Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Weimar Roncancio
Marzo de 2023
Producto interno:
Si A = (aij )m×n y B = (bij )m×n entonces
T
A • B = Tr A B
ai1 · · · aii
Ejemplo:
2 4 5
A= 6 9 8
4,1 5 3
Weimar Roncancio Métodos Computacionales en Ingenierı́a
Ejemplo: Consideremos el sistema Ax = b con
10 7 8 7 32
7 5 6 5 23
A= 8 6 10 9 , b = 33
7 5 9 10 31
0,1
−0,1
Ahora supongamos que ∆b = 0,1 . La solución exacta del
−0,1
1
1
sistema es u = 1. La solución del sistema perturbado
1
9,2
−12,6
Ax = b + ∆b es u + ∆u = 4,5 . Para la norma || · ||2 , se
−1,1
obtiene el siguiente error relativo: 8.2.
Weimar Roncancio Métodos Computacionales en Ingenierı́a
Rango de una matriz
Definición: Sea A = (aij )m×n . Entonces la imagen de A esta dada
por
r (A) = dim(Imagen(A))
1 3 −1
Solución:
9 2 5 0 9 5
9 1 1 2 9 1
10 1 0 6 3 10 0 −8
x= = =6 y= = = −8
0
2 5 1 0 2 5
1
2 1 1 2 1 1
3 1 0 3 1 0
0 2 9
2 1 9
3 1 10 5
z= = =5
0 2
5 1
2 1 1
3 1 0
Weimar Roncancio Métodos Computacionales en Ingenierı́a
Sistemas Lineales (Inversa de la matriz de coeficientes)
Si A es una matriz cuadrada de tamaño n × n no singular, el
sistema tiene solución única y se obtiene a partir de:
Solución:
0 2 5 −1 5 −3
Si A = 2 1 1 entonces A−1 = 3 −15 10 . Por lo
3 1 0 −1 6 −4
tanto la solución del sistema es
−1 5 −3 9 6
x = 3 −15 10 9 = −8
−1 6 −4 10 5
Weimar Roncancio Métodos Computacionales en Ingenierı́a
Sistemas Lineales (Eliminación de Gauss)
0 0 0 b10
a11 a12 ··· a1n
0
0 a22 ··· 0
a2n b20
(A0 , b 0 ) :=
.. .. .. .. ..
. . . . .
0
0 an2 · · · ann bn0
0
Para i = 2(1)n
1 Calcular
āi1
li1 :=
ā11
2 Reste de la fila i, la fila 1 multiplicada por li1
Ejercicio:
0 1 0 −1
(A, b) := 2 −1 −1 2
−1 0 1 1
donde
0 0 ··· 0 1 0 ··· 0
0
1 ··· 0 0 0 ··· 0
.. .. . . .. .. .. ..
.
. . . . . ··· . 1 0 ··· 0
0 0 ··· 1 0 0 ··· 0 −l21 1 · · · 0
P1 := 1 y F1 := .
0 ··· 0 0 0 ··· 0 .. . .
..
. . · · ·
0 0 ··· 0 0 1 ··· 0
−l 0 · · · 1
n1
. .. .. .. .. .. . . ..
.. . . . . . . .
.. ..
0 0 . 0 0 0 . 1
En general
con
(A(j) , b (j) ) = Fj Pj (A(j−1) , b (j−1) )
donde
1 0 ··· 0 0 ··· 0
0
1 ··· 0 0 ··· 0
.. .. . . .. .. ..
.
. . . . ··· .
0
Fj = 0 ··· 1 0 ··· 0
0
0 ··· −lj+1,j 1 ··· 0
.. .. .. .. .. . . ..
. . . . . . .
0 0 ··· −ln,j 0 ··· 1
Weimar Roncancio Métodos Computacionales en Ingenierı́a
Fj es la matriz de Frobenius y Pj es la respectiva matriz de
permutación para el intercambio de la fila r ≥ j con la fila j.
Entonces
=: A(j−1) , b (j−1)
LR = PA
P = Pn−1 Pn−2 · · · P1
Lu = Pb y Rx = u
+[(n − 1) + (n − 2) + · · · + 1]
Para la sustitución regresiva, en la ecuación i, requiere de (n − i)
multiplicaciones y una división, es decir, 1 + 2 + · · · + n
operaciones.
P = LRA−1
Lu = Pej y Ra·j = u
x → Ax = y , x ∈ Rn , y ∈ Rn
a11 x1 + · · · + a1n xn = y1
..
