +a1jxj+ … +a1nxn = b1
krok A12 a122 x 2 + a123 x 3 + … + a12 jx j + … + a12nxn = b12
A23 a233 x 3 + … + a 23 jx j + … + a23nxn = b23
… … … … … …
Aii −1 … + ai −1x
in n
= bi −1
i
… … … …
Ann = Ann−1 - nnan−1x = bn−1
n n
ann,−n1− 1 / ann −− 11,n − 1Ann −− 11
Otrzymali ukladu równań z górną trójkątną matrycą
Получили систему уравнений с верхней треугольной матрицей
⎡a11 a a13 L a1j L a1n ⎤
12
⎢ ⎥
⎢ a122 a123 L a12 j L 1
a2n ⎥
⎢ 2 ⎥
⎢ a33 L a23 j L a23n ⎥
⎢ L L L L ⎥
⎢ ⎥
⎢ aiij−1 L aiin−1 ⎥
⎢ L L ⎥
⎢ annn−1⎥⎦

Ten etap nazywa się «prosty chód»
U

Этот этап решения задачи называется «прямой ход»


U
(k − 1)
aik
Na k kroku На к-ом шаге решения: aij(k ) = aij(k −1) − a (k − 1)
(k − 1) kj
akk

Początek cyklu po k (k=1,2, … , n-1)

Początek cyklu po i (i=k+1 … , n)

aik
t=−
akk
Początek cyklu po j (j=k+1 … , n)
aij = aij + t * akj

Koniec cyklu po j
bi = bi + t * bk
Koniec cyklu po i

Koniec cyklu po k
Rozwiązanie znajdziemy «powrotnym chodem» Решение найдем «обратным ходом»
−1
bn
n
xn =
−1
an
nn
xn− 1 =
n− 2
an
1
(bnn−−12 − ann−−12xn )
− 1,n − 1
.................... .......... .................... ...

Początek powrotnego cyklu po i (i=n-1, … , 1)

h = bi

Początek cyklu po j (j=i+1 … , n)


h = h − x j * aij

Koniec cyklu po j

h
xi =
aii
Koniec powrotnego cyklu po i
Przykład

A1 x1- x2+ 3x3+ x4 = 5


A2 4x1- x2+ 5x3+ 4x4 = 4
A3 2x1- 2x2+ 4x3+ x4 = 6
A4 x1- 4x2+ 5x3- x4 = 3

1 krok
A1 x1- x2+ 3x3+ x4 = 5
A12 = A2 -a21/a11 A 1 3x2- 7x3- 0x4 = -16
A13 = A3 –a31/a11 A1 0x2- 2x3- x4 = -4
A14 = A4 –a41/a11 A1 -3x2+ 2x3- x4 = -2

2 krok
A1 x1- x2+ 3x3+ x4 = 5
A12 3x2- 7x3- 0x4 = -16
A23 = A13 – a132 / a122 A12 x3+ 0.5x4 = 2
A 24 = A14 – a142 / a122 A12 -5x3 -2 x4 = -18
3 krok
A1 x1- x2+ 3x3+ x4 = 5
A12 3x2- 7x3- 0x4 = -16
A23 = A13 – a132 / a122 A12 x3+ 0.5x4 = 2
A 24 = A14 – a142 / a122 A12 x4 = -16

Powrotnym chodem znajdziemy Обратным ходом найдем


x 4 = −16
x 3 = 2 − 0.5 x 4 = 10
1
x 2 = (−16 + 7x 3 ) = 18
3
x 1 = 5 + x 2 − 3x 3 − x 4 = 9

(k − 1)
Uwaga !!! : Jeżeli na jakimś kroku akk = 0 , to metoda jest nieprzydatna
(k − 1)
Замечание !!! : Если на каком-либо шаге решения akk = 0 , то метод непригоден.
Wybór głównego elementu Выбор ведущего элемента
Przykład :
A1 0 x 1+ x2+ 3x3+ x4 = 5
A2 27x1- x2+ 5x3+ 4x4 = 4
A3 8x1- 2x2+ 4x3+ x4 = 6
A4 6x1- 4x2+ 5x3- x4 = 3
Metoda Gausa nie jest przydatny!!!!! Метод Гаусса не применим!!!!!
Przestawimy wiersze, tak by ak ,1 ≥ ak+ 1,1 Переставим строки, так чтобы ak ,1 ≥ ak + 1,1

A2 27x1- x2+ 5x3+ 4x4 = 4


A3 8x1- 2x2+ 4x3+ x4 = 6
A4 6x1- 4x2+ 5x3- x4 = 3
A1 0 x 1+ x2+ 3x3+ x4 = 5

Metoda Gausa jest już przydatny К этой системе метод Гаусса уже применим.

