Beruflich Dokumente
Kultur Dokumente
xi
GHO SEL - MA33A 4
MN para Sist. de Ecs. Lineales:
1) Motivacin 1: Interpolacin Polinomial
yi = p ( xi ) i = 1,..., (n + 1)
n
yi = p ( xi ) = ak xi k
k =0
1 x1 x 21 x n1 a0 y1
1 x2 x 22 x n2 a1 y2
1 x3 x 23 x n3 a2 y3
1 x n1 x 2n1 x nn1 an y n1
GHO SEL - MA33A 5
MN para Sist. de Ecs. Lineales:
1) Motivacin 2: Mnimos Cuadrados
yk = 0 + 1 xk
Nube de puntos Dados n puntos (xi , yi )
con tendencia Encontrar la recta que mejor
lineal los representa:
+
yi + + + ++ ++ + +
+ + +
+ + + ++ + + + + n
+ + + ++
+ + + ++ + + + + min [ yk ( 0 + 1 xk )]
2
++ ++ + + + 0 , 1
k =1
xi
GHO SEL - MA33A 6
MN para Sist. de Ecs. Lineales:
1) Motivacin 2: Mnimos Cuadrados
b b b b b
a x 0 dx a x 1 dx a x 2 dx a x n dx a0
a x 0 fxdx
b b b 3 b b
a x dx a x dx
1 2
x dx a x n1
dx a1 a x 1 fxdx
a
b b b b an b
GHO a x dx a x dx a x dx SEL -MA33A
n n1
a
n2
x dx 2n
a x n fxdx 8
MN para Sist. de Ecs. Lineales:
1) Motivacin 2: Mnimos Cuadrados
Sea f ( x) = sin( x) . Determinemos p3 ( x)
polinomio de grado 3 segn MC:
2
1 1/2 1/3 1/4 a0 2/ sin(pi*x) v/s -1/20+103/25x-103/25x
1
1/2 1/3 1/4 1/5 a1 1/
1/3 1/4 1/5 1/6 a2 2 4/
0.8 3
GHO 0
SEL - MA33A 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 91
x
MN para Sist. de Ecs. Lineales:
1) Motivacin 2: Mnimos Cuadrados
Ejemplo 1:
f ( x) = sin( x)
5,6
f ( x) = sin( x) p ( x) = ak xi k
0.4
x +1
0.3 7
0.2 p ( x) = ak xi k
0.1
k =0
9
0
p ( x) = ak xi k
y=x/(x 2+1)
-0.1
7th degree
k =0
9th degree
-0.2
-0.3
-0.4
-0.5
-5 -4 -3 -2 -1 0 1 2 3 4 5
GHO SEL - MA33A 11
MN para Sist. de Ecs. Lineales:
1) Motivacin 3: Programacin Lineal
n
z
cT x = ck xk
minn c t x k =1
x\
Ax b
x0 Regin Factible
x2
Ax b
x0 Vrtices
x1
x 1 b
A A (2)
x b
GHO SEL - MA33A 14
MN para Sist. de Ecs. Lineales:
2) Defs. y Resultados Bsicos 3
Veamos un ejemplo.
GHO SEL - MA33A 18
MN para Sist. de Ecs. Lineales:
3) Mtodo de Gauss 3
Estrategias de Pivoteo
En la iteracin k de la primera etapa del
mtodo de Gauss es posible que el pivote
akii (elementos de la diagonal de la ecuacin
i) se anule. En este caso se permuta la
ecuacin i con la ecuacin m de mayor
pivote en mdulo (pivoteo . parcial):
..
| a mi | | a ji | para todo j = i+1,,n
k k
4i + n
Parte 2
i=1
O(n2)
GHO SEL - MA33A 21
MN para Sist. de Ecs. Lineales:
4) Anlisis de Error del M. de Gauss:
Es posible hacer un anlisis de propagacin
de errores, que se obtienen al realizar las
operaciones aritmticas de la primera y
segunda etapa del mtodo de Gauss o
Gauss Jordan
Se demuestra que esta propagacin de
errores disminuye si se utiliza alguna tcnica
de pivoteo (parcial o completo)
GHO SEL - MA33A 22
MN para Sist. de Ecs. Lineales:
5) Matriz Inversa y Determinante 1:
Matriz inversa A: Se aplica el mtodo de
Gauss Jordan al SEL aumentado con las
columnas de la matriz identidad
a 11 a 12 a 1n 1 0 0
a 21 a 22 a 2n 0 1 0
a n1 a n2 a nn 0 0 1
GHO SEL - MA33A 23
MN para Sist. de Ecs. Lineales:
5) Matriz Inversa y Determinante 2:
1
un-1n-1
mn1 mn2 mnn-1 1 0 0 0 unn
L A = LU U
GHO SEL - MA33A 28
MN para Sist. de Ecs. Lineales:
6) Factorizacin de Matrices 2: Crout
Una matriz A cuadrada es tridiagonal si sus
coeficientes no nulos se ubican en las
diagonales principal y secundarias
a 11 a 12 0 0 0
a 21 a 22 a 23 0 0
0 a 32 a 33 a 34 0
A
0 0 a 43 a 44 0
0 0 0 a nn1 a nn
GHO SEL - MA33A 29
MN para Sist. de Ecs. Lineales:
6) Factorizacin de Matrices 3: Crout
Una matriz A cuadrada tridiagonal puede ser
factorizada segn A=LU donde:
l 11 0 0 0 0 1 u 12 0 0
l 21 l 22 0 0 0
0 1 u 23 0
0 l 32 l 33 0 0
0 0 1 0
0 0 l 43 l 44 0
u n1n
0 0 0 1
0 0 0 l nn1 l nn
U
GHO
L SEL - MA33A 30
MN para Sist. de Ecs. Lineales:
6) Factorizacin de Matrices 4: Crout
Mtodo de Crout para matrices tridiagonales:
Paso 1: l 11 a 11
a 12
u 12
l 11
Paso 2: Para i=2,,n-1 l ii1 a ii1
l ii a ii l ii1 u i1i
a ii1
u ii1
l ii
Paso 3: l nn1 a nn1
l nn a nn l nn1 u n1n
GHO SEL - MA33A 31
MN para Sist. de Ecs. Lineales:
6) Fact. de Matrices 5: Cholesky
Una matriz cuadrada A es definida positiva
si y solo si: xtAx > 0 para todo x n
Teorema: Si A es definida positiva:
a) det(A) 0
b) akk > 0 para todo k=1,,n
c) 1max akj max akk
k , j n 1 k n
principal k
ak1 akk
GHO SEL - MA33A 33
MN para Sist. de Ecs. Lineales:
6) Fact. de Matrices 7: Cholesky
Teorema: A es definida positiva si y solo si
puede factorizarse como A = LLT donde L es
una matriz triangular inferior con lii > 0 para
todo i=1,,n.
