Integracion

Titulación: Ingeniero Geólogo Ultima actualización: 29/10/2009
Asignatura: Análisis Numérico

Autor: César Menéndez
Sist. Lineales de Ecuaciones
Planificación: 6 Teoría+4 Prácticas+2 Laboratorio

Materiales: MATLAB
Conocimientos previos: Conocimientos de Álgebra: valores y
vectores propios
propios, normas,
normas sistemas
lineales, determinantes, …
1
Análisis Numérico Sistemas de ecuaciones por César Menéndez Fernández
M ti
Motivación:
ió Circuito
Ci it eléctrico
lé t i
 Descripción
D i ió
 Objetivos
 Temario
 Bibliografía
 1 1 1 0 0 0 0 0   i1   0 

Nudo Ecuación Malla Ecuación     
  1 0 0 1 1 0 0 0 i
  2  0 
1  i1+i02+i3=0 1 1 1 0 124 1 1 i3R3-i02R2i3+V=
  00 
     
3  1 4 5
-i +i
0 +i =0
0 0 0  1 
1431 0 -i 1 1  2 42 4  4 0
R 1+i Ri -i R 0=
 0 R R 0 0 0 0 0  i    V 
4  -ii2-ii3-ii4 +i2 6+i73=0
0 345 i4R4+i6R  65-ii5R5 = 0
  R1 R2 0  R4 0 0 0 0   i6   0 
5  -i5-i6+i8=0 465 -i5R6+i  7R7-i8R  8 =0
 0 0 0 R4  R 5 R 6 0 0   i7  0 
0  R6 R7  R8   i8   0 
6  -i7-i 8=0 0
 0 0 0
2
Obj ti
Objetivos
 Descripción
D i ió  Distinguir las dos grandes familias de métodos de
resolución de sistemas, orígenes, ventajas e
 Objetivos inconvenientes
 Entender el significado del condicionamiento,
 Temario aprender
d a estimarlo.y
i l conocer como afecta
f a llos
 Bibliografía diferentes métodos.
 Utilizar la eliminación gausiana con sus diversas
mejoras así como familiarizarse con la terminología:
mejoras,
eliminación progresiva, sustitución regresiva, pivote.
 Conocer el interés de los métodos de factorización en
el cálculo de determinantes y matrices inversas
inversas.
 Saber qué condiciones debe cumplir un algoritmo
iterativo para ser consistente y convergente.
 Conocer la descomposición matricial que origina los
métodos de Jacobi, Gauss-Seidel y relajación,
entendiendo las ventajas que habitualmente tienen los
segundos sobre el primero.
 Interpretar el concepto de relajación y su relación con
el radio espectral.
3
T
Temario
i
Cuestiones previas de análisis matricial
 Descripción
D i ió Tipos de matrices particulares - Valores propios - Reducción de operadores -
Cociente de Rayleigh- Normas vectoriales y matriciales - Normas matriciales
 Objetivos subordinadas - Clasificación de métodos
Métodos directos
Temario
Cuestiones previas Introducción - El método de eliminación de Gauss – Técnicas de pivoteo:
Métodos Directos parcial, escalado y total - Evaluación del número de operaciones -
Métodos Iterativos Interpretación matricial del método de Gauss - Método de Gauss-Jordan -
 Bibliografía Factorización matricial: LU, LDL’ y LL’ - Condicionamiento de un sistema lineal
- Cotas de error - Aplicaciones al cálculo de la inversa y del determinante de
una matriz
Métodos iterativos
Introducción - Sucesiones vectoriales y matriciales - Convergencia de un
método iterativo - Velocidad media de convergencia - Test de parada -
Métodos iterativos de Jacobi,
Jacobi Gauss-Seidel y relajación - Análisis de la
convergencia - Comparación de los métodos directos con los métodos
iterativos.
4
D fi i i
Definiciones elementales
l t l
Sea A un elemento perteneciente al espacio vectorial de las

 Descripción
D i ió matrices cuadradas cuadrada de orden n sobre el cuerpo de los
complejos: A  M n
 Objetivos
El polinomio característico se define por
PA    det A  I 
–
Temario
Cuestiones previas – Los autovalores de A son las raíces del polinomio característico
- Valores propios  / x  0 : Ax  x
- Tipos de matrices
– El espectro
p de A es el conjunto
j de autovalores
- Normas
N vectoriales
l
- Normas matriciales
( A )   i / PA  i   0
- Tipos de métodos – Autovector x asociado al valor propio  es todo vector no nulo
verificando
Métodos Directos
Métodos Iterativos  A   I  x  0  Ax   x
 Bibliografía – Radio espectral Radio espectral de A, , es el máximo de sus
autovalores, en módulo
(A)  max  i
i
– T
Traza es lla suma de
d los
l té
términos
i d
de lla di
diagonall
traza ( A)  tr ( A)   i   aii
Tmas:
• tr(AB)=tr(BA) tr(A+B)=tr(A)+tr(B)
5 • |AB|=|BA|=|A| |B|
Ti
Tipos especiales
i l de
d matrices
t i (I)
 Descripción
D i ió Diagonal Tridiagonal
 a11 a12 0  0 
 Objetivos  a11 0 j  

0 0 
 i  j  ai  0  a12 a22 a23  0 
Temario  0 a22 0  0  
  0 a32 a33  0 
Cuestiones previas  0 0 a33  0
      
- Valores propios         
ann1 
- Tipos de matrices
- Normas
N vectoriales
l

 0 0 0 

ann  i  j  1  aij  0  00 0 0 
 ann 
- Normas matriciales  0 0
- Tipos de métodos
Métodos Directos Triangular
g Inf. ((Sup)
p) Hexember Inf. ((Sup.)
p)
Métodos Iterativos
 a11 0 j  a11 a12 0  0 
 Bibliografía 
0 0
 i  j  ai  0 
 a12 a22 a23  0 

 a12 a 22 0  0
 1   1 2 3 
a32 a33 a a a  0 
 a3 0  3 3 3
          
 1   1 
i  j  1  a ij  0 ann1 
2 3
a n2 a n3 a nn   an 1 an 1 an 1 
 an
 a1 an2 an3  ann 
 n
6
Ti
Tipos especiales
i l de
d matrices
t i (II)
 Descripción
D i ió  Regular: |A|  0
 Objetivos  Simétrica: A=AT Hermítica: A=A* con A*=conj(AT)
 Ortogonal: A-1=AT Unitaria: AA*=A*A=I  A-1=A*
Temario
Cuestiones previas  Normal: AAT=ATA
- Valores propios
- Tipos de matrices
- Normas
N vectoriales
l
- Normas matriciales  Definida positiva (negativa):
- Tipos de métodos x  0   n : xT Ax  0  i   ( A ) : i  0
Métodos Directos
Métodos Iterativos  S id fi id positiva
Semidefinida iti ((negativa):
ti )
 Bibliografía x  0   n : xT Ax  0  i   ( A ) : i  0
 Semidefinida negativa
x  0   n : xT Ax  0  i   ( A ) : i  0
 Definida negativa
x  0   n : xT Ax  0  i   ( A ) : i  0
7
P
Propiedades
i d d
 Descripción
D i ió  Tma: S
Si A es uunaa matriz
a cuad
cuadrada,
ada, e
existe
seu una
a matriz
a
unitaria U tal que la matriz U-1AU es triangular
 Objetivos
 Tma: Si A es una matriz normal, existe una matriz
Temario unitaria U tal que la matriz U-1AU es diagonal
Cuestiones previas
Métodos Directos  Tma: Si A es una matriz real, existen dos matrices
- Método de Gauss ortogonales U y V tal que la matriz U-1AV es diagonal
- Técnicas de pivoteo
- Enfoque matricial  Tma: Si A es una matriz simétrica, existe una matriz
-Gauss-Jordan ortogonal U tal que la matriz U-1AU es diagonal
-Factorización
-Condicionamiento
-Aplicaciones
 Tma de Rouché-Frobenius Dado el sistema Ax=b
Métodos Iterativos  Solución única (Compatible determinado) 
 Bibliografía
g rango(A)=rango(Ab)=Nº incog.
rango(A)=rango(Ab)=N incog
 Infinitas soluciones (Compatible indeterminado) 
rango(A)=rango(Ab)<Nº incog
 Sin solución única (Incompatible) 
rango(A)<rango(Ab)
8
N
Normas vectoriales:
t i l definición
d fi i ió y ejemplos
j l
Se denomina norma vectorial a toda aplicación de un espacio

 Descripción
D i ió vectorial en los reales que cumple las condiciones siguientes:
 :   
 Objetivos
– La norma de cualquier vector es mayor o igual que cero y solo se anula
Temario cuando el vector es el nulo
Cuestiones previas x  0 x  0  x  0
- Valores propios
- Tipos de matrices – La norma de un escalar por un vector es igual al valor absoluto del
escalar p
por la norma del vector
- Normas
N vectoriales
l
- Normas matriciales x    x   K  x  E
- Tipos de métodos
– La norma de la suma es menor o igual a la suma de las normas
Métodos Directos
Métodos Iterativos x y  x  y x, y  E
 Bibliografía
n
Ejemplos en Rn: x p
 p
 i 1
xi
p
n n
x1  xi x2  xi
2
x 
 sup xi
i 1,.. n
9 i 1 i 1
N
Normas vectoriales:
t i l Normas
N equivalentes
i l t
Dos normas   y   son equivalentes cuando existen valores

 Descripción
D i ió reales  y  tales que
x  x   x x  E
 Objetivos  
Temario Todas las normas vistas son equivalentes en Rn , es más