.
an1 x1 + · · · + ann xn = yn
0 0 0 0 1 0 a1k
a11 y 1 + a12 x2 + · · · + a1n xn = x1 con a11 := , a1k := −
a11 a11
y obtener
a21 a21 a12 a21 a1n
y + a22 − x2 + · · · + a2n − xn = y 2
a11 1 a11 a11
0 a21 0 a21 a1 ·
donde a21 = y a2· = a2· −
a11 a11
Repitiendo este proceso para reemplazar x1 en las n − 2 ecuaciones
restantes se obtiene el nuevo sistema:
donde
0 1 0 a1k
a11 := , a1k := − k = 2(1)n
a11 a11
0 ai1 a1k
aik := aik − i, k = 2(1)n
a11
En los siguientes pasos se repite un proceso similar para cada
ecuación partiendo de la matriz A
A−1 = A(n) P
A = LLT
j−1
X
aij = ajj = ljk2 + ljj2
k=1
por lo tanto v
u
u j−1
X
ljj = tajj − ljk2
k=1
Ejercicio:
Realizar la Factorización de Cholesky de la matriz
6 15 55
A = 15 55 225
55 225 979
ası́ sucesivamente
Ejercicio: Sea
2 3 0 1
A = −4 −5 4 y b = −11
0 5 2 9
(B + (A − B)) x = b
luego
x = I − B −1 A x + B −1 b
Por lo tanto
A = AL + AD + AR
G = I −B −1 A = I −A−1 −1
D (AD + AL + AR ) = −AD (AL + AR ) =: J
x (k+1) = −A−1
D (AL + AR ) x
(k)
+ A−1
D b
Lo anterior también puede ser escrito como
n
(k+1) 1 bi −
X (k)
xi := aij xj , i = 1(1)n k = 0(1)...
aii
j=1
j6=i
1 Aproximación de Jacobi:
z (k+1) := −A−1
D (AL + AR ) x
(k)
+ A−1
D b
(k+1)
2 Mejoramiento de zi mediante relajación:
y
1
x (k+1) = y (k)
ck+1
con
p1 si |p1 | ≥ |p2 |
ck+1 =
p2 si |p1 | < |p2 |
n
X
k
sk = Traza(A ) = λki para k = 1(1)n
i=1
donde λ1 , λ2 ,...,λn son todos los valores propios de A.
Nota:
1
A−1 = − An−1 + p1 An−2 + · · · + pn−2 A + pn−1 I
pn
Weimar Roncancio Métodos Computacionales en Ingenierı́a
Ejemplo: Determinar el polinomio caracterı́stico asociado a la
matriz A y la inversa de A donde
1 2 1 −1
1 0 2 1
A=
2 1 −1 3
4 −5 0 4
Rta:
p(λ) = λ4 − 4λ3 + 2λ2 + 28λ − 87
43 −22 −1 17
1 8 4 16 −11
A−1 =
87 −5
41 −10 −4
−33 27 21 −9
Bn = An + qn I
para n ≥ 1 y B0 = I .
Nota:
1
A−1 = − Bn−1
qn
Rta:
p(λ) = λ4 − 4λ3 + 2λ2 + 28λ − 87
43 −22 −1 17
1 8 4 16 −11
A−1 =
87 −5
41 −10 −4
−33 27 21 −9
Caso 3 × 3:
cos θ − sen θ 0
J = sen θ cos θ 0
0 0 1
tan2 θ + 2α tan θ − 1 = 0
con soluciones p
tan θ = −α ± α2 + 1
El método converge más rápido si se toma la rotación de menos de
45o que corresponde a la raı́z más pequeña, es decir,
p
tan θ = −α + sig(α) α2 + 1
Solución:
1 0 −0,7071
A1 = 0 3 −0,7071
−0,7071 −0,7071 2
0,6340 −0,3251 0
A2 = −0,3251 3 −0,6280
0 −0,6280 2,3660
donde
cpp = app cos2 θ + aqq sen2 θ + 2apq sen θ cos θ
cqq = aqq cos2 θ + app sen2 θ − 2apq sen θ cos θ
cpq = cqp = apq cos2 θ − sen2 θ + (aqq − app ) sen θ cos θ
Teorema: Para
2apq
tan(2θ) = para app 6= aqq
app − aqq
π
θ= para app = aqq
4
la transformación convierte los elementos
cpq = cqp = 0
(1, 2), ..., (1, n), (2, 3), ..., (2, n), (3, 4), ..., (n − 1, n)
V = J1 J2 · · · Jm