En este caso para resolver un SEL Ax = b
se debe aplicar la sustitucin forward -
backward
GHO SEL - MA33A 34
MN para Sist. de Ecs. Lineales:
6) Fact. de Matrices 8: Met. Cholesky
Paso 1: l 11 a 11
Paso 4: l nn
GHO
a nn l2nkSEL - MA33A 35
k1
MN para Sist. de Ecs. Lineales:
6) Fact. Matrices 9: Ortogonalizacin
Factorizacin QR:
A = QR
Q matriz ortogonal: QtQ = I (Gram-Schmidt)
R = QtA
Factorizacin SVD:
Anxm = USVt
Unxn , Vmxm matrices ortogonales
Snxm matriz valores singulares (raz v.p. At*A)
GHO SEL - MA33A 36
MN para Sist. de Ecs. Lineales:
7) Mtodos Iterativos para SEL 1:
Mtodos Iterativos:
(0) n
x
(k+1) (k)
x = F(x ) k0
N = -[low(A) + up(A)]
-1
B = - diag(A) [low(A) + up(A)]
-1
h = diag(A) b
GHO SEL - MA33A 41
MN para Sist. de Ecs. Lineales:
7) Mtodos Iterativos para SEL 6:
Si x(k) = (xi(k)) i = 1,,n es el vector de la
iteracin k del mtodo de Jacobi, entonces
satisface la siguiente frmula iterativa:
n
a x ( k 1) + b
j =1
ij j i
xi (k )
= j i 1 i n, k = 1, 2,3...
aii
GHO SEL - MA33A 42
MN para Sist. de Ecs. Lineales:
7) Mtodos Iterativos para SEL 7:
Gauss - Seidel: define M y N segn
M = [diag(A) + low(A)] N = - up(A)
-1
B = - [diag(A) + low(A)] [up(A)]
-1
h = [diag(A) + low(A)] b
J y G-S convergen x0 si A es estrictamente
diagonal dominante:
akk > j =1, j k akj k = 1,..., n
n
i 1 n
aij x j aij x j
( k 1)
(k )
+bi
xi ( k ) = (1 ) xi ( k 1)
+ j =1 j =i +1
aii
1 i n, k = 1,2,3...
GHO SEL - MA33A 45
MN para Sist. de Ecs. Lineales:
7) Mtodos Iterativos para SEL 10:
Para matrices tridiagonales y definidas
positivas, el valor ptimo de est dado
por la frmula:
2
1 1T
Donde:
1
TJ = [ Diag ( A)] ( Low( A) + Up ( A))
1
TG = [ Diag ( A) + Low( A)] Up ( A)
GHO SEL - MA33A 46
MN para Sist. de Ecs. Lineales:
7) Mtodos Iterativos para SEL 11:
Si A es definida positiva, el mtodo del
gradiente conjugado est dado por:
minn q ( x) = x Ax x b Ax = b
1
2
t t
x\
Paso 0: x \ , g = Ax b, d = g
0 n 0 0 0 0
k t k
(g ) d
Paso 1: = k t
k
k
(d ) Ad
Paso 2: x = x + d
k +1 k k k
GHO SEL - MA33A 47
MN para Sist. de Ecs. Lineales:
7) Mtodos Iterativos para SEL 12:
Mtodo del gradiente conjugado:
k +1 k +1
Paso 3: g = Ax b
k +1 t k
( g ) Ad
Paso 4: =
k
k t k
(d ) Ad
Paso 5: d = g + d
k +1 k +1 k k
A A
x b
GHO cond(A)
SEL - MA33A 49
MN para Sist. de Ecs. Lineales:
7) Mtodos Iterativos para SEL 14:
Si A es una matriz cuadrada, el polinomio en
definido por:
p() = det(A- I)
es el polinomio caracterstico de A
El polinomio p es de grado n y tiene a lo ms
n races distintas (complejas). Estas races
de p se denominan valores propios de A.
GHO SEL - MA33A 50
MN para Sist. de Ecs. Lineales:
7) Mtodos Iterativos para SEL 15:
Definicin: El radio espectral de A: (A) se
define como:
(A) = max | i |
i=1,,n