Métodos Numéricos Grado en Informática Tema 6: Análisis ...lalvarez/teaching/mn/2012... · Cual...

ULPGCLogo

Métodos NuméricosGrado en Informática

Tema 6: Análisis Numérico Matricial II

Luis Alvarez León

Univ. de Las Palmas de G.C.

Luis Alvarez León () Métodos Numéricos Univ. de Las Palmas de G.C. 1 / 82

ULPGCLogo

Contenido

1 Nociones básicas sobre matrices y vectores

2 Método de Jacobi para calcular autovalores de matrices simétricas

3 Método de la potencia para calcular el autovalor máximo

4 Métodos iterativos de resolución de sistemas de ecuaciones

5 Práctica 7. Implementar el método de relajación

6 Método de Newton-Raphson para sistemas no-lineales


ULPGCLogo

Contenido








ULPGCLogo

Contenido

1 Nociones básicas sobre matrices y vectoresdistancia entre 2 puntos en el planoNorma de vectoresNorma de una matrizProducto EscalarBase ortonormal de vectoresautovalores de una matrizRadio espectral de una matrizCondicionamiento de una matriz


ULPGCLogo

Análisis Numérico Matricial IIDistancia entre 2 puntos en el plano


ULPGCLogo

Análisis Numérico Matricial IIDistancia entre 2 puntos en el plano. La distancia Euclídea


ULPGCLogo

Análisis Numérico Matricial IIDistancia entre 2 puntos en el plano. La distancia L1


ULPGCLogo

Análisis Numérico Matricial IIDistancia entre 2 puntos en el plano. La distancia L∞


ULPGCLogo


Consideremos los puntos (1,2) y (3,7)

Distancia Euclídea =√

(3− 1)2 + (7− 2)2

Distancia L1 = | 3− 1 | + | 7− 2 |

Distancia L∞ = | 7− 2 |


ULPGCLogo



Distancia Euclídea = ?

Distancia L1 = | 3− 1 | + | 7− 2 |



ULPGCLogo




(3− 1)2 + (7− 2)2

Distancia L1 = | 3− 1 | + | 7− 2 |



ULPGCLogo




(3− 1)2 + (7− 2)2

Distancia L1 = ?



ULPGCLogo




(3− 1)2 + (7− 2)2

Distancia L1 = | 3− 1 | + | 7− 2 |



ULPGCLogo




(3− 1)2 + (7− 2)2

Distancia L1 = | 3− 1 | + | 7− 2 |

Distancia L∞ = ?


ULPGCLogo




(3− 1)2 + (7− 2)2

Distancia L1 = | 3− 1 | + | 7− 2 |



ULPGCLogo




(3− 1)2 + (7− 2)2

Distancia L1 = | 3− 1 | + | 7− 2 |


Orden entre las distancias

? ≤ ? ≤ ?


ULPGCLogo




(3− 1)2 + (7− 2)2

Distancia L1 = | 3− 1 | + | 7− 2 |


Orden entre las distancias

distancia L∞ ≤ distancia Euclídea ≤ distancia L1


ULPGCLogo

Contenido



ULPGCLogo

Análisis Numérico Matricial IIDistancia y norma Lp

distancia Lp entre 2 puntos (x1, x2) y (x ′1, x′2)

distancia Lp =(| x1 − x ′1 |p + | x2 − x ′2 |p

)1/p

Norma Lp de un vector x = (x1, x2, .....xN) y sus propiedades

‖ x ‖p=(∑N

i=1 |xi |p)1/p

Propiedades

1 ‖ x ‖p= 0 si y sólo si x = 02 ‖ λx ‖p=| λ |‖ x ‖p para todo λ y x3 ‖ x + y ‖p≤‖ x ‖p + ‖ y ‖p para todo x , y


ULPGCLogo




)1/p


‖ x ‖p=(∑N

i=1 |xi |p)1/p

Propiedades

1 ‖ x ‖p= 0 si y sólo si x = 0

2 ‖ λx ‖p=| λ |‖ x ‖p para todo λ y x3 ‖ x + y ‖p≤‖ x ‖p + ‖ y ‖p para todo x , y


ULPGCLogo




)1/p


‖ x ‖p=(∑N

i=1 |xi |p)1/p

Propiedades

1 ‖ x ‖p= 0 si y sólo si x = 02 ‖ λx ‖p=| λ |‖ x ‖p para todo λ y x

3 ‖ x + y ‖p≤‖ x ‖p + ‖ y ‖p para todo x , y


ULPGCLogo




)1/p


‖ x ‖p=(∑N

i=1 |xi |p)1/p

Propiedades

1 ‖ x ‖p= 0 si y sólo si x = 02 ‖ λx ‖p=| λ |‖ x ‖p para todo λ y x3 ‖ x + y ‖p≤‖ x ‖p + ‖ y ‖p para todo x , y


ULPGCLogo

Análisis Numérico Matricial IILugar geométrico de los puntos que verifican ‖ x ‖2≤ 1

Cual es el lugar geométrico de los puntos que verifican

‖ x ‖2=√

x21 + x2

2 ≤ 1


ULPGCLogo

Análisis Numérico Matricial IILugar geométrico de los puntos que verifican ‖ x ‖1≤ 1


‖ x ‖1=| x1 | + | x2 |≤ 1


ULPGCLogo

Análisis Numérico Matricial IILugar geométrico de los puntos que verifican ‖ x ‖∞≤ 1


‖ x ‖1= max{| x1 |, | x2 |} ≤ 1


ULPGCLogo

Contenido



ULPGCLogo

Análisis Numérico Matricial IINorma de una matriz

Sea A una matriz y sea ‖ . ‖ una norma vectorial. Se define la normade A, subordinada a la norma vectorial ‖ . ‖ como

‖ A ‖= supx 6=0‖Ax‖‖x‖

Ejemplos


ULPGCLogo



‖ A ‖= supx 6=0‖Ax‖‖x‖

Ejemplos∥∥∥∥( λ 00 λ

)∥∥∥∥ = supx 6=0

‖λx‖‖x‖ = sup

x 6=0

|λ|‖x‖‖x‖ = |λ|


ULPGCLogo



‖ A ‖= supx 6=0‖Ax‖‖x‖

Ejemplos∥∥∥∥( 2 00 1

)∥∥∥∥2

= supx 6=0

√(2x1)2+x2

2√x2

1+x22

= ?


ULPGCLogo



‖ A ‖= supx 6=0‖Ax‖‖x‖


)∥∥∥∥2

= supx 6=0

√(2x1)2+x2

2√x2

1+x22

=

√(2·1)2+02√

12+02= 2


ULPGCLogo



‖ A ‖= supx 6=0‖Ax‖‖x‖


)∥∥∥∥2

= supx 6=0

√(2x1)2+x2

2√x2

1+x22

=

√(2·1)2+02√

12+02= 2∥∥∥∥( 2 0

0 1

)∥∥∥∥1

= supx 6=0

|2x1|+|x2||x1|+|x2| = ?


ULPGCLogo



‖ A ‖= supx 6=0‖Ax‖‖x‖


)∥∥∥∥2

= supx 6=0

√(2x1)2+x2

2√x2

1+x22

=

√(2·1)2+02√

12+02= 2∥∥∥∥( 2 0

0 1

)∥∥∥∥1

= supx 6=0

|2x1|+|x2||x1|+|x2| = |2·1|+|0|

|1|+|0| = 2


ULPGCLogo



‖ A ‖= supx 6=0‖Ax‖‖x‖


)∥∥∥∥2

= supx 6=0

√(2x1)2+x2

2√x2

1+x22

=

√(2·1)2+02√

12+02= 2∥∥∥∥( 2 0

0 1

)∥∥∥∥1

= supx 6=0

|2x1|+|x2||x1|+|x2| = |2·1|+|0|

|1|+|0| = 2∥∥∥∥( 2 00 1

)∥∥∥∥∞

= supx 6=0

max{|2x1|,|x2|}max{|x1|,|x2|} = ?


ULPGCLogo



‖ A ‖= supx 6=0‖Ax‖‖x‖


)∥∥∥∥2

= supx 6=0

√(2x1)2+x2

2√x2

1+x22

=

√(2·1)2+02√

12+02= 2∥∥∥∥( 2 0

0 1

)∥∥∥∥1

= supx 6=0

|2x1|+|x2||x1|+|x2| = |2·1|+|0|

|1|+|0| = 2∥∥∥∥( 2 00 1

)∥∥∥∥∞

= supx 6=0

max{|2x1|,|x2|}max{|x1|,|x2|} = max{|2·1|,|0|}

max{|1|,|0|} = 2


ULPGCLogo



‖ A ‖= supx 6=0‖Ax‖‖x‖


)∥∥∥∥2

= supx 6=0

√x2

1+(x1+x2)2√x2

1+x22

= ?


ULPGCLogo



‖ A ‖= supx 6=0‖Ax‖‖x‖


)∥∥∥∥2

= supx 6=0

√x2

1+(x1+x2)2√x2

1+x22

=

√(1+√

5)2+(1+√

5+2)2√(1+√

5)2+(2)2= 1.618


ULPGCLogo



‖ A ‖= supx 6=0‖Ax‖‖x‖


)∥∥∥∥2

= supx 6=0

√x2

1+(x1+x2)2√x2

1+x22

=

√(1+√

5)2+(1+√

5+2)2√(1+√

5)2+(2)2= 1.618∥∥∥∥( 1 0

1 1

)∥∥∥∥1

= supx 6=0

|x1|+|x1+x2||x1|+|x2| = ?


ULPGCLogo



‖ A ‖= supx 6=0‖Ax‖‖x‖


)∥∥∥∥2

= supx 6=0

√x2

1+(x1+x2)2√x2

1+x22

=

√(1+√

5)2+(1+√

5+2)2√(1+√

5)2+(2)2= 1.618∥∥∥∥( 1 0

1 1

)∥∥∥∥1

= supx 6=0

|x1|+|x1+x2||x1|+|x2| = |1+|1+0|

|1|+|0| = 2


ULPGCLogo



‖ A ‖= supx 6=0‖Ax‖‖x‖


)∥∥∥∥2

= supx 6=0

√x2

1+(x1+x2)2√x2

1+x22

=

√(1+√

5)2+(1+√

5+2)2√(1+√

5)2+(2)2= 1.618∥∥∥∥( 1 0

1 1

)∥∥∥∥1

= supx 6=0

|x1|+|x1+x2||x1|+|x2| = |1+|1+0|

|1|+|0| = 2∥∥∥∥( 1 01 1

)∥∥∥∥∞

= supx 6=0

max{|x1|,|x1+x2|}max{|x1|,|x2|} = ?


ULPGCLogo



‖ A ‖= supx 6=0‖Ax‖‖x‖


)∥∥∥∥2

= supx 6=0

√x2

1+(x1+x2)2√x2

1+x22

=

√(1+√

5)2+(1+√

5+2)2√(1+√

5)2+(2)2= 1.618∥∥∥∥( 1 0

1 1

)∥∥∥∥1

= supx 6=0

|x1|+|x1+x2||x1|+|x2| = |1+|1+0|

|1|+|0| = 2∥∥∥∥( 1 01 1

)∥∥∥∥∞

= supx 6=0

max{|x1|,|x1+x2|}max{|x1|,|x2|} = max{|1|,|1+1|}

max{|1|,|1|} = 2


ULPGCLogo


TeoremaSea A una matriz y ‖ . ‖ una norma vectorial. Entonces, para cualquiervector x se verifica que

‖ Ax ‖≤‖ A ‖ · ‖ x ‖

Demostración: Si x = 0, la desigualdad es trivial. Si x 6= 0, entonces,puesto que ‖ x ‖> 0, la desigualdad anterior es equivalente a

‖ Ax ‖‖ x ‖

≤

Ahora bien, esta desigualdad es cierta por


ULPGCLogo



‖ Ax ‖≤‖ A ‖ · ‖ x ‖


‖ Ax ‖‖ x ‖

≤ ?



ULPGCLogo



‖ Ax ‖≤‖ A ‖ · ‖ x ‖


‖ Ax ‖‖ x ‖

≤ ‖ A ‖



ULPGCLogo



‖ Ax ‖≤‖ A ‖ · ‖ x ‖


‖ Ax ‖‖ x ‖

≤ ‖ A ‖

Ahora bien, esta desigualdad es cierta por ?


ULPGCLogo



‖ Ax ‖≤‖ A ‖ · ‖ x ‖


‖ Ax ‖‖ x ‖

≤ ‖ A ‖

Ahora bien, esta desigualdad es cierta por la propia definición de‖ A ‖ al tratarse del supremo de todos los cocientes de este tipo


ULPGCLogo

Contenido



ULPGCLogo

Análisis Numérico Matricial IIProducto escalar de 2 vectores

DEFINICION: Producto escalar de 2 vectores

(xi , xj) =N∑

k=1

(xi)k(xj)

k

donde (xi)k indica la coordenada k -ésima del vector xi .


ULPGCLogo



(xi , xj) =N∑

k=1

(xi)k(xj)

k


Ejemplo: Sean x1 = (1,2,3)T y x2 = (9,8,−5)T , entonces :

(x1, x2) = ?


