Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Demostraciones principales
29 de diciembre de 2017
1
Índice
1. Introducción 3
2. Teorema del Punto Fijo 3
2.1. Consideraciones previas . . . . . . . . . . . . . . . . . . . . . . . 3
2.1.1. Espacio Métrico . . . . . . . . . . . . . . . . . . . . . . . 3
2.1.2. Sucesión de Cauchy . . . . . . . . . . . . . . . . . . . . . 3
2.1.3. Sucesión de Cauchy y Espacio Métrico Completo . . . . . 3
2.1.4. Función r-contracción . . . . . . . . . . . . . . . . . . . . 3
2.1.5. Continuidad de r-contracción . . . . . . . . . . . . . . . . 4
2.2. Enunciado del Teorema de Punto Fijo . . . . . . . . . . . . . . . 4
3. Teorema de Convergencia para Sistemas Lineales 5
3.1. Consideraciones previas . . . . . . . . . . . . . . . . . . . . . . . 5
3.1.1. Propiedad de matrices y vectores propios . . . . . . . . . 5
3.1.2. Propiedad de matrices y normas . . . . . . . . . . . . . . 5
3.1.3. Errores y métodos iterativos . . . . . . . . . . . . . . . . . 5
3.1.4. Matriz y radio espectral . . . . . . . . . . . . . . . . . . . 6
3.2. Enunciado del Teorema de Convergencia para Sistemas Lineales . 6
4. Condición suciente de Convergencia para Jacobi y Gauss-Seidel 7
4.1. Consideraciones previas . . . . . . . . . . . . . . . . . . . . . . . 7
4.1.1. Matriz diagonal estrictamente dominante . . . . . . . . . 7
4.1.2. Norma innito de una matriz . . . . . . . . . . . . . . . . 7
4.2. Enunciado de condición suciente de convergencia . . . . . . . . 7
5. Teorema de Orden de Convergencia 8
5.1. Consideraciones previas . . . . . . . . . . . . . . . . . . . . . . . 8
5.1.1. Denición de orden de convergencia . . . . . . . . . . . . 8
5.1.2. Método Iterativo General (MIG) . . . . . . . . . . . . . . 9
5.2. Enunciado del Teorema de Orden de Convergencia . . . . . . . . 9
6. Coincidencia de solución entre el PMCL y las Ecuaciones Nor-
males 10
6.1. Consideraciones previas . . . . . . . . . . . . . . . . . . . . . . . 10
6.1.1. Propiedades de normas y matrices . . . . . . . . . . . . . 10
6.2. Enunciado del Teorema de Coincidencia de solución entre el PMCL
y las Ecuaciones Normales . . . . . . . . . . . . . . . . . . . . . . 10
7. Teorema de acotación del Error en Interpolación Polinómica 13
2
1. Introducción
En este pdf se presentan las principales demostraciones del teórico de Mé-
todos Numéricos del curso de 2017. En dicho curso se dijo que en los exámenes
se preguntan al menos una de las demostraciones. De la lista que se enume-
ró falta una demostración solamente: Corolario del Teorema del Punto Fijo en
Rn . Este texto se hizo en base a las notas teóricas y apuntes de clase. Son las
demostraciones un poco más explicadas. Espero sean de ayuda. Salú.
3
2.1.5. Continuidad de r-contracción
Toda función ϕ en un EM que sea una r-contracción es continua.
d(ϕ(n) (x0 ), ϕ(n+1) (x0 )) + d(ϕ(n+1) (x0 ), ϕ(n+2) (x0 ))+ ...
+d(ϕ(m−1) (x0 ), ϕ(m) (x0 )) ≤ (r-contracción)
(sucesión geométrica)
Pm−1
i=n ri .d(x0 , x1 ) =
r n −r m (m−n)
Dado que 0 < r < 1, podemos tomar n lo sucientemente grande para que
se cumpla que:
).d(x0 , x1 ) < ε.
