Documentos de Académico
Documentos de Profesional
Documentos de Cultura
04 SelDirectos - 2009 - 1 PDF
04 SelDirectos - 2009 - 1 PDF
DE INGENIERÍA
FACULTAD DE INGENIERÍA MECÁNICA
Departamento Académico de Ciencias Básicas,
Humanidades y cursos complementarios
Profesores:
Garrido Juárez, Rosa
Castro Salguero, Robert
Obregón Ramos, Máximo
2009-1
UNI-FIM-AACIBAH Métodos Numéricos - MB536
Sea la matriz:
a11 a12 L a1n
a a 22 L a 2 n
A = 21
L L L L
a m1 am2 L a mn
D = [ dij ] es una Matriz diagonal si dij = 0, para todo i ≠ j, además si dii = 1, se llama
matriz identidad I.
d11 0 L 0 1 0 L 0
0 d 22 O M 0 1 O M
D= I =
M O O 0 M O O 0
0 L 0 d nn 0 L 0 1
U = [ uij ] es una matriz triangular superior cuando uij=0, para todo i>j
u11 u12 L u1n
0 u O M
U= 22
M O O M
0 L 0 u nn
L = [ lij ] es una matriz triangular inferior cuando lij=0, para todo i<j
l11 0 L 0
l l 22 O M
L= 21
L L O 0
l n1 l n 2 L l nn
La matriz A es diagonalizable si existe una matriz “B” no singular que verifica que:
B-1AB=D, donde D es una matriz diagonal.
Una matriz A simétrica se llama definida positiva si : xTAx > 0, para cualquier vector
columna x arbitrario no nulo.
Si la matriz “A” es definida positiva entonces todos los elementos del espectro son
positivos.
Normas vectoriales:
n
V 1 = ∑ vi
i =1
n
= ∑v
2
V 2 i (Norma Euclidiana o cuadrática)
i =1
V ∞
= max vi ∀i (Norma infinita)
Normas Matriciales:
n
A 1 = max∑ aij j = 1L n (Suma de la columna máxima)
i =1
n
A ∞ = max ∑ aij i = 1L n (Suma de la fila máxima)
j =1
(
A 2 = ρ AAT (Norma espectral) )
Rango de una matriz:
Es el número de vectores linealmente independientes de los vectores fila o columna
de una matriz.
Sea:
Número de Condicionamiento:
− 1
k ( A ) = A A
Algunos autores recomiendan que el sistema está mal condicionado cuando k ( A) > 10 4 ,
pero básicamente esto depende de la cantidad de dígitos de precisión (t) con que se
realicen los cálculos.
31 1
a x + a 32 2x + a 33 3x + L + a x
3n n = b3 (01)
M
a n1 x1 + a n 2 x 2 + a n 3 x3 + L + a nn x n = bn
Se trata de un sistema de n ecuaciones con n incógnitas, x1, x2, ..., xn. Los elementos aij y
bi son números reales conocidos.
El sistema de ecuaciones (01) se puede escribir, empleando una representación matricial,
como:
a 11 a 12 a 13 L a 1n x1 b1
a 21 a 22 a 23 L a 2n x2 b 2
a a 32 a 33 L a 3n x = b (02)
31 3 3
M M M O M M M
a a n2 a n3 L a nn x b
n1 n n
Entonces podemos denotar estas matrices por A, x y b de forma que la ecuación se reduce
simplemente a:
Ax=b (03)
a11 0 0 L 0 x1 b1
0 a 22 0 L 0 x2 b2
0 0 a33 L 0 x = b (04)
3 3
M M M O M M M
0 0 0 L a nn x b
n n
En este caso el sistema se reduce a n ecuaciones simples y la solución es:
b1 / a11
b2 / a 22
x = b3 / a 33 (05)
M
b / a
n nn
Continuando con la búsqueda de sistemas con soluciones fáciles, supongamos ahora que
A tiene una estructura triangular inferior, es decir, todos los elementos de A distintos de
cero se sitúan bajo la diagonal principal:
a11 0 0 L 0 x1 b1
a 21 a 22 0 L 0 x2 b2
a a 32 a 33 L 0 x = b (06)
31 3 3
M M M O M M M
a an2 a n3 L a nn x b
n1 n n
Es fácil ver que el valor de x1 se obtiene directamente a partir de la primera ecuación.