Cuestiones previas  x 
 x1n x 
 x 
 x  n x 
x  C n
- Valores propios 2
1 Demo
- Tipos de matrices
 x1 x  n x1  x  x  x1
- Normas
N vectoriales
l n 2  2
- Normas matriciales  n
- Tipos de métodos – Ejemplo  1  vi  45  27  11  1  39  26  149

v 
Métodos Directos  i 1
 n
Métodos Iterativos v   45, 27,11, 1,39, 26   v 2   vi  452  27 2  112  12  392  262  71.225
2
 Bibliografía  i 1
 v  sup vi  sup  45, 27,11,1,39, 26   45
  i 1,.. n i 1,.. n

x   x 1  n x   45  149  6  45
x 
 x 2
 n x 
 45  71.225  6  45
1
x 1  x 2  n x 1  16 149  71.225  6  149
n
10 x   x 2  x 1  45  71.225  149
N
Normas vectoriales:
t i l significado
i ifi d geométrico
ét i
Norma 1 Norma 2 Norma 
2 2 2
 Descripción
D i ió
1 1 1
 Objetivos
0 0 0
Temario
Cuestiones previas
-1 -1 -1
- Valores propios
- Tipos de matrices
- Normas
N vectoriales
l -2 -2
2 -2
2
-2 -1 0 1 2 -2 -1 0 1 2 -2 -1 0 1 2
- Tipos de métodos n n
x  sup xi 
x1  xi  x  y x2  
2
Métodos Directos xi 
i 1,..n
,

 max  x , y 
Métodos Iterativos i 1 i 1
 Bibliografía x  y 1 x0 y0  x2  y 2

x  y  1 x  0 y0
x  y  1 x  0 y0
x  y 1 x  0 y0
11
N
Normas matriciales:
t i i l definición
d fi i ió y ejemplos
j l
Se denomina norma matricial a toda aplicación del espacio vectorial de

 Descripción
D i ió las matrices de orden n en los reales que cumple las condiciones
siguientes:
 Objetivos  :  n R
Temario – La norma de cualquier matriz es mayor o igual que cero y solo se anula
cuando la matriz es la nula
Cuestiones previas
- Valores propios A  0  A  0  A  0
- Tipos de matrices
– La norma de un escalar por una matriz es igual al valor absoluto del
- Normas
N vectoriales
l escalar por la norma de la matriz
- Tipos de métodos
A    A   K  A  M n
Métodos Directos – La norma de la suma es menor o igual
g a la suma de las normas
Métodos Iterativos
 Bibliografía
A B  A  B A, B  M n
– La norma del producto es menor o igual que el producto de las normas
A B  A  B A, B  M n
Ejemplo: Norma de Frobenius
n n 2
12
A E
  a
i 1 j 1
ij
N
Normas matriciales
t i i l subordinadas
b di d
 Descripción
D i ió Def.:Si x es una norma vectorial sobre Cn entonces se
define una norma matricial sobre el conjunto de las
 Objetivos matrices cuadradas de orden n, denominada norma
subordinada, mediante
Temario Ax
Cuestiones previas A  sup  sup Ax
- Valores propios xE x xE
- Tipos de matrices x 1
- Normas
N vectoriales
l
- Normas matriciales Ejemplos: n
- Tipos de métodos
Métodos Directos
 A 1  sup
x 1 1
A  x 1  max
1 j  n
 i
a
i 1
j
(máximo de columnas)
   A  A*  (radio espectral de la normal)

Métodos Iterativos
 Bibliografía  A 2  sup A x 2
x 2 1
n
 A   sup
x 1
A x 
 max
1 i  n
 i
a j
j 1
(máximo de filas)

Demo
Nota: las normas matriciales no verifican A 

 A2  A1
(ver ejemplo siguiente)
13
 3 2 
A 
N
Normas 1:
1 ejemplo
j l  1 4 
 3 2   x   3x  2 y 
A 1  sup A  x 1  sup  
    sup   
 Descripción
D i ió x 1 1 x 1 1  1 4   y  1 x 1 1   x  4 y 
1
 Objetivos  sup
x  y 1
 3x  2 y   x  4 y   sup  2 x  y  x   x  y  3 y  
x  y 1
Temario  2  0 1 3  6
n
a  
 max 3  1  ,  2  4   max  4, 6   6
Cuestiones previas
- Valores propios A 1  max i
j
1 j  n
- Tipos de matrices i 1
- Normas
N vectoriales
l
- Tipos de métodos
Métodos Directos
Métodos Iterativos
 Bibliografía
14
 3 2 
A 
N
Normas 2:
2 ejemplo
j l  1 4 
 3 2   cos    3cos   2sin  
A 2  sup A  x 2  sup     sup   
 Descripción
D i ió x 2 1   1 4   sin   2    cos   4sin   2
 Objetivos  sup  3cos   2sin      cos   4sin   
2 2

Temario
Cuestiones previas  sup 10  10sin 2   20sin  cos   sup 10  10sin 2   10sin 2 
 
- Valores propios
- Tipos de matrices  5.1167
- Normas
N vectoriales
l
- Tipos de métodos A 2    A  A*   26.1803  5.1167
Métodos Directos
1 j  n
Métodos Iterativos
 Bibliografía  13 11
A A  
*

 11 17 
Px  A  A*   x 2  30 x  100
  A  A*   3.8197,26.1803
15
 3 2 
A 
N
Normas infinito:
i fi it ejemplo
j l  1 4 
 3 2   x   3x  2 y 
A  sup Ax  sup     sup   
 1 4   y   
 
 Descripción
D i ió x  1 x  1 x  1  x 4 y 
 
 Objetivos  sup
max x , y 1
 3x  2 y ,  x  4 y   sup
max x , y 1
 5,5  5
Temario
n

 i  max 3  2  ,  1  4   max  5,5  5 
Cuestiones previas
- Valores propios A 
 max a j
- Tipos de matrices 1i  n

j 1
- Normas
N vectoriales
l
- Tipos de métodos
Métodos Directos
Métodos Iterativos
 n
 Bibliografía  A 1  sup A  x 1  max  aij  6
 x 1 1 1 j  n
i 1

 A 2  sup A  x 2    A  A   5.1167
*
5 1167
 x 2 1
 n
 A   sup A  x   max  aij  5
 x  1 1i  n
j 1
16
Cl ifi
Clasificación
ió de
d los
l métodos
ét d
 Descripción
D i ió  Métodos directos
 Objetivos – Convierten el sistema inicial en otro u otros
equivalentes, pero más simples de resolver
Temario
Cuestiones previas – Operaciones de equivalencia
- Valores propios  Multiplicar una ecuación por un escalar
- Tipos de matrices
- Normas
N vectoriales
l  Intercambiar el orden de dos ecuaciones
- Tipos de métodos  Sumar una ecuación a otra
Mét. Directos: Gauss – Obtienen la solución “exacta” en un número finito
Mét.D.: Factorización
Aplicaciones de MD de pasos (dependen sólo del orden del sistema)
Condicionamiento
Métodos Iterativos  Métodos iterativos
 Bibliografía – Transforman el sistema inicial para poder aplicar
punto fijo
– El número de pasos para obtener la solución
“aproximada” depende del error admisible
17
R
Representación
t ió matricial
t i i l
a11 x1  a12 x2  a13 x3  a14 x4   a1n xn  b1 
 Descripción 
D i ió a12 x1  a22 x2  a23 x3  a24 x4   a2n xn  b2 

 Objetivos a31 x1  a32 x2  a33 x3  a34 x4   a3n xn  b3  Sistema de Ecuaciones
 
Temario 
Cuestiones previas an x1  an x2  an x3  an x4   an xn  bn 
1 2 3 4 n
- Valores propios
- Tipos de matrices  a11 a12 a13  a1n   x1   b1 
- Normas
N vectoriales
l  1    
- Normas matriciales  a2 a22 a23  a2n   x2   b2 
- Tipos de métodos   a31 a32 a33  a3n   x3    b3  Representación Matricial
Mét. Directos: Gauss     
Mét.D.: Factorización           
Aplicaciones de MD  a1
 n an2 an3  ann   xn   bn 
Condicionamiento
Métodos Iterativos  a11 a12 a13  a1n b1 
 Bibliografía  1 
 a2 a22 a23  a2n b2 
  a31 a32 a33  a3n b3  Matriz Ampliada
 
      
 a1 an2 an3  ann bn 
 n
18
Sistemas “más simples”: Diagonales y

t i
triangulares
l
 x1  b11
a 1
1 0 0  0   x1   b1   a1
 Descripción     
0  0   x2   b2   x2  a22
b2
D i ió a22
0  Operaciones: n
0 
 Objetivos 0 a33  0   x3    b3    x3  ab33
    
          
3
 

Temario  0  ann   xn   bn  
0 0
x 
bn
Cuestiones previas  n ann
Métodos Directos  x1  a11 b1

- Método de Gauss  a11  1
0  0   x1   b1  
x2  a12  b2  a12 x1   Operaciones:
0
- Técnicas de pivoteo  1    
 a2 a22 0  0   x2   b2   2
-Gauss-Jordan
 a31       x3  13  b3  a31 x1  a32 x2   n
-Factorización a32 a3  0
3
x  b   a
     
