01 - Lineer Denklem Takımlarının Çözümü

BÖLÜM 1
LİNEER DENKLEM TAKIMLARININ ÇÖZÜM YÖNTEMLERİ
1.1- Giriş
1.2 Matrisler
1.3 Lineer denklem takımlarının çözüm yöntemleri
1.3.1 Gauss eliminasyon yöntemi
1.3.2 Gauss-Jordan Yöntemi
1.3.3 Thomas yöntemi
1.3.4 LU Ayrıştırma yöntemleri
1.3.5 Jacobi basit iterasyon yöntemi
1.3.6 Gauss-Sidel iterasyon yöntemi
1.3.7 SOR yöntemi
1.4 Matris tersinin sayısal hesabı

Bölüm 1- Lineer denklem takımlarının çözüm yöntemleri 1
1.1 Giriş
Mühendislik problemlerinin sayısal yöntemlerinin çözümünde çoğu zaman problem bir lineer
denklem takımının çözümü problemine indirgenir ve bu denklem takımının uygun ve hızlı bir
yöntemle çözümü söz konusu olur. Lineer denklem takımları bu amaçla matris formda
yazılarak çözülmeye çalışılır.
Bu bölümde önce matrislerle ilgili bazı hatırlatmalar yapılarak matrislerin tiplerinden ve matris
işlemlerinden kısaca bahsedilecektir.
Daha sonra lineer denklem takımlarının çözümünde kullanılan sayısal yöntemlere yer
verilecektir.
----------------------------------------------------------------------------------------------------------------------------------
M.A. Yükselen, HM504 Uygulamalı Sayısal Yöntemler Ders Notları
1.2 Matrisler
1.2.1 Matris tipleri

 a 11 a 12 a 13 " a1 j " a 1N 
a a 22 a 23 " a2 j " a 2 N 
 21
 a 31 a 32 a 33 " a3 j " a 3N 
 
(M × N) boyutlarındaki
dikdörtgensel matris
[ ]
A = [ A ] = a ij =" " " " " " " 
 a i1 ai2 a i3 " a ij " a iN 
 
" " " " " " " 
a aM2 aM3 " a Mj " a MN 
 M1
 a 11 a 12 a 13 " a1j " a 1N 

a a 22 a 23 " a2j " a 2 N 
 21
 a 31 a 32 a 33 " a3j " a 3N 
Kare matris  
" " " " " " "
(M=N) olan matris  a i1 a i2 a i3 " a ij " a iN 
 
" " " " " " "
a aN2 aN3 " a Nj " a NN 
 N1
α1 0 0 " 0 " 0 

 0 α2 0 " 0 " 0 

 0 0 α3 " 0 " 0 
Köşegen (Diyagonal) matris

[
D N = α i δ ij ] 
=" " " " " " "

 0 0 0 " αi " 0 
 
Köşegen dışında bütün elemanları " " " " " " "
sıfır olan kare matris  0 0 0 " 0 " α N 

1 i= j ise
NOT: δ ij =  Kronecker deltası
0 i≠ j ise
1 0 0 " 0 " 0
0 1 0 " 0 " 0 
 
Birim matris 0 0 1 " 0 " 0 
Bütün köşegen elemanları 1 olan

[ ]
I N = δ ij

= " " " " " " "

0 0 0 " 1 " 0 
köşegen matris  
" " " " " " "
0 0 0 " 0 " 1
 
----------------------------------------------------------------------------------------------------------------------------------
b 0 0 " 0 " 0
0 b 0 " 0 " 0 
Skalar matris 
0 0 b " 0 " 0
Bütün köşegen elemanları bir [bδ ] ij

= " " " " " "

skaler büyüklüğe eşit olan 0 0 0 " b " 0
köşegen matris  
" " " " " "
0 0 0 " 0 " b 

0 0 0 " 0 " 0 
0 0 0 " 0 " 0 
 
Sıfır matrisi 0 0 0 " 0 " 0 
 
O = " " " " " " "
Bütün elemanları sıfıra eşit olan
0 0 0 " 0 " 0 
matris  
" " " " " " "
0 0 0 " 0 " 0 
 
Bol Sıfırlı matris Çoğu elemanı sıfıra eşit olan matris
 a 11 a 12 a 13 " " " a 1N 

Simetrik matris a a 22 a 23 " " " a 2 N 
 12
 a 13 a 23 a 33 " " " a3N 
Köşegene göre simetrik konumlu  
elemanları aynı olan kare matris " " " " " " "
" " " " " " "
 
a ij = a ji " " " " " " "
a a2N a 3N " " " a NN 
 1N
 a 11 a 12 a 13 " " " a 1N 

Çarpık simetrik matris −a
 12 a 22 a 23 " " " a 2 N 
Köşegene göre simetrik konumlu  − a 13 − a 23 a 33 " " " a 3N 
 
elemanları zıt işaretle aynı olan  " " " " " " " 
kare matris  " " " " " " " 
 
a ij = −a ji  " " " " " " " 
− a − a2N − a3N " " " a NN 
 1N
 a 11 a 12 a 13 " a1 j " a 1N 
 0 a 22 a 23 " a2 j " a 2 N 

Üst-üçgensel matris  0 0 a 33 " a3 j " a3N 
 
U =" " " " " " "
Köşegen altındaki bütün
 0 0 0 " a jj " a iN 
elemanları sıfır olan kare matris  
" " " " " " "
 0 0 0 " 0 " a NN 

----------------------------------------------------------------------------------------------------------------------------------
 a11 0 0 " 0 " 0 

a a22 0 " 0 " 0 
 21
Alt-üçgensel matris  a31 a32 a33 " 0 " 0 
 
L=" " " " " " "
Köşegen üstündeki bütün elemanları sıfır
 ai 1 ai 2 ai 3 " aii " 0 
olan kare matris  
" " " " " " "
a aN 2 aN 3 " a Ni " a NN 
 N1
Satır matrisi veya Satır vektörü

[a1 a2 " aN ]
Tek satırdan ibaret olan matris (1 × N )
 a1 
Sütun matrisi veya Sütun vektörü a 
 2
 
Tek süturdan ibaret olan matris (N × 1 ) "
a N 
1  0  0 
     
Birim vektörü 0  , 1  , 0 
0  0  1 
     
 a 11 a 12 a 13 0 0 0 0 
a a 22 a 23 a 24 0 0 0 
 21
Bant matrisi  a 31 a 32 a 33 a 34 a 35 0 0 
 
Köşegen civarındaki bir bant dışında kalan
 0 a 42 a 43 a 44 a 45 a 46 0 
 0 0 a 53 a 54 a 55 a 56 a 57 
bütün elemanları sıfır olan kare matris  
 0 0 0 a 64 a 65 a 66 a 67 
 0 0 0 0 a 75 a 76 a 77 

 a 11 a 12 0 0 0 0 0 
a a 22 a 23 0 0 0 0 
Üç-diyagonalli matris  21
 0 a 32 a 33 a 34 0 0 0 
 
Köşegeniyle altındaki ve üstündeki komşu  0 0 a 43 a 44 a 45 0 0 
elemanları dışında kalan bütün elemanları  0 0 0 a 54 a 55 a 56 0 
sıfır olan bant matris  
 0 0 0 0 a 65 a 66 a 67 
 0 0 0 0 0 a 76 a 77 

----------------------------------------------------------------------------------------------------------------------------------
1.2.2 Matris işlemleri
- Ancak aynı boyutlardaki iki matris toplanabilir ve çıkartılabilir.
Toplama ve çıkartmada matrislerin sırasının bir önemi yoktur.
- Aynı boyutlardaki iki matris ancak karşılıklı elemanları aynı ise birbirine eşittir.
Matrislerin çarpması
- İki matrisin çarpma işleminde A (n × m) ve B (m × r) ise A.B çarpımı

matrislerin sırası ve boyutları önemlidir. mümkündür.
Çarpma yapılabilmesi için birinci matrisin N
sütun sayısının ikinci matrisin satır [aij].[bij]=[cij] cij = ∑ a ik bkj
sayısına eşit olması gereklidir. k =1
Matrislerin çarpmadaki sırası değiştiğinde

A . B ≠ B.A
genel olarak çarpım sonucu aynı olmaz
- Bir matrisin bir skalerle çarpımı,

matrisin herbir elemanının bu skalerle k.A= C cij =k. aij
çarpımı anlamına gelir.
 b1 
b 
 