(m−n)
d(xm , xn ) ≤ rn .( 1−r1−r
4
2. ϕ(α) = ϕ(lı́mn→∞ xn ) = (continuidad de ϕ)
lı́mn→∞ xn+1 = α
(1 − r).d(α, β) = 0
5
3.1.4. Matriz y radio espectral
1. Sea Q una matriz, se dene el radio espectral de Q como el mayor de
los valores absolutos de sus valores propios y se denota ρ(Q). Es decir:
ρ(Q) = max{|λ| : λ es valor propio de Q}.
2. El radio espectral de Q es una cota inferior de cualquier norma de Q. Es
decir ρ(Q) ≤ kQk.
3. Para toda norma de Q ∃ε > 0 tal que: kQkε < ρ(Q)+ε. (Esto es inmediato
por el punto anterior)
(⇒) Por absurdo se asume que ρ(Q) ≥ 1. Entonces se tiene que ∃ λ tal que
|λ| ≥ 1 y v 6= ~0 tal que Qv = λv . Ahora se elige X 0 = X ∗ − v , entonces se tiene
que e0 = X ∗ − X 0 = X ∗ − (X ∗ − v) = v . Veremos que el error k con k → ∞ es
distinto de 0. Aplicando la propiedad:
k
k 0
k
k
e
=
Q .e
=
Q .v
=
λ .v
= (|λ|)k . kvk
6
Entonces:
k
k 0
k
0
e
=
Q e
≤
Q
e
≤ (kQk )k
e0
ε ε
método converge.
Notas:
Es importante ver que para Jacobi, la matriz A no es igual a QJ sino que
QJ se construye a partir de ella.
La demostración se da sólo para Jacobi. Para Gauss-Seidel es muy com-
pleja y no se da en el curso.
Dado que es una condición suciente, si se tiene una matriz A que no es
diagonal dominante, no se puede armar que el método no converge.
Para la demostración se asume que la diagonal de A no tiene ningun
elemento nulo.
7
Demostración (Para Jacobi)
Dado que A es diagonal estrictamente dominante, tenemos que:
0 ( −a −a13
a11 ) ( a11 )
12
... ( −a
a11 )
1n
( −a
a22 )
21
0 ( −a
a22 )
23
... −a2n
( a22 )
−a −a32
( −a
( 31 ) ( a33 ) 0 ... a33 )
3n
QJ = a33
.. .. .. .. ..
. . . . .
( −a
ann )
n1
... ... ... 0
Es decir que QJ es A pero con la diagonal nula, y cada entrada está dividida
por el opuesto de la diagonal de A. Ahora hallamos la norma innito de QJ :
Pn Pn −aij Pn |aij |
kQJ k∞ = maxi j=1 |qij | = maxi j=1 | aii | = maxi j=1j6=i |aii | <1
Por propiedad podemos armar que: ρ(QJ ) ≤ kQJ k∞ < 1, entonces por teorema
de convergencia de sistemas lineales, queda demostrado que Jacobi converge.
8
5.1.2. Método Iterativo General (MIG)
Sea f una función a la cuál se le quiere hallar la raíz α. Un método iterativo
general para hallar α tiene la siguiente forma:
(
xn+1 = g(xn )
x0 ∈ R
Demostración
Sea n ∈ N, por el teorema de Taylor se sabe que ∃γn entre xn y α tal que:
2
g(xn ) = g(α) + g 0 (α)(xn − α) + g 00 (α) (xn −α)
2 + ...
(p−1) p
−α) −α)
... + g (p−1) (α) (xn(p−1)! + g (p) (γn ) (xn p!
Entonces:
2
g(xn ) − g(α) = g 0 (α)(xn − α) + g 00 (α) (xn −α)
2 + ...
(p−1) p
−α) −α)
... + g (p−1) (α) (xn(p−1)! + g (p) (γn ) (xn p!