ULPGCLogo



(xi , xj) =N∑

k=1

(xi)k(xj)

k



(x1, x2) = 1 · 9 + 2 · 8− 3 · 5 = 10


ULPGCLogo



(xi , xj) =N∑

k=1

(xi)k(xj)

k



(x1, x2) = 1 · 9 + 2 · 8− 3 · 5 = 10

Propiedad importante: ‖ x ‖2= ?


ULPGCLogo



(xi , xj) =N∑

k=1

(xi)k(xj)

k



(x1, x2) = 1 · 9 + 2 · 8− 3 · 5 = 10

Propiedad importante: ‖ x ‖2=√

(x , x)


ULPGCLogo

Análisis Numérico Matricial IINormalizar vectores

Normalizar vectoresDado un vector x normalizarlo respecto a la norma ‖ . ‖ consiste en dividirel vector por su norma, es decir, hacer

x‖ x ‖

La norma de un vector normalizado es 1.


ULPGCLogo



x‖ x ‖


Ejemplo:Sea x = (1,2,−3)T , normalizar el vector depende de la normaconsiderada y consiste en hacer :

x‖ x ‖2

= ? x‖ x ‖1

= ? x‖ x ‖∞

= ?


ULPGCLogo



x‖ x ‖



x‖ x ‖2

=

1/√

142/√

14−3/√

14

x‖ x ‖1

= ? x‖ x ‖∞

= ?


ULPGCLogo



x‖ x ‖



x‖ x ‖2

=

1/√

142/√

14−3/√

14

x‖ x ‖1

=

1/62/6−3/6

x‖ x ‖∞

= ?


ULPGCLogo



x‖ x ‖



x‖ x ‖2

=

1/√

142/√

14−3/√

14

x‖ x ‖1

=

1/62/6−3/6

x‖ x ‖∞

=

1/32/3−3/3


ULPGCLogo

Contenido



ULPGCLogo

Análisis Numérico Matricial IIBase ortonormal de vectores

DEFINICION: Base ortonormal de vectoresUna base ortornormal de vectores de RN son N vectores x1, ....xNnormalizados y tal que el producto escalar entre todos ellos es 0 (es decir losvectores son ? entre sí).


ULPGCLogo


DEFINICION: Base ortonormal de vectoresUna base ortornormal de vectores de RN son N vectores x1, ....xNnormalizados y tal que el producto escalar entre todos ellos es 0 (es decir losvectores son perpendiculares entre sí).


ULPGCLogo



Ejemplo: los vectores columna de las siguientes matrices forman una baseortonormal de vectores 1 0 0

0 1 00 0 1

1/√

2 1/√

3 −1/√

60 1/

√3 2/

√6

1/√

2 −1/√

3 1/√

6

cos(α) sin(α) 0− sin(α) cos(α) 00 0 1


ULPGCLogo




0 1 00 0 1

1/√

2 1/√

3 −1/√

60 1/

√3 2/

√6

1/√

2 −1/√

3 1/√

6


Propiedad importante: Si x = η1x1 + ...+ ηNxN entonces

‖ x ‖2= ?


ULPGCLogo




0 1 00 0 1

1/√

2 1/√

3 −1/√

60 1/

√3 2/

√6

1/√

2 −1/√

3 1/√

6


Propiedad importante: Si x = η1x1 + ...+ ηNxN entonces

‖ x ‖2=√η2

1 + ...+ η2N


ULPGCLogo

Contenido



ULPGCLogo

Análisis Numérico Matricial IIAutovalores de una matriz

DefiniciónUn autovalor de A es un número real λ tal que existe un vector x,denominado autovector, tal que

Ax = λx

DefiniciónSe denomina polinomio característico P(λ) de la matriz A, al polinomiodado por el determinante

P(λ) =| A− λI |


ULPGCLogo


ProblemaCalcular los autovectores de la matriz 1 1 0

1 1 00 0 2

y determinar una base ortonormal de R3 de autovectores de A.

Solución: tenemos que calcular los ceros del polinomio característico|A− λi Id | = 0

∣∣∣∣∣∣1− λ 1 0

1 1− λ 00 0 2− λ

∣∣∣∣∣∣ = ((1− λ)2 − 1)(2− λ) = 0

de donde obtenemos λ1 = 0, λ2 = 2 y λ3 = 2


ULPGCLogo



1 1 00 0 2


Solución: tenemos que calcular los ceros del polinomio característico ?

∣∣∣∣∣∣1− λ 1 0

1 1− λ 00 0 2− λ

∣∣∣∣∣∣ = ((1− λ)2 − 1)(2− λ) = 0



ULPGCLogo



1 1 00 0 2


Solución: tenemos que calcular los ceros del polinomio característico|A− λi Id | = 0

∣∣∣∣∣∣1− λ 1 0

1 1− λ 00 0 2− λ

∣∣∣∣∣∣ = ((1− λ)2 − 1)(2− λ) = 0



ULPGCLogo


Calculamos los autovectores de A :

λ1 = 0 1 1 01 1 00 0 2

x1x2x3

=

000

→

x1 = −x2

x3 = 0→ x1 =

1√2−1√

20

λ2, λ3 = 2 −1 1 0

1 −1 00 0 0

x1x2x3

=

000

→

x1 = x2

x3 libre→ x2 =

1√2

1√2

0

, x3 =

001


ULPGCLogo



λ1 = 0 1 1 01 1 00 0 2

x1x2x3

=

000

→

x1 = −x2

x3 = 0→ x1 = ?

λ2, λ3 = 2 −1 1 01 −1 00 0 0

x1x2x3

=

000

→

x1 = x2

x3 libre→ x2 =

1√2

1√2

0

, x3 =

001


ULPGCLogo



λ1 = 0 1 1 01 1 00 0 2

x1x2x3

=

000

→

x1 = −x2

x3 = 0→ x1 =

1√2−1√

20

λ2, λ3 = 2 −1 1 01 −1 00 0 0

x1x2x3

=

000

→

x1 = x2

x3 libre→ x2 =

1√2

1√2

0

, x3 =

001


ULPGCLogo



λ1 = 0 1 1 01 1 00 0 2

x1x2x3

=

000

→

x1 = −x2

x3 = 0→ x1 =

1√2−1√

20

λ2, λ3 = 2 −1 1 0

1 −1 00 0 0

x1x2x3

=

000

→ ? → x2 = ?, x3 = ?


ULPGCLogo



λ1 = 0 1 1 01 1 00 0 2

x1x2x3

=

000

→

x1 = −x2

x3 = 0→ x1 =

1√2−1√

20

λ2, λ3 = 2 −1 1 0

1 −1 00 0 0

x1x2x3

=

000

→

x1 = x2

x3 libre→ x2 = ?, x3 = ?


ULPGCLogo



λ1 = 0 1 1 01 1 00 0 2

x1x2x3

=

000

→

x1 = −x2

x3 = 0→ x1 =

1√2−1√

20

λ2, λ3 = 2 −1 1 0

1 −1 00 0 0

x1x2x3

=

000

→

x1 = x2

x3 libre→ x2 =

1√2

1√2

0

, x3 = ?


ULPGCLogo



λ1 = 0 1 1 01 1 00 0 2

x1x2x3

=

000

→

x1 = −x2

x3 = 0→ x1 =

1√2−1√

20

λ2, λ3 = 2 −1 1 0

1 −1 00 0 0

x1x2x3

=

000

→

x1 = x2

x3 libre→ x2 =

1√2

1√2

0

, x3 =

001


ULPGCLogo



λ1 = 0 1 1 01 1 00 0 2

x1x2x3

=

000

→

x1 = −x2

x3 = 0→ x1 =

1√2−1√

20

λ2, λ3 = 2 −1 1 0

1 −1 00 0 0

x1x2x3

=

000

→

x1 = x2

x3 libre→ x2 =

1√2

1√2

0

, x3 =

001

La matriz,

B =

1√2

1√2

0−1√

21√2

00 0 1

contiene los autovectores de A que forman una base ortonormal de R3.


ULPGCLogo

Análisis Numérico Matricial IIAutovalores de matrices simétricas

TeoremaTodas las matrices simétricas poseen una base ortonormal deautovectores.

Por tanto, poseen tantos autovalores como dimensión tenga la matriz(aunque alguno de los autovalores puede salir repetido)

No todas las matrices poseen una base de autovectores.

A =

(1 01 1

)tiene como autovalor λ = 1


ULPGCLogo





A =

(1 01 1

)tiene como autovalor λ = ?


ULPGCLogo





A =

(1 01 1



ULPGCLogo





A =

(1 01 1


y tiene como autovector ?


ULPGCLogo





A =

(1 01 1


y tiene como autovector x = (0,1)T


ULPGCLogo

Contenido



ULPGCLogo

Análisis Numérico Matricial IIRadio espectral de una matriz

DefiniciónSe define el radio espectral de una matriz A como

ρ(A) = maxi{| λi | : λi autovalor de A}

TeoremaSea A una matriz y ‖ . ‖ una norma vectorial. Entonces

‖ A ‖≥ ρ(A)


ULPGCLogo





‖ A ‖≥ ρ(A)

Demostración: Si λ es un autovalor de A, entonces existe un autovector x talque ?

por tanto‖ Ax ‖‖ x ‖

=‖ λx ‖‖ x ‖

= |λ| ≤ ‖ A ‖


ULPGCLogo





‖ A ‖≥ ρ(A)

Demostración: Si λ es un autovalor de A, entonces existe un autovector x talque Ax = λx ,

por tanto

‖ Ax ‖‖ x ‖

=‖ λx ‖‖ x ‖

= |λ| ≤ ‖ A ‖


ULPGCLogo





‖ A ‖≥ ρ(A)

Demostración: Si λ es un autovalor de A, entonces existe un autovector x talque Ax = λx , por tanto

‖ Ax ‖‖ x ‖

= ?

= |λ| ≤ ‖ A ‖


ULPGCLogo





‖ A ‖≥ ρ(A)


‖ Ax ‖‖ x ‖

=‖ λx ‖‖ x ‖

= |λ| ≤ ‖ A ‖


ULPGCLogo





‖ A ‖≥ ρ(A)


‖ Ax ‖‖ x ‖

=‖ λx ‖‖ x ‖

= ?

≤ ‖ A ‖


ULPGCLogo





‖ A ‖≥ ρ(A)


‖ Ax ‖‖ x ‖

=‖ λx ‖‖ x ‖

= |λ|

≤ ‖ A ‖


ULPGCLogo





‖ A ‖≥ ρ(A)


‖ Ax ‖‖ x ‖

=‖ λx ‖‖ x ‖

= |λ| ≤ ?


ULPGCLogo





‖ A ‖≥ ρ(A)


‖ Ax ‖‖ x ‖

=‖ λx ‖‖ x ‖

= |λ| ≤ ‖ A ‖


ULPGCLogo

Análisis Numérico Matricial IInormas de matrices

TeoremaSi los autovectores de una matriz A de dimensión NxN forman una base ortonormal deRN , entonces

‖ A ‖2= ρ(A)

Demostración: Ya sabemos que ‖ A ‖2 ≥ ρ(A). Para demostrar la desigualdad en elotro sentido sea x un vector cualquiera, y x1, x2..., xN los autovectores de A, como sonuna base podemos expresar x en dicha base, es decir

x = η1x1 + η2x2 + ..+ ηNxN

Por tanto se tiene que

‖ Ax ‖2‖ x ‖2

=

√λ2

1η21 + ...+ λ2

1η2N√

η21 + ...+ η2

N

≤

√ρ(A)2η2

1 + ...+ ρ(A)2η2N√

η21 + ...+ η2

N

= ρ(A)→ ‖ A ‖2≤ ρ(A)


ULPGCLogo



‖ A ‖2= ρ(A)

Demostración: Ya sabemos que ‖ A ‖2 ?ρ(A).

Para demostrar la desigualdad en elotro sentido sea x un vector cualquiera, y x1, x2..., xN los autovectores de A, como sonuna base podemos expresar x en dicha base, es decir

x = η1x1 + η2x2 + ..+ ηNxN


‖ Ax ‖2‖ x ‖2

=

√λ2

1η21 + ...+ λ2

1η2N√

η21 + ...+ η2

N

≤

√ρ(A)2η2

1 + ...+ ρ(A)2η2N√

η21 + ...+ η2

N

= ρ(A)→ ‖ A ‖2≤ ρ(A)


ULPGCLogo



‖ A ‖2= ρ(A)

Demostración: Ya sabemos que ‖ A ‖2 ≥ ρ(A).

Para demostrar la desigualdad en elotro sentido sea x un vector cualquiera, y x1, x2..., xN los autovectores de A, como sonuna base podemos expresar x en dicha base, es decir

x = η1x1 + η2x2 + ..+ ηNxN


‖ Ax ‖2‖ x ‖2

=

√λ2

1η21 + ...+ λ2

1η2N√

η21 + ...+ η2

N

≤

√ρ(A)2η2

1 + ...+ ρ(A)2η2N√

η21 + ...+ η2

N

= ρ(A)→ ‖ A ‖2≤ ρ(A)


ULPGCLogo



‖ A ‖2= ρ(A)


?