3 3 3
 ½n(n-1)
-Condicionamiento            

-Aplicaciones  1
 an an2 an3  ann   xn   bn   1 
n 1
  ½n(n-1)+
 xn  ann  b2   an xk 
k
Métodos Iterativos
    Inferior: descenso
 Bibliografía k 1
 xn  a1n bn  Superior: remonte

 a11  n
n2 n 1
a1   x1   b1  
n

 a1 a1
    xn 
1  1

n1 bn 1  an 1 xn
n
   x2   b2  
an1
   
0 
  
n 1
ann22 ann12 ann 2           xn  2  ann22 bn  2  an  2 xn 1  an  2 xn
1 n
    
0  0 ann11 ann1   xn 1   bn 1  

0
  0 0 ann   xn   bn   1 
n

 xi  aii  bi   ai xk 
k
19   k i 1 
Mét d de
Método d Cramer
C
 a11 a12 a13  a1n   x1   b1 
 1    
 a2 a22 a23  a2n   x2   b2 
 Descripción
D i ió  a31 a32 a33  a3n   x3    b3   Ax  b  xk 
Ak
     A
           
 Objetivos  a1
 n an2 an3  ann   xn   bn 
Temario a11 a12 a13  a1k  a1n a11 a12 a13  b1  a1n
Cuestiones previas a12 a22 a23  a2k  a2n a12 a22 a23  b2  a2n
Métodos Directos A  a31 a32 a33  a3k  a3n A k  a31 a32 a33  b3  a3n
- Método de Gauss            
- Técnicas de pivoteo k n
an an an  an  an
1 2 3
an an2
1
an  bn  ann
3
-Gauss-Jordan
-Factorización  Cálculo del determinante a22 a23  a2n a11 a13  a1n
-Condicionamiento
-Aplicaciones a32 a33  a3n a12 a23  a2n
A  a11 A1n 1  a12 A2n 1  a31 A3n 1    1 a1n Ann 1
n 1
A1n 1  A2n 1 
Métodos Iterativos        
 Bibliografía an2 an3  ann a1n an3  ann
 Operaciones
– n+1 determinantes de orden n con n cocientes
– Cada uno genera n determinantes de orden n-1 junto con (n-1) sumas y n productos
 Total
– Productos: (n+1)!
– Sumas n!
20
Mét d de
Método d Gauss
G
 El sistema equivalente es triangular superior
 Opera para anular los coeficientes por debajo de la diagonal
 Descripción
D i ió
– Anular el elemento de la fila j-esima bajo la primera diagonal
 Objetivos  a11 a12 a13  a1n b1   a11 a12 a13  a1n b1 
 1   1 
 a2 a22 a23  a2n b2   a2 a22 a23  a2n b2 
Temario  a1 a32 a3  a3 b3  
3 n
a j   a31
1
a32 a33  a3n b3 
Cuestiones previas  3   m 1   
       a1         
Métodos Directos  a1 n    0 a j3  a jn b j 
  j ª  j ª  m 1ª  
a 2j a j  a j bj
3
a j2
- Método de Gauss  j 
            
- Técnicas de pivoteo  1 n   1 n 
-Gauss-Jordan  an an2 an  an bn 
3
 an an2 an  an bn 
3
-Factorización Operaciones: 1 cociente, n productos y n sumas para (n-1) filas


-Condicionamiento – Anular el elemento de la fila jj-esima
esima bajo la diagonal ii-esima
esima
-Aplicaciones  a11  a1i 1 a1i  a1n b1   a11  a1i 1 a1i  a1n b1 
Métodos Iterativos    
               
 Bibliografía 0  aii11 aii1  ain1 bi 1  0  aii11 aii1  ain1 bi 1 
   
0  0 aii  ain bi   a ij   0  0 aii  ain bi 
0  m i  
 0 aii1  ain1 bi 1    ai  0  0 aii1  ain1 bi 1 
  
         j ª  j ª  m  i ª          
   
0  0 a ij  a nj b j  0  0 0  a jn b j 
               
   
0  0 ani  ann bn  0  0 ani  ann bn 
21  Operaciones: 1 cociente, n-i productos y n-i sumas para (n-i-1) filas
O
Operaciones
i
 Convertir el sistema en triangular
 Descripción n 1 n n 1
n  n  1 n 2  n
n 1
D i ió   
i 1 j i 1
1  n  i  i 
i 1 i 1 2

2
 Objetivos n 1 n n 1 n 1
n  n  1 2n  1 2n3  3n 2  n
,    n  i  n  i  i  
2 2
Temario i 1 j i 1 i 1 i 1 6 6
Cuestiones previas
 Resolución de un sistema triangular
Métodos Directos  n
- Método de Gauss
- Técnicas de pivoteo n2  n
, 
-Gauss-Jordan 2
-Factorización
-Condicionamiento  Total
-Aplicaciones
Métodos Iterativos n2  n n2  n  n2 
 n   
 Bibliografía 2 2  2
2n3  3n 2  n n 2  n n3  n  n3 
,      
6 2 3  3
 Un sistema de orden 9 requiere 240 productos

 Un sistema de orden 100 requiere 333.300 productos
22
Ej
Ejemplo
l ddell método
ét d dde Gauss
G
 2 4 1 4 15    
 
 Descripción
D i ió
 1 1 3 5 10   2ª  21 1ª 
 
 Objetivos  1 3 2 2 1  3ª  2 1ª 
1
  
Temario  2 5 2 4 22  44ª  22 11ª 
Cuestiones previas
Métodos Directos
2 4 1 4 15   2 4 1 4 15    
- Método de Gauss   
 35    35  
- Técnicas de pivoteo 0 3  5
7  2   0 3 2 7  2  
5

-Gauss-Jordan  2

  5  43 
   
 0 1 52 17 
4  2 3ª  3 2ª3
0 01  19
  
  0 09 21 13 31  4ª  212 3ª 
-Factorización 3 3

-Condicionamiento
0 9 3 8 37   4ª  3 2ª 2 2 
 5

-Aplicaciones 3
 15   4 x2  1x3  4 x4    1
Métodos Iterativos

 Bibliografía  1x 
2 4 1 4 15   2

0 3  52 35 
7  2   x2     352    52 x3  7 x4  
 2
   3
0  193  433  
 0
0 53
529 529 

 x3 
  433    193 x4  
0 0 5  1
 10 5 
 3
 x4  2
23
J tifi
Justificación
ió
 Se denomina pivote al término de la diagonal que anula las columnas
 Descripción
D i ió  Debido a los errores inherentes a la representación limitada de un
número en el ordenador, es conveniente no dividir por números
 Objetivos "pequeños". Interesa que el pivote sea (en valor absoluto) muy alto
para disminuir la propagación
g de errores en la división.
Temario
Cuestiones previas  Ejemplo:
Métodos Directos 0.003 x1  59.14 x2  59.17  x1  10
- Método de Gauss  
5 291x1  6.13
 5.291 6 13 x2  46.78
46 78  x2  1
-Gauss-Jordan Resolución con 4 cifras decimales
-Factorización  5.291    0.003 59.14  59.17 
Ax  b   m   1763.6  1764    
104300  104400 
-Condicionamiento
-Aplicaciones  0 003
0.003   0
Métodos Iterativos 0.003 x1  59.17  59.2  x1  10
 Bibliografía 
 x2  1.001  59.14  1.001  59.2
Resolución con 4 cifras decimales e intercambio de filas
 5.291 6.13 46.78   0.003 

  
  m   5.670  104  
 0.003 59.14  59.17   5.291 
 5.291 6.13 46.78   5.291x1  46.78  6.13  x1  10
 
 0 59.14  59.14   x2  1.000  6.13  1.000  6 '13
24
Al
Algoritmo
it de
d Gauss
G y modificaciones
difi i
 Descripción
D i ió  ENTRADA: Matriz ampliada A
 SALIDA: Solución x, o mensaje de indeterminación
 Objetivos
 ALGORITMO
Temario
Cuestiones previas 1. Repetir para todas las filas {Proceso de triangularización}
Métodos Directos 2. Encontrar el pivote y su fila
- Método de Gauss
- Técnicas de pivoteo 3
3. Si el pivote es nulo PARAR 'No No existe solución única'
única
-Gauss-Jordan 4. Si la fila/columna actual no es la del pivote, intercambiarlas
-Factorización 5. Repetir desde la fila actual hasta la ultima
-Condicionamiento
-Aplicaciones 6
6. Calcular el coeficiente m
Métodos Iterativos 7. Anular el elemento combinando ambas filas
 Bibliografía 8. Resolver el sistema triangular resultante (Sustitución regresiva)
25
Té i
Técnicas de
d pivoteo
i t (I)
Pivote simple: Algoritmo
 Descripción
D i ió Se intercambian filas para  2 1 3  5 3 6 
   