Sustituyendo el valor conocido de x1 en la segunda ecuación es posible obtener el valor
de x2. Procediendo de la misma forma para el resto de las ecuaciones, es posible obtener
todos los valores x1 , x2, x3, ..., xn uno tras otro y en ese orden. El algoritmo formal para
encontrar la solución se denomina sustitución progresiva y se puede expresar como:
i −1
xi = bi − ∑ aij x j / aii (i = 1, 2, K , n ) (07)
j =1
y es posible obtener las soluciones en el orden xn, xn-1, ..., x1, empleando en este caso una
modificación del algoritmo expresado por la ecuación (07) y que denominados algoritmo
de sustitución regresiva:
n
xi = bi − ∑a x ij j
/ aii
(i = n, n − 1, K ,1) (09)
j = i +1
Como es lógico, los métodos descritos se pueden aplicar a todos aquellos sistemas que se
pueden convertir en un sistema triangular permutando filas y columnas de forma
adecuada.
1.6 La factorización LU
Supongamos que A se puede factorizar como el producto de una matriz triangular
inferior L con una matriz triangular superior U:
A = LU (10)
En este caso, el sistema de ecuaciones dado por (03) podría representarse en la forma:
LUx=b (11)
Lz=b (12)
A partir de las ecuaciones (11) y (12), es posible plantear un algoritmo para resolver el
sistema de ecuaciones empleando dos etapas:
• Primero obtenemos z aplicando el algoritmo de sustitución progresiva en la
ecuación (12).
• Posteriormente obtenemos los valores de x aplicando el algoritmo de sustitución
regresiva a la ecuación
Ux = z
El análisis anterior nos muestra lo fácil que es resolver estos dos sistemas de ecuaciones
triangulares y lo útil que resultaría disponer de un método que nos permitiera llevar a
cabo la factorización A=LU. Si disponemos de una matriz A de nxn, estamos interesados
en encontrar aquellas matrices:
tales que cumplan la ecuación (10). Cuando esto es posible, decimos que A tiene una
descomposición LU. Se puede ver que la ecuación anterior no determina de forma única
a L y a U. De hecho, para cada i podemos asignar un valor distinto de cero a lii o uii
(aunque no ambos). Por ejemplo, una elección simple es fijar lii=1 para i=1, 2, …,n
haciendo de esto modo que L sea una matriz triangular inferior unitaria. Otra elección es
hacer U una matriz triangular superior unitaria (tomando uii=1 para cada i).
Para deducir un algoritmo que nos permita la factorización LU de A partiremos de la
fórmula para la multiplicación de matrices:
(13)
en donde nos hemos valido del hecho de que lis=0 para s >i y usj=0 para s>j.
En este proceso, cada paso determina una nueva fila de U y una nueva columna de L. En
el paso k, podemos suponer que ya se calcularon las filas 1, 2, …, k-1 de U, al igual que
las columnas 1, 2, …, k-1 de L. Haciendo i=j=k en la ecuación (13) obtenemos
(14)
Si especificamos un valor para lkk (o para ukk), a partir de la ecuación (14) es posible
determinar un valor para el otro término. Conocidas ukk y lkk y a partir de la ecuación (13)
podemos escribir las expresiones para la k-ésima fila (i=k) y para la k-ésima columna
(j=k), respectivamente:
(15)
(16)
Es decir, las ecuaciones (16) se pueden emplear para encontrar los elementos ukj y lik.
El algoritmo basado en el análisis anterior se denomina factorización de Doolittle
cuando se toman los términos lii = 1 para 1 ≤ i ≤ n (L triangular inferior unitaria) y
factorización de Crout cuando se toman los términos uii=1 (U triangular superior
unitaria). Estos temas se desarrollaran en 1.10.
(17)
12
En el primer paso, multiplicamos la primera ecuación por = 2 y la restamos a la
6
3 1
segunda, después multiplicamos la primera ecuación por = y la restamos a la tercera
6 2
−6
y finalmente multiplicamos la primera ecuación por = −1 y la restamos a la cuarta.