‖ Ax ‖2‖ x ‖2

=

√λ2

1η21 + ...+ λ2

1η2N√

η21 + ...+ η2

N

≤

√ρ(A)2η2

1 + ...+ ρ(A)2η2N√

η21 + ...+ η2

N

= ρ(A)→ ‖ A ‖2≤ ρ(A)


ULPGCLogo



‖ A ‖2= ρ(A)


x = η1x1 + η2x2 + ..+ ηNxN


‖ Ax ‖2‖ x ‖2

=

√λ2

1η21 + ...+ λ2

1η2N√

η21 + ...+ η2

N

≤

√ρ(A)2η2

1 + ...+ ρ(A)2η2N√

η21 + ...+ η2

N

= ρ(A)→ ‖ A ‖2≤ ρ(A)


ULPGCLogo



‖ A ‖2= ρ(A)


x = η1x1 + η2x2 + ..+ ηNxN


‖ Ax ‖2‖ x ‖2

=??

≤

√ρ(A)2η2

1 + ...+ ρ(A)2η2N√

η21 + ...+ η2

N

= ρ(A)→ ‖ A ‖2≤ ρ(A)


ULPGCLogo



‖ A ‖2= ρ(A)


x = η1x1 + η2x2 + ..+ ηNxN


‖ Ax ‖2‖ x ‖2

=?√

η21 + ...+ η2

N

≤

√ρ(A)2η2

1 + ...+ ρ(A)2η2N√

η21 + ...+ η2

N

= ρ(A)→ ‖ A ‖2≤ ρ(A)


ULPGCLogo



‖ A ‖2= ρ(A)


x = η1x1 + η2x2 + ..+ ηNxN


‖ Ax ‖2‖ x ‖2

=

√λ2

1η21 + ...+ λ2

1η2N√

η21 + ...+ η2

N

≤

√ρ(A)2η2

1 + ...+ ρ(A)2η2N√

η21 + ...+ η2

N

= ρ(A)→ ‖ A ‖2≤ ρ(A)


ULPGCLogo



‖ A ‖2= ρ(A)


x = η1x1 + η2x2 + ..+ ηNxN


‖ Ax ‖2‖ x ‖2

=

√λ2

1η21 + ...+ λ2

1η2N√

η21 + ...+ η2

N

≤

√?2η2

1 + ...+ ?2η2

N√η2

1 + ...+ η2N

= ρ(A)→ ‖ A ‖2≤ ρ(A)


ULPGCLogo



‖ A ‖2= ρ(A)


x = η1x1 + η2x2 + ..+ ηNxN


‖ Ax ‖2‖ x ‖2

=

√λ2

1η21 + ...+ λ2

1η2N√

η21 + ...+ η2

N

≤

√ρ(A)2η2

1 + ...+ ρ(A)2η2N√

η21 + ...+ η2

N

= ρ(A)→ ‖ A ‖2≤ ρ(A)


ULPGCLogo



‖ A ‖2= ρ(A)


x = η1x1 + η2x2 + ..+ ηNxN


‖ Ax ‖2‖ x ‖2

=

√λ2

1η21 + ...+ λ2

1η2N√

η21 + ...+ η2

N

≤

√ρ(A)2η2

1 + ...+ ρ(A)2η2N√

η21 + ...+ η2

N

= ρ(A)

→ ‖ A ‖2≤ ρ(A)


ULPGCLogo



‖ A ‖2= ρ(A)


x = η1x1 + η2x2 + ..+ ηNxN


‖ Ax ‖2‖ x ‖2

=

√λ2

1η21 + ...+ λ2

1η2N√

η21 + ...+ η2

N

≤

√ρ(A)2η2

1 + ...+ ρ(A)2η2N√

η21 + ...+ η2

N

= ρ(A)→ ?


ULPGCLogo



‖ A ‖2= ρ(A)


x = η1x1 + η2x2 + ..+ ηNxN


‖ Ax ‖2‖ x ‖2

=

√λ2

1η21 + ...+ λ2

1η2N√

η21 + ...+ η2

N

≤

√ρ(A)2η2

1 + ...+ ρ(A)2η2N√

η21 + ...+ η2

N

= ρ(A)→ ‖ A ‖2≤ ρ(A)


ULPGCLogo

Análisis Numérico Matricial IICálculo de las normas de una matriz

TeoremaSea A una matriz cualquiera, entonces

‖ A ‖2=√ρ(tAA)

‖ A ‖1= maxj(∑

i | aij |)

‖ A ‖∞= maxi

(∑j | aij |

)


ULPGCLogo


Problema: Calcular las normas 2, 1 e infinito de la matriz

A =

(1 01 2

)

Solución

‖ A ‖2=√ρ(tAA) =

√ρ

(2 22 4

)=√√

5 + 3 = 2.288

‖ A ‖1= maxj(∑

i | aij |)

= 2

‖ A ‖∞= maxi

(∑j | aij |

)= 3


ULPGCLogo



A =

(1 01 2

)

Solución

‖ A ‖2=√ρ(tAA) = ?

‖ A ‖1= maxj(∑

i | aij |)

= 2

‖ A ‖∞= maxi

(∑j | aij |

)= 3


ULPGCLogo



A =

(1 01 2

)

Solución

‖ A ‖2=√ρ(tAA) =

√ρ

(2 22 4

)= ?

‖ A ‖1= maxj(∑

i | aij |)

= 2

‖ A ‖∞= maxi

(∑j | aij |

)= 3


ULPGCLogo



A =

(1 01 2

)

Solución

‖ A ‖2=√ρ(tAA) =

√ρ

(2 22 4

)=√√

5 + 3 = 2.288

‖ A ‖1= maxj(∑

i | aij |)

= 2

‖ A ‖∞= maxi

(∑j | aij |

)= 3


ULPGCLogo



A =

(1 01 2

)

Solución

‖ A ‖2=√ρ(tAA) =

√ρ

(2 22 4

)=√√

5 + 3 = 2.288

‖ A ‖1= maxj(∑

i | aij |)

= ?

‖ A ‖∞= maxi

(∑j | aij |

)= 3


ULPGCLogo



A =

(1 01 2

)

Solución

‖ A ‖2=√ρ(tAA) =

√ρ

(2 22 4

)=√√

5 + 3 = 2.288

‖ A ‖1= maxj(∑

i | aij |)

= 2

‖ A ‖∞= maxi

(∑j | aij |

)= 3


ULPGCLogo



A =

(1 01 2

)

Solución

‖ A ‖2=√ρ(tAA) =

√ρ

(2 22 4

)=√√

5 + 3 = 2.288

‖ A ‖1= maxj(∑

i | aij |)

= 2

‖ A ‖∞= maxi

(∑j | aij |

)= ?


ULPGCLogo



A =

(1 01 2

)

Solución

‖ A ‖2=√ρ(tAA) =

√ρ

(2 22 4

)=√√

5 + 3 = 2.288

‖ A ‖1= maxj(∑

i | aij |)

= 2

‖ A ‖∞= maxi

(∑j | aij |

)= 3


ULPGCLogo

Contenido



ULPGCLogo

Análisis Numérico Matricial IICondicionamiento de una matriz

El condicionamiento de una matriz es un número que nos indica lacalidad de una matriz cuando se trabaja con ella numéricamente

Ejemplo

Consideremos el siguiente sistema de ecuaciones10 7 8 77 5 6 58 6 10 97 5 9 10

xyzv

=

32233331

cuya solución es (1,1,1,1). Vamos a considerar ahora el mismosistema, perturbando ligeramente el término independiente:


ULPGCLogo


Ejemplo 10 7 8 77 5 6 58 6 10 97 5 9 10

xyzv

=

32,122,933,130,9

La solución de este sistema es (9.2,-12.6,4.5,-1.1). Como podemosobservar, a pesar de que la perturbación del sistema es del orden de0.1 la perturbación de la solución del sistema puede llegar a ser delorden de 13.6.


ULPGCLogo


Consideremos un sistema de ecuaciones de la forma

Au = b

y el sistema de ecuaciones perturbado

A (u + δu) = b + δb

Queremos controlar el error relativo en la solución del sistema a partirdel error relativo en el término independiente b.

‖ δu ‖‖ u ‖

≤ χ(A)‖ δb ‖‖ b ‖

donde χ(A) es un número que llamaremos condicionamiento de lamatriz. Cuanto más pequeño sea χ(A) mejor comportamiento tendrála matriz A.


ULPGCLogo


Teorema

Si definimos χ(A) =‖ A ‖ · ‖ A−1 ‖ ⇒ ‖ δu ‖‖ u ‖

≤ χ(A)‖ δb ‖‖ b ‖

Demostración:

A(u + δu) = b + δb ⇒ Au = bAδu = δb ⇒ δu = A−1δb


ULPGCLogo


Teorema


≤ χ(A)‖ δb ‖‖ b ‖

Demostración:

A(u + δu) = b + δb ⇒ ?


ULPGCLogo


Teorema


≤ χ(A)‖ δb ‖‖ b ‖

Demostración:

A(u + δu) = b + δb ⇒ Au = bAδu = δb ⇒ ?


ULPGCLogo


Teorema


≤ χ(A)‖ δb ‖‖ b ‖

Demostración:



ULPGCLogo


Teorema


≤ χ(A)‖ δb ‖‖ b ‖

Demostración:

A(u + δu) = b + δb ⇒ Au = bAδu = δb ⇒ δu = A−1δb{

‖δu‖ ≤ ‖A−1‖‖δb‖‖b‖ = ‖Au‖ ≤ ‖A‖‖u‖ ⇒ 1

‖u‖ ≤‖A‖‖b‖

⇒ ?


ULPGCLogo


Teorema


≤ χ(A)‖ δb ‖‖ b ‖

Demostración:


{‖δu‖ ≤ ‖A−1‖‖δb‖‖b‖ = ‖Au‖ ≤ ‖A‖‖u‖ ⇒ 1

‖u‖ ≤‖A‖‖b‖

⇒ ‖δu‖‖u‖

≤ ‖A‖‖A−1‖‖ δb ‖‖ b ‖


ULPGCLogo


ProblemaDemostrar que, si los autovectores de una matriz A de dimensión NxNforman una base ortonormal de RN , entonces, para la norma 2, secumple que

χ(A)2 =‖ A ‖2 · ‖ A−1 ‖2=maxi{| λi |}mini{| λi |}


ULPGCLogo




Solución:Ax = λx ⇒ A−1x = ?


ULPGCLogo




Solución:

Ax = λx ⇒ A−1x =1λ

x ⇒ ‖ A−1 ‖2= ?


ULPGCLogo




Solución:

Ax = λx ⇒ A−1x =1λ

x ⇒ ‖ A−1 ‖2=1

mini{λi}


ULPGCLogo




Nota: En el caso del ejemplo de matrix 4x4 anterior los autovalores dela matriz son 0.01, 0.84, 3.86, y 30.29, por tanto el condicionamientosería

χ(A)2 =30.290.01

= 3029

lo cual indica un condicionamiento bastante malo.


ULPGCLogo




Ejemplo

A =

(λ 00 λ

)⇒ χ(A)2 = ?

| A |= 0 ⇒ χ(A)2 = ?χ(µA)2 = ?


ULPGCLogo




Ejemplo

A =

(λ 00 λ

)⇒ χ(A)2 = 1

| A |= 0 ⇒ χ(A)2 = ?χ(µA)2 = ?


ULPGCLogo




Ejemplo

A =

(λ 00 λ

)⇒ χ(A)2 = 1

| A |= 0 ⇒ χ(A)2 =∞χ(µA)2 = ?


ULPGCLogo




Ejemplo

A =

(λ 00 λ

)⇒ χ(A)2 = 1

| A |= 0 ⇒ χ(A)2 =∞χ(µA)2 = χ(A)2


ULPGCLogo


Ejemplo

A =

(1 01 2

)⇒ A−1 =

(1 0−1

212

)


ULPGCLogo


Ejemplo

A =

(1 01 2

)⇒ A−1 =

(1 0−1

212

)χ (A)2 = ‖A‖2‖A−1‖2 = ?χ (A)1 = ‖A‖1‖A−1‖1 = ?χ (A)∞ = ‖A‖∞‖A−1‖∞ = ?


ULPGCLogo


Ejemplo

A =

(1 01 2

)⇒ A−1 =

(1 0−1

212

)χ (A)2 = ‖A‖2‖A−1‖2 =

√ρ(tAA)

√ρ(tA−1A−1) = 2.618

χ (A)1 = ‖A‖1‖A−1‖1 = ?χ (A)∞ = ‖A‖∞‖A−1‖∞ = ?


ULPGCLogo


Ejemplo

A =

(1 01 2

)⇒ A−1 =

(1 0−1

212

)χ (A)2 = ‖A‖2‖A−1‖2 =

√ρ(tAA)

√ρ(tA−1A−1) = 2.618

χ (A)1 = ‖A‖1‖A−1‖1 = 2 · 32

= 3

χ (A)∞ = ‖A‖∞‖A−1‖∞ = ?


ULPGCLogo


Ejemplo

A =

(1 01 2

)⇒ A−1 =

(1 0−1

212

)χ (A)2 = ‖A‖2‖A−1‖2 =

√ρ(tAA)

√ρ(tA−1A−1) = 2.618

χ (A)1 = ‖A‖1‖A−1‖1 = 2 · 32

= 3

χ (A)∞ = ‖A‖∞‖A−1‖∞ = 3 · 1 = 3


ULPGCLogo

Contenido








ULPGCLogo

Análisis Numérico Matricial IIMétodo de Jacobi para calcular autovalores de matrices simétricas

Este método se basa en que, dadas dos matrices A y R, se verificaque los autovalores de A son los mismos que los autovalores deR−1AR. :

R−1ARx = λx ⇒

ARx = λRx ⇒{λ es autovalor de Apara el autovector Rx


ULPGCLogo



R−1ARx = λx ⇒ ARx = λRx ⇒

{λ es autovalor de Apara el autovector Rx


ULPGCLogo



R−1ARx = λx ⇒ ARx = λRx ⇒{λ es autovalor de Apara el autovector Rx


ULPGCLogo




Las matrices R que se van a utilizar son matrices de rotación :

R =

(cosα sinα− sinα cosα

)


ULPGCLogo





R =


)⇒ R−1 = ?