- Vektörlerin skaler çarpımı [a1 a2 " a N ] ⋅  2  = [a1 b1 + a 2 b2 + " + a N b N ]
" 
b N 
 a1   a1 b1 a 1 b2 " a1b N 
- Vektörlerin dış çarpımı a  a b a 2 b2 " a 2 b N 
 2
  ⋅ [b1 b2 " bN ] =  2 1
"   " " " " 
(outer product)  
a N  a N b1 a N b2 " a N bN 
Matrisin transpozesi
Matrisin transpozesi aynı  a11 a12 " a1N   a11 a 21 " aN1 
diyagonal elemanını içeren a a 22 " a 2 N  a a 22 " a N 2 
satır elemanlarıyla sütun A =  21 → A T =  12
" " " " " " " "
elemanlarının yerleri    
değiştirilerek elde edilir. a N 1 aN2 " a NN  a1N a2 N " a NN 
Matrisi transpozesinin transpozesi T

matrisin kendisine eşittir. (AT) = A
Matrisin izi (Trace)
N
Diyagonal elemanlarının toplamıdır Tr ( A) = ∑ a ii
i =1
----------------------------------------------------------------------------------------------------------------------------------
Matrisin minörleri
Bir kare matrisin herhangi bir aij elemanının minörü, bu elemanın üzerinde yer aldığı i ‘inci
satırdaki ve j ‘inci sütundaki bütün elemanlar çıkartıldıktan sonra kalan matrisin determinantı
olarak tanımlanır.
a11 a12 " a 1 j −1 a1 j +1 " a1N

 a11 a12 " a1 j " a1 N 
a a 21 a 22 " a 2 j −1 a 2 j +1 " a2N
 21 a 22 " a2 j " a 2 N 
" " " " " " "
" " " " " "
A=  M ij = a i −1,1 a i −1, 2 " a i −1, j −1 a i −1, j +1 " a i −1, N
 a i1 ai 2 " a ij " a iN 
a i +1,1 a i +1, 2 " a i +1, j −1 a i +1, j +1 " a i +1, N
" " " " " "
  " " " " " " "
a N 1 aN2 " a Nj " a NN 
aN1 aN2 " a Nj −1 a Nj +1 " a NN
Matrisin kofaktörleri
Bir kare matrisin herhangi bir aij elemanının kofaktörü, bu elemanın minörünün (-1)i+j ile
çarpımı olarak tanımlanır.
Matrisin determinantı
Bir matrisin determinantı herhangi bir satırındaki veya herhangi bir sütünundaki bütün
elemanların kofaktörleriyle çarpımlarının toplamı olarak tanımlanır.
a11 a12 a13 " a1i " a1 j " a1N

a 21 a 22 a 23 " a 2i " a2 j " a2N
a 31 a 32 a 33 " a 3i " a3 j " a3N
" " " " " " " " "
N N
det A = [ A] = a i 1 ai 2 ai 3 " a ii " a ij " a iN = ∑ a ik M ik (− 1)i + k = ∑ a kj M kj (− 1)k + j
i =1 j =1
" " " " " " " " "
a j1 a j2 a j3 " a ji " a jj " a jN
" " " " " " " " "
aN1 aN2 aN3 " a Ni " a Nj " a NN
Matrisin özdeğerleri ve özvektörleri
Bir matrisin özdeğerleri karakteristik polinomunun kökleri olarak tanımlanır.
a11 − λ a12 " a1 N

a 21 a 22 − λ " a2 N
Karakteristik polinom p A (λ ) = det ( A − λ I ) = A − λ I =
" " " "
aN1 aN 2 " a NN − λ
Özdeğerler pA(λ) = 0 eşitliğini sağlayan (λi, i=1,2,…N) kökleri
Özvektörler Aw = λw eşitliğini sağlayan {wj} vektörleri
----------------------------------------------------------------------------------------------------------------------------------
Matrisin tersi
Bir A matrisinin tersi A.B = In eşitliğini sağlayan B matrisidir.
Bir matrisin tersi, bu matristen oluşturulan ek matrisin bu matrisin determinantına bölümü ile
elde edilir.
Burada geçen ek matris ise matrisin elemanlarının kofaktörlerinde oluşturulan matrisin

transpozesidir.
1 3 3 
Örnek A = 1 4 3 
1 3 4 
 4 3 1 3 1 4 
 − 
 3 4 1 4 1 3 
 7 − 1 − 1
 3 3 1 3 1 3 
Kofaktörler matrisi K = − − = −3 1 0 
 3 4 1 4 1 3 
− 3 0 1 
 3 3 1 3 1 3  
 − 
 4 3 1 3 1 4 
 7 − 3 − 3
Ek matris E = − 1 1 0 
− 1 0 1 
1 3 3 
4 3 3 3 3 3
Matrisin determinantı det( A) = 1 4 3  = 1 −1 +1 =7 − 3 − 3 = 1
3 4 3 4 4 3
1 3 4 
 7 − 3 − 3
Ters matris A −1
= − 1 1 0 
− 1 0 1 
1 3 3   7 − 3 − 3 1 0 0 
Kontrol AA −1
= 1 4 3  ⋅ − 1 1 0  = 0 1 0  = I 3
1 3 4  − 1 0 1  0 0 1
----------------------------------------------------------------------------------------------------------------------------------
1.3. Lineer denklem takımlarının sayısal çözümü
Bir lineer denklem takımını genel olarak
a 11 x 1 + a 12 x 2 + a 13 x 3 " + a 1 N x N = b1
" + a 1i x 3 " + a 1 j x 3
a 21 x 1 + a 22 x 2 + a 23 x 3 " + a 2 N x N = b2
" + a 2i x 3 " + a 2 j x 3
a 31 x 1 + a 32 x 2 + a 33 x 3 " + a 3 N x N = b3
" + a 3i x 3 " + a 3 j x 3
" " " " " " " " " "
a i1 x 1 + a i 2 x 2 + a i3 x 3 + a ii x 3 + a ij x 3 + a iN x N = b i (1.1)
" " " " " " " " " "
a j1x 1 + a j2 x 2 + a j3 x 3 + a ji x 3 + a jj x 3 + a jN x N = b j
" " " " " " " " " "
a N 1 x 1 + a N 2 x 2 + a N 3 x 3 " + a Ni x 3 " + a Nj x 3 " + a NN x N = b N
veya matris formda
 a 11 a 12 a 13 " a 1i " a1 j " a 1N   x 1   b1 

a a 22 a 23 " a 2i " a2 j " a 2 N   x 2  b 
 21    2
 a 31 a 32 a 33 " a 3i " a3 j " a3N   x 3   b3 
     
" " " " " " " " "  " " 
 a i1    
ai2 a i3 a ii a ij a iN  ⋅  x i  =  bi  (1.2)
    " 
" " " " " " " " " "
   
a a j2 a j3 a ji a jj a jN   x j  b j 
 j1 
" " " " " " " " "   "   
" 
 
a N 1 aN2 a N 3 " a Ni " a Nj " a NN   x N  b N 
şeklinde ifade etmek mümkündür.
Lineer denklem takımlarının sayısal çözümlenmesinde kullanılan yöntemleri
-Eliminasyon Yöntemleri:
- İteratif Yöntemler:
olarak sınıflandırmak mümkündür.
Eliminasyon yöntemlerinde en çok bilinen birisi ”Gauss eliminasyon yöntemi“ ve türevleridir. Bu

yöntemlerde bazen pivot uygulamalarına gerek duyulur. Bir diğer grup etkin eliminasyon
yöntemi ”LU ayrıştırma yöntemleri“ olarak bilinir.
Büyük lineer denklem takımları için genel olarak iteratif yöntemler tercih edilir. Bunlar arasında
“Jacobi basit iterasyon yöntemi”, Gauss-Seidel iterasyon yöntemi” ve “Ardarda aşırı gevşetme
(Succesive Over Relaxation – SOR) yöntemi sayılabilir.
Katsayılar matrisinin bir bant matrisi olması ve blok bant matrisi olması gibi durumlarda daha
özel yöntemler gerekmektedir. Örneğin üç-diyagonalli bant matrisler halinde “Thomas
yöntemi” tercih edilmektedir.
----------------------------------------------------------------------------------------------------------------------------------
1.3.1- Gauss eliminasyon yöntemi
Gauss-eliminasyon yöntemi dolu ve diyagonal elemanları baskın olan matrislerin çözümü için
uygun bir yöntemdir. İki aşamalıdır:
- Üst-üçgenselleştirme aşaması
Lineer denklem sistemindeki denklemlerden herhangi birinin iki tarafının sıfırdan farklı bir
sayıyla bölünmesi veya çarpılması denklemi değiştirmez. Yine bu denklemlerden ikisinin
birbiriyle toplanması veya çıkartılması lineer denklem takımının çözümünü değiştirmez.
Buna göre (1.1a) denklem sistemindeki birinci denklemin her iki tarafı a11 ile bölündükten
sonra sırasıyla
- a21 ile çarpılıp ikinci denklemden çıkartılarak

- a31 ile çarpılıp üçüncü denklemden çıkartılarak
............
- ai1 ile çarpılıp i ’inci denklemden çıkartılarak
............
- aN1 ile çarpılıp N ’inci denklemden çıkartılarak
denklem sistemi matris formda
a 11
( 1) (1)
a 12 ( 1)
a 13 " a 1( i1 ) " a 1( 1j ) " a 1( 1N)   x 1  b1( 1 ) 
   (2) 
 0
(2)
a 22 (2)
a 23 " a 2( 2i ) " a 2( 2j ) " a 2( 2N)   x 2  b 2 
 0 (2)
a 32 (2)
a 33 " a 3( i2 ) " a 3( 2j ) " a 3( 2N)   x 3  b 3( 2 ) 
     
" " " " " " " " "  " "
 0    (2) 
a i( 22 ) a i(32 ) a ii( 2 ) a ij( 2 ) a iN( 2 )  ⋅  x i  = b i  (1.3)
    "
" " " " " " " " " "
   
 0 a (j 22 ) a (j 23 ) a (ji2 ) a (jj2 ) a (jN2 )   x j  b (j 2 ) 
    
" " " " " " " " "  " "
 