 Objetivos
tomar como pivote el mayor
  5  3 6    2 1 3
término en valor absoluto de la
 3 3 1   3 3 1 
Temario
columna bajo
j la diagonal
g    
Cuestiones previas Pivote doble: Algoritmo
Métodos Directos Se intercambian filas y
- Método de Gauss
columnas para tomar como  2 1 3  6 3 5 
x1  x3
-Gauss-Jordan pivote el mayor término en    
-Factorización valor absoluto de la   5  3 6   3 1 2 
-Condicionamiento submatriz  3 3 1   1 3 3 
-Aplicaciones Se altera el orden de las    
Métodos Iterativos soluciones)
 Bibliografía
Pivote escalado: Algoritmo
Actúa como el pivote simple
 2 1 3   2 3   3 3 1 
pero tomando como término
   5   
de comparación el valor
  5  3 6   6   5  3 6 
ponderado
d d d de lla columna,
l  3 3 1   3   2 1 3 
esto es, dividido entre el   3  
máximo de la fila
26
Té i
Técnicas de
d pivoteo:
i t justificación
j tifi ió práctica
á ti
 0.003x1  59.14 x2  59.17   104
Sistema:  (resolución con 4 cifras)
 Descripción
 5.291x1  6.130 x2  46.78
D i ió
 Objetivos
 30 591400  591700   x1  10
Temario Pivote simple
p 
  46.78    x  1.001
Cuestiones previas
 5.291 6.13    2
Métodos Directos  30 5 
 p   5.073  10 
- Método de Gauss max  30,591400 
1
Pivote escalado  ,    x1  10
- Técnicas de pivoteo  
-Gauss-Jordan  p  5.291
 0.863   x2  1.000
 max  5.291, 6.13 
2
-Factorización
-Condicionamiento
-Aplicaciones
Métodos Iterativos 3 x1  7 x2  37  x1  10
Sistema:   (resolución con 4 cifras)
 Bibliografía  x1  5 x2  15  x2  1
 3 7  37  3 7  37   x1  9.997
Pivote simple   15    m  0.3333    2.67    x  1.001
 1 5    0 2.667    2
 7 3 37  7 3  37   x2  1.00
Pivote doble   15    m  0.7143    11.43    x  10.00
 5 1    0 1.143    1
27
M t i singular
Matriz i l
 Sistema compatible indeterminado o
 Descripción
D i ió
i tibl  No
incompatible N hay
h solución
l ió úúnica
i
 Objetivos
 rango(A)<Nº incógnitas
Temario
Cuestiones previas
Métodos Directos
 El pivote se anula
- Método de Gauss
- Técnicas de pivoteo  1 1 0 3 4     1 1 0 3 4 
  1  2ª (2)1ª   0 1 1 5 7 
-Gauss-Jordan
 2 1  1 1       
-Factorización 
-Condicionamiento  3 1 1 2  3   3ª (3)1ª   0 4 1 7  15 
-Aplicaciones        
Métodos Iterativos   1 2 3 1  
4 4ª  ( 1)1ª   0 3 3 15  8 
 Bibliografía 
  1 1 0 3 4 
     
   0 1 1 5 7 
 
 3ª (4)2ª   0 0 3 13 13 
 4ª (3)2ª   0 0 0 0  13 
28
Ej
Ejemplo:
l Gauss
G sin
i pivote)
i t )
 2 4 1 4 15      2 4 1 4 15 
    
 Descripción
D i ió  1 1 3 5 10   2ª  21 1ª   0 3 22.5
5 7 17.5
17 5 
  
 Objetivos
 1 3 2 2 1   3ª  21 1ª   0 1 2.5 4 8.5 
   
 2 5 2 4 22  4ª  22 1ª   0 9 3 8 37 
Temario
Cuestiones previas    2 4 1 415 
Métodos Directos    0 7 17.5 

   3 2.5
- Método de Gauss  
- Técnicas de pivoteo  3ª
3  1
2ª
2  0 667 66.333
0 11.667 14 33 
333 14.33

3
-Gauss-Jordan  4ª  93 2ª   0 0 10.5 13 15.5 

-Factorización
-Condicionamiento    2 4 1 4 15 
-Aplicaciones     7 17.5 

  0 3 2.5
Métodos Iterativos  
 Bibliografía    0 0 1.667 6.333 14.33 

4ª  1.667
10.5   0
1 667 3ª  0 0 52.89 105.8 
 x1  1 2  15  4 x2  1x3  4 x4   x1  0.99

 
 x2  1 3  17.5  2.5 x3  7 x4   x2  1.997
 
x 
 3 1.667
1
  14.33  6.333 x4   x3  0.9958
 x4  105.8 52.89  x4  2
29
Ej
Ejemplo:
l Gauss
G pivote
i t simple
i l (4 decimales)
d i l )
 2 4 1 4 15      2 4 1 4 15 
   
 Descripción
D i ió  1 1 3 5 10   2ª  21 1ª   0 3 2.5 7 17.5 
 
 Objetivos  1 3 2 2 1   3ª  21 1ª   0 1 2.5 4 8.5 
   
 2 5 2 4 22  4ª  22 1ª   0 9 3 8 37 
Temario
Cuestiones previas 2 4 1 4 15      2 4 1 4
15 
   
Métodos Directos
0 9 3 8 37      0 9 3 8 37 
- Método de Gauss 
2ª
 
  
44ª 0 1 2.5
25 5  33ª  91 22ª   0
4 88.5 833 44.889
0 22.833 889 12 61 
12.61
   
-Gauss-Jordan  0 3 2.5 7 17.5   4ª  93 2ª   0 0 3.5 4.334 5.170 
-Factorización
-Condicionamiento 2 4 1 415     2 4 1 4 15 
   
-Aplicaciones
0 9 3 8 37     0 9 3 8 37
Métodos Iterativos 
3ª
 
  
 Bibliografía
4ª 0 0 3.5 4.889 12.61    0 0 3.5 4.334 5.170
 
0 0 2.833 4.889 12.61 4ª  2.833
3.5
  0
3 5 3ª  0 0 8.397 16.79 
 x1  1 2  15  4 x2  1x3  4 x4   x1  1
 
 x2  1 9  37  3x3  8 x4   x2  2
 
 3 3.5 
x   5.17  4.334 x4  x3  0.9994
1
 x4   x4  2
16.79
8.397
30
Ej
Ejemplo:
l Gauss
G pivote
i t doble
d bl (4 decimales)
d i l )
 2 4 1 4 15   5 2 2 4 22 
   
 1 1 3 5 10  1 1 3 5 10 
F :1ª  4ª
 Descripción :1ª  2ª
 
 2,1,3,4  
C :1
D i ió  1 3 2 2 1 
2
3 1 2 2 1 
   
 Objetivos  2 5 2 4 22   4 2 1 4 15 
    5 2 2 4 22   5 4 2 2 22 
Temario  2ª  1 1ª   0 0.6 3.4 4.2 5.6  F :2ª 3ª  0 4.4 3.2 2.2 14.2 
    
Cuestiones previas  5

C :2ª  4ª
 
    0 4.2 3.4 0.6 5.6 
3ª  5 1ª   0 2.2 3.2 4.4 14.2 
3 2,4,3,1
Métodos Directos  
 4ª  54 1ª   0 3.6 0.6 0.8 2.6   0 0.8 0.6 3.6 2.6 
- Método de Gauss
- Técnicas de pivoteo     5 4 2 2 22 
-Gauss-Jordan    
    0 4.4 3.2 2.2 14.2 
-Factorización  
-Condicionamiento  3ª  4.2
2ª  0 0 6.454 1.5 7.95 

4.4
-Aplicaciones 4ª  0.8   0

4.4 2ª  0 1.182 4 5.182 
Métodos Iterativos   5 4 2 22 
  2
 Bibliografía    
0 4.4 2.2 14.2 

   3.2
  
 2,4,3,1
2 4 3 1
 0 0 6.454 1.5 7.95 
   
4ª  1.182 
6.454 3ª  0 0 0 3.725 3.726 
 x2  1 5  22  4 x4  2 x3  2 x1   x1  1
 
 x4  1 4.4  14.2
14 2  3.23 2 x3  22.22 x1   x2  2
 
x 
 3 6.454
1
 7.95  1.5 x1   x3  0.9994
 x1  3.726 3.725  x4  2
31
Ej
Ejemplo:
l Gauss
G pivote
i t escalado
l d
 2 4 1 4 15   15 
2 4
   2 4 1 4 15 
2ª 0.5  
 Descripción
D i ió   1   0 5 1ª   0 3 2.5
25 7 17.5
17 5 
 1 1 3 5 10   2 35 
   
 1 3 2 2 1  3ª 0.5  1ª   0 1 2.5 4 8.5 
 Objetivos    4ª 11ª   0 9

 2 5 2 4 22  3 8 37 
Temario
Cuestiones previas  
 3  0.4286 
 7  2 4 1 4 15      2 4 1 4 15 
Métodos Directos    
8 37      0
 1 4  0.25 
 9
- Método de Gauss 
 9 1

 0 9 3 9 3 8 37 
 
2º  4ª  0 1 5
4  172  3ª  91 2ª   0 0 2.833 4.889 12.61
   
2
-Gauss-Jordan 0 3  52 7  352   4ª  93 2ª   0 0 3.5 4.334 5.17 
-Factorización
-Condicionamiento
 
-Aplicaciones 


 2 4 1 4
15     2 4 1 4 15 
   0 
37  
Métodos Iterativos  2.833  0.5795 
 3.5 4.889  0 9 3 8    9 3 8 37 
 Bibliografía   4.334  0.8076 
  
3º  4ª 0 0 3.5 4.334 5.17    0 2.833 4.889 12.61 
   0 
0 0 2.833 4.889 12.61 4ª  2.833
2 833   0
3.5 2ª  0 0 8.397 16.79 
 x1  1 2  15  4 x2  1x3  4 x4   x1  1
 
 x2  1 9  37  3 x3  8 x4   x2  2
 
 3x  1
2.833  12.61  4.889 x4   x3  0.9994
32  x4  16.79 8.397  x4  2
Mét d de
Método d Gauss-Jordan
G J d
 El sistema equivalente es diagonal
 Descripción
D i ió  Opera para anular los coeficientes por encima y por debajo de la diagonal
– Anular el elemento de la fila j-esima bajo la diagonal i-esima
 Objetivos  a11  0 a1i  a1n b1   a11  0 a1i  a1n b1 
   
               
Temario 0  aii11 ai 1  ai 1 bi 1 
i n 0  aii11 aii1  ain1 bi 1 
Cuestiones previas    
0  0 aii  ain bi   a ij   0  0 aii  ain bi 
Métodos Directos 0  m i  
 0 aii1  ain1 bi 1    ai  0  0 aii1  ain1 bi 1 
- Método de Gauss   
- Técnicas de pivoteo          j ª  j ª  m  i ª          
   