ULPGCLogo





R =


)⇒ R−1 =

(cosα − sinαsinα cosα

)


ULPGCLogo




En 3 variables las matrices de rotación respecto a cada eje son cosα sinα 0− sinα cosα 00 0 1

cosα 0 sinα0 1 0− sinα 0 cosα

1 0 00 cosα sinα0 − sinα cosα


ULPGCLogo


El objetivo del método es convertir A en una matriz diagonal.

R−1AR =


)(a0,0 a0,1a0,1 a1,1

)(cosα sinα− sinα cosα

)=(

a0,0 cos2 α− a0,1 sin 2α + a1,1 sin2 α a0,1 cos 2α−(1

2a1,1 − 12a0,0

)sin 2α

a0,1 cos 2α−(1

2a1,1 − 12a0,0

)sin 2α a0,0 cos2 α− a0,1 sin 2α + a1,1 sin2 α

)

lo que nos lleva a la condición : tan(2α) =2a0,1

a1,1 − a0,0

Ejemplo

A =

(1 11 1

)⇒ tan(2α) = 2

0 ⇒ α = π4 ⇒ R−1AR =

(0 00 2

)


ULPGCLogo



R−1AR =


)(a0,0 a0,1a0,1 a1,1


)

=(a0,0 cos2 α− a0,1 sin 2α + a1,1 sin2 α a0,1 cos 2α−

(12a1,1 − 1

2a0,0)

sin 2αa0,1 cos 2α−

(12a1,1 − 1

2a0,0)

sin 2α a0,0 cos2 α− a0,1 sin 2α + a1,1 sin2 α

)


a1,1 − a0,0

Ejemplo

A =

(1 11 1

)⇒ tan(2α) = 2

0 ⇒ α = π4 ⇒ R−1AR =

(0 00 2

)


ULPGCLogo



R−1AR =


)(a0,0 a0,1a0,1 a1,1


)=(


2a1,1 − 12a0,0

)sin 2α

a0,1 cos 2α−(1

2a1,1 − 12a0,0


)


a1,1 − a0,0

Ejemplo

A =

(1 11 1

)⇒ tan(2α) = 2

0 ⇒ α = π4 ⇒ R−1AR =

(0 00 2

)


ULPGCLogo



R−1AR =


)(a0,0 a0,1a0,1 a1,1


)=(


2a1,1 − 12a0,0

)sin 2α

a0,1 cos 2α−(1

2a1,1 − 12a0,0


)lo que nos lleva a la condición : tan(2α) = ?

Ejemplo

A =

(1 11 1

)⇒ tan(2α) = 2

0 ⇒ α = π4 ⇒ R−1AR =

(0 00 2

)


ULPGCLogo



R−1AR =


)(a0,0 a0,1a0,1 a1,1


)=(


2a1,1 − 12a0,0

)sin 2α

a0,1 cos 2α−(1

2a1,1 − 12a0,0


)


a1,1 − a0,0

Ejemplo

A =

(1 11 1

)⇒ tan(2α) = 2

0 ⇒ α = π4 ⇒ R−1AR =

(0 00 2

)


ULPGCLogo



R−1AR =


)(a0,0 a0,1a0,1 a1,1


)=(


2a1,1 − 12a0,0

)sin 2α

a0,1 cos 2α−(1

2a1,1 − 12a0,0


)


a1,1 − a0,0

Ejemplo

A =

(1 11 1

)

⇒ tan(2α) = 20 ⇒ α = π

4 ⇒ R−1AR =

(0 00 2

)


ULPGCLogo



R−1AR =


)(a0,0 a0,1a0,1 a1,1


)=(


2a1,1 − 12a0,0

)sin 2α

a0,1 cos 2α−(1

2a1,1 − 12a0,0


)


a1,1 − a0,0

Ejemplo

A =

(1 11 1

)⇒ tan(2α) = ?

⇒ α = π4 ⇒ R−1AR =

(0 00 2

)


ULPGCLogo



R−1AR =


)(a0,0 a0,1a0,1 a1,1


)=(


2a1,1 − 12a0,0

)sin 2α

a0,1 cos 2α−(1

2a1,1 − 12a0,0


)


a1,1 − a0,0

Ejemplo

A =

(1 11 1

)⇒ tan(2α) = 2

0

⇒ α = π4 ⇒ R−1AR =

(0 00 2

)


ULPGCLogo



R−1AR =


)(a0,0 a0,1a0,1 a1,1


)=(


2a1,1 − 12a0,0

)sin 2α

a0,1 cos 2α−(1

2a1,1 − 12a0,0


)


a1,1 − a0,0

Ejemplo

A =

(1 11 1

)⇒ tan(2α) = 2

0 ⇒ α = ?

⇒ R−1AR =

(0 00 2

)


ULPGCLogo



R−1AR =


)(a0,0 a0,1a0,1 a1,1


)=(


2a1,1 − 12a0,0

)sin 2α

a0,1 cos 2α−(1

2a1,1 − 12a0,0


)


a1,1 − a0,0

Ejemplo

A =

(1 11 1

)⇒ tan(2α) = 2

0 ⇒ α = π4

⇒ R−1AR =

(0 00 2

)


ULPGCLogo



R−1AR =


)(a0,0 a0,1a0,1 a1,1


)=(


2a1,1 − 12a0,0

)sin 2α

a0,1 cos 2α−(1

2a1,1 − 12a0,0


)


a1,1 − a0,0

Ejemplo

A =

(1 11 1

)⇒ tan(2α) = 2

0 ⇒ α = π4 ⇒ R−1AR =

( ? ?? ?

)


ULPGCLogo



R−1AR =


)(a0,0 a0,1a0,1 a1,1


)=(


2a1,1 − 12a0,0

)sin 2α

a0,1 cos 2α−(1

2a1,1 − 12a0,0


)


a1,1 − a0,0

Ejemplo

A =

(1 11 1

)⇒ tan(2α) = 2

0 ⇒ α = π4 ⇒ R−1AR =

(0 ?? ?

)


ULPGCLogo



R−1AR =


)(a0,0 a0,1a0,1 a1,1


)=(


2a1,1 − 12a0,0

)sin 2α

a0,1 cos 2α−(1

2a1,1 − 12a0,0


)


a1,1 − a0,0

Ejemplo

A =

(1 11 1

)⇒ tan(2α) = 2

0 ⇒ α = π4 ⇒ R−1AR =

(0 0? ?

)


ULPGCLogo



R−1AR =


)(a0,0 a0,1a0,1 a1,1


)=(


2a1,1 − 12a0,0

)sin 2α

a0,1 cos 2α−(1

2a1,1 − 12a0,0


)


a1,1 − a0,0

Ejemplo

A =

(1 11 1

)⇒ tan(2α) = 2

0 ⇒ α = π4 ⇒ R−1AR =

(0 00 ?

)


ULPGCLogo



R−1AR =


)(a0,0 a0,1a0,1 a1,1


)=(


2a1,1 − 12a0,0

)sin 2α

a0,1 cos 2α−(1

2a1,1 − 12a0,0


)


a1,1 − a0,0

Ejemplo

A =

(1 11 1

)⇒ tan(2α) = 2

0 ⇒ α = π4 ⇒ R−1AR =

(0 00 2

)Por tanto los autovalores y autovectores de A son :

λ1 =


ULPGCLogo



R−1AR =


)(a0,0 a0,1a0,1 a1,1


)=(


2a1,1 − 12a0,0

)sin 2α

a0,1 cos 2α−(1

2a1,1 − 12a0,0


)


a1,1 − a0,0

Ejemplo

A =

(1 11 1

)⇒ tan(2α) = 2

0 ⇒ α = π4 ⇒ R−1AR =

(0 00 2


λ1 = 0⇒ x = R


ULPGCLogo



R−1AR =


)(a0,0 a0,1a0,1 a1,1


)=(


2a1,1 − 12a0,0

)sin 2α

a0,1 cos 2α−(1

2a1,1 − 12a0,0


)


a1,1 − a0,0

Ejemplo

A =

(1 11 1

)⇒ tan(2α) = 2

0 ⇒ α = π4 ⇒ R−1AR =

(0 00 2


λ1 = 0⇒ x = R(

10

)=

( √2/2

−√

2/2

)λ2 =


ULPGCLogo



R−1AR =


)(a0,0 a0,1a0,1 a1,1


)=(


2a1,1 − 12a0,0

)sin 2α

a0,1 cos 2α−(1

2a1,1 − 12a0,0


)


a1,1 − a0,0

Ejemplo

A =

(1 11 1

)⇒ tan(2α) = 2

0 ⇒ α = π4 ⇒ R−1AR =

(0 00 2


λ1 = 0⇒ x = R(

10

)=

( √2/2

−√

2/2

)λ2 = 2⇒ x = R


ULPGCLogo



R−1AR =


)(a0,0 a0,1a0,1 a1,1


)=(


2a1,1 − 12a0,0

)sin 2α

a0,1 cos 2α−(1

2a1,1 − 12a0,0


)


a1,1 − a0,0

Ejemplo

A =

(1 11 1

)⇒ tan(2α) = 2

0 ⇒ α = π4 ⇒ R−1AR =

(0 00 2


λ1 = 0⇒ x = R(

10

)=

( √2/2

−√

2/2

)λ2 = 2⇒ x = R

(01

)=

( √2/2√2/2

)Luis Alvarez León () Métodos Numéricos Univ. de Las Palmas de G.C. 42 / 82

ULPGCLogo


Ejemplo 1 −1 2−1 2 −12 −1 5

tan(2α) =2a0,2

a2,2 − a0,0=

44

= 1 → α =π

8

cos π8 0 − sin π

80 1 0

sin π8 0 cos π

8

1 −1 2−1 2 −12 −1 5

cos π8 0 sin π

80 1 0

− sin π8 0 cos π

8

=

0,17 −0,54 0−0,54 2,0 −1,30

0,0 −1.30 5,82


ULPGCLogo


Ejemplo

? 1 −1 2−1 2 −12 −1 5

?

tan(2α) =2a0,2

a2,2 − a0,0=

44

= 1 → α =π

8


80 1 0

sin π8 0 cos π

8

1 −1 2−1 2 −12 −1 5

cos π8 0 sin π

80 1 0


8

=

0,17 −0,54 0−0,54 2,0 −1,30

0,0 −1.30 5,82


ULPGCLogo


Ejemplo cosα 0 − sinα0 1 0

sinα 0 cosα

1 −1 2−1 2 −12 −1 5

cosα 0 sinα0 1 0

− sinα 0 cosα

tan(2α) =2a0,2

a2,2 − a0,0=

44

= 1 → α =π

8


80 1 0

sin π8 0 cos π

8

1 −1 2−1 2 −12 −1 5

cos π8 0 sin π

80 1 0


8

=

0,17 −0,54 0−0,54 2,0 −1,30

0,0 −1.30 5,82


ULPGCLogo



sinα 0 cosα

1 −1 2−1 2 −12 −1 5

cosα 0 sinα0 1 0

− sinα 0 cosα

tan(2α) =

2a0,2

a2,2 − a0,0=

44

= 1 → α =π

8


80 1 0

sin π8 0 cos π

8

1 −1 2−1 2 −12 −1 5

cos π8 0 sin π

80 1 0


8

=

0,17 −0,54 0−0,54 2,0 −1,30

0,0 −1.30 5,82


ULPGCLogo



sinα 0 cosα

1 −1 2−1 2 −12 −1 5

cosα 0 sinα0 1 0

− sinα 0 cosα

tan(2α) =

2a0,2

a2,2 − a0,0=

44

= 1 → α =

π

8


80 1 0

sin π8 0 cos π

8

1 −1 2−1 2 −12 −1 5

cos π8 0 sin π

80 1 0


8

=

0,17 −0,54 0−0,54 2,0 −1,30

0,0 −1.30 5,82


ULPGCLogo



sinα 0 cosα

1 −1 2−1 2 −12 −1 5

cosα 0 sinα0 1 0

− sinα 0 cosα

tan(2α) =

2a0,2

a2,2 − a0,0=

44

= 1 → α =π

8


80 1 0

sin π8 0 cos π

8

1 −1 2−1 2 −12 −1 5

cos π8 0 sin π

80 1 0


8

=

0,17 −0,54 0−0,54 2,0 −1,30

0,0 −1.30 5,82


ULPGCLogo


Iteración 2 : 0,17 −0,54 0−0,54 2,0 −1,30

0,0 −1.30 5,82

tan(2α) =2a32

a33 − a22=

2 · (−1,30)

5,82− 2,0= −0,68 → α =

arctan(−0,68)

2= −0,3

1 0 00 cosα − sinα0 sinα cosα

0,17 −0,54 0−0,54 2,0 −1,30

0,0 −1.30 5,82


=

0,17 −0,51 0,15−0,51 1,59 00,15 0 6,23


ULPGCLogo


Iteración 2 :