.
Obliczenie wyznacznika matrycy
Вычисление определителя матрицы

⎡ a11 a12 ... a1n ⎤


[A ] = ⎢⎢a21 a22 ... a 2n ⎥ .
... ... ... ... ⎥
⎢a ... ann ⎥⎦
⎣ n1 an2

1-yj krok wyjątku


1-ый шаг исключения

a11 a12 ... a1n a11 a12 ... a1n a (1) a (1) ... a (1)
22 23 2n
a a 22 ... a 2n 0 a (1) ... a (1) a (1)
a (1) ... a (1)
det A = det 21 = det 22 2n
a11 * det 32 33 3n =
... ... ... ... ... ... ... ... ... ... ... ...
an1 an2 ... ann (1) (1)
0 an2 ... ann (1)
an2 a (1) ... a (1)
32 nn

2-yj krok wyjątku


2-ой шаг исключения

a (1)
22 a (1)
23 ... a (1)
2n (2 )
a33 ... a3(2n)
(n − 1)
a (33
2)
... a (32n) a11 * a(22
1)
* det ... ... ... ... a11 * a (22
1)
* a (33
2)
* ... * ann
= a11 * det
... ... ... ... a(322) ... ann
(2 )

a (322) (2 )
... ann
Przykład Пример:

2 1 .0 − 0 .1 1 .0 1 0 .5 − 0.05 0.5
Δ = 0.4 −0.5 4 .0 − 8 .5 = 2 0 0 .3 4.02 − 8.7 =
0.3 1.0 1.0 5.2 0 − 1.15 1.015 5.05
1 .0 0 . 2 2 .5 − 1 .0 0 − 0.3 2.55 − 1.5

0 .3 4.02 − 8.7 1.0 13.4 − 29


= 2 − 1.15 1.015 5.05 = 2 ⋅ 0.3 0 16.425 − 28.3 =
− 0.3 2.55 − 1.5 0 6.57 − 10.2

= 2 ⋅ 0.3 16 .425 − 28.3 = 2 ⋅ 0.3 ⋅ 16.425 1.0 − 1.72298 =


6.57 − 10.2 0 1.11998

= 2 ⋅ 0.3 ⋅ 16.425 ⋅ 1.11998 = 11.0374.


Матрица у которой определитель равен нулю называется ВЫРОЖДЕННОЙ !!!!!
OBRÓT MATRYC ОБРАЩЕНИЕ МАТРИЦ

[A][A]−1 = E
( −1) ( −1)
⎡ a11 a12 ... a1n ⎤ ⎡a11 a12 ... a1( −n1) ⎤
⎡ 1 0 ... 0 ⎤
⎢a 21 a 22
⎢ −1)
... a2n ⎥ ⎢a (21 ( −1) ( −1) ⎥
a22 ... a2n ⎥ = ⎢ 0 1 ... 0 ⎥ .
⎢ ... ... ... ... ⎥ ⎢ ... ... ... ... ⎥ ⎢... ... ... ...⎥
⎢a
⎣ n1 an2 ... ann ⎥⎦ ⎢a ( −1) ( −1) ⎥
an( −21) ... ann ⎣⎢ 0 0 ... 1 ⎦⎥
⎣ n1 ⎦

