TALLER DE

ANLISIS
NUMRICO
Norma de frobenius, norma espectral,
Polinomio caracterstico, radio
espectral, mtodo de jacobi, mtodo de
gauss Seidel, Criterio de
Convergencia, Polinomio de Taylor.

JOSE L. ALTAFULLA BORNACHERA,

JAVIER A. CONTRERAS ARISTIZABAL,
WILMER DELGADO QUINTANA, GRACE
PAOLA GIL CONSUEGRA.
23/04/2012
 UNIVERSIDAD DEL MAGDALENA
12
20
TALLER DE ANLISIS NUMRICO

REALIZADO POR:

JOSE L. ALTAFULLA BORNACHERA

JAVIER A. CONTRERAS ARISTIZABAL

WILMER DELGADO QUINTANA

GRACE P. GIL CONSUEGRA

ENTREGADO A:

ING. LEIDER E. SALCEDO GARCIA

GRUPO 2

UNIVERSIDAD DEL MAGDALENA

FACULTAD DE INGENIERIA

SANTA MARTA 2012

TALLER

19
 UNIVERSIDAD DEL MAGDALENA
12
20
1. Para cada una de las siguientes matrices determine P A () ,
los valores caractersticas de A y ( ) .

[ ]
1 3 3
a) A= 3 5 3
6 6 4

P A ( ) =det [ AI ]

[ ][ ][ ]
1 3 3 0 0 (1) 3 3
A I = 3 5 3 0 0 = 3 (5) 3
6 6 4 0 0 6 6 (4 )

det [ A I ] =
( 1 ) [ (5 )( 4 ) ( 3 ) (6 ) ]+3 [ ( 3 ) ( 4 )( 3 ) ( 6 ) ] +3 [( 3 ) (6 )( 6 34 eberjasticossvaloresquedebetomard

( 1 ) [2+ + 2 ] + 3 [3 6 ] + 3[12+ 6 ]

= 2 + 2 3 2+ 2 9 18+18 +36

= 3 +12 +16 Polinomio Carasteristico

3 12 16=0

1 0 12 16 2
2 4 16

1 2 8 0 +2

( +2 ) ( 22 8)=0

(+2)(4 )( +2)=0

1=2 , 2=4, 3=2

{|1|,| 2|,|3|}= max {|2|,|4|,|2|}

( A )=max

( A )=4 Radio Espectral

19
 UNIVERSIDAD DEL MAGDALENA
12
20

[ ]
1+ d 1 1
b) A= 1 1+d 1
1 1 1+ d

P A ( ) =det [ AI ]

[ ][ ]
1+d 1 1 0 0
A I = 1 1+ d 1 0 0
1 1 1+d 0 0

[ ]
1+d 1 1
1 1+ d 1
1 1 1+ d

[ ]
m 1 1
A I = 1 m 1 Haciendo m=(1+ d)
1 1 m
det [ A I ] =( m ) [ m21 ] 1 [ m1 ] +1[1m]
3
m mm+1+1m

Polinomio Carasteristico
m33 m+ 2

3
m 3 m+2=0

1 0 3 2 1
1 1 2

1 1 2 0 m1

( m1 ) ( m2+ m2 )=0

(m1)(m+ 2)(m1)=0

( m1 )=0 ( m+ 2 )=0

1+d1=0 1+d +2=0

=d =d +3

19
 UNIVERSIDAD DEL MAGDALENA
12
20

{|1|,| 2|,|3|}= max {|d|,|d +3|,|d|}

( A )=max
( A )=|d+ 3|, Si d> 0 Radio Espectral

[ ]
d 1 1
c) A= 1 d 1
1 1 d

P A ( ) =det [ AI ]

[ ][ ][ ]
d 1 1 0 0 (d ) 1 1
A I = 1 d 1 0 0 = 1 (d) 1
1 1 d 0 0 1 1 (d)