? 0,17 −0,54 0−0,54 2,0 −1,30

0,0 −1.30 5,82

?

tan(2α) =2a32

a33 − a22=

2 · (−1,30)

5,82− 2,0= −0,68 → α =

arctan(−0,68)

2= −0,3


0,17 −0,54 0−0,54 2,0 −1,30

0,0 −1.30 5,82


=

0,17 −0,51 0,15−0,51 1,59 00,15 0 6,23


ULPGCLogo


Iteración 2 : 1 0 00 cosα − sinα0 sinα cosα

0,17 −0,54 0−0,54 2,0 −1,30

0,0 −1.30 5,82


tan(2α) =2a32

a33 − a22=

2 · (−1,30)

5,82− 2,0= −0,68 → α =

arctan(−0,68)

2= −0,3


0,17 −0,54 0−0,54 2,0 −1,30

0,0 −1.30 5,82


=

0,17 −0,51 0,15−0,51 1,59 00,15 0 6,23


ULPGCLogo


Iteración 2 : 1 0 00 cosα − sinα0 sinα cosα

0,17 −0,54 0−0,54 2,0 −1,30

0,0 −1.30 5,82


tan(2α) =

2a32

a33 − a22=

2 · (−1,30)

5,82− 2,0= −0,68 → α =

arctan(−0,68)

2= −0,3


0,17 −0,54 0−0,54 2,0 −1,30

0,0 −1.30 5,82


=

0,17 −0,51 0,15−0,51 1,59 00,15 0 6,23


ULPGCLogo

Análisis Numérico Matricial IIAlgoritmo del Método de Jacobi para el Cálculo de autovalores. Cálculo de losautovectores

A

Si llamamos B = R1R2 · ...RN entonces si B−1AB es diagonal se tieneque los autovectores de A son :

x1 = B

10.0

x2 = B

01.0

.... xN = B

00.1


ULPGCLogo


R−11 AR1


x1 = B

10.0

x2 = B

01.0

.... xN = B

00.1


ULPGCLogo


R−12 R−1

1 AR1R2


x1 = B

10.0

x2 = B

01.0

.... xN = B

00.1


ULPGCLogo


R−1N ...R−1

2 R−11 AR1R2...RN


x1 = B

10.0

x2 = B

01.0

.... xN = B

00.1


ULPGCLogo


R−1N ...R−1

2 R−11 AR1R2...RN


x1 = B? x2 = B? .... xN = B?


ULPGCLogo


R−1N ...R−1

2 R−11 AR1R2...RN


x1 = B

10.0

x2 = B

01.0

.... xN = B

00.1

Es decir, los autovectores de A son los vectores columna de B


ULPGCLogo


En el algoritmo inicializamos B como la matriz identidad.

En cadaiteración actualizamo B multiplicándola por la derecha por una matrizde rotación

b0,0 b0,1 b0,2 b0,3b1,0 b1,1 b1,2 b1,3b2,0 b2,1 b2,2 b2,3b3,0 b3,1 b3,2 b3,3

1 0 0 00 cosα 0 sinα0 0 1 00 − sinα 0 cosα

→ p

→ q

Si llamamos B′ a la actualización de B, los únicos términos que hayque actualizar corresponden a :

b′ip = cos(α)bip − sin(α)biq i = 1, ..,N

b′iq = sin(α)bip + cos(α)biq i = 1, ..,N


ULPGCLogo


En el algoritmo inicializamos B como la matriz identidad. En cadaiteración actualizamo B multiplicándola por la derecha por una matrizde rotación



→ p

→ q





ULPGCLogo





→ p

→ q


b′ip = ?b? −?b? i = 1, ..,N

b′iq = ?b? + ?b? i = 1, ..,N


ULPGCLogo





→ p

→ q



b′iq = ?b? + ?b? i = 1, ..,N


ULPGCLogo





→ p

→ q





ULPGCLogo

Contenido








ULPGCLogo

Contenido

3 Método de la potencia para calcular el autovalor máximoMétodo de la potencia para calcular el autovalor máximoMétodo de la potencia inversa para calcular el autovalor mínimoMétodo de la potencia inversa para calcular el autovalor máscercano a un númeroAlgoritmo general para calcular los autovectores de una matrizcualquiera


ULPGCLogo

Análisis Numérico Matricial IIMétodo de la potencia para calcular el autovalor máximo

Consideremos la matriz(

1 01 3

)λmax = 3, xmax =

(01

)

vamos a hacer iteraciones del esquema

un =Aun−1

‖ un−1 ‖∞partiendo de u0 =

(11

)

u1 = Au0

‖u0‖∞=

(14

)‖ u1 ‖∞= 4

u2 = Au1

‖u1‖∞=

(1/413/4

)‖ u2 ‖∞= 13

4 = 3,25

u3 = Au2

‖u2‖∞=

(1/1340/13

)‖ u3 ‖∞= 40

13 = 3,07

‖ u1 ‖∞= 4 ‖ u2 ‖∞= 3,25 ‖ u3 ‖∞= 3,07 → 3

u1

‖u1‖∞=

(1/41

)u2

‖u2‖∞=

(1/13

1

)u3

‖u3‖∞=

(1/40

1

)→

(01

)


ULPGCLogo



1 01 3

)λmax = 3, xmax =

(01

)vamos a hacer iteraciones del esquema

un =Aun−1


(11

)

u1 = Au0

‖u0‖∞=

(14

)‖ u1 ‖∞= 4

u2 = Au1

‖u1‖∞=

(1/413/4

)‖ u2 ‖∞= 13

4 = 3,25

u3 = Au2

‖u2‖∞=

(1/1340/13

)‖ u3 ‖∞= 40

13 = 3,07

‖ u1 ‖∞= 4 ‖ u2 ‖∞= 3,25 ‖ u3 ‖∞= 3,07 → 3

u1

‖u1‖∞=

(1/41

)u2

‖u2‖∞=

(1/13

1

)u3

‖u3‖∞=

(1/40

1

)→

(01

)


ULPGCLogo



1 01 3

)λmax = 3, xmax =

(01


un =Aun−1


(11

)

u1 = Au0

‖u0‖∞=

(14

)‖ u1 ‖∞= 4

u2 = Au1

‖u1‖∞=

(1/413/4

)‖ u2 ‖∞= 13

4 = 3,25

u3 = Au2

‖u2‖∞=

(1/1340/13

)‖ u3 ‖∞= 40

13 = 3,07

‖ u1 ‖∞= 4 ‖ u2 ‖∞= 3,25 ‖ u3 ‖∞= 3,07 → 3

u1

‖u1‖∞=

(1/41

)u2

‖u2‖∞=

(1/13

1

)u3

‖u3‖∞=

(1/40

1

)→

(01


ULPGCLogo

Análisis Numérico Matricial IIMétodo de la potencia para calcular el autovalor mayor

Si cambiamos el signo a la matriz(−1 0−1 −3

)λmax = −3, xmax =

(01

)

vamos a hacer iteraciones del esquema

un =Aun−1


(11

)

u1 = Au0

‖u0‖∞=

(−1−4

)‖ u1 ‖∞= 4

u2 = Au1

‖u1‖∞=

(1/413/4

)‖ u2 ‖∞= 13

4 = 3,25

u3 = Au2

‖u2‖∞=

(−1/13−40/13

)‖ u3 ‖∞= 40

13 = 3,07

‖ u1 ‖∞= 4 ‖ u2 ‖∞= 3,25 ‖ u3 ‖∞= 3,07 → 3

u1

‖u1‖∞=

(−1/4−1

)u2

‖u2‖∞=

(1/13

1

)u3

‖u3‖∞=

(−1/40−1

)→

(0±1

)


ULPGCLogo




(01


un =Aun−1


(11

)

u1 = Au0

‖u0‖∞=

(−1−4

)‖ u1 ‖∞= 4

u2 = Au1

‖u1‖∞=

(1/413/4

)‖ u2 ‖∞= 13

4 = 3,25

u3 = Au2

‖u2‖∞=

(−1/13−40/13

)‖ u3 ‖∞= 40

13 = 3,07

‖ u1 ‖∞= 4 ‖ u2 ‖∞= 3,25 ‖ u3 ‖∞= 3,07 → 3

u1

‖u1‖∞=

(−1/4−1

)u2

‖u2‖∞=

(1/13

1

)u3

‖u3‖∞=

(−1/40−1

)→

(0±1

)


ULPGCLogo




(01


un =Aun−1


(11

)

u1 = Au0

‖u0‖∞=

(−1−4

)‖ u1 ‖∞= 4

u2 = Au1

‖u1‖∞=

(1/413/4

)‖ u2 ‖∞= 13

4 = 3,25

u3 = Au2

‖u2‖∞=

(−1/13−40/13

)‖ u3 ‖∞= 40

13 = 3,07

‖ u1 ‖∞= 4 ‖ u2 ‖∞= 3,25 ‖ u3 ‖∞= 3,07 → 3

u1

‖u1‖∞=

(−1/4−1

)u2

‖u2‖∞=

(1/13

1

)u3

‖u3‖∞=

(−1/40−1

)→

(0±1


ULPGCLogo


TeoremaSea una matriz A que posee una base de autovectores tal que enmódulo su autovalor máximo λmax es único. Sea un vector u1 noortogonal al subespacio engendrado por los autovectores delautovalor λmax , entonces, si definimos la secuencia

un = Aun−1

‖ un−1 ‖

se verifica que

Limn→∞sign((

un,un−1))‖ un ‖= λmax

Limn→∞

(sign

((un,un−1

)))n un

‖ un ‖es un autovector de λmax


ULPGCLogo

Contenido



ULPGCLogo

Análisis Numérico Matricial IIMétodo de la potencia inversa para calcular el autovalor menor

El método de la potencia inversa se basa en que si

Ax = λx → A−1x =1λ

x

y por tanto

El autovalor máximo de A−1 =1

min{λi}

Para realizar las iteraciones del método de la potencia inversa, aveces, en lugar de calcular A−1 se resuelve en cada etapa un sistemade ecuaciones teniendo en cuenta que

un =A−1un−1

‖ un−1 ‖⇐⇒ Aun =

un−1

‖ un−1 ‖


ULPGCLogo



2 11 5

)λmin = 1,70, xmin =

(1,0−0,30

)

vamos a hacer iteraciones del método de la potencia cambiando A por A−1

un =A−1un−1


(11

)

u1 = A−1u0

‖u0‖∞=

(0,440,11

)‖ u1 ‖∞= 0,44

u2 = A−1u1

‖u1‖∞=

(0,52−0,055

)‖ u2 ‖∞= 0,52

u3 = A−1u2

‖u2‖∞=

(0,57−0,134

)‖ u3 ‖∞= 0,57

‖ u1 ‖∞= 0,44 ‖ u2 ‖∞= 0,52 ‖ u3 ‖∞= 0,57 → λmin = 10,57 = 1,75

u1

‖u1‖∞=

(1,0

0,25

)u2

‖u2‖∞=

(1,0−0,1

)u3

‖u3‖∞=

(1,0−0,23

)→ xmin =

(1,0−0,30

)


ULPGCLogo



2 11 5


(1,0−0,30

)vamos a hacer iteraciones del método de la potencia cambiando A por A−1

un =A−1un−1


(11

)

u1 = A−1u0

‖u0‖∞=

(0,440,11

)‖ u1 ‖∞= 0,44

u2 = A−1u1

‖u1‖∞=

(0,52−0,055

)‖ u2 ‖∞= 0,52

u3 = A−1u2

‖u2‖∞=

(0,57−0,134

)‖ u3 ‖∞= 0,57

‖ u1 ‖∞= 0,44 ‖ u2 ‖∞= 0,52 ‖ u3 ‖∞= 0,57 → λmin = 10,57 = 1,75

u1

‖u1‖∞=

(1,0

0,25

)u2

‖u2‖∞=

(1,0−0,1

)u3

‖u3‖∞=

(1,0−0,23

)→ xmin =

(1,0−0,30

)


ULPGCLogo



2 11 5


(1,0−0,30

)vamos a hacer iteraciones del método de la potencia cambiando A por A−1

un =A−1un−1


(11

)

u1 = A−1u0

‖u0‖∞=

(0,440,11

)‖ u1 ‖∞= 0,44

u2 = A−1u1

‖u1‖∞=

(0,52−0,055

)‖ u2 ‖∞= 0,52

u3 = A−1u2

‖u2‖∞=

(0,57−0,134

)‖ u3 ‖∞= 0,57

‖ u1 ‖∞= 0,44 ‖ u2 ‖∞= 0,52 ‖ u3 ‖∞= 0,57 → λmin = 10,57 = 1,75

u1

‖u1‖∞=

(1,0

0,25

)u2

‖u2‖∞=

(1,0−0,1

)u3

‖u3‖∞=

(1,0−0,23

)→ xmin =

(1,0−0,30


ULPGCLogo

Contenido



ULPGCLogo

Análisis Numérico Matricial IIMétodo de la potencia inversa para calcular el autovalor más cercano a un número

El método de la potencia directa e inversa nos permite calcular el autovalormás grande y más pequeño de una matriz. Ahora bien para calcular losautovalores que se encuentren entre λmin y λmax necesitamos informaciónadicional como puede ser tener una aproximación del autovalor buscado. Porejemplo si µ es una aproximación del autovalor λ de tal forma que µ seencuentre más cercano a λ que a cualquier otro autovalor, podemos construirla matriz A′ = A− µI. Si llamamos λ′min al autovalor más pequeño de A′, secumple que

A′x = (A− µI)x = λ′minx

de donde despejandoAx = x

y por tanto es el autovalor de A más cercano a µ.


