Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Lineales III
Por otra parte, puede demostrarse que la estabilidad del metodo de eliminacion
gaussiana en cuanto a propagacion de errores de redondeo se deteriora si los
multiplicadores mij son numeros muy grandes en modulo.
. . . .
(k)
ank
..
(k) (k)
Los intercambios de filas de una matriz se obtienen multiplicando a izquierda por una
matriz de permutacion. Por ejemplo:
0 1 0 1 2 3 4 5 6
0 0 1 4 5 6 = 7 8 9
1 0 0 7 8 9 1 2 3
521230 -5- DIM Universidad de Concepcion
LU con estrategia de pivoteo parcial
Factorizacion
LU = P A.
L = 0.1429 1.0000 0
Comando: [L,U]=lu(A) 0.5714 0.5000 1.0000
L es una matriz psicologica- 1.0000 0 0
mente triangular inferior
U = 7.0000 8.0000 0
U es una matriz triangular supe-
0 0.8571 3.0000
rior
0 0 4.5000
L*U = A.
>> L*U
ans = 1 2 3
4 5 6
7 8 0
Comando: L = 1.0000 0 0
[L,U,P]=lu(A) 0.1429 1.0000 0
0.5714 0.5000 1.0000
L es una matriz triangular inferior
U es una matriz triangular supe- U = 7.0000 8.0000 0
rior
0 0.8571 3.0000
P es una matriz de permutacion 0 0 4.5000
L*U = P*A.
P = 0 0 1
1 0 0
0 1 0
>> L*U
Comando: ans = 7 8 0
[L,U,P]=lu(A) 1 2 3
L es una matriz triangular inferior 4 5 6
U es una matriz triangular supe-
rior >> P*A
Si una matriz banda A puede factorizarse LU sin necesidad de pivoteo, entonces las
matrices triangulares L y U tambien son banda con el mismo ancho de banda que A.
0 10 1
B 0 0 CB 0 0C
B. .. ..
B CB C
B. .. .. CB .. .. .. C
B. . . CB 0
. . . . .
CB C
C
B CB C
B
.. .. ..
CB .
CB
.. .. ..
C
CB ..
B C
B . . . . . . 0C
B CB C
A=B CB C
B
.. .. .. ..
CB .
CB . .. .. C
B0 C
B
. . .
C
B .
CB .
CB . . C
B CB C
B. .. .. .. CB . .. .. .. C
B. CB .
B.
B
. . . 0C
CB .
B . . .C
C
C
`
@ A@ A
0 0 0 0
L ` U
Por eso se dice que la factorizacion LU sin pivoteo preserva la estructura banda de las
matrices.
Estas matrices aparecen tambien muy habitualmente, por ejemplo, al interpolar por splines
o al resolver problemas de valores de contorno para ecuaciones diferenciales ordinarias.
L U
11 = b1 = 1 = b1
11 = c1 = 1 = c1
2 1 = a 2 = 2 = a2 /1
2 1 + 12 = b2 = 2 = b2 2 1
12 = c2 = 2 = c2
n n1 = an = n = an /n1
n n1 + 1n = bn = n = bn n n1
521230 - 14 - DIM Universidad de Concepcion
LU de matrices tridiagonales (cont.)
Factorizacion
0 10 1 0 1
1 0 0 y1 d1
B CB C B C y1 = d 1
.. .CB
.CB
B C B C
B 1 . . C B y2 C B d2 C Para i = 2, . . . , n
C B C
B 2
B CB C B C
.. .. .. .CB . C . C
.CB . C = B . C
B B
B0 . . . .CB . C B . C yi = di i yi1
B
B ..
B CB C B C
.. .. .. CB C B C
B . . . . 0A @yn1 A @dn1 C
C B C B
@ A
Costo operacional:
0 0 n 1 yn dn
n
X
2 = 2(n1) flop
i=2
Comparese este costo con el del metodo de eliminacion gaussiana aplicado a ciegas sin
sacar provecho de la estructura tridiagonal de la matriz: 23 n3 .
Por ejemplo, un sistema 1000 1000 cuesta aproximadamente 666 666 666 flop por
M.E.G. y aproximadamente 8 000 flop mediante este algoritmo.
Estas matrices tambien aparecen muy habitualmente, por ejemplo, al ajustar parametros
de un modelo por cuadrados mnimos o al resolver problemas de valores de contorno para
ecuaciones diferenciales.
Por lo tanto el costo operacional total del metodo de Cholesky es de 13 n3 . Vale decir,
aproximadamente la mitad que el del M.E.G.
A =
2 -1 0
-1 2 -1
0 -1 2
>> R=chol(A)
R =
Comando: R=chol(A)
1.4142 -0.7071 0
R es una matriz triangular supe- 0 1.2247 -0.8165
rior 0 0 1.1547
Rt *R = A. >> B=R*R
B =
2.0000 -1.0000 0
-1.0000 2.0000 -1.0000
0 -1.0000 2.0000