6
1
Los números 2, y -1 son los multiplicadores del primer paso del proceso de
2
eliminación. El número 6 es el elemento pivote de este primer paso y la primera fila, que
no sufre modificación alguna, se denomina fila pivote. El sistema en estos momentos
tiene el siguiente aspecto:
(18)
En el siguiente paso del proceso, la segunda fila se emplea como fila pivote y -4 como
elemento pivote. Aplicamos del nuevo el proceso: multiplicamos la segunda fila por
− 12
= 3 y la restamos de la tercera y después multiplicamos la segunda fila por
−4
2 1 1
= − y la restamos a la cuarta. Los multiplicadores son en esta ocasión 3 y − y el
−4 2 2
sistema de ecuaciones se reduce a:
(19)
4
El último paso consiste en multiplicar la tercera ecuación por = 2 y restarla a la cuarta.
2
El sistema resultante resulta ser:
(20)
Por otra parte, la matriz triangular superior (U) formada por los coeficientes resultantes
tras aplicar el algoritmo de Gauss (ecuación 20), es:
Entrada: n,(aij)
Para k=1,2,…,n-1 hacer
Para i=k+1,k+2,…, n hacer
m ← a ik / a kk
aik ← 0
Para j=k+1,k+2,…,n hacer
ai j ← aij − ma kj
Fin
Fin
Fin
Salida (aij)
Ahora tomamos como pivote el elemento a33=2, multiplicamos la tercera ecuación por
2
= 1 y la restamos a la primera:
2
−2
Finalmente, tomamos como pivote a22=-4, multiplicamos la segunda ecuación por y
−4
la sumamos a la primera:
El sistema de ecuaciones anterior es, como hemos visto, fácil de resolver. Empleando la
ecuación (5) obtenemos las soluciones:
1.9 Pivoteo
Sin embargo, los algoritmos de Gauss y Gauss-Jordan que acabamos de describir pueden
dar lugar a resultados erróneos fácilmente. Por ejemplo, analicemos el siguiente sistema
de ecuaciones, en el que ∈ es un número muy pequeño pero distinto de cero:
y la solución es:
Ahora detallaremos las diversas variantes de los métodos de factorización LU que se han
descrito antes. Una matriz A se puede factorizar como el producto de una matriz
triangular inferior “L” y de una matriz triangular superior “U”. Esta factorización existe
cuando se puede resolver el sistema lineal Ax=b por eliminación Gaussiana sin
intercambio de filas y columnas. El sistema LUx = Ax = b puede transformarse entonces
en el sistema:
Ux=L-1b y como “U” es triangular superior, se puede aplicar la sustitución hacia atrás.
A=LU
Factorización de Doolittle
Los elementos conocidos de A (n=4) nos permiten plantear 16 ecuaciones. Para tener una
solución única se requieren 4 condiciones adicionales para los elementos de L y U.
Hacer l11=l22=l33=l44=1
Inicio
u 11 = a 11
Para j = 2 Hasta n Hacer
u 1j = a 1j
l j1 = a j1 /u 11
Fin_P ara
Para i = 2 Hasta n-1 Hacer
i −1
u ii = a ii − ∑ l ik u ki
k =1
Fin
Factorización de Cholesky
A = LLT
Donde:
A : Simétrica y definida positiva
L : Triangular Inferior
LT : Triangular Superior
Fin_Para
Fin_Para
n −1
l nn = [a nn − ∑ l 2nk ]1/2
k =1
Fin
A=LU
a11 a12 0 0 ... 0 l11 0 ... ... ... 0 1 u12 0 ... ... 0
a
21 a22 a23 0 ... 0 l21 l22 0 ... ... 0 0 1 u23 0 ...
0
0 a32 a33 a34 ... ... 0 l32 l33 0 ... 0 ... ... ...