 0 a (N22) a (N23) " a (Ni2 ) " a (Nj2 ) " a (NN2 )   x N  b N( 2 ) 
şekline getirilebilir. Burada
  a ij( 1 ) = a ij  
   
  a (
1j
1 )  ; j = 1,2,....N 
  a ij( 2 ) = a ij( 1 ) − ( 1 ) ⋅ a i(11 )  
  a 11   ; i = 2,3,.... N
 ( 1)

 b 
 b i( 2 ) = b i( 1 ) − 1( 1 ) ⋅ a i(11 ) 
 a 11 
Benzeri işlemler ikinci denklem ile sonraki denklemler arasında tekrarlanarak (1.3.3) denklem
sistemi
----------------------------------------------------------------------------------------------------------------------------------
a11
(1) ( 1)
a12 (1)
a13 " a1(1i) " a1(1j) " a1(1N)   x1  b1(1) 
 (2) (2)     
 0 a 22 a 23 " a 2( 2i ) " a 2( 2j) " a 2( 2N)   x 2  b2( 2 ) 
 0 0 (3)
a 33 " a 3( 3i ) " a 3( 3j) " a 3( 3N)   x 3  b3( 3 ) 
     
" " " " " " " " "  "   " 
 0 (3)      (1.4)
0 a i(33 ) a ii( 3 ) a ij(3 ) a iN ⋅ x = (3)
   i  bi 
" " " " " " " " "  "   " 
     
 0 0 a (j33) a (ji3 ) a (jj3 ) a (jN3 )   x j  b (j 3 ) 
"    
" " " " " " " "  "   " 
 ( 3)  
a N( 33)   x N  b N 
(3) (3) (3)
 0 0 " a Ni " a Nj " a NN
şekline getirilebilir. Burada da
 (3) a (2) 
 a ij = a ij( 2 ) − 2 j ⋅ a i(22 ) ; j = 2,3,.... N 
 (2)
a 22 
 (2)  ; i = 3,4 ,.... N
b ( 3) = b ( 2) − b2 ⋅ a ( 2 ) 
 i i (2)
a 22
i2 
 
Bu işlemler sondan bir önceki denklem ile sonuncu denklem arasında gerçekleştirilinceye kadar
tekrar edilecektir.
Tekrarlanan bu işlemler genelleştirmek amacıyla herhangi bir k ‘ıncı aşamada yazılırsa denklem
sistemi matris formda
a 11
( 1) ( 1)
a 12 " " " " " " a 1( 1N)   x 1   b1( 1 ) 
   
 0
(2)
a 22 " " " " " " a 2( 2N)   x 2   b2( 2 ) 
 0 0 " " " " " " a 3( 3N)   x 3   b3( 3 ) 
     
 0 0 a k( k−1−,1k)−1 " " " " " "  "   " 
 0 (k )      (1.5)
0 0 a kk( k ) a kk( k +)1 a kj( k ) a kN ⋅  x i  =  bi( k ) 
 
 0 0 0 0 " " " " "  "   " 
 0    
 0 0 0 a ( k +1 )
ik +1 a ( k +1 )
ij a iN( k +1 )   x j  b (j k +1 ) 
 0    
0 0 0 " " " " "  "   " 
 
 0 0 0 0 a ( k +1 )
Nk +1 " a (Njk +1 ) " a (NNk +1 )   x N  b N( k +1 ) 
şekline gelir. Burada
  ( k +1 ) a(k )  
  a ij = a ij( k ) − kj( k ) ⋅ a ik( k ) ; j = k , k + 1,....N  
  a kk  
  (k )  ; i = k + 1, k + 2,....N  ; k = 1,2,....N − 1
  b ( k +1 ) = b ( k ) − bk ⋅ a ( k )  
  i i
a kk( k )
ik  
   
dir.
Bütün tekrar aşamalarından sonra denklem sistemi, katsayılar matrisi üst-üçgensel bir matris
halini alarak
----------------------------------------------------------------------------------------------------------------------------------
a 11
( 1) ( 1)
a 12 (1)
a 13 " a 1( i1 ) " a 1( 1j ) " a 1( 1N)   x 1   b1( 1 ) 
 (2) (2)     
 0 a 22 a 23 " a 2( 2i ) " a 2( 2j ) " a 2( 2N)   x 2   b2( 2 ) 
 0 0 (3)
a 33 " a 3( 3i ) " a 3( 3j ) " a 3( 3N)   x 3   b3( 3 ) 
     
" " " " " " " " "  "   " 
 0    
0 0 " a ii( i ) a ij( i ) " a iN( i )  ⋅  x i  =  bi( i )  (1.6)
    
" " " " " " " " "  " " 
   
 0 0 0 " 0 a (jjj ) " a (jNj )   x j   b (j j ) 
    
" " " " " " " " "  "   " 
 
 0 0 0 " 0 " 0 " a (NNN −1 )   x N  b N( N −1 ) 
şekline gelir.
- Geri süpürme aşaması
Katsayılar matrisi üst-üçgensel hale getirilen denklem sisteminin çözümü en son bilinmeyenden
başlanarak geriye doğru gerçekleştirilir.
Bu işlemler sırasında indislerin karışmaması için denklem sistemini, katsayılarına yeni isim
vererek
d 11 x 1 + d 12 x 2 + d 13 x 3 " + d 1i x i " + d 1 j x j " + d 1 N −1 x N −1 + d 1 N x N = e1

d 22 x 2 + d 23 x 3 " + d 2 i x i " + d 2 j x j " + d 2 N −1 x N −1 + d 2 N x N = e2
d 33 x 3 " + d 3 i x i " + d 3 j x j " + d 3 N −1 x N −1 + d 3 N x N = e3
" " " " " " " " " "
d ii x i + d ij x j + d iN −1 x N −1 + d iN x N = ei (1.7)
" " " " " " " " " " "
" " " " " " " " + d N −1 , N − 1 x N − 1 + d N −1 , N x N = e N −1

+ " " " d NN x N = e N
şeklinde yazalım. Buna göre sonuncu bilinmeyen en son denklemden kolaylıkla
eN
xN =
d NN
ve sondan bir önceki bilinmeyen de bir önceki denklem kullanılarak
e N −1 − d N − 1 , N x N
x N −1 =
d N − 1 , N −1
şeklinde hesaplanabilir. Bu işlemler birinci denklemden birinci bilinmeyen bulununcaya kadar

tekrar edilir. Genelleştirme amacıyla geri-süpürme işleminin herhangi bir i ’inci aşaması için
N
ei − ∑d
j =i +1
ij xj
xi = ; i = N − 1, N − 2,....2,1
d ii
algoritması yazılabilir.
----------------------------------------------------------------------------------------------------------------------------------
Gauss-Eliminasyon yönteminin bilgisayar uygulaması
Bilgisayar uygulamasında lineer denklem takımının katsayılar matrisi bir kare matris yerine
sütun sayısı satır sayısından bir fazla olan bir dikdörtgensel matris şeklinde tanımlanıp sağ
taraf vektörü de bu matrisin en son sütununa yerleştirilerek bütün işlemler bu matris üzerinde
yapılabilir.
 a 11 a 12 a 13 " a 1i " a1 j " a 1 N a 1 N +1 

a a 22 a 23 " a 2i " a2 j " a 2 N a 2 N +1 
 21
 a 31 a 32 a 33 " a 3i " a3 j " a 3 N a 3 N +1 
 
" " " " " " " " " " 
 a i1 ai2 a i3 a ii a ij a iN a iN +1  (1.8)
 
" " " " " " " " " " 
a a j2 a j3 a ji a jj a jN a jN +1 
 j1 
" " " " " " " " " " 
 
a N 1 aN2 a N 3 " a Ni " a Nj " a NN a NN +1 
Şayet katsayılar matrisinin bir başka amaç için aynen saklanması gerekiyorsa bir başka
matriste yedeklenmesinde yarar vardır.
Bu durumda üst-üçgenselleştirme aşamasının k ‘ıncı adımında katsayılar matrisi
a 11 a 12 " " " " " a 1N a 1 N +1 

 
0 a 22 " " " " " a2N a 2 N +1 
0 0 " " " " " " " 
 
0 0 a kk a kk +1 " a kj " a kN a kN +1 
0 0 0 a k +1k +1 " a k + 1 j " a k +1 N a k +1 N + 1  (1.9)
 
0 0 0 " " " " " " 
0 0 0 a ik +1 " a ij " a iN a iN +1 

0 0 0 " " " " " " 
 
 0 0 0 a Nk +1 " a Nj " a NN a NN +1 
gerekli bilgisayar algoritmaları
  P ← a ik / a kk  
   ; i = k + 1, k + 2,....N  ; k = 1,2,....N − 1
  a ij ← a ij − a kj ⋅ P ; j = k + 1, k + 2,....N + 1 
ve geri-süpürme aşamasında gerekli algoritmalar da
a NN +1
xN =
a NN
N
a iN +1 − ∑a
j = i +1
ij xj
xi = ; i = N − 1, N − 2,....2,1
a ii
şeklinde yazılabilir.
----------------------------------------------------------------------------------------------------------------------------------
Örnek uygulama
 4 − 2 1  x 1  15 
Denklem sistemi − 3 − 1 4  ⋅ x  =  
   2 8
 1 − 1 3   x 3  13
 
 4 − 2 1 15 
Katsayılar matrisi − 3 − 1 4 8 
 
 1 − 1 3 13
4 − 2 1 15 
Birinci sütun sıfırlanarak R 2 − ( −3 / 4 ) × R 1 → 0 − 2.5 4.75 19.25 
 
R3 − (1 / 4 ) × R1 → 0 − 0.5 2.75 9.25 
4 − 2 1 15 
İkinci sütun sıfırlanarak 0 − 2.5 4.75 19.25 
 