Последовательно решаем системы уравнений

⎧a ( −1) ⎫ ⎧a ( −1) ⎫ ⎧a ( −1) ⎫


⎪ 11 ⎪ ⎧ 1⎫ ⎪ 12 ⎪ ⎧0 ⎫ ⎪ 1( n−1) ⎪ ⎧0 ⎫
⎪a ( −1) ⎪ ⎪0 ⎪ ⎪a ( −1) ⎪ ⎪ 1⎪ ⎪a ⎪ ⎪0 ⎪
[A ]⎨ 21 ⎬ = ⎨ M ⎬; [A ]⎨ 22 ⎬ = ⎨M⎬ ; L ; [A ]⎨ 2 n ⎬= ⎨ M ⎬.
⎪ M ⎪ ⎪0 ⎪ ⎪ M ⎪ ⎪0 ⎪ ⎪ M ⎪ ⎪ 1⎪
⎪⎩an( −11) ⎪⎭ ⎩ ⎭ ⎪⎩an( −21) ⎪⎭ ⎩ ⎭ ( −1) ⎪
⎪⎩ann ⎩ ⎭

Откуда находим все столбцы обратной матрицы.


МЕТОД КРАУТА LU -РАЗЛОЖЕНИЯ

Метод основан на разложении матрицы [A ] на множители

[A ] = [L][U]
где [L] - нижняя треугольная матрица;
[U] - верхняя треугольная матрица.

⎡ a12 a13 a1n ⎤


⎢ 1 L
a11 a11 a11 ⎥
⎡ a11 0 0 ... 0 ⎤ ⎢ ⎥
⎢a ⎢ a(23
1)
a 2(1n) ⎥
21
(1)
a 22 0 ... 0 ⎥ ⎢0 1 L 1) ⎥
⎢ ⎥ (1)
a22 a (22
[L] = ⎢a31 a(321) a (33
2)
... 0 ⎥; [U] = ⎢ (2 ) ⎥

⎢ ... ⎢
... ... ... 0 ⎥ a 3n
⎢0 (2 ) ⎥
⎢ (1) (n − 1) ⎥
0 1 L
⎣ a n1 a n2 an(23) ... ann ⎦ ⎢ a 33 ⎥
⎢L L L L L ⎥
⎣⎢ 0 0 0 ... 1 ⎥⎦
[L][U]{x} = {b}.
Сначала решается уравнение
[L]{y} = {b} {y} = [L]−1{b} ,
Затем

[U]{x} = {y} {x} = [U]−1{y}.

Очевидно, что [U] = [D][L]T ,


⎡ 1 ⎤
⎢a 0 0 ... 0 ⎥
⎢ 11 ⎥
1
⎢ 0 0 ... 0 ⎥
⎢ a (22
1) ⎥
[D] = ⎢⎢ 1 ⎥.
0 0 ... 0 ⎥
⎢ a(33
2)

⎢ ... ... ... ... ... ⎥
⎢ 1 ⎥
⎢ 0 0 0 ... (n − 1)

⎣⎢ ann ⎥⎦
Иная форма LU разложения

[A] = [L][D][L]T .

МЕТОД ХОЛЕЦКОГО (КВАДРАТНОГО КОРНЯ)

Введем нижнюю треугольную матрицу

[L~] = [ D ][L] ,
где
⎡ 1 ⎤
⎢ 0 0 ... 0 ⎥
a11
⎢ ⎥
1
⎢ 0 0 ... 0 ⎥
⎢ a (22
1) ⎥
⎢ ⎥
[ D] = ⎢
0 0
1
... 0 ⎥
,
⎢ a(33
2) ⎥
⎢ ⎥
⎢ ... ... ... ... ... ⎥
⎢ 1 ⎥
0 0 0 ...
⎢ (n − 1) ⎥
⎣ ann ⎦
Тогда [A ] = L L [~][~]T .

[L~][L~]T {x} = {b}


.

[L~]{y} = {b} {y} = [L~]−1{b} ,


Решение

[L~]T {x} = {y} {x} = ([L~])− 1{y}.


(k )
Главное условие – матрица должна быть положительно определенной aij > 0.
Метод Халецкого является самым быстрым, т.к. требует минимального числа
арифметических операций.

Для решения систем уравнений больших размерностей используются


разновидности прямых методов, использующие особенности матрица [A ] -
ленточность, симметричность, разряженность.
ИТЕРАЦИОННЫЕ (ПРИБЛИЖЕННЫЕ) МЕТОДЫ

Метод Гаусса-Зейделя
Система преобразуется к виду

{x} = [A ]{x} + {x} − {b} = ([A ] + E ){x} − {b}.


