Documente Academic
Documente Profesional
Documente Cultură
n n
!1/2
X X
k x k1 = |xi | ; k x k2 = x2i ; k x k∞ = máx |xi|
i=1,...n
i=1 i=1
la segunda de estas es conocida como norma euclidiana.
Norma de Hölder: !1/p
Xn
k x kp = |x1|p
i=1
Donde p ∈ R y p ≥ 1
Definición 3 (Norma matricial subordinada) Sea k · k una norma en Kn .
La norma matricial subordinada o norma asociada a esta norma (o norma in-
ducida) se define como
k Ax k k Ax k
k A k:= sup /x ∈ Kn \{0} = sup
kxk x6=0 k x k
1
Teorema 2 Si k · k es una norma en Kn , entonces se cumple:
1. k A k= sup k Ax k
kxk=1
k Ax k
2. k A k= sup , para toda A ∈ Kn×n , define una norma sobre el espacio
x6=0 k x k
vectorial de las matrices en Kn×n
3. k Ax k≤k A kk x k, ∀x ∈ Kn , A ∈ Kn×n
4. k AB k≤k A kk B k, ∀A, B ∈ Kn×n
Teorema 4 Se cumple:
1. Sea k · k una norma en Kn . Entonces ρ(A) ≤k A k, para toda matriz
A ∈ Kn×n.
2
2. Si A ∈ Kn×n es hermitiana se cumple ρ(A) =k A k2 .
3. Para toda matriz A ∈ Kn×n y ε > 0, existe una norma en Kn×n con k A k<
ρ(A) + ε, esto es
ρ(A) = ı́nf k A k
k·k
−1 k A−1 k
k (A + S) k≤
1− k A−1 kk S k
Teorema 6 Sea A ∈ Kn×n una matriz regular, ∆A ∈ Kn×n una matriz con
k A−1 kk ∆A k< 1, b ∈ Kn {0}, ∆b ∈ Kn y x, ∆x definimos por Ax = b y
(A + ∆A)(x + ∆x) = b + ∆b. Entonces se cumple
condk·k(A)
k ∆x k k ∆A k k ∆b k
≤ +
kxk 1 − condk·k (A) k∆Ak
kAk
kAk kbk
3. Factorización LU
La factorización LU consiste en descomponer una matriz A cuadrada en dos
matrices, una triangular inferior L y otra triangular superior U .
Observación:
3
1. Cuando L es una matriz triangular inferior unitaria la descompisición se
llama Factorización Doolitle
2. Cuando U es una matriz triangular superior unitaria la descomposición se
lllama Factorización Crout
4. Transformación de HouseHolder
La notación de un vetor v ∈ Kn es:
v1
v
2
v = .. donde vi ∈ K ∀i = 1, 2, . . . , n
.
vn
es decir, es un vector columna de n filas.
Definición 7 Dado un vector v ∈ Kn , (en general Rn o Cn ), se define la trans-
formacón H de Householder asociada a un vetor v como la transformación defini-
da por la matriz
I ∈ Kn×n si v = 0
H=
I − v2∗ v vv ∗ si v 6= 0
Propiedades:
1. H es hermitiana, es decir H ∗ = H.
2. H es unitaria, es decir H ∗ H = HH ∗ = I.
3. H 2 = H, es decir H −1 = H
5. Interpolación
Teorema 8 SI x0, x1, . . . , xn son números reales distintos, entonces para valores
arbitrarios y0, y1, . . . , yn existe un polinomio único pn de a lo sumo grado n, de
manera que:
pn (xi) = yi (0 ≤ i ≤ n)
4
5.1. Interpolación de Lagrange
Definición 8 (n-ésimo polinomio interpolante de Lagrange)
El n-ésimo polinomio interpolante de Lagrange es
(x − x0 ) · · · (x − xk−1)(x − xk+1) · · · (x − xn )
Ln,k (x) =
(xk − x0 ) · · · (xk − xk−1)(xk − xk+1) · · · (xk − xn )
o también n
Y (x − xi)
Ln,k =
i=0
(xk − xi)
i6=k
5
Teorema 13 Sea p el polinomio de a los más grado n que interpola a la función
f en un conjunto de n+1 nodos disitintos x0, x1, . . . , xn. Si t es un punto diferente
de los nodos, entonces
n
Y
f (t) − p(t) = f [x0, x1, . . . , xn, t] (t − xj )
j=0