Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Espacio Vectorial
( )
( ) ( )
( ) ( )
( )
( ) ( )
( ) ( )
( ) ( )
Subespacio Vectorial
⃗ ⃗
Vectores en Producto interno/escalar/punto:
⃗ ⃗
Producto externo:
⃗ 0 1 , - ⃗ 0 1 , - 0 1
Combinación Lineal Sea V un espacio vectorial. Se dice que ⃗ es una combinación lineal de
* + si existen escalares * + tales que ⃗ ∑
Ejemplo:
Averiguar si ( ) es Combinación Lineal de: ( ) ( )
( )
( ) ( ) ( ) ( )
⃗ ⃗ ⃗ ⃗
Dependencia e Se dice que un conjunto de vectores * + es linealmente independiente si y
Independencia Lineal solo si existen escalares * + todos nulos tales que la Combinación Lineal
∑ , en caso contrario se dice que son Linealmente Dependientes.
Bases Se llama base de un espacio vectorial a cualquiera de sus sistemas generadores que está
formado por vectores L.I.
Ejemplo:
*( )( )+
* +
( ) (( ) ) ( ) ∑( ) ( ) ∑( ) ( )
∑( ) ( ) ( )
( ) (( ) ) ( ) ( ) ( )
Si A es invertible, entonces ( ) ( )
también su transpuesta y ( ) ( ) ( ) ( )
( ) ( ) ( )
( )
( ) ( )
( )
( ) , ( )( ) ( ) ( )
Con A, B invertibles.
Unicidad factorización LU
, - , - , -
Errores y Punto Flotante
Errores
̂ ̂
Punto Flotante
( )
( )
β Base
t Precisión Donde
[L;U] Rango Exponente
m Mantisa Y
Normalización Se mueve la coma lo más a la izquierda posible, dejando todos los dígitos distintos de cero
a la derecha y multiplicando por la base elevado a la cantidad de posiciones movida.
Ej.
( )
( )
( )
Épsilon de Maquina / Representa la mitad de la distancia del número 1 a su número de máquina mayor más
Unidad de redondeo / próximo.
Precisión de maquina
Truncamiento Se cortan los dígitos para obtener: ( )
Ej.
Se tiene , entonces:
( )
( )
Ej.
Con ,
( )
( )
( ) ( )
Error de redondeo Está acotado por: ( )
Decimales Exactos Si se cumple
̂
Ejemplo:
̂ ̂
Si se cumple
̂
Método 2:
Reglas
La primera cifra distinta de cero más a la izquierda es la más significativa.
Si no hay coma decimal, la última cifra a la derecha distinta de cero es la menos
significativa
Si hay coma decimal, la última cifra a la derecha es la menos significativa sin
importar si es cero.
Son cifras significativas todas las que estén entre la más significativa y la menos
significativa.
Ejemplo:
̂
̂ | |
Aritmética
( )( )
Propiedades
Suma Es conmutativa. Asociatividad no es válida.
Para sumar 2 números deben tener el mismo exponente,
igualando el número de menor exponente al de mayor.
Multiplicación Es conmutativa. Asociatividad y Distributiva no son válidas.
El producto de la multiplicación debe tener tantas CS como
el operando con menor número de CS tenga. Es decir, si el
resultado tiene más cifras significativas que el operando
con menor cifra, entonces se debe truncar o redondear el
resultado.
Factorización de matrices
LU Simple Se busca descomponer una matriz A en un producto de matrices, tal que A=LU. Donde U es la triangular
superior, y L es la triangular inferior con 1’s en la diagonal.
( )
( ) ([ ]| [ ]) → ([ ]|[ ])
( )
( ) ( )
→ ([ ]| [ ]) → ([ ]|[ ])
( ) . / ⁄
Entonces, [ ] [ ]
⁄
S.E.L con LU
( ) ⏟ {
Una vez intercambiadas, los multiplicadores o elementos que hacen cero a los elementos de esa columna
serán
[ ][ ] [ ][ ]
⏟ ⏟ ⏟ ⏟
Paso 1)
[ ] [ ] [ ] [ ]
⏟ ⏟ ⏟
[ ] [ ] [ ]
⏟
⏟ ⏟
Paso 2)
[ ] [ ] [ ] [ ]
⏟ ⏟ ⏟
⏟
[ ] [ ] [ ]
⏟
⏟ ⏟
Paso 3)
[ ] [ ] [ ] [ ]
⏟ ⏟ ⏟
⏟
[ ] [ ] [ ]
⏟
⏟ ⏟
[ ] [ ][ ] [ ][ ]
⏟ ⏟ ⏟ ⏟ ⏟
QR La factorización QR consiste en factorizar una matriz como el producto de una matriz Q ortogonal
Gram-Schmidt por una Triangular superior. A=Q.R.
Consideramos las columnas de A como vectores, para aplicarle el método.