ULPGCLogo




de donde despejandoAx = (λ′min + µ)x

y por tanto es el autovalor de A más cercano a µ.


ULPGCLogo




de donde despejandoAx = (λ′min + µ)x

y por tanto λ′min + µ es el autovalor de A más cercano a µ.


ULPGCLogo


Consideremos la matriz A =

5 0 01 1 01 1 2

, el autovalor más cercano a 3 λprox = 2,

xprox = (0,0,1)T .

Vamos a hacer iteraciones del método de la potencia inversa conB = A− 3Id partiendo de u0 = (1,1,1)T

u1 = B−1u0

‖u0‖∞= (0.5,−0.25,−0.75)T ‖ u1 ‖∞= 0.75

u2 = A−1u1

‖u1‖∞= (0.33,0.33,1.66)T ‖ u2 ‖∞= 1,66

u3 = A−1u2

‖u2‖∞= (0.1,−0.05,−0.95)T ‖ u3 ‖∞= 0,95

Como los autovectores van cambiando de signo en cada iteración tenemos :

xprox = (0.1,−0.05,−0.95)T y (A− 3Id)xprox = − 10.95

xprox = −1.05xprox

de donde despejando obtenemos: Axprox = (3− 1.05)xprox = 1.95xprox


ULPGCLogo


Consideremos la matriz A =

5 0 01 1 01 1 2

, el autovalor más cercano a 3 λprox = 2,

xprox = (0,0,1)T .Vamos a hacer iteraciones del método de la potencia inversa conB = A− 3Id partiendo de u0 = (1,1,1)T

u1 = B−1u0

‖u0‖∞= (0.5,−0.25,−0.75)T ‖ u1 ‖∞= 0.75

u2 = A−1u1

‖u1‖∞= (0.33,0.33,1.66)T ‖ u2 ‖∞= 1,66

u3 = A−1u2

‖u2‖∞= (0.1,−0.05,−0.95)T ‖ u3 ‖∞= 0,95

Como los autovectores van cambiando de signo en cada iteración tenemos :

xprox = (0.1,−0.05,−0.95)T y (A− 3Id)xprox = − 10.95

xprox = −1.05xprox

de donde despejando obtenemos: Axprox = (3− 1.05)xprox = 1.95xprox


ULPGCLogo

Contenido



ULPGCLogo

Análisis Numérico Matricial IIAlgoritmo general para calcular los autovectores de una matriz cualquiera

1 Paso 1: Se calcula el polinomio característico |A− λI| = 0.

2 Paso 2: Se calculan las raíces {λi} del polinomio característico

3 Paso 3 : Utilizando el método de la potencia inversa se calcula losautovectores más pequeños de las matrices A− λi I

La principal limitación del algoritmo anterior es que calcular elpolinomio característico tiene una complejidad factorial, y por tanto elmétodo es sólo aplicable para matrices de dimensión pequeña (paradimensión mayor que 12 el algoritmo se vuelve muy lento)


ULPGCLogo

Análisis Numérico Matricial IIMétodo para calcular el polinomio característico

Dada una matriz A de dimensión N se calcula ‖A‖1, como todos los autovalores de Acumplen que |λi | ≤ ‖A‖1 , ello significa que todos los autovalores estan en el intervalo

Elegimos a continuación N + 1 valores xi equidistribuidos en [−‖A‖1 , ‖A‖1] y para cadauno de esos valores tenemos que

|A− xi I| = aNxNi + aN−1xN−1

i + ......+ a0

donde {aN ,aN−1, .....,a0} representan los coeficientes del polinomio característicobuscado. Observese que para xi la relación de arriba es una ecuación lineal en loscoeficientes del polinomio y por tanto dichos coeficientes se pueden encontrarresolviendo el sistema :

()

aN

aN−1.

a0

= ()


ULPGCLogo


Dada una matriz A de dimensión N se calcula ‖A‖1, como todos los autovalores de Acumplen que |λi | ≤ ‖A‖1 , ello significa que todos los autovalores estan en el intervalo[−‖A‖1 , ‖A‖1].

Elegimos a continuación N + 1 valores xi equidistribuidos en[−‖A‖1 , ‖A‖1] y para cada uno de esos valores tenemos que


i + ......+ a0


()

aN

aN−1.

a0

= ()


ULPGCLogo


Dada una matriz A de dimensión N se calcula ‖A‖1, como todos los autovalores de Acumplen que |λi | ≤ ‖A‖1 , ello significa que todos los autovalores estan en el intervalo[−‖A‖1 , ‖A‖1]. Elegimos a continuación N + 1 valores xi equidistribuidos en[−‖A‖1 , ‖A‖1] y para cada uno de esos valores tenemos que


i + ......+ a0

donde {aN ,aN−1, .....,a0} representan los coeficientes del polinomio característicobuscado.

Observese que para xi la relación de arriba es una ecuación lineal en loscoeficientes del polinomio y por tanto dichos coeficientes se pueden encontrarresolviendo el sistema :

()

aN

aN−1.

a0

= ()


ULPGCLogo




i + ......+ a0


()

aN

aN−1.

a0

= ()


ULPGCLogo




i + ......+ a0


xN0 xN−1

0 . 1xN

1 xN−11 . 1

. . . .

xNN xN−1

N . 1

aNaN−1.

a0

= ()


ULPGCLogo




i + ......+ a0


xN0 xN−1

0 . 1xN

1 xN−11 . 1

. . . .

xNN xN−1

N . 1

aNaN−1.

a0

=

|A− x0I||A− x1I|

.|A− xN I|


ULPGCLogo

Contenido








ULPGCLogo

Contenido

4 Métodos iterativos de resolución de sistemas de ecuacionesMétodo de JacobiMétodo de Gauss-SeidelMétodo de relajación


ULPGCLogo

Análisis Numérico Matricial IIMétodos iterativos de resolución de sistemas de ecuaciones. Método de Jacobi

Consideremos el sistema de ecuaciones : 2 −1 0−1 2 −10 −1 2

xyz

=

101

→

2x − y = 1x + 2y − z = 0−y + 2z = 1

despejando los elementos de la diagonal podemos escribir lasanteriores relaciones como una ecuación de punto fijo:

x = 1+y2

y = x+z2

z = 1+y2

→

xn =

1+yn−12

yn =xn−1+zn−1

2

zn =1+yn−1

2

partiendo de u0 = (x0, y0, z0)T = (0,0,0)T las iteraciones serían:


ULPGCLogo


xn =1+yn−1

2

yn =xn−1+zn−1

2

zn =1+yn−1

2

→

x1 = ?y1 = ?z1 = ?

→

x2 = ?y2 = ?z2 = ?

x3 = ?y3 = ?1

2

z3 = ?→

x4 = ?y4 = ?z4 = ?


ULPGCLogo


xn =1+yn−1

2

yn =xn−1+zn−1

2

zn =1+yn−1

2

→

x1 = 1+0

2 = 12

y1 = ?z1 = ?

→

x2 = ?y2 = ?z2 = ?

x3 = ?y3 = ?1

2

z3 = ?→

x4 = ?y4 = ?z4 = ?


ULPGCLogo


xn =1+yn−1

2

yn =xn−1+zn−1

2

zn =1+yn−1

2

→

x1 = 1+0

2 = 12

y1 = 0+02 = 0

z1 = ?→

x2 = ?y2 = ?z2 = ?

x3 = ?y3 = ?1

2

z3 = ?→

x4 = ?y4 = ?z4 = ?


ULPGCLogo


xn =1+yn−1

2

yn =xn−1+zn−1

2

zn =1+yn−1

2

→

x1 = 1+0

2 = 12

y1 = 0+02 = 0

z1 = 1+02 = 1

2

→

x2 = ?y2 = ?z2 = ?

x3 = ?y3 = ?1

2

z3 = ?→

x4 = ?y4 = ?z4 = ?


ULPGCLogo


xn =1+yn−1

2

yn =xn−1+zn−1

2

zn =1+yn−1

2

→

x1 = 1+0

2 = 12

y1 = 0+02 = 0

z1 = 1+02 = 1

2

→

x2 = 1+0

2 = 12

y2 = ?z2 = ?

x3 = ?y3 = ?1

2

z3 = ?→

x4 = ?y4 = ?z4 = ?


ULPGCLogo


xn =1+yn−1

2

yn =xn−1+zn−1

2

zn =1+yn−1

2

→

x1 = 1+0

2 = 12

y1 = 0+02 = 0

z1 = 1+02 = 1

2

→

x2 = 1+0

2 = 12

y2 = 1/2+1/22 = 1

2

z2 = ?

x3 = ?y3 = ?1

2

z3 = ?→

x4 = ?y4 = ?z4 = ?


ULPGCLogo


xn =1+yn−1

2

yn =xn−1+zn−1

2

zn =1+yn−1

2

→

x1 = 1+0

2 = 12

y1 = 0+02 = 0

z1 = 1+02 = 1

2

→

x2 = 1+0

2 = 12

y2 = 1/2+1/22 = 1

2

z2 = 1+02 = 1

2

x3 = ?y3 = ?1

2

z3 = ?→

x4 = ?y4 = ?z4 = ?


ULPGCLogo


xn =1+yn−1

2

yn =xn−1+zn−1

2

zn =1+yn−1

2

→

x1 = 1+0

2 = 12

y1 = 0+02 = 0

z1 = 1+02 = 1

2

→

x2 = 1+0

2 = 12

y2 = 1/2+1/22 = 1

2

z2 = 1+02 = 1

2

x3 = 1+1/2

2 = 34

y3 = ?12

z3 = ?→

x4 = ?y4 = ?z4 = ?


ULPGCLogo


xn =1+yn−1

2

yn =xn−1+zn−1

2

zn =1+yn−1

2

→

x1 = 1+0

2 = 12

y1 = 0+02 = 0

z1 = 1+02 = 1

2

→

x2 = 1+0

2 = 12

y2 = 1/2+1/22 = 1

2

z2 = 1+02 = 1

2

x3 = 1+1/2

2 = 34

y3 = 1/2+1/22 = 1

2

z3 = ?→

x4 = ?y4 = ?z4 = ?


ULPGCLogo


xn =1+yn−1

2

yn =xn−1+zn−1

2

zn =1+yn−1

2

→

x1 = 1+0

2 = 12

y1 = 0+02 = 0

z1 = 1+02 = 1

2

→

x2 = 1+0

2 = 12

y2 = 1/2+1/22 = 1

2

z2 = 1+02 = 1

2

x3 = 1+1/2

2 = 34

y3 = 1/2+1/22 = 1

2

z3 = 1+1/22 = 3

4

→

x4 = ?y4 = ?z4 = ?


ULPGCLogo


xn =1+yn−1

2

yn =xn−1+zn−1

2

zn =1+yn−1

2

→

x1 = 1+0

2 = 12

y1 = 0+02 = 0

z1 = 1+02 = 1

2

→

x2 = 1+0

2 = 12

y2 = 1/2+1/22 = 1

2

z2 = 1+02 = 1

2

x3 = 1+1/2

2 = 34

y3 = 1/2+1/22 = 1

2

z3 = 1+1/22 = 3

4

→

x4 = 1+1/2

2 = 34

y4 = ?z4 = ?


ULPGCLogo


xn =1+yn−1

2

yn =xn−1+zn−1

2

zn =1+yn−1

2

→

x1 = 1+0

2 = 12

y1 = 0+02 = 0

z1 = 1+02 = 1

2

→

x2 = 1+0

2 = 12

y2 = 1/2+1/22 = 1

2

z2 = 1+02 = 1

2

x3 = 1+1/2

2 = 34

y3 = 1/2+1/22 = 1

2

z3 = 1+1/22 = 3

4

→

x4 = 1+1/2

2 = 34

y4 = 3/4+3/42 = 3

4

z4 = ?


ULPGCLogo


xn =1+yn−1

2

yn =xn−1+zn−1

2

zn =1+yn−1

2

→

x1 = 1+0

2 = 12

y1 = 0+02 = 0

z1 = 1+02 = 1

2

→

x2 = 1+0

2 = 12

y2 = 1/2+1/22 = 1

2

z2 = 1+02 = 1

2

x3 = 1+1/2

2 = 34

y3 = 1/2+1/22 = 1

2

z3 = 1+1/22 = 3

4

→

x4 = 1+1/2

2 = 34

y4 = 3/4+3/42 = 3

4

z4 = 1+1/22 = 3

4


ULPGCLogo


En la práctica, el método de Jacobi se implementa a través delsiguiente esquema iterativo:

un0 =

−a0,1un−11 − ...− a0,N−1un−1

N−1 + b0

a0,0

un1 =

−a1,0un−10 − a1,2un−1

2 ...− a1,N−1un−1N−1 + b1

a1,1.

unN−1 =

−aN−1,0un−10 − aN−1,1un−1

1 ...− aN−1,N−2un−1N−2 + bN−1

aN−1,N−1


ULPGCLogo

Análisis Numérico Matricial IIMétodos iterativos de resolución de sistemas de ecuaciones. El método de Jacobi

Podemos descomponer la matriz A del ejemplo anterior como :

A =

0 0 0−1 0 00 −1 0

L

+

2 0 00 2 00 0 2

D

+

0 −1 00 0 −10 0 0

U

de esta manera el método de Jacobi puede interpretarse como :

Au = b → Dun = (−L− U)un−1 + b

despejando un obtenemos

un = D−1(−L− U)MJ

un−1 + D−1bcJ

→ un = Mjun−1 + cJ


ULPGCLogo



A =

0 0 0−1 0 00 −1 0

L

+

2 0 00 2 00 0 2

D

+

0 −1 00 0 −10 0 0

U


Au = b → ?un = ?un−1 + b



un−1 + D−1bcJ



ULPGCLogo



A =

0 0 0−1 0 00 −1 0

L

+

2 0 00 2 00 0 2

D

+

0 −1 00 0 −10 0 0

U


Au = b → Dun = ?un−1 + b



un−1 + D−1bcJ



ULPGCLogo



A =

0 0 0−1 0 00 −1 0

L

+

2 0 00 2 00 0 2

D

+

0 −1 00 0 −10 0 0

U


Au = b → Dun = (−L− U)un−1 + b


un = ?un−1 + ?