=
0 .. .. .. .. 0 ... ... ... ... ... ... ... ... 0
0 ... 0 an−1,n −2 an −1,n−1 an−1,n 0 ... 0 ln −1,n−2 ln−1,n −1 0 ... ... 1 un−1,n
0 ... ... 0 an ,n−1 ann 0 ... ... 0 ln ,n−1 lnn 0 ... ... ... 0 1
Algoritmo de Crout
Dado el sistema A x = b, con A tridiagonal de orden “n”, obtener la solución aprox. x
Entrada : Orden de la matriz “n” y elementos de la matriz “A”.
Salida : La solución x1, x2,...,xn
Inicio
l 11 = a 11
u 12 = a 12 /l 11
Para i = 2 hasta n - 1 hacer
l i, i -1 = a i, i −1
l ii = a ii − l i, i −1 u i −1, i
u i, i +1 = a i, i + 1 /l ii
Fin_Para
l n, n −1 = a n, n −1
l nn = a nn − l n, n −1 u n −1, n
Resolver Lz = b sust. directa
z 1 = b 1 /l 11
Para i = 2 hasta n hacer
z i = (1/l ii )[b i − l i, i −1 z i −1 ]
Fin_Para
Resolver Ux = z sust. inversa
x n = zn
Para i = n - 1 hasta 1 hacer
x i = z i − u i, i + 1 x i + 1
Fin_Para
Fin
Ejemplo: Encuentre las factorizaciones de Doolittle y Crout de la matriz:
Usaremos cuatro dígitos decimales con redondeo. La solución exacta del sistema es
x1 = 0.2245 x 2 = 0.2814 x3 = 0.3279
Correctamente redondeado a cuatro dígitos.
Para ilustrar la estimación del error e, consideremos la solución del sistema por
eliminación Gaussiana con pivoteo. Esto conduce a la respuesta
x1 = 0.2251 x2 = 0.2790 x3 = 0.3295
Calculando el residual r de la forma descrita anteriormente, usamos ocho dígitos en
punto flotante, y redondeamos los componentes resultantes del residuo a cuatro dígitos
significativos,
r = [0.00006210 0.0002000 0.0003519]
T
Resolviendo el sistema lineal con el nuevo vector del lado derecho, obtenemos la
aproximación
e = [− 0.0004471 0.002150 − 0.001504]
T
max
z = zi , orden( z ) = n x1 (23)
1≤ i ≤ n
max n
A = ∑ aij , orden( A) = n x n
1 ≤ i ≤ n i =1
Estas cantidades son llamadas normas de vectores y matrices respectivamente, y se
puede demostrar que satisfacen las siguientes desigualdades.
P1. y+x ≤ y + z
P 2. A+ B ≤ A + B (24)
P 3. AB ≤ A B
P 4. Az ≤ A z
Para examinar el error x − x , observamos que:
x − x ≤ max xi − xi
1≤ i ≤ n
El máximo de los errores en los componentes de x .
Teorema 1. Consideremos A no singular. Entonces, la solución de Ax = b y Ax = b
satisfacen
x−x b−b
≤ A A−1 (25)
x b
y para una adecuada elección de b y b , la desigualdad se convierte en igualdad.
Prueba. Sustraer Ax = b a partir de Ax = b, conseguimos:
A( x − x ) = b − b
x − x = A−1 (b − b )
x−x A −1 b − b b−b
≤ = A A−1 (26)
x x A x
Usando (P4) de Nuevo, obtenemos:
b = Ax ≤ A x
y sustituyendo el lado derecho de (26) para obtener (25). Omitimos la prueba de la
sentencia final en el teorema.
El resultado (25) compara los errores relativos de x y los errores relativos de b .
Se dice que si A A −1 es muy grande, entonces el error relativo de x debe ser mayor que
el error de b ;
El numero K ( A) = A A −1 (27)
es llamando numero de condicionamiento. Cuando este es muy grande, la solución de Ax
= b seria muy sensible a pequeños cambios en b. O en la notación anterior del residual,
Tales sistemas son llamados mal condicionados, en tanto que los sistemas con un
pequeño número de condicionamiento son llamados bien condicionados.