Ahora aplicamos que g 0 (α) = g 00 (α) = ... = g (p−1) (α) = 0, que xn+1 = g(xn ) y
α = g(α).
p
−α) |xn+1 −α| |g (p) (γn )|
xn+1 − α = g (p) (γn ) (xn p! ⇒ (|xn −α|)p = p!
(p)
Ahora se debe demostrar que lı́mn→∞ |g p!(γn )| existe y es mayor que 0. Por
hipótesis sabemos que xn −→ α entonces |xn − α| −→ 0 (con −→ se asume n
tendiendo a ∞). Dado que γn está entre α y xn tenemos que:
9
A partir de esto, como g ∈ C p se tiene que |g (p) | es también continua enton-
ces podemos armar que |g (p) (γn )| −→ |g (p) (α)|. Finalmente, recordando que
|g (p) (α)| y p! son mayores estrictos que 0 se demuestra que:
|g (p) (γn )| |g (p) (α)|
lı́mn→∞ |xn+1 −α|
(|xn −α|)p = lı́mn→∞ p! = p! = β > 0.
2 2 2
kA + Bk = kAk + kBk + 2.B t .A
2 2 2
kA − Bk = kAk + kBk − 2.B t .A
Notas:
Para el PMCL se toma el cuadrado de la norma para simplicar las cuen-
tas. Pero en cuanto a denición es lo mismo no tomarlo ya que la norma
siempre es mayor o igual a 0.
Para la demostración, la norma euclídea k.k2 se denota como k.k por cues-
tiones de simplicidad.
Para la demostración, la solución X̂ la denotamos como X , también para
simplicar.
Demostración
(⇒) Vamos a asumir por absurdo que X no es solución de las ecuaciones
normales. Es decir ∃ Z 6= ~0 tal que At (AX − b) = Z . Ahora tomamos un vector
Y 6= X de la forma Y = X − hZ , donde h es un escalar mayor que 0. Podemos
ver que:
10
2 2 2 2
kAY − bk = kA(X − hZ) − bk = kAX − hAZ − bk = k(AX − b) − hAZk =
ya que At (AX − b) = Z
Tomando h menor que ese valor encontrado, podemos asegurar que ese término
es negativo. En conclusión llegamos a que kAY − bk2 es igual a kAX − bk2 me-
nos cierto valor. En conclusión:
11
Por lo tanto:
2 2 2
kAY − bk = kAX − bk + kA(Y − X)k
De esto se concluye que para cualquier Y arbitrario kAY − bk2 ≥ kAX − bk2 ,
es decir que X es el que minimiza dicha norma. Queda demostrado que X es
solución del PMCL.
Demostración
Para el caso en que x = xi con i = 0, ..., n es inmediato ya que E(xi ) = 0.
En el caso en que x ∈ [x0 , xn ] es distinto a las abscisas, se ja x, y se dene la
siguiente función F :[x0 , xn ]→ R de la siguiente forma:
Qn
(t−x )
F (t) = f (t) − pn (t) − (f (x) − pn (x)) Qni=0 (x−xii )
i=0
Es importante notar que F está denida para x pero sólo depende de t. Se ob-
serva que F tiene n + 2 raíces, (n + 1 por cada xi , mas una que es x). Además,
como f es C (n+1) , también se cumple que F lo es. Si aplicamos varias veces
Rolle podemos ver que:
F 0 tiene n + 1 raíces.
F 00 tiene n raíces.
F 000 tiene n − 1 raíces.
..
.
F (n+1) tiene una sola raíz, que llamaremos γx .
Dado que pn es de grado menor o igual que n, se puede ver que su derivada
n + 1 es nula. Entonces, derivando a F n + 1 veces y evaluando en su raíz γx :
12
Despejando (f (x) − pn (x)) llegamos a que:
f (n+1) (γx ) Qn
E(x) = f (x) − pn (x) = (n+1)! i=0 (x − xi )
13