ULPGCLogo



A =

0 0 0−1 0 00 −1 0

L

+

2 0 00 2 00 0 2

D

+

0 −1 00 0 −10 0 0

U


Au = b → Dun = (−L− U)un−1 + b



un−1 + ?



ULPGCLogo



A =

0 0 0−1 0 00 −1 0

L

+

2 0 00 2 00 0 2

D

+

0 −1 00 0 −10 0 0

U


Au = b → Dun = (−L− U)un−1 + b



un−1 + D−1bcJ



ULPGCLogo

Análisis Numérico Matricial IIMétodos iterativos de resolución de sistemas de ecuaciones. Convergencia del método

Veamos como evolucionan las iteraciones del esquema un = Mun−1 + c

u1 = Mu0 + c

u2 = Mu1 + c = M2u0 + Mc + c

u3 = Mu2 + c = M3u0 + M2c + Mc + c..un = Mun−1 + c = Mnu0 + Mn−1c + ....+ Mc + c

la condición de convergencia es que para alguna norma se verifique que

‖M‖ < 1 ⇔ ρ(M) < 1


ULPGCLogo



u1 = Mu0 + c

u2 = Mu1 + c = M2u0 + Mc + c



‖M‖ < 1

⇔ ρ(M) < 1


ULPGCLogo



u1 = Mu0 + c

u2 = Mu1 + c = M2u0 + Mc + c



‖M‖ < 1 ⇔ ρ(M) < 1


ULPGCLogo


TeoremaSi una matriz A verifica que

|aii | >∑j 6=i

|aij | ∀i . ó |ajj | >∑i 6=j

|aij | ∀j .

entonces el método de Jacobi asociado al sistema Au = b converge.

Demostración: En primer lugar, observamos que la matriz MJ puede expresarse como:

MJ =

0 −a0,1

a0,0−a0,2

a0,0. −a0,N−1

a0,0

−a1,0a1,1

0 −a1,2a1,1

. −a1,N−1a1,1

. . . . .

− aN−2,0aN−2,N−2

− aN−2,1aN−2,N−2

. 0 −aN−2,N−1aN−2,N−2

− aN−1,0aN−1,N−1

− aN−1,1aN−1,N−1

. −aN−1,N−2aN−1,N−1

0

Por tanto ‖ MJ ‖1= maxj

(∑i

|aij ||aii |

)< 1 o ‖ MJ ‖∞= maxi

∑j

|aij

|ajj |

< 1


ULPGCLogo



|aii | >∑j 6=i

|aij | ∀i . ó |ajj | >∑i 6=j

|aij | ∀j .



MJ =

0 −a0,1

a0,0−a0,2

a0,0. −a0,N−1

a0,0

−a1,0a1,1

0 −a1,2a1,1

. −a1,N−1a1,1

. . . . .

− aN−2,0aN−2,N−2

− aN−2,1aN−2,N−2

. 0 −aN−2,N−1aN−2,N−2

− aN−1,0aN−1,N−1

− aN−1,1aN−1,N−1

. −aN−1,N−2aN−1,N−1

0

Por tanto ‖ MJ ‖1=

maxj

(∑i

|aij ||aii |

)< 1 o ‖ MJ ‖∞= maxi

∑j

|aij

|ajj |

< 1


ULPGCLogo



|aii | >∑j 6=i

|aij | ∀i . ó |ajj | >∑i 6=j

|aij | ∀j .



MJ =

0 −a0,1

a0,0−a0,2

a0,0. −a0,N−1

a0,0

−a1,0a1,1

0 −a1,2a1,1

. −a1,N−1a1,1

. . . . .

− aN−2,0aN−2,N−2

− aN−2,1aN−2,N−2

. 0 −aN−2,N−1aN−2,N−2

− aN−1,0aN−1,N−1

− aN−1,1aN−1,N−1

. −aN−1,N−2aN−1,N−1

0


(∑i

|aij ||aii |

)<

1 o ‖ MJ ‖∞= maxi

∑j

|aij

|ajj |

< 1


ULPGCLogo



|aii | >∑j 6=i

|aij | ∀i . ó |ajj | >∑i 6=j

|aij | ∀j .



MJ =

0 −a0,1

a0,0−a0,2

a0,0. −a0,N−1

a0,0

−a1,0a1,1

0 −a1,2a1,1

. −a1,N−1a1,1

. . . . .

− aN−2,0aN−2,N−2

− aN−2,1aN−2,N−2

. 0 −aN−2,N−1aN−2,N−2

− aN−1,0aN−1,N−1

− aN−1,1aN−1,N−1

. −aN−1,N−2aN−1,N−1

0


(∑i

|aij ||aii |

)< 1 o ‖ MJ ‖∞=

maxi

∑j

|aij

|ajj |

< 1


ULPGCLogo



|aii | >∑j 6=i

|aij | ∀i . ó |ajj | >∑i 6=j

|aij | ∀j .



MJ =

0 −a0,1

a0,0−a0,2

a0,0. −a0,N−1

a0,0

−a1,0a1,1

0 −a1,2a1,1

. −a1,N−1a1,1

. . . . .

− aN−2,0aN−2,N−2

− aN−2,1aN−2,N−2

. 0 −aN−2,N−1aN−2,N−2

− aN−1,0aN−1,N−1

− aN−1,1aN−1,N−1

. −aN−1,N−2aN−1,N−1

0


(∑i

|aij ||aii |

)< 1 o ‖ MJ ‖∞= maxi

∑j

|aij

|ajj |

<

1


ULPGCLogo



|aii | >∑j 6=i

|aij | ∀i . ó |ajj | >∑i 6=j

|aij | ∀j .



MJ =

0 −a0,1

a0,0−a0,2

a0,0. −a0,N−1

a0,0

−a1,0a1,1

0 −a1,2a1,1

. −a1,N−1a1,1

. . . . .

− aN−2,0aN−2,N−2

− aN−2,1aN−2,N−2

. 0 −aN−2,N−1aN−2,N−2

− aN−1,0aN−1,N−1

− aN−1,1aN−1,N−1

. −aN−1,N−2aN−1,N−1

0


(∑i

|aij ||aii |

)< 1 o ‖ MJ ‖∞= maxi

∑j

|aij

|ajj |

< 1


ULPGCLogo

Contenido



ULPGCLogo

Análisis Numérico Matricial IIMétodos iterativos de resolución de sistemas de ecuaciones. Método de Gauss-Seidel

En el método de Gauss Seidel actualizamos las componentes del vectorsolución al mismo tiempo que se va calculando :

xn =1+yn−1

2

yn =xn+zn−1

2

zn = 1+yn2

→

x1 = ?y1 = ?z1 = ?

→

x2 = ?y2 = ?z2 = ?

x3 = ?y3 = ?z3 = ?

→

x4 = ?y4 = ?z4 = ?


ULPGCLogo



xn =1+yn−1

2

yn =xn+zn−1

2

zn = 1+yn2

→

x1 = 1+0

2 = 12

y1 = ?z1 = ?

→

x2 = ?y2 = ?z2 = ?

x3 = ?y3 = ?z3 = ?

→

x4 = ?y4 = ?z4 = ?


ULPGCLogo



xn =1+yn−1

2

yn =xn+zn−1

2

zn = 1+yn2

→

x1 = 1+0

2 = 12

y1 = 1/2+02 = 1

4

z1 = ?→

x2 = ?y2 = ?z2 = ?

x3 = ?y3 = ?z3 = ?

→

x4 = ?y4 = ?z4 = ?


ULPGCLogo



xn =1+yn−1

2

yn =xn+zn−1

2

zn = 1+yn2

→

x1 = 1+0

2 = 12

y1 = 1/2+02 = 1

4

z1 = 1+1/22 = 5

8

→

x2 = ?y2 = ?z2 = ?

x3 = ?y3 = ?z3 = ?

→

x4 = ?y4 = ?z4 = ?


ULPGCLogo



xn =1+yn−1

2

yn =xn+zn−1

2

zn = 1+yn2

→

x1 = 1+0

2 = 12

y1 = 1/2+02 = 1

4

z1 = 1+1/22 = 5

8

→

x2 = 1+1/4

2 = 58

y2 = ?z2 = ?

x3 = ?y3 = ?z3 = ?

→

x4 = ?y4 = ?z4 = ?


ULPGCLogo



xn =1+yn−1

2

yn =xn+zn−1

2

zn = 1+yn2

→

x1 = 1+0

2 = 12

y1 = 1/2+02 = 1

4

z1 = 1+1/22 = 5

8

→

x2 = 1+1/4

2 = 58

y2 = 5/8+5/82 = 5

8

z2 = ?

x3 = ?y3 = ?z3 = ?

→

x4 = ?y4 = ?z4 = ?


ULPGCLogo



xn =1+yn−1

2

yn =xn+zn−1

2

zn = 1+yn2

→

x1 = 1+0

2 = 12

y1 = 1/2+02 = 1

4

z1 = 1+1/22 = 5

8

→

x2 = 1+1/4

2 = 58

y2 = 5/8+5/82 = 5

8

z2 = 1+5/82 = 13

16

x3 = ?y3 = ?z3 = ?

→

x4 = ?y4 = ?z4 = ?


ULPGCLogo



xn =1+yn−1

2

yn =xn+zn−1

2

zn = 1+yn2

→

x1 = 1+0

2 = 12

y1 = 1/2+02 = 1

4

z1 = 1+1/22 = 5

8

→

x2 = 1+1/4

2 = 58

y2 = 5/8+5/82 = 5

8

z2 = 1+5/82 = 13

16

x3 = 1+5/8

2 = 1316

y3 = ?z3 = ?

→

x4 = ?y4 = ?z4 = ?


ULPGCLogo



xn =1+yn−1

2

yn =xn+zn−1

2

zn = 1+yn2

→

x1 = 1+0

2 = 12

y1 = 1/2+02 = 1

4

z1 = 1+1/22 = 5

8

→

x2 = 1+1/4

2 = 58

y2 = 5/8+5/82 = 5

8

z2 = 1+5/82 = 13

16

x3 = 1+5/8

2 = 1316

y3 = 13/16+13/162 = 13

16

z3 = ?→

x4 = ?y4 = ?z4 = ?


ULPGCLogo



xn =1+yn−1

2

yn =xn+zn−1

2

zn = 1+yn2

→

x1 = 1+0

2 = 12

y1 = 1/2+02 = 1

4

z1 = 1+1/22 = 5

8

→

x2 = 1+1/4

2 = 58

y2 = 5/8+5/82 = 5

8

z2 = 1+5/82 = 13

16

x3 = 1+5/8

2 = 1316

y3 = 13/16+13/162 = 13

16

z3 = 1+13/162 = 29

32

→

x4 = ?y4 = ?z4 = ?


ULPGCLogo



xn =1+yn−1

2

yn =xn+zn−1

2

zn = 1+yn2

→

x1 = 1+0

2 = 12

y1 = 1/2+02 = 1

4

z1 = 1+1/22 = 5

8

→

x2 = 1+1/4

2 = 58

y2 = 5/8+5/82 = 5

8

z2 = 1+5/82 = 13

16

x3 = 1+5/8

2 = 1316

y3 = 13/16+13/162 = 13

16

z3 = 1+13/162 = 29

32

→

x4 = 1+12/16

2 = 2932

y4 = ?z4 = ?


ULPGCLogo



xn =1+yn−1

2

yn =xn+zn−1

2

zn = 1+yn2

→

x1 = 1+0

2 = 12

y1 = 1/2+02 = 1

4

z1 = 1+1/22 = 5

8

→

x2 = 1+1/4

2 = 58

y2 = 5/8+5/82 = 5

8

z2 = 1+5/82 = 13

16

x3 = 1+5/8

2 = 1316

y3 = 13/16+13/162 = 13

16

z3 = 1+13/162 = 29

32

→

x4 = 1+12/16

2 = 2932

y4 = 3/4+3/42 = 29

32

z4 = ?