Ejemplo
Un ejemplo bien conocido de matriz mal condicionada es la matriz de Hilbert:
1 1 1
1 L
2 3 n
1 1 1 1
Hn = 2 L
3 4 n +1
M M M M M
1 1 1
L
1
n n + 1 n + 2 2n − 1
Para ver que H 4 esta bien condicionada, compare con H 4−1 y H 4−1 . Estas son las
soluciones de H 4 X = I y H 4 X = I , entonces
16 − 120 240 − 140
− 120 1200 − 2700 1680
H4 =
−1
Los errores en H 4 están en el sexto lugar decimal, pero algunos de los errores en
H 4−1 están en el segundo lugar decimal. Esto es un cambio significativo en cal
compararse con H 4 . También por el cálculo directo,
25
cond (H 4 ) = H 4 H 4 = (13620 ) = 28000
−1
12
Solución:
1 1
1 1
f1 → 2 3 k =1
1 1 1 a ik
a) f2 → 0 m ik = i = k + 1,⋅ ⋅ ⋅, n
2 3 4 a kk
f3 → 1 1 1 1 1
0 m 21 = ; m31 =
3 4 3 2 3
f 2 → f 2 − m21 f1
f 3 → f 3 − m31 f1
1 1 1 1
1 1 1 1
2 3 m 32 = 1 2 3
0 1 1 1 0 1 1 1
− → −
12 12 2 12 12 2
1 4 1 1 1
0 − 0 0
12 45 3 180 6
f 3 → f 3 − m32 f 2
x1 9
x = x 2 = −36
x 3 30
1.00 0.50 0.33 1.00 k =1
a ik
b) 0.50 0.33 0.25 0.00 m ik = i = k + 1,⋅ ⋅ ⋅, n
a kk
0.33 0.25 0.33 0.00 m 21 = 0.50 ; m 31 = 0.33
f 2 → f 2 − m21 f1
f3 → f 3 − m31 f1
1.00 0.50 0.33 1 m 32 = 1.00 1.00 0.50 0.33 1
0.00 0.08 0.08 −0.50 → 0.00 0.08 0.08 −0.50
0.00 0.08 0.09 −0.33 0.00 0.00 0.01 017
.
x 1 7.02
x = x 2 = −23.25
x 3 17.00
1.0000 0 0 8.9635
⇒A ( 4)
=J ( 3)
*A ( 3)
= 0 0.0833 0 −2.9797
0 0 0.0056 0.1667
x 1 8.9635
x = x 2 = −35.7707
x 3 29.7679
2.- Para el siguiente circuito, obtener I1, I2 e I3 usando Gauss. Realizar los cálculos
usando3 decimales correctamente redondeados.
Solución:
3.- Resolver por Gauss, usando pivoteo parcial, el siguiente sistema de ecuaciones: (3
dec.)
1 2 3 1 −3 −4 −6 −2 m 21 = −0.667
pivoteo
2 3 4 −1 2 3 4 −1 m 31 = −0.333
a
−3 − 4 − 6 − 2 1 2 3 1 →
−3 −4 −6 −2 −3 −4 −6 −2 m 32 = 0.497
pivoteo
0 0.332 −0.002 −2.334 a 0 0.668 1.002 0.334 →
0 0.668 1.002 0.334 0 0.332 −0.002 −2.334
−3 −4 −6 −2
0 0.668 1.002 0.334
0 0 −0.500 −2.667
x1 0
x = x 2 = −7.501
x 3 5.334
Solución:
8 1 3 2 19 8 1 3 2 19
−1 7 2 0 10
→ 0 7.125 2.375 0.250 12.375
→
1 2 6 −1 13 0 1875
. 5.625 −1.250 10.625
2 1 0 6 15 0 0.750 −0.750 5.500 10.250
8 1 3 2 19 8 1 3 2 19
0 7.125 2.375 0.250 12.375 0 7.125 2.375 0.250 12.375
→ →
0 0 5.000 −1.316 7.368 0 0 5.000 −1316
. 7.368
0 0 −1.000 5.474 8.947 0 0 0 5.211 10.421
x 1 1000
.
x 2 1000
.
x= =
x 3 2.000
x 4 2.000
5.- Resolver, usando el método de factorización de Crout, el siguiente sistema de
ecuaciones. Realizar los cálculos con tres decimales.