-Gauss-Jordan 0  0 a ij  a nj b j  0  0 0  a jn b j 
-Factorización                
   
-Condicionamiento
0  0 ani  ann bn  0  0 ani  ann bn 
-Aplicaciones
Métodos Iterativos  Operaciones: 1 cociente, n-i productos y n-i sumas para (n-1) filas
 Bibliografía  Total de operaciones
n 1 n
n2  n
  
i 1 j  i 1
1  n 
2
n  n  1
2
n 1 n 1
n 3  2n 2  n
,    n  i   
i 1 j i 2 2
33  Un sistema de 9(100) ecuaciones requiere 288 (490.000)productos

Ej
Ejemplo:
l Gauss-Jordan
G J d
 2 4 1 4 15     2 4 1 4 15 
   2ª  1 1ª   0 3  5 
 Descripción
D i ió  1 1 3 5 10     7 17.5
17 5 
 
2
  2
 1 3 2 2 1   4 8.5 
 3ª  2 1ª   0 1 2
1 5
 Objetivos   
 2 5 2 4 22  4ª  22 1ª   0 9 3 8 37 
Temario
Cuestiones previas  1ª  43 2ª   2 0 4.333 5.331 8.333 
    
Métodos Directos   0 3 2.5 7 17.5 
- Método de Gauss  
- Técnicas de pivoteo  3ª
3  1
2
2ª  0 1 667 6.333
0 1.667 14 33 
6 333 14.33

3
-Gauss-Jordan  4ª  93 2ª   0 0 10.5 13 15.5 

-Factorización
-Condicionamiento 1ª  1.667
1 667 3ª 
4.333
2 0 0 21.79 45.57 
-Aplicaciones 2ª  2.5 3ª   
  0 3 0 16.5 39 
Métodos Iterativos  1.667

 Bibliografía    0 0 1.667 6.333 14.33 

4ª  1.667
10.5   0
1 667 3ª  0 0 52.89 105.8 
 1ª  52.89
21.79
4ª   2 0 0 0 1.98   x1  0.99
 2ª  16.5 4ª   0 
0 5.99   x2  1.997
   3 0
 52.89
 
 3ª  6.333
4ª  0 0 1.667 0 1.67   x3  1.002
52.89

    0 0 0 52.89 105.8   x4  2
34
I t
Intrepretación
t ió matricial
t i i l de
d Gauss
G sin
i pivoteo
i t
 1 0 0  0
  a12   a11 a12 a13  a1n   a11 a12 a13  a1n 
 Descripción
D i ió  a11 1 0  0 1   
 1   a2 a22 a23  a2n   0 a22 a23  a2n 
 Objetivos   a13 0 1  0   a31 a32 a33  a3n    0 a32 a33  a3n   L1 A  U1
 a1    
Temario                   
  a1   a1 an2 an3  ann   0 an2 an3  ann 
0 0  1 n
Cuestiones previas
 a1n
Métodos Directos  1 
- Método de Gauss
1 0 0  0 1
  a1 a13  a1n   a11 a13  a1n 
- Técnicas de pivoteo a12 a12

-Gauss-Jordan 0 1 0  0   
-Factorización 0 a22 a23  a2n   0 a22 a23  a2n 
0  a32 
1  0 0
-Condicionamiento  a22  a32 a33  a3n    0 0 a33  a3n   L2U1  U 2
    
-Aplicaciones
                
Métodos Iterativos  
0  an3  ann   0 an3  ann 
0  1 0 an2
 a1n
 Bibliografía  a22 
0
Ln 1 Ln  2  L2 L1 A  U n
 Tma: Las matrices verifican Lk verifican ((Lk)-1=2I-Lk Demo
35
F t i
Factorización
ió
 Tma: El producto de matrices triangulares inferiores Demo
 Descripción
D i ió (superiores) es una matriz triangular inferior (superior)
 Tma: La inversa de una matriz triangular inferior
 Objetivos Demo
(superior) es una matriz triangular inferior (superior)
Temario
Cuestiones previas Ln 1 Ln  2  L2 L1 A  U n  LA  U  A  L1U  LU
Doodlittle (Matrices regulares): A=LU
Métodos Directos

- Método de Gauss
- Técnicas de pivoteo – L es triangular
ti l iinferior
f i con di
diagonall unitaria
it i
-Gauss-Jordan U es triangular superior L  y  b
LU x  b  
–
-Factorización
-Condicionamiento U  x  y
-Aplicaciones  Crout (Matrices simétricas): A=LDLT
Métodos Iterativos
– L es triangular inferior con diagonal unitaria L y  b
 Bibliografía 
– D es diagonal L  D  LT  x  b   D  z  y
 T
L  x  z
 Choleski (Matrices definidas positivas): A=L LT
– L es triangular inferior con diagonal de términos positivos
no necesariamente unitarios  L y  b
L  LT  x  b   T
36 L  x  y
Interpretación matricial del intercambio de

fil
filas y columnas
l
1 0 0  0 0 1 0  0
 Descripción    
D i ió 0 1 0  0 1 0 0  0
 Objetivos I  0 0 1  0   Intercambio
Fila / Columna:1 2
 M 12   0 0 1  0
   
         
Temario 0
 0 0  1  0
 0 0  1 
Cuestiones previas
Métodos Directos   a12 a22 a23  a2n 
- Método de Gauss   1 
  a1 a1
2
a13  a1n 
-Gauss-Jordan  M 12 A   a1 a 2 a33  a3n 
 a11 a12 a13  a1n    3 
3
-Factorización
-Condicionamiento  1        
 a2 a22 a23  a2n    a1 a 2
-Aplicaciones   an3  ann 
A   a31 a32 a33  a3n   
n n
Métodos Iterativos     a12 a11 a13  a1n 
 Bibliografía      
  2 
 a1 n  a2 a12 a23  a2n 
 n an an  an  
2 3
 AM 1   a32 a31  a3n 

2
a33
  
       
  2  ann 
 an an an3
1
Propiedades: M i j M kl  M ijkl M ikjl  M  M 1  M T Demo

37
F t i
Factorización
ió de D dlittl (LU)x=Mb
d Doodlittle: U) Mb
Factorización directa
 Descripción
D i ió  a11 a12  a1n   1 0  0   u11 u12  u1n 
 1   1   
 a2 a22  a2n   l2 1  0   0 u22  u2n 
 Objetivos  
              
 1   1 2   
Temario  an an2  ann   ln ln  1   0 0  unn 
Cuestiones previas
 u11 u12  u1n-1 u1n 
Métodos Directos  1 1 
- Método de Gauss  l2u1 l21u12  u22  l21u1n-1  u2n-1 l21u1n  u2n 
- Técnicas de pivoteo  1 1 2 2 
-Gauss-Jordan  l3u1 l3u1  l3 u2
1 2 2 2
  l3 uk  u3
k n -1 n -1
 l3 uk  u3 
k n n
-Factorización
  k 1 k 1 
Algoritmo
-Condicionamiento       
-Aplicaciones  
 1 11 n -2 n -1

Métodos Iterativos


 lnu1 lnk ukn  ln2u22   lnk ukn  lnk 1ukk-1-1  lnk 1uk2  unn 

 Bibliografía k 1 k 1 k 1
 3 7 10   37   3 7   1 0  3 7 
Ej
Ejemplo
l (4 cifras) if )  
      
   
 1 5  1   15   1 5   0 '3333 1  0 2 '667 
 1 0  37   37 
   y     y   
  0 '3333 1   15   2 '67 

 3 7 
 x 
 37 
 x 
 9 '997 
38  0 2 '667   
 2 '67 

 1'001 


F t i
Factorización
ió de t (LDLT)Mx=Mb
d Crout:
C )M Mb
 a11 a12  a1n   1 0  0   d11 0  0   1 l21  ln1 
 Descripción
D i ió  2   1     
 a1 a22  a2n   l2 1  0  0 d 22  0  0 1  ln2 
   
 Objetivos                    
 n   1 2     
Temario  a1 a2n  ann   ln ln  1   0 0  d nn   0 0  1 
Cuestiones previas  d11 d11l21 d11l31  d11ln1 
 
l 
Métodos Directos 1 2
- Método de Gauss
 2 d11  d 22 l21d11l31  d 22l32  l2 d1 ln  d 2 ln 
1 1 1 2 2
 
- Técnicas de pivoteo  
  l3k  dkk  d33 
2 2

2 Algoritmo
-Gauss-Jordan  l3k d kk lnk  d33ln3 
-Factorización  k 1 k 1

-Condicionamiento    
-Aplicaciones  n 1 
Métodos Iterativos 
    ln  d k  d n 
k 2 k n
 k 1 
 Bibliografía
 3 7 10   37   3 7   1 0  3 0  1 2'333 
Ejemplo
j p ((4 cifras))            
 7 5  1   75   7 5   2'333 1  0 11'33  0 1 
  1 0  37   37 
    y     y   
  2'333 1   75   11'32 
 3 0   37   12 33 
12'33
    z     z   
 0 11'33   11'32   0'9991
  1 2'333   12'33   9'999 

39   0 1 
  x  
 0'9991
  x  
 0'9991

F t i
Factorización
ió de Ch l ki (LLT)x=b
d Choleski: ) b
 a1 a1
1 2 n
 a1   l11 0  0   l11 l21  ln1 
 Descripción
D i ió  2     
 a1 a2
2
 a2n   l21 l22  0   0 l22  ln2 
  