Задается начальное приближение {x}(o)
Итерационная последовательность
{x}(1) = ([A] + E){x}(o) − {b};
{x}(2) = ([A] + E){x}(1) − {b};
LLLLLLLLLLLLL
{x}(k ) = ([A] + E){x}(k −1) − {b}.
Процесс останавливается, когда

(k ) (k − 1)
x − x ≤ε
Где ε -заданная точность решения.
Процесс сходится быстро, если матрица имеет диагональное преобладание, т.е.
n
aii > ∑ aij .
j= 1, j ≠ i
Метод Якоби

Система преобразуется к виду

{x} = [B]{x} + {c}

⎡ a12 a13 a1n ⎤ ⎧ b1 ⎫


⎢ 0 − − ... −
a11 a11 a11 ⎥ ⎪a ⎪
⎢ ⎥ ⎪ 11 ⎪
⎢ − a 21 a a ⎪ b2 ⎪
0 − 23 ... − 2n ⎥
⎢ a 22 a 22 a 22 ⎥ ⎪⎪ a 22 ⎪⎪
[B] = ⎢ a31 a 32 a 3n ⎥ ; {c} = ⎨ b3 ⎬ .
⎢− − 0 ... − ⎥ ⎪a ⎪
⎢ a a a ⎥
33 33 33 ⎪ 33 ⎪
⎢ ... ... ... ... ... ⎥ ⎪ ... ⎪
⎢ − an1 − an2 − an3 ... 0 ⎥ ⎪ bn ⎪
⎣⎢ ann ann ann ⎥⎦ ⎪⎩ ann ⎪⎭
Задается начальное приближение {x}(o) . Итерационная последовательность
{x}(1) = [B]{x}(o) − {c};
{x}(2) = [B]{x}(1) − {c};
LLLLLLLLLLLLL
{x}(k ) = [B]{x}(k −1) − {c}.
Ускорить сходимость можно по следующей схеме
1-я итерация
x1(1) = b11x1(o ) + b12 x (2o ) + b13 x (3o ) + ... + b1nxn(o ) + c1;
x (21) = b11x1(1) + b12 x (2o ) + b13 x (3o ) + ... + b1nxn(o ) + c1;
x (31) = b11x1(1) + b12 x (21) + b13 x (3o ) + ... + b1nxn(o ) + c1;
.......... .......... .......... .......... .......... .......... .......... ........
xn(1) = b11x1(1) + b12 x (21) + b13 x (31) + ... + b1n xn(o ) + c1;
2-я итерация
x1(2) = b11x1(1) + b12 x 2(1) + b13 x (31) + ... + b1nxn(1) + c1;
x 2(2) = b11x1(2) + b12 x 2(1) + b13 x (31) + ... + b1nxn(1) + c1;
x 3(2) = b11x1(2) + b12 x 2(2) + b13 x (3o) + ... + b1nxn(o) + c1;
..............................................................................
xn(2) = b11x1(2) + b12 x (22) + b13 x (32) + ... + b1nxn(1) + c1;

и т.д.
Пример:
1 ⎫
x1 = (4 + x 2 − x 3 ) ⎪
4 x1 − x 2 + x 3 = 4 ⎫ 4
⎪ 1 ⎪⎪
2x1 + 6x 2 − x 3 = 7⎬ x 2 = (7 − 2x1 + x 3 )⎬
x1 + x 2 − 3x 3 = 0 ⎪⎭ 6 ⎪
1
x 3 = ( x1 + 2x 2 ) ⎪
3 ⎪⎭
Пусть x1(o ) = x (2o ) = x (3o ) = 0 .

1 ⎫ 1 5 8 71 ⎫
x1(1) = ( 4 + 0 − 0) = 1 ⎪ x1(2) = (4 + − ) = ⎪
4 4 6 9 72
1 5 ⎪⎪ 1 71 8 71 ⎪⎪
x (21) = (7 − 2 * 1 + 0) = ⎬ x 2(2) = (7 − 2 + )= ⎬ ………..
6 6⎪ 6 72 9 72 ⎪
1 5 8 ⎪ 1 71 71 71 ⎪
x (31) = (1 + 2 ) = x (32) = ( +2 )=
3 6 9 ⎪⎭ 3 72 72 72 ⎪⎭

Вам также может понравиться