3 2 0 10
1 3 2 13
0 5 6 32
Solución:
l11 0 0 1 u12 0 3 2 0
L * U = A ⇒ l 21 l 22 0 * 0 1 u 23 = 1 3 2
0 l l 33 0 0 1 0 5 6
32
l11 *1 = 3
3 * u 12 = 2 ⇒ u12 = 0.667
l 21 *1 = 1
3 0 0 1 0.667 0 3 2 0
1 l 22 0 *0 1 u 23 = 1 3 2
0 l l 33 0 0 1 0 5 6
32
1 * 0.667 + l 22 = 3 ⇒ l 22 = 2.333
; 2.333 * u 23 = 2 ⇒ u 23 = 0.8571
l 32 = 5 ⇒ l 32 = 5
3 0 0 1 0.667 0 3 2 0
1 2.333 0 * 0 1 0.8571 = 1 3 2
0 5 l 33 0 0 1 0 5 6
5 * 0.8571 + l 33 = 6 ⇒ l33 = 1.7143
3 0 0 1 0.667 0.333 3 2 0
1 2.333 0 *0 1 0.8571 = 1 3 2
0 1.7143 0 1 0 5 6
1445424 0
443 144424443 14243
L U A
Ax = b ⇒ LUx
{=b
y
Ly = b
Ux = y
3 0 0 y1 10 y1 3.333
1 2.333 0 y 2 = 13 ∴ y = y 2 = 4.143
0 5 1.7143 y 3 32 y 6.583
3
1 0.667 0 x1 3.333 x1 4.333
0 1 0.715 x 2 = 4.143 ∴ x = x 2 = − 1.500
0 0 1 x3 6.583 x 6.583
3
6.- Solucionar un sistema Ax = b con el método LU, con pivoteo parcial. Usar 3
decimales.
15 1 −1 6.5
A = 16.875 2.25 4 b = 18.688
−22.5 −3 8 1.75
l 11 0 0 1 u 12 u 13 15 1 −1
L*U = A ⇒ l 21 l 22 0 *0 1 u 23 = 16.875 2.25 4
l 31 l 32 l 33 0 0 1 −22.5 −3 8
l 11 * 1 = 15 ←
l 21 * 1 = 16.875 Pivoteo
l 31 * 1 = −22.5 ←
)
l11 0 0 1 u) 12 u) 13 −22.5 −3 8 1.75
) ) )
l21 l22 0 * 0 1 u 23 = 16.875 2.25 4 OJO: b = 18.688
)l ) )
−1
31 l32 l33 0 0 1 15 1 6.5
)
l * 1 = −22.5 ) )
)11 − 22.5 * u 12 = −3 ⇒ u 12 = 0.133
l * 1 = 16.875 ) )
)21 −22.5 * u 13 = 8 ⇒ u 13 = −0.356
l31 * 1 = 15
) )
16.875* 0.133 + l22 = 2.25 ⇒ l = 0.006
) ) 22 PIVOTEO
15 * 0133
. + l32 = 1 ⇒ l32 = −0.995 *
-22.5 0 0 1 0133
. −0.356 −22.5 −3 8 1.75
) )
15 l 0 *0 1 u 23 = 15 1 −1 b = 6.5
)22 )
16.875 l32 l33 0 0 1 16.875 2.25 4 18.688
)
l = 0.006
) 22 ) )
l32 = −0.995 - 15* 0.356 - 0.995u 23 = -1 ⇒ u 23 = −4.362
-22.5 0 0 1 0133
. −0.356 −22.5 −3 8
15 −0.995 0 * 0 1 −4.362 = 15 1 −1
)
16.875 0.006 l33 0 0 1 16.875 2.25 4
) )
-16.875* 0.356 - 0.006 * 4.362 + l33 = 4 ⇒ l33 = 10.034
-22.5 0 0 1 0135
. −0.356 −22.5 −3 8
15 −0.995 0 *0 1 −4.362 = 15 1 −1
16.875 0.006 10.034 0 0 1 16.875 2.25 4
14444244443 144424443 144424443
L U A
Ax = b ⇒ LUx
{=b
y
Ly = b
Ux = y
Solución:
1 0133
. −0.356
UC = 0 1 −4.362
0 0 1
−22.5 0 0 −22.5 0 0
L C = 15 −0.995 0 ⇒D= 0 −0.995 0
16.875 0.006 10.034 0 0 10.034
−0.044 0 0
D −1 = 0 −1005
. 0
0 0 .