R3 − ( −0.5 / − 2.5) × R 2 → 0 0 1.80 5.40 
5.40
Geri süpürme ile x3 = =3
1.80
19.25 − 4.75 × 3
x2 = = −2
− 2.5
15 − [(− 2 ) × (− 2 ) + 1 × 3]
x1 = =2
4
Uyarı
Bazı matrislerde üst- a 11 a 12 a 13 " " " " a 1N a 1 N +1 

üçgenselleştirme aşamasının  
0 a 22 a 23 " " " " a2N a 2 N +1 
herhangi bir adımında, daha
önce yapılmış olan işlemlerin 0 0 a 33 " " " " " " 
 
sonucunda akk diyagonal 0 0 a k −1 k −1 a k −1k a k −1 k + 1 " a k −1 N a k −1 N + 1 
elemanının değeri sıfır olabilir. 0 0 0 0 0 a kk +1 " a kN a kN +1 
Bu gibi durumlarda sıfırla  
bölme sorunu nedeniyle 0 0 0 0 a k + 1k a k + 1k + 1 " a k +1 N a k +1 N + 1 
yukarıda izah edilen Gauss 0 0 0 0 a k +2k a k + 2 k +1 " a k + 2 N a k + 2 N +1 

yoketme yöntemi devam 0 0 0 " " " " " " 
ettirilemez.  
0 0 0 0 a Nk a Nk +1 " a NN a NN +1 
Bu sorunu gidermenin bir yolu
kısmi pivot uygulamasıdır.
Gauss yoketme yönteminde pivot uygulamaları
Lineer bir denklem takımındaki iki denklemin sırasının değiştirilmesi çözümü hiçbir şekilde
değiştirmez.
Buna göre Gauss yönteminin üst-üçgenselleştirme aşamasında herhangi bir k ıncı adımda akk
diyagonal elemanı sıfır olmuşsa, bundan sonraki denklemlerden, bu diyagonal elemanının
altındaki elemanı sıfır olmayan herhangi birisinin yeri k’ıncı denklemle değiştirilebilir. Bu
uygulamaya “kısmi pivot uygulaması” denir.
----------------------------------------------------------------------------------------------------------------------------------
Sıfır diyagonal altındaki elemanlardan herhangi birisi yerine maksimum olanı tercih edilerek bu
denklemin yeri değiştirilirse bu stratejiye de “maksimum pivot stratejisi” adı verilir.
Katsayılar matrisinde başlangıçtan itibaren veya Gauss eliminasyon yönteminin üst-

üçgenselleştirme aşamasının herhangi bir adımında diyagonal elemanlarından birinin veya bir
çoğunun sıfır olması yanında küçük olması halinde de maksimum pivot stratejisi uygulanması
yararlı olur.
Maksimum pivot stratejisi genel olarak katsayılar matrisinin, en büyük elemanları diyagonal
üzerine gelecek şekilde satırlarının ve sütunlarının yerlerinin değiştirilmesi şeklindedir.
Katsayılar matrisinin iki satırının (sağ taraf elemanı da dahil olmak üzere) yer değiştirmesinin
çözümü değiştirmeyeceği daha önce de belirtilmişti.
Katsayılar matrisinde iki sütunun yer değiştirmesi ise bilinmeyenlerin sırasının değiştirilmesi
anlamına gelir ki bilinmeyenlerin sırasının bu işlemler boyunca nasıl değiştiğinin tespit edilmesi
ve çözüm elde edildikten sonra bilinmeyenlerin sırasının eski haline getirilebilmesi için bir
sıralama işlemi yapılması gerekir.
Örnek  2 1 1 5  x 1  9

 2 5 3 1   x 2  11
 
Yandaki 4 bilinmeyenli denklem sisteminde katsayılar ⋅  =  
matrisinin en büyük elemanı (maksimum pivot) 6 değerine  4 2 2 2  x 3  5
 
sahip olup dördüncü satırın üçüncü sütununda yer  2 3 6 1   x 4  12 
almaktadır.
Bu maksimum pivotun ilk diyagonal elemanı olması için:  2 3 6 1  x 1  12 

 2 5 3 1  x  11
- önce birinci satırla dördüncü satırın yerlerinin değişmesi   ⋅  2  =  
 
 4 2 2 2  x 3  5
     9 
 2 1 1 5  x 4 
- sonra da birinci sütunla üçüncü sütunun yerlerinin 6 3 2 1   x 3  12 

değişmesi gerekmektedir. Ancak bu sütun değişikliği 3 5 2 1   x  11
durumunda bilinmeyenler vektöründe birinci bilinmeyen ile   ⋅  2  =  
üçüncü bilinmeyeni yerinin de değiştirilmesi gerekir. 2 2 4 2   x1   5 
     
1 1 2 5  x4   9 
İkinci aşamada katsayılar matrisinin birinci satır ve sütunu dışında kalan diğer elemanları
arasından yeni bir pivot seçilecektir. En büyük iki elemanın da değeri 5 olup bunlardan birisi
ikinci köşegen üzerinde yer almaktadır. Buna göre zaten pivot köşegen üzerinde olduğundan
bir değişikliğe gerek olmayacaktır.
Üçüncü aşamada katsayılar  6 3 2 1   x3  12   6 3 1 2   x3  12 

matrisinin birinci ve ikinci  3 5 2 1   x  11      
satırları ve sütunları dışında   ⋅  2  =   →  3 5 1 2  ⋅  x 2  = 11
kalan diğer elemanları  1 1 2 5   x1   9   1 1 5 2   x4   9 
       
arasından yeni bir pivot  2 2 4 2   x4   5   2 2 2 4   x1   5 
aranacaktır. Bu pivot
dördüncü satır ve dördüncü
sütunda yer alan 5 değeri olup, buna göre önce dördüncü satırla üçüncü satırın, ardından da
dördüncü sütunla üçüncü sütunun yerlerinin değişmesi gerekmektedir.Ayrıca bilinmeyenler
vektöründe üçüncü ve dördüncü sırada yer alan bilinmeyenlerin yerleri de değişecektir.
Görüldüğü gibi satırların yerleri değişmekle birlikte bilinmeyenlerin sırası değişmemiştir. Ancak
sütunların yeri değişirken bilinmeyenlerin de yerleri değişmiştir.
----------------------------------------------------------------------------------------------------------------------------------
Bu şekilde pivotlanan denklem sistemine bundan sonraki aşamada Gauss-Eliminasyon Yöntemi

uygulanarak bilinmeyenler
x 3 = 1.312 , x 2 = 1.469 , x 4 = 1.625 , x1 = −0.953
olarak elde edilir.
Ancak bilgisayar uygulamasında bilinmeyenler bir x dizisi içerisinde olacak ve çözüm bu dizi
içerisinde
x1 = −0.953 , x 2 = 1.469 , x 3 = 1.312 , x 4 = 1.625
şeklinde farklı bir sıra ile yer alacaktır. İşte bu nedenle pivotlama boyunca sütunların nasıl yer
değiştiğinin tespit edilmesi ve çözümden sonra x dizisi içindeki bilinmeyen değerlerinin gerekli
sıraya konulması gerekmektedir.
Gauss yoketme yönteminde LU ayrıştırma uygulaması
Gauss eliminasyon yönteminde diyagonal altındaki elemanların sıfırlanması için yapılan aik/akk
bölme işleminin sonucu, diyagonalin altında sıfır olması gereken elemanın yerine yazıldığı
taktirde, sonuçta üst-üçgensel olması gereken matrisin diyagonal altında yeni bir matris oluşur.
 4 − 2 1 15 
Örnekolarak daha önceki denklem takımı alınırsa − 3 − 1 4 8 
 
 1 − 1 3 13
4 − 2 1 15   4 −2 1 15 
R 2 − ( −3 / 4 ) × R 1 → 0 − 2.5 4.75 19.25  yerine − 3 / 4 − 2.5 4.75 19.25 
   
R3 − (1 / 4 ) × R1 → 0 − 0.5 2.75 9.25   1 / 4 − 0.5 2.75 9.25 
 
4 − 2 1 15   4 −2 1 15 
0 − 2.5 4.75 19.25  yerine − 3 / 4 − 2.5 4.75 19.25 
   − 0.5 
− 0.5 0 0 1.80 5.40 
R3 − ( ) × R2 →  1/ 4 1.80 5.40 
− 2.5  − 2.5 
 4 −2 1 
Böylece katsayılar matrisi − 0.75 − 2.5 4.75 
 
 0.25 0.20 1.80 
 1 0 0  4 − 2 1 
şeklini alır. Bu matris − 0.75 1 
0  ⋅ 0 − 2.5 4.75 


 0.25 0.20 1 0 0 1.80 
şeklinde düzenlenirse, buradaki alt-üçgensel matrisle üst-üçgensel matrisin çarpımının

yukarıdaki orijinal katsayılar matrisini verdiği gösterilebilir.
 1 0 0  4 − 2 1   4 − 2 1
Yani − 0.75 1 
0  ⋅ 0 − 2.5 4.75  = − 3 − 1 4 


