Claudio Maldonado Parra, Ingeniera Civil en Telecomunicaciones, UdeC

1
Resumen certamen n1 Clculo Numrico
521230

Normas Matriciales:

( |

( |

()
() { }
()
()
||
Mtodos Directos:

- LU y MEG slo si los pivotes son no nulos

()
, si hay pivotes iguales a cero, se usa la estrategia
de pivoteo parcial.
- LU sin pivoteo conserva la estructura de matrices banda.
- Si la matriz es tridiagonal y adems cumple:|

| |

| |

| |

| |

| { }

| |

|, se puede factorizar LU sin pivoteo parcial, esto resulta un proceso estable respecto de
errores de redondeo. Los coeficientes de las matrices L y U pueden obtenerse por el algoritmo de
Thomas, cuyo costo operacional es ( ). Resolver un sistema por Thomas: .

Mtodo de Cholesky:
- Se aplica en matrices simtricas y definidas positivas:

- El mtodo de Cholesky es estable respecto de la propagacin de errores de redondeo

Matrices Dispersas:
- LU, MEG y Cholesky producen el defecto de llenado (fill-in), es decir se crean entradas no nulas
donde antes haban ceros.
- Consecuencias:
o Aumento del nmero de flop
o Aumento del error de redondeo
o Aumento en las necesidades de memoria, lo que podra imposibilitar la resolucin del
sistema, mediante LU, MEG o Cholesky.

Claudio Maldonado Parra, Ingeniera Civil en Telecomunicaciones, UdeC

2

Mtodos iterativos:
- Convergencia:
o La sucesin {
()
} converge a la solucin de () , siendo M la matriz de
iteracin.
- Mtodo de Jacobi: Converge si y slo si la matriz del sistema (A) es diagonal dominante estricta:
|

| |

- Mtodo de Gauss-Seidel: Si A es simtrica y definida positiva, el mtodo converge.
- Observaciones:
o Para una matriz arbitraria A, la convergencia de uno de estos mtodos no implica la
convergencia del otro.
o Aunque A sea simtrica y definida positiva, el mtodo de Jacobi puede ser divergente.

- Mtodo del Mximo descenso: Este mtodo converge con una matriz simtrica y definida positiva
para cualquier vector inicial, su velocidad de convergencia depende del Nmero de condicin de la
Matriz A:
o

()
o

()

- Gradiente conjugado: Este mtodo converge con una matriz simtrica y definida positiva para
cualquier vector inicial en a lo ms n pasos (n = dimensin de la matriz), su velocidad de
convergencia tambin depende de la condicin de la matriz, de igual manera que el mximo
descenso. Debido a los errores de redondeo, pueden requerirse ms de n pasos.

- Gradiente conjugado precondicionado:
o Precondicionador de Jacobi: Consiste en tomar P como la diagonal de A
(), este precondicionador es efectivo cuando la Matriz A es simtrica, definida
positiva y con elementos diagonales muy distintos.
o Precondicionador de Cholesky incompleto: se toma

donde (

) se obtiene
aplicando el algoritmo del mtodo de Cholesky pero solo para las entradas

tales que

para las restantes, se toma

Mnimos Cuadrados: dado un conjunto de puntos (

) (

) nos proponemos encontrar un

polinomio de grado menor que la cantidad de puntos del conjunto tal que:
|(

Al pasar a ecuaciones normales, se podra llegar a una matriz cuadrada, en este caso

es Simtrica y
definida positiva, por lo que podra aplicarse el mtodo de Cholesky.

Inconveniente: generalmente el condicionamiento de la matriz

es malo, lo que genera gran

sensibilidad con respecto a errores de redondeo.
Solucin: factorizacin QR donde Q es una matriz ortogonal y R es una triangular superior, se pueden
construir por Gram-Schmidt, pero este mtodo es inestable, propaga mucho los errores, por lo tanto MATLAB
Claudio Maldonado Parra, Ingeniera Civil en Telecomunicaciones, UdeC

3
utiliza las transformaciones de Householder.
Interpolacin: Se trata de encontrar un polinomio que ajuste a una funcin en un conjunto finito de
puntos, entonces el polinomio se llama interpolante o se dice que interpola a f.

Polinomio de Lagrange: se utiliza para interpolar un conjunto de puntos sin necesidad de resolver un
sistema de ecuaciones. (f(x
i
)=y
i
)

() (

) {




Luego: ()

()

()

()

Error:
() () (

()

) (

)
( )

()
(

)

Fenmeno de Runge: se produce cuando se realiza una interpolacin un un gran valor de n con puntos

equiespaciados. Consiste en grandes oscilaciones del polinomio entre los puntos consecutivos del
intervalo de interpolacin, especialmente en los extremos.

Spline Cbicas: dados puntos (

) (

Una funcin es
una interpolante spline cbica en

, si existen polinomios

de grado a lo ms 3, tales
que:
()

()

)

Spline Cbica Natural:
Una Spline cbica de interpolacin se denomina Spline cbica natural si: