Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CN Sistemas Lineales I
CN Sistemas Lineales I
Lineales I
matricial. Dificultades numericas.
Preliminares: Expresion
Gaussiana. Relacion
con la factorizacion
LU.
LU: Eliminacion
Factorizacion
Calculo
Numerico
IN1012C/IN1052C/MAT221N
-1-
matricial
Expresion
Todo sistema de ecuaciones lineales puede escribirse matricialmente:
a11 x1 + + a1n xn = b1
..
..
Ax = b,
.
.
a x + + a x
= bn
n1 1
nn n
donde
a
11
.
A := ..
an1
son los datos y
a1n
..
.
Rnn
ann
x
1
.
x = .. Rn
xn
Calculo
Numerico
IN1012C/IN1052C/MAT221N
-2-
b
1
.
b = .. Rn
bn
es el vector de incognitas.
Matriz inversa
unica
si A es una
El sistema de ecuaciones lineales Ax = b tiene solucion
si y solo
matriz no singular.
Recordemos que una matriz A
si se cumple cualquiera
Rnn es no singular si y solo
de estas condiciones:
1.
A es invertible:
2.
det(A) 6= 0;
A1 Rnn : AA1 = A1 A = I ;
0 no es valor propio de A:
rango(A) = n.
0
/ (A).
Si A es no singular, entonces
Ax = b
x = A1 b.
para resolver
costoso
un sistema de ecuaciones, pues hacerlo as resulta mucho mas
computacionalmente.
Calculo
Numerico
IN1012C/IN1052C/MAT221N
-3-
1
1
n
n
1
A = c cn
,
c
,
.
.
.
,
c
R
,
entonces
Ac1 Acn = A c1 cn = AA1 = I = e1 en ,
Aci = ei ,
Calculo
Numerico
IN1012C/IN1052C/MAT221N
-4-
i = 1, . . . , n.
Dificultades numericas
un algoritmo para resolver un
Los siguientes aspectos deben tenerse en cuenta al disenar
sistema de ecuaciones lineales:
Calculo
Numerico
IN1012C/IN1052C/MAT221N
-5-
Costo operacional
Un sistema de
Los sistemas que aparecen en muchas aplicaciones son de gran tamano.
moderado y en algunas aplicaciones deben
1000 1000 hoy se considera de tamano
Hay metodos
que en teora permiten resolver cualquier sistema de ecuaciones lineales,
det(Ai )
,
det(A)
i = 1, . . . , n,
i-esima
por el segundo miembro b.
(n + 1)! flop.
Calculo
Numerico
IN1012C/IN1052C/MAT221N
-6-
metodo
algebraico de transformaciones elementales. Su costo operacional veremos
que es de aproximadamente 23 n3 flop.
Comparacion:
En un computador de 1 Gflop (109 flop) por segundo:
10
15
20
100
1000
2000
Regla de Cramer
flop
4 107
2 1013
5 1019
10160
tiempo
0.04 s
5.5 horas
1500 anos
Gaussiana
Eliminacion
flop
666
2250
5333
7 105
7 108
5 109
tiempo
0. s
0. s
0. s
0s
0.73 s
4.88 s
Calculo
Numerico
IN1012C/IN1052C/MAT221N
-7-
Costo de almacenamiento
En muchas aplicaciones los sistemas de ecuaciones lineales que deben resolverse
pero tales que la mayor parte de sus entradas son
involucran matrices de gran tamano,
nulas.
y en M ATLAB, sparse) y
Estas matrices se denominan dispersas o ralas (en ingles
Los metodos
algebraicos usuales (por ejemplo el de transformaciones elementales)
requieren modificar la matriz original del sistema y, muchas veces, destruyen el caracter
disperso de la misma.
otros procedimientos (metodos
Calculo
Numerico
IN1012C/IN1052C/MAT221N
-8-
de los resultados
Precision
de un sistema de ecuaciones lineales en el computador involucra la
La resolucion
de errores en los datos y errores de redondeo. Por ello:
propagacion
de un
de los
numericos
estables, que reduzcan la propagacion
2. Hay que disenar
errores de redondeo tanto como sea posible.
tecnicas
de calcular la
3. Hay que disenar
computacionales que nos permitan, despues
de un sistema de ecuaciones, estimar a posteriori la precision
de la solucion
solucion
calculada. Es decir, testear si el error con el que se la calculo esta por debajo de una
tolerancia aceptable.
Calculo
Numerico
IN1012C/IN1052C/MAT221N
-9-
l11
l21
L=
..
.
ln1
0
l22
..
..
.
..
.
..
ln2
0
lnn
U =
u11
u12
u1n
u2n
..
.
unn
u22
..
.
..
..
Dado que
det(L) = l11 l22 lnn
si sus terminos
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 10 -
l11 x1
l21 x1 + l22 x2
..
ln1 x1 + + lnn xn
b1
x1 = b1 /l11
b2
..
.
bn
Para i
Algoritmo:
Costo operacional:
= 1, . . . , n
i1
X
1
lij xj
bi
xi =
lii
j=1
n
X
i=1
1 +
Calculo
Numerico
IN1012C/IN1052C/MAT221N
i1
X
j=1
2 =
- 11 -
n
X
(2i 1) = n2 flop.
i=1
superior U :
Para i
= n, n 1, . . . , 1
n
X
1
uij xj
bi
xi =
uii
j=i+1
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 12 -
Gaussiana (M.E.G.)
Metodo
de Eliminacion
solucion),
de la forma
U x = b,
donde U es una matriz triangular superior. Luego, el sistema resultante se resuelve por
el algoritmo descrito para matrices triangulares.
(1)
mi1 =
ai1
(1)
a11
i = 2, . . . , n,
(1)
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 13 -
Gaussiana (cont.)
Metodo
de Eliminacion
(1)
(1)
(1)
mi1 b1 ,
bi
(1)
donde bi
= bi
(1)
i, j = 2, . . . , n,
i = 2, . . . , n,
(2)
(2)
(2)
(2)
0
x 2 b2
(2)
(2)
(2)
(2)
0
x 3 = b3
.
.
..
..
.. ..
..
..
.
.
. .
(2)
(2)
(2)
(2)
0
an2 an3 ann
xn
bn
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 14 -
Gaussiana (cont.)
Metodo
de Eliminacion
(2)
A continuacion,
eliminar la incognita
x2 de la
en adelante.
tercera ecuacion
A(k) x = b(k) ,
1 k n,
(k)
(1)
a11
.
.
.
=
..
.
.
..
(1)
a12
(2)
a22
..
..
..
.
.
(k)
akk
..
.
..
.
ank
(k)
(i)
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 15 -
(1)
a1n
(2)
a2n
(k)
akn
..
.
(k)
ann
6= 0, i = 1, . . . , k 1.
Gaussiana (cont.)
Metodo
de Eliminacion
Notemos que para k = n obtenemos el sistema triangular superior
(1)
(1)
(1)
(1)
a11 a12 a1n
x1
b1
(2)
(2)
(2)
0
a22 a2n
x 2 b2
.
. = .
..
..
..
..
..
.
.
. ..
(n)
(n)
0
0 ann
xn
bn
(k)
Los valores akk son llamados pivotes y deben ser valores no nulos para
k = 1, . . . , n 1.
(n)
Calculo
Numerico
IN1012C/IN1052C/MAT221N
= n, n 1, . . . , 1
n
X
1 (i)
(i)
aij xj
xi = (i) bi
aii
j=i+1
- 16 -
(1)
a11
.
.
.
..
.
.
..
(1)
a12
(2)
a22
..
..
(1)
a1n
(2)
a2n
..
.
.
(k)
akk
..
.
..
.
ank
(k)
(k)
akn
..
.
(k)
ann
Para k
para i
Para i
= 1, . . . , n 1
= k + 1, . . . , n
(k)
(k)
= k + 1, . . . , n
(k+1)
aij
(k+1)
bi
(k)
(k)
= bi
(k)
mik bk
= n, n 1, . . . , 1
n
X
1 (i)
(i)
aij xj
xi = (i) bi
aii
j=i+1
pues estos
luego no se utilizan.
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 17 -
= 1, . . . , n 1
para i
= k + 1, . . . , n
mik =
para j
n
n
n1
X
X X
1 +
2 + 2
= k + 1, . . . , n
(k+1)
aij
(k+1)
bi
k=1
(k)
(k)
aik /akk
(k)
(k)
i=k+1
n1
X
j=k+1
(n k) [2(n k) + 3]
k=1
(k)
bi
(k)
mik bk
2 3 1 2 7
n + n n
3
2
6
flop
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 18 -
Eliminacion
Sist. Triang.
Total M.E.G.
10
705
100
805
20
5510
400
30
18415
40
2 3
n
3
% Elim
% S. T.
666
87.58
12.42
5910
5333
93.23
6.77
900
19315
18000
95.34
4.66
43420
1600
45020
42666
96.45
3.55
50
84525
2500
87025
83333
97.13
2.87
100
671550
10000
681550
666666
98.53
1.47
200
5353100
40000
5393100
5333333
99.26
0.74
300
18044650
90000
18134650
18000000
99.50
0.50
400
42746200
160000
42906200
42666666
99.63
0.37
500
83457750
250000
83707750
83333333
99.70
0.30
600
144179300
360000
144539300
144000000
99.75
0.25
700
228910850
490000
229400850
228666666
99.79
0.21
800
341652400
640000
342292400
341333333
99.81
0.19
900
486403950
810000
487213950
486000000
99.83
0.17
1000
667165500
1000000
668165500
666666666
99.85
0.15
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 19 -
2 3
n flop
3
de la matriz:
Notemos que la mayor parte del costo corresponde a la triangularizacion
Para k
= 1, . . . , n 1
para i
= k + 1, . . . , n
(k)
(k)
Costo operacional:
2 3
n flop.
3
= k + 1, . . . , n
(k+1)
aij
(k)
(k)
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 20 -
LU
Factorizacion
Ejemplo:
A=
2 8
4 6
m21 = 2
U :=
0
0
2
0
Notemos que
LU =
2
4
m31 = 4
1 3
3 L :=
m21
12
m31
0 0
1 3
1 0
0
3 1
0
Calculo
Numerico
IN1012C/IN1052C/MAT221N
2
0
- 21 -
m32 = 3
0
3
0
0
= 2 1
1
4 3
m32
3
= 2 8
12
4 6
12
0
1
=A
5
LU (cont.)
Factorizacion
del M.E.G. se puede llevar a cabo (es
Si la matriz A es tal que la etapa de eliminacion
(i)
decir si todos los pivotes aii 6= 0, i = 1, . . . , n 1), entonces
A = LU ,
donde:
y
U es la matriz triangular superior que resulta de la eliminacion
1
0
..
..
.
m21
.
1
L= .
..
..
..
.
.
0
mn1
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 22 -
mnn1
Ly = b,
Ax = b L(U x) = b
U x = y.
= b y, luego,
2. resolver U x
= y.
= b es equivalente a:
= LU es 32 n3 flop.
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 23 -
Ly 1 = b1 ,
U x1 = y 1 ,
Ly m = bm ,
U xm = y m .
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 24 -
Observacion:
La matriz triangular superior puede calcularse utilizando las mis-
Para k
para i
Para i
= 1, . . . , n 1
(k)
(k)
= k + 1, . . . , n
(k+1)
aij
(k)
(k)
= 1, . . . , n
i1
X
y i = bi
mij yj
j=1
Para i
= k + 1, . . . , n
Esta
no es la forma en que procede M ATLAB ,
= n, n 1, . . . , 1
n
X
1
(i)
aij xj
xi = (i) yi
aii
j=i+1
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 25 -
para i
gaussiana (o
El algoritmo de eliminacion
= 1, . . . , n 1
mik =
para j
LU) solo
puede lleel de factorizacion
= k + 1, . . . , n
(k)
(k)
aik /akk
no nulos:
(k)
= k + 1, . . . , n
(k+1)
aij
(k)
akk 6= 0.
(k)
0 1 1
x1
2
1 2 3 x2 = 4
2 0 1
x3
0
Sin embargo el algoritmo anterior no puede aplicarse pues a11
(1)
(1)
(1)
= 0 y, por lo tanto,
(1)
definidos.
m21 = a21 /a11 y m31 = a31 /a11 no estan
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 26 -
1 1
x1
2
2 3
x 2 = 4
0 1
x3
0
2 3
x1
4
1 1
x 2 = 2
0 1
x3
0
de eliminacion
Por otra parte, puede demostrarse que la estabilidad del metodo
modulo,
es realizar en cada paso el intercambio de ecuaciones que produzca el pivote
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 27 -
(1)
a11
0
..
.
..
.
..
.
(1)
a12
(2)
a22
..
..
(1)
a1n
(2)
a2n
..
.
.
(k)
akk
..
.
..
.
(k)
ank
(k)
akn
..
.
(k)
ann
En el paso k -esimo
se revisa el vector
(k)
a
kk
..
.
(k)
ank
y se busca la fila
o
n
(k)
(k)
k l n : alk = max aik .
kin
Si la matriz es no singular, siempre habra una entrada no nula en ese vector, por lo que
as se evitan los pivotes nulos.
(k) (k)
despues del intercambio, akk aik , i = k, . . . , n. Por lo tanto, los
Ademas,
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 28 -
Matrices de permutacion
Si hay intercambios de filas, las matrices triangulares L y U que se obtienen por el
1 0 0
1 0 0
0 1 0
0 1 0
0 0 1
0 0 1
0 1 0 0 0 1 1 0 0 0 0 1 0 1 0 1 0 0
0 0 1
0 1 0
0 0 1
1 0 0
1 0 0
0 1 0
Los intercambios de filas de una matriz se obtienen multiplicando a izquierda por una
Por ejemplo:
matriz de permutacion.
1
0
0
Calculo
Numerico
IN1012C/IN1052C/MAT221N
0
1
1
4
0
7
- 29 -
2 3
5 6
= 7
8 9
1
8
2
gaussiana con
Estas matrices pueden obtenerse mediante el metodo
de eliminacion
estrategia de pivoteo parcial.
Ly = P b,
Ax = b P Ax = P b L(U x) = P b
U x = y.
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 30 -
Comando: [L,U]=lu(A)
L = 0.1429
0.5714
1.0000
1.0000
0.5000
0
0
1.0000
0
U = 7.0000
0
0
>> L*U
ans = 1
4
7
8.0000
0.8571
0
0
3.0000
4.5000
L*U = A.
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 31 -
2
5
8
3
6
0
Comando:
[L,U,P]=lu(A)
L es una matriz triangular inferior
U es una matriz triangular superior
L = 1.0000
0.1429
0.5714
0
1.0000
0.5000
0
0
1.0000
U = 7.0000
0
0
8.0000
0.8571
0
0
3.0000
4.5000
L*U = P*A.
P =
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 32 -
0
1
0
0
0
1
1
0
0
>> L*U
Comando:
[L,U,P]=lu(A)
L es una matriz triangular inferior
ans = 7
1
4
8
2
5
0
3
6
8
2
5
0
3
6
L*U = P*A.
Calculo
Numerico
IN1012C/IN1052C/MAT221N
>> P*A
ans = 7
1
4
- 33 -
Matrices banda
Se dice que A = (aij ) Rnn es una matriz banda si aij = 0 cuando |i j| ,
con n. Al numero
se lo llama el ancho de banda de la matriz.
0 0
.
.. . .
..
..
.
.
.
.
.
.
..
..
.
.
0
..
..
.
.
..
.. . .
..
..
.
.
.
.
0 0
Las matrices banda son un caso especial de matrices dispersas y, como tales, deben
almacenarse como sparse en M ATLAB a fin de reducir el costo de almacenamiento.
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 34 -
LU de matrices banda
Factorizacion
Si una matriz banda A puede factorizarse LU sin necesidad de pivoteo, entonces las
son banda con el mismo ancho de banda que A.
matrices triangulares L y U tambien
.
.
.
A=
.
.
.
..
..
..
..
..
..
..
..
..
..
.
..
.
.
.
.
.
0
.
..
..
0
..
.
..
.
..
.
..
..
..
..
..
..
..
..
0
..
.
..
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 35 -
Matrices tridiagonales
Un caso extremo de matrices banda es el de las matrices tridiagonales ( = 2):
b1 c 1
0
0
..
..
..
..
.
.
.
.
a 2
nn
A = 0 ... ... ...
..
..
..
..
. cn1
.
.
0 0 an
bn
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 36 -
LU de matrices tridiagonales
Factorizacion
Cuando se cumplen las siguientes desigualdades,
|b1 | > |c1 |,
|bi | |ai | + |ci |,
i = 2, . . . , n 1,
A=
0
.
.
.
..
..
..
..
..
..
.
.
..
..
Calculo
Numerico
IN1012C/IN1052C/MAT221N
01
..
..
..
..
..
..
..
..
..
..
.
..
.
..
..
n1
U
- 37 -
Las entradas i , i y i de las matrices L y U pueden calcularse muy facilmente:
b1
a
2
..
.
c1
..
b2
c2
..
..
..
..
..
..
an
.
.
.
2
=
0
0
..
cn1
.
0
bn
0
..
..
..
..
..
..
..
1
0
.
.
. 0
. .
. .
. .
..
0
.
0
1
.
.
..
..
..
..
n1
1 = b1
11 = c1
1 = c1
2 1 = a2
2 = a2 /1
2 1 + 12 = b2
2 = b2 2 1
12 = c2
2 = c2
n1
n
.
.
.
n n1 = an
n = an /n1
n n1 + 1n = bn
n = bn n n1
- 38 -
..
Calculo
Numerico
IN1012C/IN1052C/MAT221N
11 = b1
11 = c1
1 = c1
2 1 = a2
2 = a2 /1
2 1 + 12 = b2
2 = b2 2 1
12 = c2
2 = c2
1 = b1
n n1 = an
n = an /n1
n n1 + 1n = bn
n = bn n n1
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 39 -
1 = b1
Para i
= 2, . . . , n
i1 = ci1
i = ai /i1
i = bi i i1
Costo operacional:
n
X
3 = 3(n1) flop
i=2
Ly = d,
Ax = d L(U x) = d
U x = y,
pueden resolverse muy facilmente:
..
.
..
..
..
..
..
..
..
d1
y1
.
.
. y2
d2
.
. .
. . = .
. .
.
0 yn1 dn1
dn
yn
1
0
y1 = d1
Para i
= 2, . . . , n
yi = di i yi1
Costo operacional:
n
X
2 = 2(n1) flop
i=2
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 40 -
..
.
..
.
..
..
..
..
..
..
..
n1
x1
y1
xn = yn /n
.
.
y
. x2
2
Para i = n 1, . . . , 1
.. ..
. = .
0
xi = (yi i xi+1 ) /i
n1 xn1 yn1
Costo operacional:
xn
n
yn
0
1+
n1
X
3 = 1+3(n1) flop
i=1
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 41 -
xt Ax > 0
x Rn : x 6= 0.
= LLt .
Esta ultima
propiedad nos dice que si la matriz es simetrica
y definida positiva, siempre
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 42 -
Metodo
de Cholesky
Para j
= 1, . . . , n
v
u
j1
u
X
2
ljk
ljj = tajj
k=1
para i
j=1
= j + 1, . . . , n
1
lij =
ljj
aij
Calculo
Numerico
IN1012C/IN1052C/MAT221N
j1
X
!
j1
j1
n
n
X
X
X
X
2+
2
1+
lik ljk
k=1
- 43 -
k=1
i=j+1
k=1
13 n3 flop,
+ n races cuadradas.
Metodo
de Cholesky (cont.)
Ly = b,
Ax = b L(Lt x) = b
Lt x = y.
Ademas,
y definida positiva, los metodos
de
son estables respecto a la propagacion
de errores de redondeo sin
factorizacion
necesidad de estrategia de pivoteo.
de errores
En particular, el metodo
de Cholesky es estable respecto a la propagacion
de redondeo.
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 44 -
de Cholesky en M ATLAB
Factorizacion
A =
Comando: R=chol(A)
R es una matriz triangular superior
Rt *R = A.
2
-1
0
-1
2
-1
0
-1
2
>> R=chol(A)
R =
1.4142
-0.7071
0
1.2247
0
0
>> B=R*R
B =
2.0000
-1.0000
0
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 45 -
-1.0000
2.0000
-1.0000
0
-0.8165
1.1547
0
-1.0000
2.0000
0.10
1.00
x
2.0
1 =
.
x2
0.11 1.00
2.1
exacta: x =
Solucion
10.0
.
1.0
0.10
1.00
x
2.00
1 =
.
0.11 1.00
x2
2.14
exacta: x =
Solucion
14.0
.
0.6
Notemos que un error de menos del 2% en los datos produjo un error del 40% en la
solucion!!!
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 46 -
0.10
1.00
x
2.0
1 =
.
0.11 1.00
x2
2.1
exacta: x =
Solucion
10.0
.
1.0
0.102
1.00
x
2.00
12.500
1 =
.
.
exacta: x =
Solucion
0.11
1.00
x2
2.1
0.725
Esta vez un error del 2% en los datos produjo un error de alrededor del 25% en la solucion.
Otra vez, los errores en los datos se amplificaron, pese a que no se ha usado
metodo
numerico
alguno!
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 47 -
aproximada x . Entonces,
Sea x = x x, el error de la solucion
1
kbk
kxk
kAk
A
.
kxk
kbk
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 48 -
Numero
de condicion
de la matriz A como
Se define el numero
de condicion
1
cond(A) := kAk
A
.
Dado que
kxk
aproximada x ,
: error relativo de la solucion
kxk
kbk
de condicion
aproximada x .
error relativo del dato b y el error relativo de la solucion
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 49 -
en la misma matriz.
+
.
kAk
kxk
kAk
kbk
1 cond(A) kAk
La capacidad de propagar errores en los datos de un sistema Ax = b depende
esencialmente de la matriz A y no del segundo miembro b.
Si cond(A) 1 decimos que el sistema esta bien condicionado.
Si cond(A) 1 decimos que el sistema esta mal condicionado.
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 50 -
de errores de redondeo
Propagacion
de la matriz tambien
determina la capacidad de propagar los
El numero
de condicion
gaussiana con
Rn la solucion
de eliminacion
.
estrategia de pivoteo parcial, en un computador con constante de precision
o
n
1
(k)
max
Sea p =
aij .
kAk 1i,j,kn
Sea x
k
kx x
cond (A)
2n3 p
.
kxk
1 cond (A)
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 51 -
de condicion
es el culpable?
Quien
calculada mala
solucion
dimension
del computador (pocos dgitos)
mala precision
Teoremas analogos
valen para el metodo
de Cholesky, si la matriz A es simetrica
y
definida positiva, y para el algoritmo de Thomas, si la matriz A es tridiagonal y satisface
las desigualdades |b1 | > |c1 |, |bn | > |an | y |bi | |ai | + |ci |, i = 2, . . . , n 1.
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 52 -
Si no, como
se puede estimar el error e? Notemos que
) = Ax A
Ae = A(x x
x = b A
x = r.
Por lo tanto, podemos proceder del siguiente modo:
1. Resolvemos computacionalmente
Ae = r.
calculada de este sistema e
no va a coincidir exactamente con el error e
2. La solucion
del mismo:
pero va a ser una aproximacion
e = k
e
ek kek.
3.
del tamano
del error e.
k
ek es una estimacion
Calculo
Numerico
IN1012C/IN1052C/MAT221N
- 53 -