 Objetivos               
 n     
 a1 a2
n
 ann   ln1 ln2  lnn   0 0  lnn 
Temario
Cuestiones previas   l1 2 l11l21 l11l31  l11ln1 
 1 
Métodos Directos  
- Método de Gauss  l   l 
1 2
2
2 2
2 l21l31  l22l32  l21ln1  l22ln2 
  l3k    l33 
2 2
  l3 ln  l3 ln 
2 2 k k
-Gauss-Jordan  3 3
Algoritmo
-Factorización  k 1 k 1 
-Condicionamiento    
 
-Aplicaciones  n 2
n 1
Métodos Iterativos     l n 
k 2
  ln  
 Bibliografía  k 1 
j p ((4 cifras))  7 110   69 
Ejemplo  2'646  2'646 0'3779 
         
 1 13  1   3   0'3779 3'586  3'586 
 2'646   69   26'08 
   y     y   
 00'3779 586 
3779 33'586 3  33'586
586 

  2'646 0'3779   x   26'08   x  10 
      
40  3'586   3'586  1
O
Operaciones
i
Sumas Productos Cocientes
 Descripción
D i ió Cramer
 Objetivos   n!   n  1!  n
Temario G
Gauss
  n3    n3    n2 
Cuestiones previas 1 1 1
Métodos Directos 3 3 2
- Método de Gauss
- Técnicas de pivoteo GJ d
G-Jordan
  n3    n3    n2 
1 1 1
-Gauss-Jordan
-Factorización 2 2 2
-Condicionamiento
-Aplicaciones Doolitle
  n3    n3    n2 
1 1 1
Métodos Iterativos
 Bibliografía 2 2 2
Crout
  n3    n3    n2 
1 2 1
3 3 2
Choleski
  n3    n3    n2 
1 1 1
3 3 2
41
Ej
Ejemplo
l de
d condicionamiento
di i i t
Ax  b Sistema inicial: Ax=b
 Descripción
D i ió  10 7 87   x1   32  1 Si t
Sistema “equivalente”:
“ i l t ” Cx’=d
C ’ d
      
7 5 65   x2   23  1
 Objetivos     ¿x=x’? ¿AC?
8 6 10 9   x3   33  1
Temario       
7 5 9 10   x4   31  1
Cuestiones previas
Métodos Directos A   x   x   b   b
- Método de Gauss
- Técnicas de pivoteo 10 7 7   x1   x1   32 '1   9.2 
8
-Gauss-Jordan       
-Factorización 7 5 5   x2   x2   22 '9   12.6 
6
 
-Condicionamiento 8 6 10 9   x3   x3   33'1   4.5 
-Aplicaciones       
Métodos Iterativos 7 5 9 10   x4   x4   30 '9   1.1
 Bibliografía
 A   A  x   x  b
 10 7 8'1 7 ' 2   x1   x1   32   81
  x  x     
 7 '08 5'04 6 5  2 2 23 137
  
 8 5'98 9 '89 9   x3   x3   33   34 
      
 6 '99 4 '99 9 9 '98   x4   x4   31   22 
42
A t ió
Acotación
 A x  b  b
 Descripción A  xx=bb   1 1    x  A 1  b
D i ió  x=A  b  x  A  b  A
 Objetivos b
A   x +  x  =  b+  b   A  δx = δb    x  A 1   b
Temario A
Cuestiones previas 1 b x 1 b
Métodos Directos    A  A 
- Método de Gauss A 1  A b x b
1 b x b
-Gauss-Jordan    cond  A  
-Factorización cond  A  b x b
-Condicionamiento
-Aplicaciones  A   A   x   x    b   b  
Métodos Iterativos
 Bibliografía  x cond  A   b A 
  A  A 1
1
   
 x  A   b A 
1  cond  A  

  A 
 x  b A 
  A  A1  1  A   A
1
 A   
 x  b A 
Demo
43
P
Propiedades
i d d
Para cualquier matriz regular A y una norma subordinada cualquiera se
 Descripción
D i ió verifica:
 Cond(I)=1
 Objetivos Ix
I  sup 1
Temario xE x
Cuestiones previas  Cond(A)1
Métodos Directos
I  A  A1  I  A  A1  A  A1    A 
- Método de Gauss
- Técnicas de pivoteo  Cond(A-11) = cond(A)
-Gauss-Jordan   A   A  A1  A1  A    A1 
-Factorización
 Cond(A) = cond(A)
-Condicionamiento
-Aplicaciones   A   A   A1    A  1  A1    A 
Métodos Iterativos
A
 Bibliografía  Si B singular cond  A 
A B
x / x  1: B  x  0   A  B  x  A  x  A  B  x  A  x
 
 A1  A  x  x  A  B  x 
x
A1
   A   A1  A  A B
A
44
Ej
Ejemplo:
l cota
t con variación
i ió ded b
 10 7 8 7  25 41 10 6 
   
 Descripción
D i ió 7 5 6 5  41 68  17 10
A A 
-1 
 8 6 10 9   10 17 5 3 
 Objetivos    
 7 5 9 10    6 10  3 2 
Temario
Cuestiones previas  32   0 '1 1  8' 2 
       
Métodos Directos 23  0 '1 1  13'6
- Método de Gauss b  b    x  x 
- Técnicas de pivoteo  33   0,1
0 1 1  3'53 5
       
-Gauss-Jordan
 31    0 '1   
1   2 '1 
-Factorización
; -Condicionamiento
-Aplicaciones b x
Métodos Iterativos A A 1
  A b  b   A x x
 Bibliografía b x
1 33 136 4488 119 04
0.4 15
15.1
1 4 27
27.4
4 66.85
85
2 30.3 98.6 2984 60.0 0.2 9.94 2 16.4 8.20
 33 136 4488 33 0.1 13.6 1 13.6 13.6
;
45
Ej
Ejemplo:
l cota
t con variación
i ió ded A
 0 0 0.1 0.2   1242.5 1974.2 533.8 388.7 
   
 Descripción  0 08 0.04
0.08 0 04 0 0   2063.3 3279 1 887.0
2063 3 3279.1 887 0 645.6
645 6 
A   A
1
D i ió A  
 0 0.02 0.11 0   533.3 848.0 230.2 167.5 
 0.01 0.01 0 0.02   319.5 507.9 137.9 100.6 
Temario
x
 A A   A A   A
1 1
Cuestiones previas
A 1
A A x x
Métodos Directos x
- Método de Gauss
- Técnicas de pivoteo 1 4488 136 00.22
22 6609
6609.1
1 1454 4 274 68
68.55
-Gauss-Jordan
2 2984 98.6 0.231 4854.3 1120.5 2 164 82.0
-Factorización
-Condicionamiento  4488 136 0.3 6875 2062.5 1 136 136
-Aplicaciones
Métodos Iterativos
 Bibliografía x cond  A  A
Nota :  A  A 1  1  No es aplicable
p 
x  A  A
1  cond  A  
 A 
46
I t
Interpretación
t ió geométrica
ét i
 Descripción
D i ió
 Objetivos
Temario
Cuestiones previas
Métodos Directos
- Método de Gauss
-Gauss-Jordan
-Factorización
-Condicionamiento
-Aplicaciones
Métodos Iterativos
 Bibliografía
47
Cál l del
Cálculo d l determinante
d t i t de
d una matriz
t i
A partir de los resultados de la factorización de la matriz
 Descripción
D i ió  Doodlittle
n
 Objetivos
Temario
A  M  L  U  A  M  L  U   1  1  U   1
p p
u
i 1
i
i
Cuestiones previas  Crout

Métodos Directos n
- Método de Gauss
A  L  D  LT  A  L  D  LT  1  D  1  d
i 1
i
i
-Gauss-Jordan  Choleski
-Factorización n
 l 
-Condicionamiento i 2
A  L  LT  A  L  LT  L 
2
-Aplicaciones i
Métodos Iterativos i 1
 Bibliografía
48
A li
Aplicaciones:
i Cál
Cálculo
l de
d la
l inversa
i
 2 4 1 4 1 0 0 0    12 1ª 
 
 1 1 3 5 0 1 0 0   2ª  21 1ª 
 Descripción
D i ió  1 3 2

2 0 0 1 0   3ª  21 1ª 

 
 Objetivos  2 5 2 4 0 0 0 1  4ª  22 1ª 
1 2 1
2 0 0 0   1ª  23 2ª 
1
 12 2 1
2 
Temario 
2 2
   1
2

 0 3  52 7 12 1 0 0    13 2ª  2 3 2
5
7 
Cuestiones previas   
 0 1 52 4 12 0 1 0  3ª  31 2ª   12 1 52 4 
Métodos Directos    
- Método de Gauss 0 9 3 8 1 0 0 1   4ª  93 2ª  1 9 3 8 
1 0 13 8 1 2
0 0   1ª  1013
3ª   16 32 13 8

-Gauss-Jordan 
6 3 6 3
 
0   2ª  21 3ª 
6 3
0 1 5 7 1 1
0 1 5 7 

1
-Factorización  6 

6 3 6 3 3 6 3
-Condicionamiento 0 0 5 19 2 1
1 0    53 3ª  3 2 1 5 19
 3 3 3 3
  1
3 3 3

-Aplicaciones 0 0
21
2 13 1
2 3 0 1   4ª  10
63
3ª   2 3
21
2 13 
Métodos Iterativos
 Bibliografía 1 0 0 109 7 11 13
0   1ª  109
529 4ª   10
7 11 13 109

  
10 10 10 10 10 10 10
 0 1 11
0 2 1 1 1
0  2ª  529
55
4ª   1 1 1 11 
 2 2 2
   2 2 2 2 
0 0 1  195 2 1 3
0  3ª  529
38
4ª   52 1 3 19 
 5 5 5
  47
5 5 5