0100
Se tiene la siguiente propiedad de carácter general:
L1 = L 2 * D −1
U1 = D * U 2
Reemplazando en éstas ecuaciones las matrices anteriores se obtiene:
1 0 0
−1
L D = L C * D = −0.66 1 0
−0.743 0.006 1
−22.5 −2.993 8.01
UD = D * UC = 0 −0.995 4.340
0 0 10.034
Ax = b ⇒ LUx
{=b
y
Ly = b
Ux = y
1 0 0 y 1 175
. y 1 175 .
−0.66 1 0 y 2 = 6.5 ∴ y = y 2 = 7.655
−0.743 0.006 1 y 3 18.688 y 3 19.942
−22.5 −2.993 8.01 x 1 1.75 x 1 0.5
0 −0.995 4.340 x 2 = 7.655 ∴ x = x 2 = 0.974
0 0 10.034 x 3 19.942 x 3 1987
.
Solución:
1 3
l 11 = a 11 = 5 = 2.236 ; l 21 = (a 21 ) = = 1.342
l 11 2.236
1 −2
l 31 = (a 31 ) = = -0.894 ; l 22 = a 22 − l 21 = 2 − 1.342 2 = 0.446
2
l 11 2.236
1 1
l 32 =
l 22
(a 32 − l 31l 21 ) =
0.446
[ −2 + 0.894 * 1.342] = -1.794 ;
l 33 = a 33 − (l 21 + l 32 ) = 2 − 0.894 2 − 1794 = 0.991
2 2 2
.
2.236 0 0
L = 1.342 0.446 0
−0.894 −1794
. 0.991
Ax = b ⇒ LL
{x = b
T
y
Ly = b
LTx = y
2.236 0 0 y1 0 y1 0
1342
. 0.446 0 y 2 = −1 ∴ y = y 2 = −2.242
−0.894 −1.794 0.991 y 3 5 y 3 0.987
2.236 1342
. −0.894 x 1 0 x 1 1010
.
0 0.446 −1.794 x 2 = −2.242 ∴ x = x 2 = −1020
.
0 0 0.991 x 3 0.987 x 3 0.996
a) Señale las condiciones que debe cumplir la matriz del sistema A del sistema para que
éste pueda resolverse por el método de Cholesky.
b) Suponiendo que la matriz A cumple esas condiciones, describa dicho método para
obtener la solución del sistema y deduzca un algoritmo para el cálculo de los elementos
de las matrices triangulares involucradas.
c) Calcule mediante ese algoritmo las matrices triangulares que factorizan la matriz
9 −36 30
A = −36 192 −180
30 −180 180
Solución:
a) El método de Cholesky es aplicable si A es simétrica y definida positiva.