ULPGCLogo



xn =1+yn−1

2

yn =xn+zn−1

2

zn = 1+yn2

→

x1 = 1+0

2 = 12

y1 = 1/2+02 = 1

4

z1 = 1+1/22 = 5

8

→

x2 = 1+1/4

2 = 58

y2 = 5/8+5/82 = 5

8

z2 = 1+5/82 = 13

16

x3 = 1+5/8

2 = 1316

y3 = 13/16+13/162 = 13

16

z3 = 1+13/162 = 29

32

→

x4 = 1+12/16

2 = 2932

y4 = 3/4+3/42 = 29

32

z4 = 1+29/322 = 61

64


ULPGCLogo

Análisis Numérico Matricial IIMétodos iterativos de resolución de sistemas de ecuaciones. El método deGauss-Seidel


A =

0 0 0−1 0 00 −1 0

L

+

2 0 00 2 00 0 2

D

+

0 −1 00 0 −10 0 0

U

de esta manera el método de Gauss-Seidel puede interpretarse como :

Au = b → (D + L)un = (−U)un−1 + b


un = (L + D)−1(−U)MGS

un−1 + (D + L)−1bcGS

→ un = MGSun−1 + cGS


ULPGCLogo



A =

0 0 0−1 0 00 −1 0

L

+

2 0 00 2 00 0 2

D

+

0 −1 00 0 −10 0 0

U


Au = b → ?un = ?un−1 + b


un = (L + D)−1(−U)MGS




ULPGCLogo



A =

0 0 0−1 0 00 −1 0

L

+

2 0 00 2 00 0 2

D

+

0 −1 00 0 −10 0 0

U


Au = b → (D + L)un = ?un−1 + b


un = (L + D)−1(−U)MGS




ULPGCLogo



A =

0 0 0−1 0 00 −1 0

L

+

2 0 00 2 00 0 2

D

+

0 −1 00 0 −10 0 0

U


Au = b → (D + L)un = (−U)un−1 + b


un = ?un−1 + ?



ULPGCLogo



A =

0 0 0−1 0 00 −1 0

L

+

2 0 00 2 00 0 2

D

+

0 −1 00 0 −10 0 0

U


Au = b → (D + L)un = (−U)un−1 + b


un = (L + D)−1(−U)MGS

un−1 + ?



ULPGCLogo



A =

0 0 0−1 0 00 −1 0

L

+

2 0 00 2 00 0 2

D

+

0 −1 00 0 −10 0 0

U


Au = b → (D + L)un = (−U)un−1 + b


un = (L + D)−1(−U)MGS




ULPGCLogo


En la práctica, el método de Gauss-Seidel se implementa a través delsiguiente esquema iterativo:

un0 =

−a0,1un−11 − ...− a0,N−1un−1

N−1 + b0

a0,0

un1 =

−a1,0un0 − a1,2un−1

2 ...− a1,N−1un−1N−1 + b1

a1,1.

unN−1 =

−aN−1,0un0 − aN−1,1un

1 ...− aN−1,N−2unN−2 + bN−1

aN−1,N−1


ULPGCLogo

Contenido



ULPGCLogo

Análisis Numérico Matricial IIMétodos iterativos de resolución de sistemas de ecuaciones. Método de Relajación

En el método de relajación se combina la solución propuesta porGauss-Seidel con la solución en la etapa anterior a través del parámetro derelajación w . Vamos a hacer iteraciones del esquema:

xn = w 1+yn−12 + (1− w)xn−1

yn = w xn+zn−12 + (1− w)yn−1

zn = w 1+yn2 + (1− w)zn−1

→ Si hacemos w = 1,17 obtenemos:

x1 = ?y1 = ?z1 = ?

→

x2 = ?y2 = ?z2 = ?


ULPGCLogo



xn = w 1+yn−12 + (1− w)xn−1

yn = w xn+zn−12 + (1− w)yn−1

zn = w 1+yn2 + (1− w)zn−1


x1 = 1,171+0

2 = 0,58

y1 = ?z1 = ?

→

x2 = ?y2 = ?z2 = ?


ULPGCLogo



xn = w 1+yn−12 + (1− w)xn−1

yn = w xn+zn−12 + (1− w)yn−1

zn = w 1+yn2 + (1− w)zn−1


x1 = 1,171+0

2 = 0,58

y1 = 1,170,58+02 = 0,34

z1 = ?→

x2 = ?y2 = ?z2 = ?


ULPGCLogo



xn = w 1+yn−12 + (1− w)xn−1

yn = w xn+zn−12 + (1− w)yn−1

zn = w 1+yn2 + (1− w)zn−1


x1 = 1,171+0

2 = 0,58

y1 = 1,170,58+02 = 0,34

z1 = 1,171+0,342 = 0,78

→

x2 = ?y2 = ?z2 = ?


ULPGCLogo



xn = w 1+yn−12 + (1− w)xn−1

yn = w xn+zn−12 + (1− w)yn−1

zn = w 1+yn2 + (1− w)zn−1


x1 = 1,171+0

2 = 0,58

y1 = 1,170,58+02 = 0,34

z1 = 1,171+0,342 = 0,78

→

x2 = 1,171+0,34

2 − 0,17 · 0,29= 0,58

y2 = ?z2 = ?


ULPGCLogo



xn = w 1+yn−12 + (1− w)xn−1

yn = w xn+zn−12 + (1− w)yn−1

zn = w 1+yn2 + (1− w)zn−1


x1 = 1,171+0

2 = 0,58

y1 = 1,170,58+02 = 0,34

z1 = 1,171+0,342 = 0,78

→

x2 = 1,171+0,34

2 − 0,17 · 0,29= 0,58

y2 = 1,171+0,682 − 0,17 · 0,17 = 0,92

z2 = ?


ULPGCLogo



xn = w 1+yn−12 + (1− w)xn−1

yn = w xn+zn−12 + (1− w)yn−1

zn = w 1+yn2 + (1− w)zn−1


x1 = 1,171+0

2 = 0,58

y1 = 1,170,58+02 = 0,34

z1 = 1,171+0,342 = 0,78

→

x2 = 1,171+0,34

2 − 0,17 · 0,29= 0,58

y2 = 1,171+0,682 − 0,17 · 0,17 = 0,92

z2 = 1,171+0,922 − 0,17 · 0,78 = 0,99


ULPGCLogo

Análisis Numérico Matricial IIMétodos iterativos de resolución de sistemas de ecuaciones. El método de Relajación

El método de relajación hace iteraciones del esquema :

xn = w 1+yn−1

2 + (1− w)xn−1

yn = w xn+zn−12 + (1− w)yn−1

zn = w 1+yn2 + (1− w)zn−1

En términos de las matrices L,D,U el método puede interpretarse como :

Au = b → (D + wL)un = (−wU + (1− w)D)un−1 + b


un = (D + wL)−1(−wU + (1− w)D)Mw

un−1 + (D + wL)−1bcw


ULPGCLogo



xn = w 1+yn−1

2 + (1− w)xn−1

yn = w xn+zn−12 + (1− w)yn−1

zn = w 1+yn2 + (1− w)zn−1


Au = b → ?un = ?un−1 + b


un = (D + wL)−1(−wU + (1− w)D)Mw



ULPGCLogo



xn = w 1+yn−1

2 + (1− w)xn−1

yn = w xn+zn−12 + (1− w)yn−1

zn = w 1+yn2 + (1− w)zn−1


Au = b → (D + wL)un = ?un−1 + b


un = (D + wL)−1(−wU + (1− w)D)Mw



ULPGCLogo



xn = w 1+yn−1

2 + (1− w)xn−1

yn = w xn+zn−12 + (1− w)yn−1

zn = w 1+yn2 + (1− w)zn−1




un = ?un−1 + ?


ULPGCLogo



xn = w 1+yn−1

2 + (1− w)xn−1

yn = w xn+zn−12 + (1− w)yn−1

zn = w 1+yn2 + (1− w)zn−1




un = (D + wL)−1(−wU + (1− w)D)Mw

un−1 + ?


ULPGCLogo



xn = w 1+yn−1

2 + (1− w)xn−1

yn = w xn+zn−12 + (1− w)yn−1

zn = w 1+yn2 + (1− w)zn−1




un = (D + wL)−1(−wU + (1− w)D)Mw



ULPGCLogo


La elección del parámetro w es, en general, un problema difícil. Sin embargo,en el caso de matrices tridiagonales, es decir, matrices con todos loselementos nulos salvo la diagonal principal y sus codiagonales, el siguienteresultado muestra la forma de calcular el valor óptimo de w .

TeoremaSi A es una matriz tridiagonal y ρ(MJ) < 1, entonces el valor de w queoptimiza la velocidad de convergencia del método es:

wopt =2

1 +√

1− ρ(MJ)2

Como puede observarse de la expresión anterior, el valor de wopt seencuentra siempre entre 1 y 2.


ULPGCLogo


TeoremaSi en el método de relajación w /∈ (0,2), entonces ρ(Mw ) ≥ 1.

Demostración: En primer lugar, observamos que las matrices D + Lw y(1− w)D − wU son matrices triangulares y, por tanto, su determinante es elproducto de los elementos diagonales. Además, teniendo en cuenta que eldeterminante del producto de dos matrices es el producto de susdeterminantes y que el determinante de la matriz inversa es el inverso deldeterminante, obtenemos que

|Mw | = | (D + wL)−1 ((1− w)D − wU)| =|(1− w)D − wU|| (D + wL)|

=(1− w)NΠiaii

Πiaii

Por lo tanto, como el determinante de una matriz es el producto de susautovalores, obtenemos que, si w /∈ (0,2), entonces |1− w | ≥ 1 y, enconsecuencia, Mw posee al menos un autovalor de módulo mayor o igual queuno.


ULPGCLogo




|Mw | = | (D + wL)−1 ((1− w)D − wU)| =

∣∣∣?∣∣∣∣∣∣?∣∣∣ =(1− w)NΠiaii

Πiaii



ULPGCLogo




|Mw | = | (D + wL)−1 ((1− w)D − wU)| =|(1− w)D − wU|∣∣∣?∣∣∣ =

(1− w)NΠiaii

Πiaii



ULPGCLogo





=??



ULPGCLogo





=(1− w)NΠiaii

?



ULPGCLogo

Contenido








ULPGCLogo


En la práctica, el método de relajación se implementa a través delsiguiente esquema iterativo:

un0 = w

−a0,1un−11 − ...− a0,N−1un−1

N−1 + b0

a0,0+ (1− w)un−1

0

un1 = w

−a1,0un0 − a1,2un−1

2 ...− a1,N−1un−1N−1 + b1

a1,1+ (1− w)un−1

1

.

unN−1 = w

−aN−1,0un0 − aN−1,1un

1 ...− aN−1,N−2unN−2 + bN−1

aN−1,N−1+ (1− w)un−1

N−1


ULPGCLogo

Análisis Numérico Matricial IIPráctica 7. Implementar método de relajación (2 horas)

Implementar en Fortran 77 el método de relajación. Los parámetros de lafunción serán: la matriz A, el vector b, un vector u donde se almacenará lasolución, y que inicialmente será el vector aproximación inicial, que pordefecto se tomará 0, el parámetro de relajación w , el número máximo deiteraciones Nmax , y la tolerancia TOL para evaluar la diferencia entre un yun−1. La función devolverá el número de iteraciones necesarias para alcanzarla solución. Si el método no converge devuelve −1. Comparar la diferencia enla velocidad de convergencia entre el método de Gauss-Seidel y el Método derelajación. Probar el método para los sistemas

1 −1 0−1 2 00 −1 3

xyz

=

−131

2 −1 0−1 2 −10 −1 2

xyz

=

101

1 3 3

3 1 33 3 1

xyz

=

777

Los sistemas ejemplosde 10, 100 y 500 dela página web


ULPGCLogo

Contenido








ULPGCLogo

Análisis Numérico Matricial IIMétodo de Newton-Raphson para sistemas no-lineales

Consideremos el siguiente sistema no lineal de ecuaciones:{x2 − y2 + 1 = 0

2xy = 0

f (u) = f (x , y) =

(x2 − y2 + 1

2xy

)=

(00

)Utilizamos el desarrollo de Taylor en varias variable

f (u) = f (u0) +∇f (u0)(u − u0) + .... ∇f (u) =

(2x −2y2y 2x

)Igualando a 0 el desarrollo de Taylor y tomamos u0 = (1,1) obtenemos

f (u0) +∇f (u0)(u − u0) = 0 →(

12

)+

(2 −22 2

)(x1 − x0y1 − y0

)= 0

Resolvemos el sistema asociado y obtenemos u1 = (1/4,3/4).


ULPGCLogo



2xy = 0f (u) = f (x , y) =

(x2 − y2 + 1

2xy

)=

(00


f (u) = f (u0) +∇f (u0)(u − u0) + ....

∇f (u) =

(2x −2y2y 2x


f (u0) +∇f (u0)(u − u0) = 0 →(

12

)+

(2 −22 2

)(x1 − x0y1 − y0

)= 0



ULPGCLogo



2xy = 0f (u) = f (x , y) =

(x2 − y2 + 1

2xy

)=

(00


f (u) = f (u0) +∇f (u0)(u − u0) + .... ∇f (u) =

(2x −2y2y 2x


f (u0) +∇f (u0)(u − u0) = 0 →(

12

)+

(2 −22 2

)(x1 − x0y1 − y0

)= 0



Métodos Numéricos Grado en Informática Tema 6: Análisis ...lalvarez/teaching/mn/2012... · Cual...

Documents

Transcript of Métodos Numéricos Grado en Informática Tema 6: Análisis ...lalvarez/teaching/mn/2012... · Cual...