0 0 0 529
10
47
10
51
10
63
10 1    529
10
4ª   10
51
10
63
10
529
10 
1 0 0 0 218 26 1 109

  529
218 26 1 109

 
529 529 529 529 529 529 529
0 1 0 0 6 16 82 55  6 16 82 
 
55
529 529 529 529  529 529 529 529 
0 0 1 0 33 88 78 38   529
33 88 78 38 
 529 529 529 529
  47 
49 0 0 0 1 47
529
51
529
63
529
10
529   529
529
51
529
529
63
529
529
10
529 
Anexo
 Demostraciones
 Algoritmos
50
D
Demo: N
Normas equivalentes
i l t
x   x1 , x2 , x3 , xn 1 , xn 
 Descripción
D i ió n
 Objetivos  x 
 x1n x 
 sup xi   vi  n sup xi
i 1,.. n i 1 i 1,.. n
Temario n
xi
2
Cuestiones previas  x 
 x 2
 n x 
 sup xi  xs  xs
i 1,.. n
 xs
 xs n
- Valores propios i 1
- Tipos de matrices 1 1
- Normas
N vectoriales
l  x  x  n x1 x  x 
 x  n x 
 n x1
- Normas matriciales n 1 2
n 1 2
- Tipos de métodos n n
 x  x  x1 x  x     x1
2 2
Mét. Directos: Gauss  2  2
xi xi
Mét.D.: Factorización i 1 i 1
Aplicaciones de MD
Condicionamiento
Métodos Iterativos
 Bibliografía
Volver
51
D
Demo: N
Normas matriciales
t i i l subordinadas
b di d
 Descripción
D i ió  Def.:Si x es una norma vectorial sobre Cn entonces se
define una norma matricial sobre el conjunto de las
 Objetivos matrices de orden n, denominada norma subordinada,
mediante
Temario Ax
A
Cuestiones previas A  sup  sup Ax
xE x
- Valores propios
- Tipos de matrices xE
- Normas
N vectoriales
l x 1
- Tipos de métodos Ejemplos:
Mét. Directos: Gauss
n
a
Aplicaciones de MD  A 1  sup A  x 1  max i
j
(máximo de columnas)
x 1 1 i j n
Condicionamiento i 1
Métodos Iterativos  A 2  sup A x 2
   A  A*  ((radio espectral
p de la normal))
 Bibliografía x 2 1
n
 A   sup
x 1
A x 
 max
i i  n
a j 1
i
j
(máximo de filas)

Volver
52
MATLAB para Gauss

G con pivote
i t simple
i l
1. [n,m]=size(A);if m~=n+1;error(‘falla matriz ampliada’);end
 Descripción
D i ió 2
2. for i=1:n
3. [p,j]=max(abs( A(i:n,i)) );j=j+i-1;
 Objetivos 4. if p==0; error(‘sistema indeterminado o incompatible’);end
5. if j~=i; p=A(j,i:n); A(j,i:n)=A(i,i:n); A(i,i:n)=p;end
Temario
6. for j=i+1:n; m=-A(j,i)/A(i,i); A(j,i:n)=A(j,i:n)+m*A(i,i:n); end
Cuestiones previas
7. end
Métodos Directos
- Método de Gauss 8. x(n)=A(n,n+1)/A(n,n)
- Técnicas de pivoteo 9. f i=n-1,1,-1;
for i 1 1 1 x(i)=(a(i,n+1)-a(i,i+1:n)*x(I+1:n))/a(i,i);end
(i) ( (i 1) (i i 1 )* (I 1 ))/ (i i) d
-Gauss-Jordan
-Factorización
-Condicionamiento
-Aplicaciones  OPERACIONES
Métodos Iterativos
Tringularizar Resolver Total
 Bibliografía
n n
n 2  n  1 n  n  1 2n3  5n 2  3n
+   n  i 
 i 1 j  i 1 3 2 6
n n
n  n  1 n2  n
   1
i 1 j  i 1 2
n
2
Volver
53
MATLAB para Gauss

G con pivote
i t doble
d bl
orden=1:n;
orden 1:n;
 Descripción
D i ió 2.
3. for i=1:n % Triangularización
 Objetivos 4. [p,j]=max(abs( A(i:n,i:n)) );j=j+i-1; % Pivote y posición
5. [p,k]=max(p);j=j(k);k=k+i-1;
Temario 6. if p==0; error(‘sistema indeterminado o incompatible’);end
Cuestiones previas
7. if j~=i; p=A(j,i:n); A(j,i:n)=A(i,i:n); A(i,i:n)=p;end % Intercambio de filas
Métodos Directos
8. if k~=i;
- Método de Gauss
9. p=A(i:n k); A(i:n,k)=A(i:n,i);
p=A(i:n,k); A(i:n k)=A(i:n i); A(i:n
A(i:n,i)=p;
i)=p;
-Gauss-Jordan 10. p=orden(k); orden(k)=orden(i);orden(i)=p;
-Factorización 11. end
-Condicionamiento 12. for jj=i+1:n;; m=-A(j,i)/A(i,i);
(j, ) ( , ); A(j,i:n)=A(j,i:n)+m*A(i,i:n);
(j, ) (j, ) ( , ); end
-Aplicaciones
13. end
Métodos Iterativos
x(n)=A(n,n+1)/A(n,n); % Resolución del sistema triangular
 Bibliografía 14.
15. for i=n-1,1,-1; x(i)=(a(i,n+1)-a(i,i+1:n)*x(I+1:n))/a(i,i);end;
16. x=x(orden); % Ordenación de los resultados
Volver
54
MATLAB para Gauss

G con pivote
i t escalado
l d
for ii=1:n
1:n % Triangularización
 Descripción
D i ió 2.
3. escala=max(abs( A(i:n,i:n)’) ); ; % Pivote y posición
 Objetivos 4. if any(escala); error(‘sistema indeterminado o incompatible’);end
5. [p,j]=max(abs( A(i:n,i)./escala’) );j=j+i-1;
Temario 6. if j~=i; p=A(j,i:n); A(j,i:n)=A(i,i:n); A(i,i:n)=p;end % Intercambio de filas
Cuestiones previas
7. for j=i+1:n; m=-A(j,i)/A(i,i); A(j,i:n)=A(j,i:n)+m*A(i,i:n); end
Métodos Directos
8. end
- Método de Gauss
9. x(n)=A(n n+1)/A(n n); % Resolución del sistema triangular
x(n)=A(n,n+1)/A(n,n);
-Gauss-Jordan 10. for i=n-1,1,-1; x(i)=(a(i,n+1)-a(i,i+1:n)*x(I+1:n))/a(i,i);end
-Factorización
-Condicionamiento
-Aplicaciones Volver
Métodos Iterativos
 Bibliografía
55
F t i
Factorización:
ió Demostraciones
D t i I
1  0 0 0  0 1  0 0 0  0
 Descripción
D i ió    
             
 Objetivos 0  1 0 0  0 0  1 0 0  0
   
Lk   0  0 1 0  0  2 I  Lk   0  0 1 0  0
Temario 0  0  kk1 1  0  0  0  kk1 1  0
Cuestiones previas    
Métodos Directos              
- Método de Gauss 0  0  kn1 0  1  0  0  kn1 0  1 
 
-Gauss-Jordan 1  0 0 0  0
-Factorización  
-Condicionamiento       
-Aplicaciones
0  1 0 0  0
 
Métodos Iterativos Lk  2 I  Lk    0  0 1 0  0  I
 Bibliografía 0  0  kk1   kk1 1  0 
 
      
0  0  kn1   kn1 0  1 

Volver
56
D
Demostración
t ió de
d inversa
i de
d L
1  0 0 0  0 1  0 0 0  0
 Descripción
D i ió    
             
0  1 0 0  0 0  1 0 0  0
Lk   0  0 1 0  0  2 I  Lk   0  0 1 0  0
Temario 0  0  kk1 1  0  0  0  kk1 1  0
   
Cuestiones previas              
Métodos Directos 0  0  kn1 0  1  0  0 n 0  1 
  k 1
- Método de Gauss
-Gauss-Jordan 1  0 0 0  0
-Factorización  
-Condicionamiento       
0  1 0 0  0
-Aplicaciones  
Métodos Iterativos Lk 2 I  Lk    0  0 1 0  0  I
 Bibliografía 0  0  k 1   kk 1
k
1  0
 
      
 
0  0  nk 1   nk 1 0  1
Volver
57
F t i
Factorización:
ió Demostraciones
D t i II
 Tma: El producto de matrices triangulares inferiores
 Descripción
D i ió (superiores) es una matriz triangular inferior (superior)
C  A  B con A, B triang. inf.  i  j : aij  bi j 
 Objetivos
n i n
Temario i  j : ci   a b   a b 
j k j
i k
k j
i k  aik bkj 
Cuestiones previas k 1 k 1 k i 1
Métodos Directos i n
- Método de Gauss  a 0 
k
i  0b k
j
 0  C triang.
g inf. Volver
- Técnicas de pivoteo k 1 k i 1
-Gauss-Jordan
-Factorización
-Condicionamiento  Tma: La inversa de una matriz triangular inferior (superior) es
-Aplicaciones una matriz
t i triangular
ti l iinferior
f i ((superior)
i )
Métodos Iterativos – Demostración por inducción: se verifica para 1, supuesto que se verifica
 Bibliografía para n hay que demostrarlo para n+1
 An 0   B n d1n 1   I n 0
A n 1  B n 1   1 
n 1   1 n 1 
 
c a
 n 1 n 1   d n 1 bn 1   0 1
 A n  d1n 1  0  bnn11  0  d1n 1  0
B 0 
 B n 1   1 n n 1 
 B n 1 triang. inferior Volver
58  d n 1 bn 1 
P
Propiedades
i d d d
de la
l matriz
t i dde intercambio
i t bi
 i  esima j  esima

