Resumen certamen n1 Clculo Numrico

521230
Normas Matriciales:

( |

(|

( )
( )

|)
|)

( )

}
( )

| |

Mtodos Directos:
-

( )

LU y MEG slo si los pivotes son no nulos

, si hay pivotes iguales a cero, se usa la estrategia
de pivoteo parcial.
LU sin pivoteo conserva la estructura de matrices banda.

{
}
Si la matriz es tridiagonal y adems cumple:| | | | | | | | | |
| | | |, se puede factorizar LU sin pivoteo parcial, esto resulta un proceso estable respecto de
errores de redondeo. Los coeficientes de las matrices L y U pueden obtenerse por el algoritmo de
)
Thomas, cuyo costo operacional es (
. Resolver un sistema por Thomas:
.

Mtodo de Cholesky:
- Se aplica en matrices simtricas y definidas positivas:

El mtodo de Cholesky es estable respecto de la propagacin de errores de redondeo

Matrices Dispersas:
- LU, MEG y Cholesky producen el defecto de llenado (fill-in), es decir se crean entradas no nulas
donde antes haban ceros.
- Consecuencias:
o Aumento del nmero de flop
o Aumento del error de redondeo
o Aumento en las necesidades de memoria, lo que podra imposibilitar la resolucin del
sistema, mediante LU, MEG o Cholesky.

Claudio Maldonado Parra, Ingeniera Civil en Telecomunicaciones, UdeC

Mtodos iterativos:
- Convergencia:
( )
o La sucesin { ( ) } converge a la solucin de
, siendo M la matriz de
iteracin.
- Mtodo de Jacobi: Converge si y slo si la matriz del sistema (A) es diagonal dominante estricta:
|

Mtodo de Gauss-Seidel: Si A es simtrica y definida positiva, el mtodo converge.

Observaciones:
o Para una matriz arbitraria A, la convergencia de uno de estos mtodos no implica la
convergencia del otro.
o Aunque A sea simtrica y definida positiva, el mtodo de Jacobi puede ser divergente.

Mtodo del Mximo descenso: Este mtodo converge con una matriz simtrica y definida positiva
para cualquier vector inicial, su velocidad de convergencia depende del Nmero de condicin de la
Matriz A:
( )
o
( )
o

Gradiente conjugado: Este mtodo converge con una matriz simtrica y definida positiva para
cualquier vector inicial en a lo ms n pasos (n = dimensin de la matriz), su velocidad de
convergencia tambin depende de la condicin de la matriz, de igual manera que el mximo
descenso. Debido a los errores de redondeo, pueden requerirse ms de n pasos.

Gradiente conjugado precondicionado:

o Precondicionador de Jacobi: Consiste en tomar P como la diagonal de A
( ), este precondicionador es efectivo cuando la Matriz A es simtrica, definida
positiva y con elementos diagonales muy distintos.
o Precondicionador de Cholesky incompleto: se toma
donde
( ) se obtiene
aplicando el algoritmo del mtodo de Cholesky pero solo para las entradas
tales que
para las restantes, se toma

) (
) nos proponemos encontrar un
Mnimos Cuadrados: dado un conjunto de puntos (
polinomio de grado menor que la cantidad de puntos del conjunto tal que:
| ( )

Al pasar a ecuaciones normales, se podra llegar a una matriz cuadrada, en este caso
definida positiva, por lo que podra aplicarse el mtodo de Cholesky.

es Simtrica y

Inconveniente: generalmente el condicionamiento de la matriz

es malo, lo que genera gran
sensibilidad con respecto a errores de redondeo.
Solucin: factorizacin QR donde Q es una matriz ortogonal y R es una triangular superior, se pueden
construir por Gram-Schmidt, pero este mtodo es inestable, propaga mucho los errores, por lo tanto MATLAB

Claudio Maldonado Parra, Ingeniera Civil en Telecomunicaciones, UdeC

utiliza las transformaciones de Householder.

Interpolacin: Se trata de encontrar un polinomio que ajuste a una funcin en un conjunto finito de
puntos, entonces el polinomio se llama interpolante o se dice que interpola a f.
Polinomio de Lagrange: se utiliza para interpolar un conjunto de puntos sin necesidad de resolver un
sistema de ecuaciones. (f(xi)=yi)
( )

Luego: ( )

( )

( )

( )

( )

Error:
( )

( )

( ) ( )

)
(

)
)

( )

Fenmeno de Runge: se produce cuando se realiza una interpolacin un un gran valor de n con puntos
equiespaciados. Consiste en grandes oscilaciones del polinomio entre los puntos consecutivos del
intervalo de interpolacin, especialmente en los extremos.
)
(
)
Spline Cbicas: dados
puntos (
una interpolante spline cbica en
, si existen polinomios
que:
( )
( )

( )
(
)

( )
( )
( )

(
)
(
)
( )

Una funcin es
de grado a lo ms 3, tales

Spline Cbica Natural:

Una Spline cbica de interpolacin se denomina Spline cbica natural si:
( )

Claudio Maldonado Parra, Ingeniera Civil en Telecomunicaciones, UdeC