, - ,⏟ - [ ]
⏟
̂ ‖̂ ‖
̂ ∑( )
‖̂ ‖
Ejemplo:
[ ]
̂ ̂
‖̂ ‖ √ ( ) ( ) ( )
̂ ( ) ̂
( )
( ) (, -[ ])
( ) ( )( ) ( )
̂ ( ) ( ) ( )
‖̂ ‖ √( ) ( ) ( )
̂ ( ) ( ) ̂
( )
( ) (, -[ ])
( ) ( ) ( ) ( )
( ) ([ ] [ ])
( ) ( )( ) ( )
̂ [ ] ( ) ( ) ( )
‖̂ ‖ √( ) ( ) ( )
, -[ ]
, -[ ]
[ ] [ ]
[ ] [ ] [ ]
⏟ ⏟ ⏟
S.E.L
( )
QR
Householder Tenemos la siguientes formulas: ( )
Ejemplo:
[ ]
Paso 1)
‖ ‖
[ ] ‖ ‖ √ ( ) [ ] [ ]
[ ] [ ] [ ]
, -[ ]
[ ] , - [ ] [ ]
[ ]
Paso 2)
√ ‖ ‖
0 1 ‖ ‖ 0 1 0 1
0 1 0 1 0 1
, -0 1
0 1 , - [ ] [ ]
[ ] [ ]
Finalmente tenemos:
[ ] [ ] [ ]
⏟ ⏟ ⏟
Matriz de Housholder
Para obtener la matriz reflectora de Householder, es necesario seguir tres pasos:
Verificar la longitud
Construir el vector V de norma 1 de la forma
Calcula ( )
Ejemplo:
0 1 , - 0 1
, -0 1
Paso 3 – Calcular H)
0 1 [ ] [ ]
[ ][ ] [ ]
⏟
Minimos Cuadrados
Metodo utilizado para resolver sistemas de ecuaciones sobredeterminados, es decir, aquellos cuyas matrices
asociadas tienen más filas que columnas. Para estos casos, resolver el sistema Ax = b significa minimizar el vector
residual r = b – Ax. Si se tiene que ‖ ‖ es la distancia entre los puntos finales de b y Ax.
Este método se utiliza con frecuencia en ajuste de puntos. Encontrar la funcion que mejor se ajuste a un conjunto de
puntos.
Condicionamiento y Perturbaciones
Propiedad Demostración
( ) ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ( )
( ) ( ) ( ) ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ( )
( ) ( ) ( ) ( ) ( ) ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ( )
( ) ( ) ( ) ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ( )
Caso Efecto
Perturbación en el vector b ‖ ‖ ‖ ‖ ( )‖ ‖
( )‖ ‖ ‖ ‖ ‖ ‖
( ) ̃ ̃
Perturbación en la matriz A ‖ ‖
‖ ‖ ( )
‖ ‖
‖ ‖ ‖ ‖
( )
( ) ‖ ‖
‖ ‖
‖ ‖
Perturbación en la matriz A y en el vector b
‖ ‖ ( ) ‖ ‖ ‖ ‖
( )
‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖
( )
‖ ‖
Jacobi ( )
Gauss-Seidel ( ) ( )
SOR ( ) ,( ) - ( )
√ ( )
Richardson ( )
Canonica Se busca un S.E.L, a partir de un conjunto de puntos. Si existen n puntos, entonces el polinomio
interpolador será de grado n-1.
Ej.
X 0 1 2
F(x) 1 3 7
[ ] * + [ ]
Ej.
X 1 2 3 4
F(x) 0 -1 2 -5
( )( )( )
( )
( )( )( )
( )( )( )
( )
( )( )( )
( )( )( )
( )
( )( )( )
( )( )( )
( )
( )( )( )
( ) ( )( ( )) ( )( ( ))
( )( ( )) ( )( ( ))
( )
( ) , - , - , -
1 0
, -
3 1 , -
, - , -
4 -1 , -
, -
5 2
Nota: Los elementos de la diagonal principal, serán los coeficientes del polinomio.
, - , -
, -
, - , -
, -
, - , -
, -
, - , -
, -
, - , -
, -
, - , -
, -
( ) ( ) ( )( ) ( )( )( )
Error de ( )( )
interpolacion ⏟( ) ( )
(
⏟ )
Una función spline de grado k con nodos es una función S(x) formada por varios polinomios, cada uno
definido sobre un subintervalo y que se unen entre sí bajo ciertas condiciones de continuidad.
Splines cúbicos
Dado un conjunto de nodos * +, diremos que S(x) es un spline cubico si:
Un spilne tendrá (k+1).n incognita y ((k+1).n) -(k-1), con n como el numero de subintervalos, y k el grado del polinomio
S. Es decir, si es un spline cubico, se tendrán 4n incognitas y 4n-2 ecuaciones. Por tanto, para resolver el sistema de
ecuaciones es necesario exigir las ecuaciones faltantes.
Si exigimos las dos ecuaciones faltantes como S’’(a) = 0 y S’’(b)=0, con [a,b] el intervalo de S, diremos que es un spline
cubico natural.
Si exigimos las dos ecuaciones faltantes como S’(a) = S’(b) y S’’(a)= S’’(b), con [a,b] el intervalo de S, diremos que es un
spline cubico periodico.
Ej.
X 2 3 5
F(x) -1 2 -7
, -
( ),
, -
1) Condicion de interpolación
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
2) Continuidad S’(x)
, -
( ){
, -
( )
3) Continuidad S’’(x)
, -
( ){
, -
( )
4) Exigencias (Natural)
( )
( )
Con todas esas ecuaciones, tenemos un sistema de ecuaciones Ax=b, donde las incognitas son
las a’s y b’s.