UNIVERSIDAD JUÁREZ AUTÓNOMA DE TABASCO

DIVISIÓN ACADÉMICA DE CIENCIAS BÁSICAS

MAESTRÍA EN CIENCIAS EN MATEMÁTICAS APLICADAS

Análisis Numérico
TAREA 2.4

Estudiante:

Ing. David Balladares de la Cruz

Catedratico:

Dr. Justino Alavez Ramı́rez

27 de marzo de 2019

1
1. Muestra que la matriz
 
2 2 1
A = 1 1 1
 
3 2 1
es invertible y que sin embargo no admite descomposición A = LU alguna. ¿Es esta
matriz fuertemente no singular? Comenta.
solucion
Para saber si una matriz es o no invertible su determinante debe ser distinto de cero.
Ası́, con ayuda de MATLAB calculamos su determinante con la instrucción det(A)

de manera que la matriz es invertible. Ahora trataremos de obtener la factorización

LU.
−1
R2 −→ R1 + R2
2
−3
R3 −→ R1 + R3
2
 
2 2 1
   
2 2 1
 

 0 0 1 
1 1 1 ∼
 
   2 
3 2 1
 
 
 −1 
0 −1
2
Detenemos el proceso en este punto ya que se ve claramente que la matriz no obtendrá
su forma triangular superior con la eliminación Gaussiana.

2
Si aplicamos eliminación Gaussiana con pivoteo parcial, en cambio, podemos factorizar
la matriz. Esto puede observarse en la siguiente figura.

Ası́, se comprueba que A no admite descomposición A = LU , pero si P A = LU .

Para ver si la matriz es fuertemente singular, κp (A) ≥ 1. Ası́,
−1nos
valdremos de la
norma infinita para realizar el calculo. calculamos kAk∞ y A ∞ . Los resultados

pueden observarce en la siguiente figura

3
 Con lo que es fácil darse cuenta que κ∞ (A) = 24 > 1. Por lo tanto, podemos concluir
que, aunque A es fuertemente no singular, no admite factorización LU .

2. Resuelve por eliminación Gaussiana sin pivoteo el sistema Ax = b, donde

   
1 2 3 4 2
1 4 9 16   10 
   
A =   y b =  
1 8 27 64   44 
1 16 81 256 190

Solución
La matriz admite factorización LU, ası́ que utilizaremos este método para encontrar la
solución a la ecuación Ax = b.
R2 −→ −R1 + R2

R3 −→ −R1 + R3
R4 −→ −R1 + R4
   
1 2 3 4 1 2 3 4
1 4 9 16  0 2 6 12 
   
∼
1 8 27 64  0 6 24 60 
 
1 16 81 256 0 14 78 252
6
R3 −→ − R2 + R3
2
14
R4 −→ − R2 + R4
2
   
1 2 3 4 1 2 3 4
0 2 6 12  0 2 6 12 
   
∼
0 6 24 60  0 0 6 24 
 
0 14 78 252 0 0 36 168

36
R4 −→ − R2 + R3
6
   
1 2 3 4 1 2 3 4
0 2 6 12  0 2 6 12
   
∼
0 0 6 24  0 0 6 24
 
0 0 36 168 0 0 0 24

4
      
1 0 0 0 2 2
−1 1 0 0  10   8 
     
· = 
−1 0 1 0  44   42 

−1 0 0 1 190 188
     
1 0 0 0 2 2
0 1 0 0  8   8 
     
· = 
0 −3 1 0  42   18 

0 −7 0 1 188 132
     
1 0 0 0 2 2
0 1 0 0  8   8 
     
· = 
0 0 1 0  42  18

0 0 −6 1 132 24

De manera que el sistema queda factorizado como

       
1 0 0 0 1 2 3 4 x 2
1 1 0 0 0 2 6 12  y   8 
       
· · = 
1 3 1 0 0 0 6 24  z  18

1 7 6 1 0 0 0 24 w 24

Realizando sustituciones hacia atrás, obtenemos el vector solución x̂ = [−1, 1, −1, 1]T .
A continuación resuelve nuevamente este sistema por eliminación Gaussiana con pivo-
teo parcial. Haga una tabla de comparación de resultados y comenta.
Solución.
Ahora calculamos la solución utilizando la factorización PA=LU. Partiremos de la
matriz  
1 2 3 4
0 2 6 12 
 