 0.25 0.20 1 0 0 1.80   1 − 1 3 
Böylece katsayılar matrisi A=L.U şeklinde çarpanlara ayrıştırılmış olmaktadır.
----------------------------------------------------------------------------------------------------------------------------------
NOT:
LU çarpanlara ayırma işlemi bir matrisin determinantının hesabı için etkin bir yöntemdir. Şöyle
ki:
Yukarıdaki örnekte söz konusu olana katsayılar matrisinin determinantı, kofaktörler yardımıyla
hesaplanırsa
4 −2 1
−1 4 −2 1 −2 1
det( A) = − 3 − 1 4 = 4 − (−3) +1 = 4 × 1 + 3 × (−5) + 1 × (−7 ) = −18
−1 3 −1 3 −1 4
1 −1 3
şeklinde elde edilir.
Diğer taraftan iki matrisin çarpımının determinantı bu matrislerin determinantlarının çarpımına

eşittir. Buna göre örnekteki matrisin determinantı bunun LU çarpanlarının determinantları
çarpımına eşit olacaktır.
1 0 0 4 −2 1
det( A) = − 0.75 1 0 × 0 − 2.5 4.75
− 0.25 0.20 1 0 0 1.80
Bu matrislerin her birinin determinantlarının diyagonal elemanları çarpımına eşit olduğu

kolaylıkla görülmektedir. Buna göre
det( A) = (1 × 1 × 1) × (4 × −2.5 × 1.80 ) = −18
elde edilir.
1.3.2 Gauss-Jordan Yöntemi
Gauss-eliminasyon yöntemindeki geri-süpürme aşaması üst-üçgenselleştirme aşamasıyla

birleştirilebilir.
Bu tipteki yöntemlerden biri olan Gauss-Jordan yönteminde diyagonal altındaki elemanlar sıfır
yapılırken aynı anda diyagonal üzerindeki elemanlar da sıfırlanır, ayrıca diyagonal
elemanlarının değerleri 1 yapılır. Böylece işlemlerin sonucunda katsayılar matrisi birim matrise
dönüşürken sağ taraf vektörü de bilinmeyenler (yani çözüm) vektörüne dönüşür.
Örnek uygulama
 0 2 0 1 0 
 2 2 3 2 − 2 
Örnek katsayılar matrisi 
 4 −3 0 1 −7 
 
 6 1 −6 −5 6 
 6 1 −6 −5 6 
 2 2 3 2 − 2 
1 ve 4 üncü satırların yeri değiştirilerek 
 4 −3 0 1 −7 
 
 0 2 0 1 0 
----------------------------------------------------------------------------------------------------------------------------------
 1 0.1667 − 1 − 0.8333 1 
 2 2 3 2 − 2 
1 inci satır diyagonal elemanıyla bölünerek 
 4 −3 0 1 −7 
 
 0 2 0 1 0 
 1 0.1667 − 1 − 0.8333 1 
 0 1.6667 5 3.6667 − 4 
1. diyagonal altındaki elemanlar sıfırlanarak 
 0 − 3.6667 4 4.3334 − 11 
 
 0 2 0 1 0 
 1 0.1667 − 1 − 0.8333 1 
 0 − 3.6667 4 4.3334 − 11 
2. ve 3. satırların yerini değiştirerek 
 0 1.6667 5 3.6667 −4 
 
 0 2 0 1 0 
 1 0.1667 −1 − 0.8333 1 
 0 1 − 1.0909 − 1.1818 3 
2. satırı diyagonal elemanıyla bölerek 
 0 1.6667 5 3.6667 −4 
 
 0 2 0 1 0 
 1 0 − 0.8182 − .0.6364 0.5 

 0 1 − 1.0909 − 1.1818 3 
2. diyagonal üst ve altındaki elemanları sıfır yaparak 
 0 0 6.8182 5.6364 − 9 
 
 0 0 2.1818 3.3636 −6 
 1 0 − 0.8182 − .0.6364 0. 5 
 0 1 − 1.0909 − 1.1818 3 
3. satırı diyagonal elemanıyla bölerek  
 0 0 1 0.8267 − 1.32 
 
 0 0 2.1818 3.3636 −6 
 1 0 0 0.0400 − 0.58 
 0 1 0 − 0.2800 1.56 
3. diyagonal üst ve altındaki elemanları sıfır yaparak 
 0 0 1 0.8267 − 1.32 
 
 0 0 0 1.5600 − 3.12 
 1 0 0 0.0400 − 0.58 
 0 1 0 − 0.2800 1.56 
4. satırı diyagonal elemanıyla bölerek 
 0 0 1 0.8267 − 1.32 
 
 0 0 0 1 −2 
 1 0 0 0 − 0. 5 
 0 1 0 0 1. 
4. diyagonal üstündeki elemanları sıfır yaparak 
 0 0 1 0 0.3333 
 
 0 0 0 1 −2 
Son sütundaki elemanlar bilinmeyenlerin çözümüdür.
----------------------------------------------------------------------------------------------------------------------------------
İşlem sayısı
Gauss eliminasyon yönteminde her iki aşamada yapılan işlemlerin toplam sayısı (2n³/3+3n²/2-
7n/6) olup işlem mertebesini kısaca (2n³/3) olarak belirmek mümkündür.
Buna karşılık Gauss-Jordan yöntemindeki işlem mertebesi (n³) olup Gauss eliminasyon
yöntemine kıyasla yaklaşık %50 kadar daha fazla işlem yapılır.
Ölçeklendirme
Eliminasyon yöntemlerinde katsayılar matrisinin elemanlarının büyüklükleri arasında çok fazla

farklılıklar varsa bu durum işlemler sırasında önemli yuvarlatma hatalarına yol açabilir. Bunu
önlemenin bir yolu her bir denklemin katsayılarını bu katsayıların en büyüğü ile bölmektir.
 3 2 100 105 
Örnek  − 1 3 100 102 
 
 1 2 − 1 2 
Denklem sisteminde ilk iki denklemdeki en büyük katsayılar 100 iken sonuncu denklemin en
büyük katsayısı 2 dir. Buna göre ilk iki denklemi 100 ile ve sonuncu denklemi de 2 ile bölerek
çözümleme işlemlerini
 0.03 0.02 1 1.05 

 − 0.01 0.03 1 1.02 

 0.5 1 − 0. 5 1 
denklem sistemi üzerinde yapmak yuvarlatma hatalarını azaltacaktır.
1.3.3- Thomas yöntemi
Hesaplamalı akışkanlar dinamiğinde ve Hesaplamalı mühendisliğin bazı problemlerinde zaman

zaman üç-diyagonalli katsayılar matrisine sahip lineer denklem takımlarıyla karşılaşılır. Üç-
diyagonalli katsayılar matrisine sahip böyle bir lineer denklem takımı matris biçiminde normal
olarak aşağıdaki gibi gösterilebilir.
 a11 a12 0 ." ." ." 0   x1   b1 

 a a 22 a 23 ." ." ." 0     
 21   x 2   b2 
 0 a 32 a 33 ." ." ." 0   x 3   b3 
     
 ." ." ." ." ." ." ."  ⋅ ." = ."
 0 0 0 a i , i −1 a i ,i a i ,i + 1 0   xi   bi 
     
 ." ." ." ." ." ." ."  ." ."
 0
 0 0 0 0 a N , N −1 a NN   x N  b N 
Ancak katsayılar matrisinin çoğu sıfır olan elemanları için bilgisayar hafızasında gereksiz yer
işgal etmemek ve gereksiz işlemlerden kaçınmak amacıyla (N×N) boyutlarında bir katsayılar
matrisi yerine (N×3) boyutlarında bir katsayılar matrisi kullanacak biçimde bir düzenleme ve
buna uygun bir çözüm algoritması kullanılması tercih edilir.
Çözüm için çok tercih edilen bir yöntem Thomas algoritmasıdır. Thomas algoritması aslında
Gauss eliminasyon yönteminin üç kolonlu bir dikdörtgensel matris kullanılarak yapılan özel bir
uygulamasıdır.
----------------------------------------------------------------------------------------------------------------------------------
Yukarıdaki denklem sistemi
ai ,i −1 → li ; aii → di ; ai ,i +1 → ui ; bi → ri
olmak üzere düzenlenirse:
 d1 u1 0 ." ." ." 0   x1   r1 

 l2 d2 u2 ." ." ." 0   x 2   r2 

 0 l3 d3 ." ." ." 0   x 3   r3 
     
 ." . " . " ." ." ." ."  ⋅ ." = ."
 0 0 0 li d i ui 0   x i   ri 
     
 ." . " . " ." ." ." ."  ." ."
    
 0 0 0 0 0 lN d N   x N   rN 
Gauss eliminasyon yönteminin esasının diyagonal altında kalan bütün elemanların sıfır olmasını
sağlayacak işlemler olduğu hatırlanırsa bu denklem sistemindeki ilk denklem l2 ile ve ikinci
denklem de d1 ile çarpılıp birinci denklem ikincisinden çıkarıldıktan sonra her iki taraf d1 ile
bölünerek
l 2 d 1 x1 + l 2 u 1 x 2 = l 2 r1  l u  rl
⇒  d 2 − 2 1  x 2 + u 2 x 3 = r2 − 1 2
d 1 l 2 x1 + d 1 d 2 x 2 + d 1 u 2 x 3 = d 1 r2  d1  d1
elde edilir. Böylece ikinci denklemdeki x1 bilinmeyeni yok edilmiş veya diğer bir deyişle
katsayılar matrisinde diyagonal elemanının altındaki katsayı sıfırlanmış olmaktadır. Bu eşitlik
l 2 u1 r1 l 2
d 2' = d 2 − ; r2' = r2 − olmak üzere d 2' x 2 + u 2 x 3 = r2'
d1 d1
şeklinde yazılabilir. Böylece denklem sistemi
 d1 u1 0 0   x1   r1 
." ." ."
     '
 0 d 2' u2 0   x 2   r2 
." ." ."
 0 l 3 d 3 ." ." ." 0   x 3   r3 
     
 ." ." ." ." ." ." ."  ⋅ ." = ."
 0 0 0 li d i ui 0   x i   ri 
 
 ." ." ." ." ." ." ."  ." ."
     
