Professional Documents
Culture Documents
Gustavo Sazo S.
An
alisis Numerico (MAT270)
Departamento de Electr
onica, Universidad Tecnica Federico Santa Mara
2014
1.
1.1.
1.3.
Representaci
on en punto flotante
normalizado
Cij =
x = 0 . a1 a2 . . . at 10b
Donde,
t: Cantidad de dgitos que tienes la mantisa
d: Cantidad de dgitos que tiene el exponente
b: Exponente
2.
2.1.
at+1 < 5
at+1 5
Ecuaciones no lineales
|rd(x) x|
|x|
Teorema
1) |rd(x) x| 0. 5 10bt
2)
M
etodo de la bisecci
on
xi fj
(x)
yj xi
Estimaci
on del error
Redondear a t dgitos significativos
0 . a1 . . . at . . . 10b
rd(x) =
(0 . a1 . . . at . . . + 10t ) 10b
Buen condicionamiento
|rd(x) x|
5 10t
|x|
N
umero de precisi
on de la m
aquina
B
EP S =
B t
2
Donde B es la base del sistema.
M
etodo de Newton
1.2.
Aritm
etica flotante
3.
Figura 1: Metodo de Newton
Donde,
xn+1 : corte con el eje x de la recta tangente a f por
P (xn , f (xn ).
xn+1 = xn
3.1.
M
etodo de Bailey
2) A matriz sim
etrica
Sea L una matriz invertible, triangular superior
A = L LT
f (xn )
f 0 (xn )
= xn
f (xn ) f 00 (xn )
1
2(f 0 (xn ))2
AT = (L LT )T = L LT = A
Sea el sistema A X = b, la solucion se obtiene de la
siguiente manera:
I) AX = b
II) (L LT )X = b
III) L(LT X) = b
LY = b
IV)
LT X = Y
Punto fijo
2.2.
M
etodos directos
n
X
1
bn
xi =
bi
aij xj
xn =
ann
aii
j=i+1
f (xn )
f 0 (xn )
xn+1
Sistemas Lineales
Sistemas no lineales
3.2.
~ x) F~ (~x) = 0
F~ (~x) = ~0 H(~
~ x) F~ (~x) = ~x
~x + H(~
M
etodo de Cholesky para matrices
sim
etricas
A matriz simetrica definida positiva Existe L triangular inferior invertible, de modo que A = L LT
~ x) = ~x
G(~
F
ormulas para L
1) Si ~x = ~s es la soluci
on y ||JG
s)|| < 1, donde
~ (~
gi
JG
~ =
xj
L=
L11
L21
..
.
0
L22
...
...
0
0
L11 = a11
ai1
L
11
R esima
A = L LT
q columna
Pr1
Pr1
1
Lkr =
akr j=1 Lrj Lkj
Lrr
3.3.
M
etodo LU o de Gauss
1
0 0
m21 1 0
M (1) = m31 0 1
..
.. ..
.
. .
mn1
En general se logra, para
a11
a12
0 a22 (2)
.
..
..
.
0
A(r) = 0
0
0
..
..
.
.
0
0
i = 2, . . . , n
...
...
...
..
.
0
0
0
..
.
...
AX = b P AX = P b
LU X = P b
LZ = P b
UX = Z
r < n:
M
etodo LU por pivote total
...
...
..
...
...
a1n
(2)
a2n
..
.
...
...
arrn
(r)
ar+1,n
...
(r)
arr
(r)
ar+1,r
..
.
(r)
. . . an,r
...
...
..
.
...
(r)
ann
AX = b P AX = P b
(r)
P AQQ1 X = P b
(r)
Factores de eliminaci
on: mir =
M (r)
...
..
.
air
(r)
arr
...
...
..
.
mr+1,r
..
.
mn,r
(1) 1
(M
(2) 1
. . . (M
LU Q1 X = P b
LZ = P b
UY = Z
1
Q X=Y
LZ = P b
UY = Z
X = QY
i = r + 1, . . . , n
... 0
..
.
... 0
..
.
.
..
. ..
1
(T riangular superior)
(n1) 1
U = LU
con
L=
3.4.
1
m21
..
.
0
1
..
.
...
...
..
.
0
0
..
.
mn1
mn2
...
M
etodos num
ericamente estables
M
etodo LU por pivote parcial
Se busca el pivote en la columna, el n
umero mas grande
en valor absoluto.
Se intercambian filas para ubicar el pivote en la posicion
correcta, eso provocar
a un cambio en los multiplicadores.
3