0 6 24 60 
 
0 14 78 252
     
1 0 0 0 1 2 3 4 1 2 3 4
0 0 0 1 0 2 6 12  0 14 78 252
     
· =
0 0 1 0 0 6 24 60  0 6 24 60 
 
0 1 0 0 0 14 78 252 0 2 6 12

5
 6
R3 −→ − R2 + R3
14
2
R4 −→ − R2 + R4
14
 
1 2 3 4
 
   
0 14 78 252
1 2 3 4

 
0 14 78 252 
   
∼

0 6 24 60  0 −
 66 270 
−48 − 
0 2 6 12

 7 7 

 
 36 132 
0 − −24 −
7 7
7 36
R4 −→ − R3 + R4
66 7
   
1 2 3 4 1 2 3 4
   
   
0 14 78 252  0 14
  78 252 
 
   
∼
   
0 − 66 −48 − 270  0 − 66 −48 − 270 
   

 7 7  
  7 7 
   
 36 132   24 
0 − −24 − 0 0 0
7 7 11

De modo que el sistema puede expresarse como

   
1 2 3 4 2
     
1 0 0 0 
0 14
    
1 78 252  x
 188 
1 0 0 
    
 y  
     
 1 ·
 
 ·   =  270 

1 1 0 0 − 66 270  z  
 7 −48 − 
 3 6   7 7  w
 7 
1 1    
7 11
   
 24   24 
0 0 0
11 11

6
 De modo que el vector solución es x̂ = [−1.8142, −1.5571, −1.1, 1]T . Los resultados se
analizan con detalle en la siguiente tabla.

Método Solución Error relativo Porcentaje del Error

OCTAVE [−1.0000, 1.0000, −1.0000, 1.0000]T 0 0
Gauss s/p [−1, 1, −1, 1]T 0 0
Gauss c/p [−1.8142, −1.5571, −1.1, 1]T 0.8142 81.42 %

De modo que la matriz es muy sencible a errores de redondeo. El pivoteo parcial, para
este caso, introduce errores muy grandes.

3. Un aspecto importante del estudio de la transferencia de calor es determinar la tem-

peratura en estado estable de una placa delgada cuando se conocen las temperaturas
alrededor de ella. Una forma de estimar la temperatura en algunos puntos interiores
de la placa es cuadricular la placa como se muestra en la siguiente figura y determinar
la temperatura en los nodos interiores, es decir, determinar valores de T1 , T2 , T3 , T4 ,
T5 y T6 .

a) Bajo el supuesto de que la temperatura en un nodo interior es aproximadamente

el promedio de las temperaturas de los cuatro nodos vecinos más cercanos, verifica
que T1 , T2 , T3 , T4 , T5 y T6 satisfacen el sistema de ecuaciones lineales dado en
(??).

4T1 − T2 − T4 = 56

−T1 + 4T2 − T3 − T5 = 25

T2 + 4T3 − T6 = 62
(1)
−T1 + 4T4 − T5 = 41

−T2 − T4 + 4T5 − T6 = 10

−T3 − T5 + 4T6 = 47

7
Solución.
Las T satisfacen el conjunto de ecuaciónes dado.
T2 + T4 + 31 + 25
T1 =
4

4T1 − T2 − T4 = 56

T3 + T5 + T1 + 25
T2 =
4

−T1 + 4T2 − T3 − T5 = 25

T2 + T6 + 25 + 37
T3 =
4

−T2 + 4T3 − T6 = 62

T1 + T5 + 31 + 10
T4 =
4

−T1 + 4T4 − T5 = 41

T2 + T4 + T6 + 10
T5 =
4

−T2 − T4 + 4T5 − T6 = 10

T3 + T5 + 37 + 10
T6 =
4

−T3 − T5 + 4T6 = 47

Es claro que mientras másfina sea la cuadrı́cula, más grande será el sistema de
ecuaciones lineales que se necesitarı́a resolver.

8
b) Usa linsolve de MATLAB/OCTAVE para resolver el sistema (??).
Capturamos el sistema en MATLAB

y calculamos las soluciones

9
c) ¿Es el sistema (??) bien o mal condicionada? Para responder esta pregunta, cal-
cula el número de condición o el Rcond de la matriz de coeficientes del sistema.

Como Rcond es muy pequeño, la matriz es bien condicionada

d ) Bajo el supuesto de que los datos tienen hasta un 5 % de error, ¿de qué orden es
el error en la solución obtenida?
es de orden considerablemente pequeño, esto puede verse reflejado en el número
de condicion.

10