 0 0 0 0 0 l N d N   x N   rN 
şekline gelir. Yukarıda yapılan eliminasyon işlemi denklem sistemindeki ikinci ve üçüncü
denklem arasında tekrarlanırsa, yani ikinci denklem l3 ile ve üçüncü denklem de d2' ile çarpılıp
yine birinci denklem ikincisinden çıkarılıp, karşılıklı d2' ile bölünerek
l 3 d 2' x 2 + l 3 u 2 x 3 = l 3 r2'  l u  l r'

⇒ d3 − 3 2  x 3 + u 3 x 4 = r3 − 3 2
d 2' l 3 x 2 + d 2' d 3 x 3 + d 2' u 3 x 4 = d 2' r3  d 2'  d 2'
 
veya yine
l3u 2 l 2 r2'
d 3' = d 3 − ; r3' = r3 − olmak üzere d 3' x 3 + u 3 x 4 = r3'
d 2' d 2'
----------------------------------------------------------------------------------------------------------------------------------
elde edilir. Bu denklemde de x2 bilinmeyeninin ortadan kalktığı ve katsayılar matrisinde üçüncü

satırda diyagonal altındaki elemanın sıfır yapıldığı görülmektedir.
Benzeri işlemler daha sonraki denklemler için de tekrarlanabilir. Bunun için yukarıda çıkartılan
bağıntılar karşılaştırılarak bir genelleştirme yapılırsa
l i u i −1 l i ri'−1
d i' = d i − ; ri' = ri − (i = 2,3,....N )
d i'−1 d i'−1
elde edilir. Bu durumda denklem sistemi de
 d1 u1 0 0   x1   r1 
." ." ."
     '
 0 d 2' u2 0   x 2   r2 
." ." ."
 0 0 d 3' ." ." ." 0   x 3   r3 
'
     
 ." ." ." ." ." ." ."  ⋅ ." = ."
 0   x i   ri 
'
0 0 0 0 d i' u i
 
 ." ." ." ." ." ." ."  ." ."
     ' 
 0 0 0 0 0 0 d N'   x N   rN 
şekline gelir. Bu denklem sisteminde en sonuncu denklemden xN bilinmeyeninin kolaylıkla

çözülebileceği görülmektedir:
rN'
xN =
d N'
Bulunan bu büyüklük bir üstteki denklemde kullanılarak
rN' −1 − u N −1 x N
x N −1 =
d N' −1
bulunur. Benzeri işlem herhangi bir xi bilinmeyeni için
ri' − u i xi +1
xi =
d i'
şeklinde gerçekleştirilir.
1.3.4- LU ayrıştırma yöntemleri
A⋅X=B şeklindeki lineer denklem takımı, katsayılar matrisi
⇓ ⇐ A=L⋅U şeklinde çarpanlarına ayrılarak
L⋅U⋅X=B şekline veya
⇓ ⇐ U⋅X=Y tanımlaması yaparak
L⋅Y=B getirilebilir.
Bu son denklem takımı ileri-süpürme yoluyla Y vektörü için kolaylıkla çözülebilir.
----------------------------------------------------------------------------------------------------------------------------------
Bulunan çözüm bir önceki denklemde kullanılırsa bu denklem de geri-süpürme yoluyla X

vektörü için çözülebilir.
Buna göre bir LU ayrıştırma yönteminin aşamaları aşağıdaki gibi sıralanabilir:
- A = L ⋅ U ayrıştırması
- L ⋅ Y = B denkleminin Y için ileri-süpürme yoluyla çözülmesi
- U ⋅ X = Y denkleminin X için geri-süpürme yoluyla çözülmesi
LU Ayrıştırma aşaması:
 l11 0 0 " 0 " " " 0  u 11 u 12 u 13 " u 1k " u1 j " u1N 

l l 22 0 " 0 " " " 0   0 u 22 u 23 " u 2 k " u2 j " u 2 N 
 21
 l31 l32 l33 " 0 " " " 0  0 0 u 33 " u 3 k " u3 j " u3N 
   
" " " " " " " " "  " " " " " " " " "
L ⋅ U =  lk 1 lk 2 lk 3 " lkk " " " 0 ⋅0 0 0 " u kk " u kj u kN 
   
" " " " " " " " "  " " " " " " " " "
l li 2 li 3 " lik " " " 0  0 0 0 " 0 " " "
 i1   
" " " " " " " " "  " " " " " " " " "
   
l N 1 lN 2 l N 3 " l Nk " " " l NN   0 0 0 " 0 " 0 " u NN 
 a 11 a 12 a 13 " a 1i " a1 j " a 1N 

a a 22 a 23 " a 2i " a2 j " a 2 N 
 21
 a 31 a 32 a 33 " a 3i " a3 j " a 3N 
 
" " " " " " " " "
A =  a i1 a i2 a i3 a ii a ij a iN 
 
" " " " " " " " "
a a j2 a j3 a ji a jj a jN 
 j1 
" " " " " " " " "
 
a N 1 aN2 a N 3 " a Ni " a Nj " a NN 
L matrisinin k ‘ıncı satırı U matrisinin j=k,k+1,…N ‘inci sütunları ile çarpılarak
1  k −1

l k 1 ⋅ u 1 j + l k 2 ⋅ u 2 j + ... + l kk ⋅ u kj = a kj → u kj =  a kj − ∑ lkp ⋅ u pj  ; j = k , k + 1,..., N
lkk  p =1 
L matrisinin i=k,k+1,…,N ‘inci satırları U matrisinin k ‘ıncı sütunuyla çarpılarak
1  k −1

l i 1 ⋅ u 1k + l i 2 ⋅ u 2 k + ... + l ik ⋅ u kk = a ik → lik =  a ik − ∑ lip ⋅ u pk  ; i = k , k + 1,..., N
u kk  p =1 
Bu bağıntılar
a1 j
u1 j = ; j = 1,2,..., N
l11
k=1 için
a i1
li 1 = ; i = 1,2,..., N
u 11
----------------------------------------------------------------------------------------------------------------------------------
u2 j =
1
(a 2 j − l21 ⋅ u 1 j ) ; j = 2,3,..., N
l 22
k=2 için
1
li 2 = (a i 2 − li 1 ⋅ u 12 ) ; i = 2,3,..., N
u 22
u3 j =
1
l33
[
a 3 j − (l31 ⋅ u 1 j + l32 ⋅ u 2 j ) ] ; j = 3,4,..., N
k=3 için
1
li 3 = [a i 3 − (li 1 ⋅ u 13 + li 2 ⋅ u 23 )] ; i = 3,4 ,..., N
u 33
olup, hesapların başlatılabilmesi ve sürdürülebilmesi için ukk ve lkk elemanlarından birinin

önceden belirlenmesi gerektiği görülmektedir. Nitekim uygulamada bu elemanlardan birisinin
değeri 1 olarak seçilir. Bu seçime bağlı olarak yöntem iki farklı isimle tanınmaktadır:
Doolittle Yöntemi
Doolittle yönteminde alt-üçgensel matrisin diyagonal elemanları 1 alınmakta olup, buna göre
yukarıdaki üç adım
u1j = a1j ; j = 1,2,..., N

k=1 için a i1
l 11 = 1 ; li1 = ; i = 2,3,..., N
u 11
u 2 j = a 2 j − l 21 ⋅ u 1 j ; j = 2,3,..., N
k=2 için 1
l 22 = 1 ; li2 = (a i 2 − l i 1 ⋅ u 12 ) ; i = 3,4,..., N
u 22
u 3 j = a 3 j − (l 31 ⋅ u 1 j + l 32 ⋅ u 2 j ) ; j = 3,4,..., N
k=3 için 1
l 33 = 1 ; li3 = [a i 3 − (l i 1 ⋅ u 13 + l i 2 ⋅ u 23 )] ; i = 4,5,..., N
u 33
şekline gelir. Görüldüğü gibi hesaplamalarda bir sıra izlenerek herbir adımda önce üst-üçgensel
matrisin bir satırının elemanlarının daha sonra da alt-üçgensel matrisin bir sütununun
elemanlarının bulunması gerekmektedir.
Buna göre Doolittle yöntemi için genel algoritma aşağıdaki şekilde yazılabilir.
k −1
u kj = a kj − ∑ l kp ⋅ u pj ; j = k , k + 1,..., N
p =1
k = 1,2,..., N
1  k −1

