Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE INGENIERIA
ANÁLISIS NUMÉRICO
Supongamos que una matriz Anxn puede ser escrita como el producto de una matriz
triangular inferior L y una matriz triangular superior U, esto es,
A = LU
Entonces decimos que A tiene una factorización LU. Esta factorización nos permite
resolver el sistema lineal Ax = b. Sustituyendo LU por A, obtenemos
(LU)x = b (1)
esto implica que
L(Ux) = b (2)
Si Ux = z, entonces tenemos que
Lz = b (3)
Como L es una matriz triangular inferior, podemos resolver para z utilizando sustitución
hacia adelante. Luego, como U es una matriz triangular superior, resolvemos Ux = z por
sustitución en reversa.
y su factorización LU es
Universidad del Magdalena Análisis Numérico
Ahora resolvemos Ux = z,
y obtenemos
MATRICES ESPECIALES:
Definición: (matriz estrictamente diagonal dominante). Una matriz Anxn se llama
estrictamente diagonal dominante si:
n
Esto es, si el valor absoluto de cada entrada diagonal es estrictamente mayor que la suma de
los valores absolutos de las demás entradas del renglón correspondiente.
Definición: Una matriz A es definida positiva si es simétrica y si xtAx > 0 para todo vector
columna n dimensional x 0.
Una matriz A es definida positiva si y solo si todos sus menores principales son
positivos.
El i-ésimo menor principal es el determinante de una submatriz de A formadas sin
tomar en cuenta las primeras i filas y i primeras columnas de la matriz.
Si una matriz es definida positiva entonces todas las entradas de sus diagonal deben ser
positivas.
Si una matriz es definida positiva el mayor elemento de toda la matriz debe estar en la
diagonal.
Ejemplo: La matriz
Toda norma vectorial || . || sobre Rn induce una norma matricial sobre Rnxn (espacio de
matrices cuadradas n x n):
Es fácil verificar que esto define efectivamente una norma sobre Rnxn.
Esta norma se dice que es una norma matricial inducida por la norma vectorial y se denota
con el mismo símbolo que la norma vectorial.
Teorema: Toda norma matricial inducida por una norma vectorial satisface las siguientes
propiedades:
Hay formas más sencillas de calcular algunas de las normas matriciales más usuales.
Ejemplo: Considere:
Entonces:
Luego
Universidad del Magdalena Análisis Numérico
Definición. Dada una matriz cuadrada A, diremos que un número C es un valor propio
(o autovalor) de A si existe un vector no nulo, v 0, tal que Av = v:
det(A - I) = 0:
Ejemplo: Sea:
De ahí que:
Con lo que:
Ejemplo: Considere
Luego:
De ahí que:
TRANSFORMACIONES ELEMENTALES
ESTRATEGIAS DE PIVOTEO
PIVOTEO TRIVIAL puede suceder que en algún paso del proceso de eliminación
gaussiana con sustitución regresiva se tenga. Esto naturalmente implica que este
elemento no se puede tomar como elemento pivote en este caso se usa la estrategia
del pivoteo trivial, que consiste en escoger de una fila k, en la que, esta fila se
intercambia con la fila q-ésima, con lo cual se obtiene un pivoteo nulo.
PIVOTEO PARCIAL es posible que al utilizar el pivoteo trivial se produzcan
errores debido a que, como es sabido, la computadora utiliza aritmética de precisión
finita. Lo anterior lo ilustramos en un ejemplo:
El error que se comete se debe a que el valor del multiplicador es muy grande.
Miremos ahora como podríamos resolver el sistema anterior para evitar el error cometido.
Si se intercambian las ecuaciones se obtiene el sistema
multiplicador es
De modo que se tiene la solución exacta y y .
Universidad del Magdalena Análisis Numérico
La estrategia anterior se conoce como pivoteo parcial , la cual consiste en tomar como
pivote el coeficiente de mayor magnitud, y una vez ubicado intercambiar filas a fin de
colocarlo en la diagonal, esto es, se comparan todos los coeficientes en la columna q, desde
el que está en la diagonal hasta el que está en la última fila.
MÉTODO DE JACOBI
Miremos un ejemplo que nos permita comprender el método de Jacobi, el cual es usado
para encontrar la solución de un sistema cuadrado de ecuaciones lineales
5x − y + z = 10
2x + 8y − z = 11
−x + y + 4z = 3
Usando el método iterativo de Jacobi a partir del punto inicial (0, 0, 0).
Solución:
De la primera ecuación tenemos que:
10+ y−z
x=
5
De la segunda:
11−2 x + z
y=
8
y de la tercera:
3+x− y
z=
4
10+ y k −z k
x k+1=
5
11−2 x k + z k
y k +1=
8
3+ x k − y k
z k+1 =
4
k xk yk zk
Universidad del Magdalena Análisis Numérico
0 0 0 0
1 2 1,375 0,75
2 2,125 0,96875 1,0625
3 1,98125 0,9765625 1,015625
4 1,9921875 1,00664063 0,99140625
5 2,00304688 1,00087891 1,00019531
6 2,00013672 0,9992627 1,00071289
7 1,99970996 1,00005493 0,99985596
8 2,00003979 1,0000545 0,9999635
9 2,0000182 0,99998549 1,00001907
10 1,99999328 0,99999783 0,99999978
11 1,99999961 1,00000165 0,99999838
12 2,00000066 0,99999989 1,00000031
13 1,99999992 0,99999987 1,00000009
14 1,99999996 1,00000003 0,99999996
15 2,00000001 1,00000001 1
16 2 1 1
Usando el método iterativo de Gauss–Seidel a partir del punto inicial (0, 0, 0).
Solución: Primero observamos que se trata del mismo sistema resuelto con anterioridad por
el método de Jacobi y comparemos resultado. Al igual que para el método de Jacobi
se tiene que. La iteración de Gauss–Seidel para este caso es:
10+ y k −z k
x k+1=
5
11−2 x k +1+ z k
y k +1=
8
3+ x k +1− y k+1
z k+1 =
4
Universidad del Magdalena Análisis Numérico
k xk yk zk
0 0 0 0
1 2 0,875 1,03125
2 1,96875 1,01171875 0,98925781
3 2,00449219 0,99753418 1,0017395
4 1,99915894 1,0004277 0,99968281
5 2,00014898 0,99992311 1,00005647
6 1,99997333 1,00001373 0,9999899
7 2,00000477 0,99999755 1,0000018
8 1,99999915 1,00000044 0,99999968
9 2,00000015 0,99999992 1,00000006
10 1,99999997 1,00000001 0,99999999
11 2 1 1