1  0  0  0   I i 1 0 0 
 
        0 0  0 1 
 Descripción
D i ió    
   0  0 1  0 0 I 0 0 
0 0 1   i 1 
 Objetivos Mi   
j
      0      0  0 B 0 
     0
0 0  1 0 0 I n  j 
Temario 0  1  0  0   
        1 0  0 0 
  
I n  j 
Cuestiones previas 0
  0  0  1   0 0
Métodos Directos
- Método de Gauss 0 0 1
B   0 I j i 1 0 
-Gauss-Jordan 1 0 0 
 Simetría   
  I i 1 
T
-Factorización 0 0 
-Condicionamiento M i
j T
 0

BT 0 

-Aplicaciones
 n j  
T
 0 0 I
Métodos Iterativos 
 Bibliografía
 Ortogonalidad  I i 1  I i 1  0  0  0  0 I i 1  0  0  B  0  0 I i 1  0  0  0  0  I n  j 
 
Mi Mi  
j j
00  B B  00 0  0  B  0  0  I n j 
 0  0  0  0  I n  j  I n  j 

 0  0  0  0  1 1 0  0  0  I j i 1  1  0 0 1  0  0  1  0 
 
BB   0  0  I j i 1  I j i 1  0  0 0 1  I j i 1  0  0  0   I j i 1
 1 1  0  0  0  0 

59
Al
Algoritmo
it de
d Factorización
F t i ió LU
 ENTRADA: Matriz A y vector b
Volver
 Descripción
D i ió
 ALGORITMO
 Objetivos 1. Repetir para i desde 1 hasta n (Proceso de factorización).
Repetir
p p
para j desde 1 hasta i-1
Temario 2.
 i 1

3. Calcular li j   aij   lik ukj  u jj
Cuestiones previas  k 1 
Métodos Directos 4. Hacer lii  1 i 1
Calcular i i  li uk
 
i i k i
u a
- Método de Gauss 5.
k 1
- Técnicas de pivoteo 6. Repetir para j desde i+1 hasta i 1
n
-Gauss-Jordan Calcular ui  ai   li uk
j j k j
7.
-Factorización 8.
k 1
Repetir para i desde 1 hasta n repetir (Resolución sistema T.S.)
-Condicionamiento  i 1

9
9. Calcular i  i  lik yk 
y  b 
-Aplicaciones  k 1 
Métodos Iterativos 10. Repetir para i desde n hasta 1 (Resolución sistema T.I.)
 n

 Bibliografía  yi   uik xk 
11. Calcular xi   k i 1 
uii
12. SALIDA x
 OPERACIONES
n n n
n 2  n  1 n  n  1 n3  n 2  2n
,    i  1  2  n  i    2 
i 1 j 1 i 1 2 2 2
n i 1
n2  n n2  n
60  
i 1 j 1
1 n 
2
+n =
2
Al
Algoritmo
it de
d Factorización
F t i ió de
d Crout
C t
Volver
 Descripción
D i ió
 ALGORITMO
Repetir
p p
Temario 2.
 i 1

3. Calcular li j   aij   lik d kk l kj  d jj
Métodos Directos 4. Hacer lii  1
i 1
Calcular i i   lik  d kk
2
- Método de Gauss 5. d i
 a i

k 1
- Técnicas de pivoteo 6. Repetir para i desde 1 hasta i 1
n repetir (Resolución sistema T.S.)
-Gauss-Jordan Calcular yi  bi   li yk
k
7.
-Factorización 8.
k 1
Repetir para i desde n hasta 1 (Resolución sistema diagonal)
-Condicionamiento y
9
9. Calcular zi  i d i
-Aplicaciones i
Métodos Iterativos 10. Repetir para i desde n hasta n

1 (Resolución sistema T.I.)
Calcular xi  zi   lk xk
i
 Bibliografía 11.
k i 1
n  n  1
12. SALIDA x
n  3n 2  4n
n i n 2 3
 OPERACIONES    i  1    n  1 
i 1 j 1 i 1 3
n  2
3
n i n
2n 2  n  1 2n3  3n 2  5n
  2  i  1    n  1 
i 1 j 1 i 1 3
n 2
3
n
n2  n
i 1
n2  n
 1  n  +n =
61 i 1 j 1 2 2
Al
Algoritmo
it de
d Factorización
F t i ió de
d Choleski
Ch l ki
Volver
 Descripción
D i ió
 ALGORITMO
Repetir
p p
Temario 2.
 i 1

3. Calcular li j   aij   lik l kj  l jj
Calcular l i  a  i 1 l k 2
Métodos Directos 4.
i ii  
k 1
i
- Método de Gauss
- Técnicas de pivoteo 5. Repetir para i desde 1 hasta n repetir (Resolución sistema T.S.)
-Gauss-Jordan Calcular yi  bi   lik yk  lii
i 1
6.
 
-Factorización  k 1 
-Condicionamiento
7
7. Repetir para i desde n hasta 1 (Resolución sistema T
T.I.)
I)
-Aplicaciones
Calcular x   y  l k x  l i
n
 i  i k i
Métodos Iterativos 8.
i
 
 Bibliografía 9. SALIDA x k  i 1
 OPERACIONES
n i n n  n2  4 n3  3n 2  4n
,    i  1    n  1 
i 1 j 1 i 1 3
n 
2
3
n i 1
n2  n n 2  3n
 
i 1 j 1
1  2n 
2
+2n =
2
62 n
D
Demo: condicionamiento
di i i t
 A   A  x   x   b   b  A   x   b   A  x   A   x

Si Descripción
D i ió
1  A1  A   0   x  A1  b   A  x   A   x 
 Objetivos
 x  A 1  b  A  x  A  x 
Temario
Cuestiones previas 
 x 1  A 1  A  A 1   b  A  x 
Métodos Directos
- Método de Gauss A 1
- Técnicas de pivoteo x   b  A  x 
-Gauss-Jordan 1 A 1
A
-Factorización
-Condicionamiento x A 1  b  cond  A   b A 
-Aplicaciones    A     
Métodos Iterativos x 1  A 1 A  x  1  cond  A    A   b A 
 Bibliografía  
A 

1  A 1

 A  0   x  A   A   A 1  b   A  x 
x  b   b A 
 A   A A   A
1 1
  A   A   
x  x   b A 
Volver
63
D
Demo: M
Matriz
t i normall
B definida positiva  x : xt Bx  0  xt Bx  0  x  0  k    B  : k  0

 Descripción
D i ió n
x : x  A A  x   Ax   Ax   x x    xi   0
t t t t 2
 Objetivos i 1
Volver
Temario x  Ax  0 
x 0
A regular
g
Cuestiones previas
Mét. Directos: Gauss
Aplicaciones de MD
Condicionamiento
Métodos Iterativos
- Introducción
- Métodos
- Convergencia
 A  BCD   A1  A1 B  C 1  DA1 B  DA1
1
 Bibliografía
C   A1  A1 B  C 1  DA
 A  BCD A1 B  DA
A1   I  B  C 1  DA
A1 B  DA
A1 
 BCDA1  BCDA1 B  C 1  DA1 B  DA1 Volver
64

Integracion

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Integracion

Încărcat de

Drepturi de autor:

Formate disponibile

Titulación: Ingeniero Geólogo Ultima actualización: 29/10/2009

Asignatura: Análisis Numérico

Sist. Lineales de Ecuaciones

Planificación: 6 Teoría+4 Prácticas+2 Laboratorio

Sea A un elemento perteneciente al espacio vectorial de las

Se denomina norma vectorial a toda aplicación de un espacio

Dos normas   y   son equivalentes cuando existen valores

Temario Todas las normas vistas son equivalentes en Rn , es más

- Tipos de métodos – Ejemplo  1  vi  45  27  11  1  39  26  149

 Bibliografía x  y 1 x0 y0  x2  y 2

Se denomina norma matricial a toda aplicación del espacio vectorial de

   A  A*  (radio espectral de la normal)

Nota: las normas matriciales no verifican A 

- Tipos de matrices 1i  n

Sistemas “más simples”: Diagonales y

Métodos Directos  x1  a11 b1

 xn  a1n bn  Superior: remonte

-Factorización Operaciones: 1 cociente, n productos y n sumas para (n-1) filas

 Un sistema de orden 9 requiere 240 productos

 5.291 6.13 46.78   0.003 

-Gauss-Jordan  4ª  93 2ª   0 0 10.5 13 15.5 

 x1  1 2  15  4 x2  1x3  4 x4   x1  0.99

-Aplicaciones 4ª  0.8   0

33  Un sistema de 9(100) ecuaciones requiere 288 (490.000)productos

-Gauss-Jordan  4ª  93 2ª   0 0 10.5 13 15.5 

 Tma: Las matrices verifican Lk verifican ((Lk)-1=2I-Lk Demo

Interpretación matricial del intercambio de

 AM 1   a32 a31  a3n 

Propiedades: M i j M kl  M ijkl M ikjl  M  M 1  M T Demo

 Objetivos   n!   n  1!  n

Cuestiones previas  Crout

1 0 0 0 218 26 1 109

MATLAB para Gauss

MATLAB para Gauss

MATLAB para Gauss

Métodos Iterativos 10. Repetir para i desde n hasta n

B definida positiva  x : xt Bx  0  xt Bx  0  x  0  k    B  : k  0

 BCDA1  BCDA1 B  C 1  DA1 B  DA1 Volver

S-ar putea să vă placă și