l ik =  a ik − ∑ l ip ⋅ u pk  ; i = k , k + 1,..., N
u kk  p =1 
Crout Yöntemi
Crout yönteminde üst-üçgensel matrisin diyagonal elemanları 1 alınmakta olup, buna göre
yukarıdaki üç adım
li1 = a i1 ; i = 1,2,..., N
k=1 için a1j
u 11 = 1 , u1j = ; j = 2,3,..., N
l 11
----------------------------------------------------------------------------------------------------------------------------------
l i 2 = a i 2 − l i 1 ⋅ u 12 ; i = 2,3,..., N
k=2 için
u 22 = 1 , u2j =
1
(a 2j − l 21 ⋅ u 1 j ) ; j = 3,4 ,..., N
l 22
l i 3 = a i 3 − (l i 1 ⋅ u 13 + l i 2 ⋅ u 23 ) ; i = 3,4,..., N
k=3 için
u 33 = 1 , u3j =
1
l 33
[a 3j ]
− (l 31 ⋅ u 1 j + l 32 ⋅ u 2 j ) ; j = 4,5,..., N
şekline gelir. Görüldüğü gibi hesaplamalarda yine bir sıra izlenerek bu defa herbir adımda önce
alt-üçgensel matrisin bir sütununun elemanlarının daha sonra da üst-üçgensel matrisin bir
satırının elemanlarının bulunması gerekmektedir.
Buna göre Crout yöntemi için genel algoritma aşağıdaki şekilde yazılabilir.
k −1
l ik = a ik − ∑ l ip ⋅ u pk ; i = k , k + 1,..., N
p =1
; k = 1,2,..., N
1  k −1

u kj =  a kj − ∑ l kp ⋅ u pj  ; j = k , k + 1,..., N
l kk  p =1 
İleri süpürme aşaması
L ⋅ Y = B denkleminin Y için çözümü ilk elemandan başlayarak ileri-süpürme yoluyla

gerçekleştirilir.
 l 11 0 0 0 " " 0 " 0  y1   b1 

l l 22 0 0 " " 0 " 0   y 2  b 
 21  2
 l 31 l 32 l 33 0 " " 0 " 0  y3   b3 
     
 l 41 l 42 l 33 l 44 " " 0 " "  y4   b4 
"    
" " " " " " " 0  ⋅ " = "
    "
" " " " " " " " " "
   
l li2 li3 li4 " l i ,i − 1 l ii " 0  yi   bi 
 i1 
" " " " " " " " "   "   
"
 
l N 1 lN 2 lN 3 lN 4 " l N ,i − 1 l Ni " l NN  y N  b N 
L matrisinin birinci satırı ile Y vektörünün çarpımından
y 1 = b 1 / l 11
L matrisinin i 'inci satırının Y vektörü ile çarpımından
1  i −1

l i1 ⋅ y 1 + l i 2 ⋅ y 2 + ... + l i ,i −1 ⋅ y i −1 + y i = bi → yi =  bi − ∑ lip ⋅ y p ; i = 2,3,... N
lii  p =1 
Geri süpürme aşaması
U ⋅ X = Y denkleminin X için çözümü de son elemandan başlayarak geri-süpürme yoluyla

gerçekleştirilir.
----------------------------------------------------------------------------------------------------------------------------------
u11 u12 u13 " u1i u1,i +1 " u1,N −1 u1,N   x1   y1 

0 u 22 u 23 " u2i u 2 ,i +1 " u 2 ,N −1 u 2 ,N   x 2   y 
    2 
0 0 u 33 " u3i u 3 ,i +1 " u 3 ,N −1 u 3 ,N   x 3   y3 
     
" " " " " " " " "   "   " 
0    
0 0 0 u ii u i ,i +1 " u i ,N −1 u i ,N  ⋅  x i  =  yi 
  
" " " " " " " " "  "   " 
   
" " " " " " " " "   "   " 
 
0 0 0 " 0 0 " u N −1,N −1 u N −1,N   x N −1   
y N −1 
 
0 0 0 " 0 0 " 0 u N ,N   x N   y N 
U matrisinin sonuncu satırı X vektörüyle çarpılarak
u NN ⋅ x N = y N → x N = y N / u NN
U matrisinin i 'inci satırı X vektörüyle çarpılarak
1  N

u ii ⋅ x i + u i ,i +1 ⋅ x i +1 + ... + u i ,N ⋅ x N = y i → xi =  y i − p ∑ u ip ⋅ x p  ; i = N − 1, N − 2,...,2,1
u ii  k =i +1 
elde edilir.
1.3.5- Jacobi basit iterasyon yöntemi
Çok büyük katsayılar matrisi içeren lineer denklem sistemlerinin eliminasyon yöntemleriyle
çözümü çoğu zaman ekonomik olmaz. Bu gibi durumlarda iteratif yöntemler seçilir. Bunlardan
en basit birisi Jacobi yöntemidir.
A⋅X =B (1)
lineer denklem takımı, A katsayılar matrisi
A = L + D +U (2)
 0 0 0 " 0  a11 0 0 " 0   0 a12 a13 " a1N 

a 0 0 " 0  0 a22 0 " 0   0 0 a23 " a2 N 
 21  
L =  a31 a32 0 " 0;D= 0 0 a33 " 0  ;U =  0 0 0 " a3 N 
     
" " " " " " " " " " " " " " "
 aN 1 aN 2 aN 3 " 0   0 0 0 " aNN   0 0 0 " 0 
şeklinde üç matrisin toplamı olmak üzere
L ⋅ X + D ⋅ X +U ⋅ X = B → X = D −1 ⋅ [B − L ⋅ X − U ⋅ X ] (3)
şekline getirilebilir.
Bu durumda xi bilinmeyenleri için uygun seçilecek başlangıç değerleri (3) eşitliğinde

kullanılarak yeni xi değerleri hesaplanabileceği ve bu işlemlerin iteratif olarak devam
ettirilebileceği görülmektedir. Jacobi basit iterasyon yöntemi olarak bilinen bu yöntemin
herhangi bir iterasyon adımı için kapalı formda
[
X ( k +1) = D −1 ⋅ B − L ⋅ X ( k ) − U ⋅ X ( k ) ] (4)
----------------------------------------------------------------------------------------------------------------------------------
veya açık biçimde
 x 1( k +1 )    b1   0 0 0 " 0  x 1( k )   0 a 12 a 13 " a 1 N   x 1( k )  
 ( k +1 )      (k )    
 x 2    b 2   a 21 0 0 " 0   x 2   0 0 a 23 " a 2 N   x 2( k )  
   
x 3  = D
( k +1 ) −1
⋅   b 3  −  a 31 a 32 0 " 0 x 3  −  0 0
(k )
0 " a 3 N   x 3( k )   (5)
 "     "  " " 
 "   " " " " " " " "  " 
         
 x (Nk +1 )  
 b N  a N 1 aN2 aN3 " 0   x (Nk )   0 0 0 " 0   x (Nk )  
yazılabilir. D diyagonal matrisinin tersinin
a11 0 0 " 0  1 / a11 0 0 " 0 

0 a 22 0 " 0   0 1 / a 22 0 " 0 
  
D= 0 0 a 33 " 0  → D −1 = 0 0 1 / a 33 " 0 
   
" " " " "  " " " " " 
 0 0 0 " a NN   0 0 0 " 1 / a NN 
Şeklinde olacağı gösterilebilir. Bu durumda (5) matris eşitliğinin herhangi bir i ‘inci satırı için
i −1 N
b i − ∑ a ij ⋅ x (j k ) − ∑a ij ⋅ x (j k )
j =1 j =i +1
x i( k +1 ) = ; i = 1,2,.... N (6)
a ii
yazılarak iterasyon algoritması açık biçimde elde edilebilir.
1.3.6- Gauss-Sidel iterasyon yöntemi
Jacobi yöntemi çabuk yakınsamayan bir yöntemdir. Yöntemin yakınsamasını hızlandırmak için
her iterasyon adımında bir önceki çözümle yeni bulunan çözümlerin
[
X ( k + 1 ) = D −1 ⋅ B − L ⋅ X ( k + 1 ) − U ⋅ X ( k ) ] (7)
 x 1( k +1 )    b1   0 0 0 " 0  x 1( k +1 )   0 a 12 a 13 " a 1 N   x 1( k )  
 ( k +1 )      ( k +1 )    
 x 2    b 2   a 21 0 0 " 0   x 2   0 0 a 23 " a 2 N   x 2( k )  
   
x 3  = D
( k +1 ) −1
⋅   b 3  −  a 31 a 32 0 " 0 x 3  −  0 0
( k +1 )
0 " a 3 N   x 3( k )   (8)
 "     "  " " 
 "   " " " " " " " "  " 
          
 x (Nk +1 )   b N  a N 1 aN2 aN3 " 0   x (Nk +1 )   0 0 0 " 0   x (Nk )  
i −1 N
b i − ∑ a ij ⋅ x (j k +1 ) − ∑a ij ⋅ x (j k )
j =1 j =i +1
x ( k +1 )
i = ; i = 1,2,....N (9)
a ii
şeklindeki bir kombinasyonundan yararlanmak mümkündür.
Görüldüğü gibi iterasyonun herhangi bir k’ıncı adımında X bilinmeyenler vektörünün i ’inci
elemanı, xi, hesaplanırken X ‘in bu iterasyon adımında hesaplanmış olan ilk (i-1) elemanı ile bir
önceki iterasyon adımında hesaplanmış olan (i+1) ‘inci ve daha sonraki elemanları
kullanılmaktadır.
----------------------------------------------------------------------------------------------------------------------------------
1.3.7- Ardarda aşırı gevşetme (Successive over-relaxation) yöntemi
Gauss-Sidel iterasyon ifadesi, aynı terimin
1 i −1 N