b) El método de cholesky consiste en factorizar la matriz de coeficientes de la forma:
Ax = b ⇒ LL
{x = b
T
y
Ly = b
LTx = y
l 11 0 0 l 11 l 21 l 31 a 11 a 12 a 13
L*L = A T
⇒ l 21 l 22 0 * 0 l 22 l 32 = a 21 a 22 a 23
l 31 l 32 l 33 0 0 l 33 a 31 a 32 a 33
1
l 11 = a 11 ; l 21 = (a 21 )
l 11
1
l 22 = a 22 − l 21 ; l 31 =
2
( a 31 )
l11
1
l 32 = (a 32 − l 31l 21 ) ; l 33 = a 33 − (l 31 + l 32 )
2 2
l 22
Generalizando:
i −1
l ii = a ii − ∑ l 2ik
k =1
j −1
1
l ij = a ij − ∑ l ik l jk ; i > j
l jj k =1
c)
9 36 30
A = −36 192 −180
30 −180 180
1 −36
l 11 = a 11 = 9 = 3 ; l 21 = (a 21 ) = = -12
l 11 3
1 30
l 31 = (a 31 ) = = 10 ; l 22 = a 22 − l 21 = 192 − 144 = 4 3
2
l 11 3
1 1 15
l 32 =
l 22
(a 32 − l 31l 21 ) = [ −180 + 12 * 10] = - ;
4 3 3
l 33 = a 33 − (l 31 + l 32 ) = 180 − 100 − 75 = 5
2 2
3 0 0 3 −12 10
∴ L = -12 4 3 0 y L = 0 4 3 − 15
T
3
10 − 15 5
3 0 0 5
n
Condicionamiento de A usando A ∞
= max ∑ a ik (suma por renglones)
1≤ i ≤ n
k =1
3
i = 1: ∑a
k =1
ik = 9 + 36 + 30 = 75
3
i = 2: ∑a
k =1
ik = 36 + 192 + 180 = 408 ∴A ∞
= 408
3
i = 3: ∑a
k =1
ik = 30 + 180 + 180 = 390
10.-
∆x ∆b
≤ K( A )
x b
Solución:
∆x ≤ A −1 ∆b ⋅⋅⋅⋅ (1)
Ax = b ⇒ b = Ax
b ≤ A x ⋅⋅⋅⋅ (2)
∆x A −1 ∆b A ∆b
De (1) y (2) se obtiene: ≤ = A A −1
x b b
∆x ∆b
≤ K( A )
x b
b)
0.729 0.81 0.9 0.6867 1331
. 1.21 11
. 10000
. m 21 = 0.7513
pivoteo
1 1 1 0.8338 1 1 1 0.8338 m 31 = 0.5477
a
1331
. 121
. . 1.0000
11 0.729 0.81 0.9 0.6867 →
1331
. 1.21 11
. 1.0000 1.331 121. 11
. 10000
. m 32 = 0.6171
pivoteo
0 0.0909 0.1736 0.0825 0 0.1473 0.2975 01390
. →
a
0 01473
. 0.2975 01390
. 0 0.0909 01736
. 0.0825
1331
. 121
. 11
. 10000
.
0 01473
. 0.2975 01390
.
0 0 −0.010 −0.0033
x 1 0.2267
x = x 2 = 0.2770
x 3 0.3300
Estudio del error:
∆x K( A ) ∆A ∆b
≤ +
x ∆A A b
1 − K( A )
A
A ∞ = 3.641
−1 K ( A) = 1467.4344
A = 403.0306
∞
∆A ∞ = 1.5 ; ∆b ∞ = 0.00005 ; b ∞ = 1.0000
x ∞
= 0.3300
∆x ∞
= 10018
. ; ∆x ∞
= 0.3306
x ∞
si se sabe que el segundo miembro fue correctamente redondeado a tres cifras decimales
y que la inversa de la matriz del sistema es la siguiente:
5 4 3 2 1
4 8 6 4 2
1
3 6 9 6 3
6
2 4 6 8 4
1 2 3 4 5
(Justificar la respuesta)
Solución:
a) Si se designa por ∆b la perturbación de b, esto genera una perturbación ∆x en la
solución x del sistema, es decir:
∂x ≤ A −1 ∂b ⋅⋅⋅⋅ (1)
Ax = b ⇒ b = Ax
b ≤ A x ⋅⋅⋅⋅ (2)
∂x A −1 ∂b A ∂b
De (1) y (2) se obtiene: ≤ = A A −1
x b b
∂x ∂b
≤ K ( A)
x b
b)
Considerando que sólo b sufre perturbaciones:
∂x ∂b
≤ K ( A)
x b
n
Usando norma infinito: A ∞
= max ∑ a ik (suma por renglones)
1≤ i ≤ n
k =1
b ∞
= max b i
i
5
i = 1: ∑a
k =1
ik = 2 +1= 3
5
i = 2: ∑a
k =1
ik = 1+ 2 +1 = 4 ∴A ∞
=4
5
i = 3: ∑a
k =1
ik = 1+ 2 +1 = 4
5
i = 4: ∑a
k =1
ik = 1+ 2 +1 = 4
5
i=5 ∑a
k =1
ik = 1+ 2 = 3
∂x ∂b 0.0005
≤ K ( A) = 18 = 0.0045
x b 2.001