xi( k +1) =  i ∑ ij j ∑
( k + 1)
b − a ⋅ x − aij ⋅ x (jk ) − aii ⋅ xi( k ) + aii ⋅ xi( k )  ; i = 1, 2,....N (10)
aii  j =1 j = i +1 
şeklinde bir defa ilave edilip bir defa da çıkartılması sonucunda
1  i −1 N 
xi( k +1) = xi( k ) +  bi − ∑ aij ⋅ x (jk +1) − ∑ aij ⋅ x (jk )  ; i = 1,2,....N (11)
aii  
 j =1 j =i 
şeklinde düzenlenebilir. Buradaki
i −1 N
b i( k ) = ∑ a ij ⋅ x (j k +1 ) − ∑ a ij ⋅ x (j k ) ; i = 1,2,.... N (12)
j =1 j =i
büyüklüğü, dikkat edilirse aslında k ’ıncı iterasyon adımında bulunan çözüm vektörünün
katsayılar matrisi ile çarpımı olup, tam çözümün elde edilmesi halinde bu büyüklüğün bi ye eşit
olacağı açıktır. Ancak iterasyon sırasında çözümler tam çözümden farklı olacağından bu
büyüklük de denklem sisteminin sağ taraf vektöründen farklı olacaktır. Aradaki fark
ri( k ) = b i − b i( k ) ; i = 1,2,.... N (13)
“kalıntı (residus)” olarak adlandırılır. Buna göre (11) bağıntısının sağındaki ikinci terim kalıntı
terimi olup, bir önceki iterasyon adımında elde edilmiş çözümlere ilave edilen bir düzeltme
terimi gibi yorumlanabilir:
x i( k +1 ) = x i( k ) + δ i( k ) ; i = 1,2,....N (14)
ri( k ) 1  i −1 N 
δ i( k ) = = bi − ∑ aij ⋅ x (jk +1) − ∑ aij ⋅ x (jk )  ; i = 1,2,....N (15)
aii 
aii  
j =1 j =i 
Şimdi bu düzeltme terimi bir ω büyüklüğü ile çarpılarak etkisi azaltılabilir veya çoğaltılabilir.
x i( k +1 ) = x i( k ) + ω ⋅ δ i( k ) ; i = 1,2,.... N (16)
1  i −1 N 
xi( k +1) = xi( k ) + ω ⋅  bi − ∑ aij ⋅ x (jk +1) − ∑ aij ⋅ x (jk )  ; i = 1,2,....N (17)
aii  
 j =1 j =i 
Veya yeni bir düzenleme ile
1  i −1 N 
xi( k +1) = xi( k ) + ω ⋅  bi − ∑ aij ⋅ x (jk +1) − ∑ aij ⋅ x (jk ) − aii ⋅ xi( k )  ; i = 1,2,....N (18)
aii 
 j =1 j =i +1 
1  i −1 N  
xi( k +1) = xi( k ) + ω ⋅   bi − ∑ aij ⋅ x (jk +1) − ∑ aij ⋅ x (jk )  − xi( k )  ; i = 1,2,....N (19)

 aii  j =1 j =i + 1  
1  i −1 N 
xi( k +1) = ω ⋅  bi − ∑ aij ⋅ x (jk +1) − ∑ aij ⋅ x (jk )  + (1 − ω ) xi( k ) ; i = 1,2,....N (20)
aii 
 j =1 j =i +1 
----------------------------------------------------------------------------------------------------------------------------------
şekline getirilebilir.
Bu son ifade, görüldüğü gibi, herhangi bir iterasyon adımında Gauss-Sidel şemasıyla bulunan
değerler ile bir önceki iterasyon adımında bulunan değerlerin kontrol edilebilen bir ağırlık
oranında kombinasyonunu vermektedir. Buradaki ω gevşetme faktörü olup bu yöntem
0 < ω < 1 için ardarda az gevşetme (Successive under relaxation)
1 < ω < 2 için ardarda aşırı gevşetme (Successive over relaxation)
yöntemi olarak anılır.
1.4 Matris tersinin sayısal hesabı
Matrislerde bölme gibi bir işlem olmayıp, bu işlem matrisin tersi kullanılarak gerçekleştirilir.
B/A=C ⇒ B⋅A-1=C
Bu işlem aynı zamanda lineer denklem takımlarının çözümlenmesinde de kullanılabilir.
A⋅X=B ⇒ A-1A⋅X=A-1 B ⇒ X=A-1 B
Bir matrisin tersi eliminasyon yöntemleriyle lineer denklem takımlarının çözülmesine benzer
şekilde gerçekleştirilebilir. Bir A matrisinin tersinin bulunması aslında
A A-1=In
Şeklinde, sağ taraf vektörü birden fazla olan bir denklem sisteminin çözülmesine eşdeğerdir.
Buna göre katsayılar matrisinin sağ tarafına ilave sütunlarla bir birim matris ilave edilerek
Gauss-eliminasyon yönytemiyle veya Gauss-Jordan eliminasyon yöntemiyle matrisin tersini
elde etmek mümkündür. Daha önce izah edilen işlemlerden sonra birim matris ters matrise
dönüşecektir.
Örnek:
 1 −1 2 
Katsayılar matrisi 3 0 1
 
 1 0 2 
 1 − 1 2 1 0 0
 
Genişletilmiş matris  3 0 1 0 1 0
 1 0 2 0 0 1
 
1 0 0 0 2 / 5 − 1 / 5
 
Gauss-Jordan eliminasyon yöntemiyle  0 1 0 −1 1 1 
 0 0 1 0 −1/ 5 3 / 5 
 
----------------------------------------------------------------------------------------------------------------------------------

01 - Lineer Denklem Takımlarının Çözümü

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

01 - Lineer Denklem Takımlarının Çözümü

Uploaded by

Copyright:

Available Formats

BÖLÜM 1

LİNEER DENKLEM TAKIMLARININ ÇÖZÜM YÖNTEMLERİ

1.3 Lineer denklem takımlarının çözüm yöntemleri

1.3.1 Gauss eliminasyon yöntemi

1.3.2 Gauss-Jordan Yöntemi

1.3.3 Thomas yöntemi

1.3.4 LU Ayrıştırma yöntemleri

1.3.5 Jacobi basit iterasyon yöntemi

1.3.6 Gauss-Sidel iterasyon yöntemi

1.3.7 SOR yöntemi

1.4 Matris tersinin sayısal hesabı

1.2.1 Matris tipleri

 a 11 a 12 a 13 " a1j " a 1N 

α1 0 0 " 0 " 0 

Köşegen (Diyagonal) matris

Bütün köşegen elemanları 1 olan

Bol Sıfırlı matris Çoğu elemanı sıfıra eşit olan matris

 a 11 a 12 a 13 " " " a 1N 

 a 11 a 12 a 13 " " " a 1N 

 a11 0 0 " 0 " 0 

Satır matrisi veya Satır vektörü

1.2.2 Matris işlemleri

- Ancak aynı boyutlardaki iki matris toplanabilir ve çıkartılabilir.

Toplama ve çıkartmada matrislerin sırasının bir önemi yoktur.

- İki matrisin çarpma işleminde A (n × m) ve B (m × r) ise A.B çarpımı

Matrislerin çarpmadaki sırası değiştiğinde

- Bir matrisin bir skalerle çarpımı,

Matrisi transpozesinin transpozesi T

Matrisin izi (Trace)

a11 a12 " a 1 j −1 a1 j +1 " a1N

a11 a12 a13 " a1i " a1 j " a1N

Matrisin özdeğerleri ve özvektörleri

Bir matrisin özdeğerleri karakteristik polinomunun kökleri olarak tanımlanır.

a11 − λ a12 " a1 N

Özdeğerler pA(λ) = 0 eşitliğini sağlayan (λi, i=1,2,…N) kökleri

Özvektörler Aw = λw eşitliğini sağlayan {wj} vektörleri

Bir A matrisinin tersi A.B = In eşitliğini sağlayan B matrisidir.

Burada geçen ek matris ise matrisin elemanlarının kofaktörlerinde oluşturulan matrisin

1.3. Lineer denklem takımlarının sayısal çözümü

Bir lineer denklem takımını genel olarak

veya matris formda

 a 11 a 12 a 13 " a 1i " a1 j " a 1N   x 1   b1 

şeklinde ifade etmek mümkündür.

Lineer denklem takımlarının sayısal çözümlenmesinde kullanılan yöntemleri

olarak sınıflandırmak mümkündür.

Eliminasyon yöntemlerinde en çok bilinen birisi ”Gauss eliminasyon yöntemi“ ve türevleridir. Bu

1.3.1- Gauss eliminasyon yöntemi

- a21 ile çarpılıp ikinci denklemden çıkartılarak

denklem sistemi matris formda

şekline getirilebilir. Burada

şekline getirilebilir. Burada da

şekline gelir. Burada

- Geri süpürme aşaması

d 11 x 1 + d 12 x 2 + d 13 x 3 " + d 1i x i " + d 1 j x j " + d 1 N −1 x N −1 + d 1 N x N = e1

" " " " " " " " + d N −1 , N − 1 x N − 1 + d N −1 , N x N = e N −1

şeklinde yazalım. Buna göre sonuncu bilinmeyen en son denklemden kolaylıkla

ve sondan bir önceki bilinmeyen de bir önceki denklem kullanılarak

şeklinde hesaplanabilir. Bu işlemler birinci denklemden birinci bilinmeyen bulununcaya kadar

Gauss-Eliminasyon yönteminin bilgisayar uygulaması

 a 11 a 12 a 13 " a 1i " a1 j " a 1 N a 1 N +1 

Bu durumda üst-üçgenselleştirme aşamasının k ‘ıncı adımında katsayılar matrisi

a 11 a 12 " " " " " a 1N a 1 N +1 

gerekli bilgisayar algoritmaları