[ ]
m 1 1
A I = 1 m 1 Haciendo m=(d)
1 1 m

det [ A I ] =( m ) [ m21 ] +1 [m1 ]1 [1+m]

m3mm11m
m33 m2 PolinomioCarasteristico

m33 m2=0

1 0 3 2 1
1 1 2

1 1 2 0 m+ 1

( m+ 1 ) (m2m2)=0
(m+1)(m2)(m+1)=0
(d +1)(d2)(d+ 1)=0

1=d+ 1, 2=d2, 3 =d +1

{|1|,| 2|,|3|}= max {|d+ 1| ,|d2|,|d +1|}

( A ) =max
( A )=|d+ 1| , Sid >0 |d2|, Sid 0 Radio Espectral

19
UNIVERSIDAD DEL MAGDALENA
12
20

19
 UNIVERSIDAD DEL MAGDALENA
12
20

2. Dada la siguiente matriz:

[ ]
1 1 0
A= 1 2 1
0 1 1

Verifique que se cumple cada una de las siguientes

desigualdades:

a) P(A)llAII2

[ ]
2 1 0
PA ( )=det 1 2 1
0 1 1

(1- ) det [ 2 1
1 1 ] -(-1) det [ 1 1
0 1 ]
PA ( )= 3 4 2+ 3
PA ( )=0
3 4 2+ 3 =0

Por divisin sinttica tenemos que:

2
3
( -3)=0

1 =3 =1
2 =0 valores caractersticos
3

(A)= Max { 3,1,0 }

Max =3

Para A2 : ( A T
A)

19
 UNIVERSIDAD DEL MAGDALENA
12
20

[ ]
1 1 0
T
A = 1 2 1
0 1 1

[ ]
1 1 0
A= 1 2 1
0 1 1

[ ]
2 3 1
AT A = 3 6 3
1 3 2

A T A()=det (A T A( ) I )

[ ]
2 3 1
T
A A ( ) = det 3 6 3
1 3 2

(2- ) det [ 6 3
3 2 ] + (3) det [ 3 3
1 2 ] + (1) det

[ 3 6
1 3 ]
A ( ) = - 3 10 2 +9 =0

Realizando divisin sinttica obtenemos que:

2 -9
( 9 ) =0
1=9 2=0 3=1

P(A)= MAX { 9,1,0 }

MAX =9

A2 = 9
A2 =3

Lo cual llegamos a concluir como cierta esta desigualdad:

P(A) A2
33 se cumple

b) A2 = A1 . A

19
 UNIVERSIDAD DEL MAGDALENA
12
20
3
A1 = Max { I a ij I }
I :1

3 3 3
Max { I a i1 I , { I ai 2 I }, { I ai 3 I }}
i: 1 i :1 i :1

Max {2, 4,2}

Max=4
3
A = Max { I a ij I }
j:1

3 3 3
Max { I a 1 j I ,{ I a 2 j }, { I a3 j I }}
j:1 j:1 j:1

Max {2, 4,2}

Max=4

Tenemos entonces que de igual forma que la anterior se cumple:

A2 = A1 . A
3 16
34 si se cumple

3. Aplique el mtodo iterativo de jacobi para resolver el

sistema:

5 x1x 2 + x 3=10
2 x 1 +8 x 2x 3=11
x 1 + x 2+ 4 x 3=3

Use como vector inicial x (0)= 0,0,0 y consigne los resultados en la

siguiente tabla:

Concluya con base en los resultados obtenidos cul es la solucin

x exacta del sistema y determine EA= X X 12

Trabaje con 5 dgitos de precisin.

19
 UNIVERSIDAD DEL MAGDALENA
12
20
1 1
x 1=2+ x 2 x3
5 5
11 1 1
x 2= x + x 3
8 4 1 8
3 1 1
x 3 = + x x2
4 4 1 4

Su frmula de iteracin, a consecuencia sera:

(k+1 ) 1 k 1 k
x1 =2+ x 2 x 3
5 5
(k+1 ) 11 1 k 1 k
x 2 = x1 + x3
8 4 8
(k+1 ) 3 1 k 1 k
x 3 = + x 1 x 2
4 4 4

Ahora vamos a empezar a tabular en cada iteracin de la siguiente

manera:

ITERACIN 1 (ITERACIN INICIAL) [k = 1]:

1 (0 ) 1 (0) 1 1
x(1)
1 =2+ x 2 x 3 x (11 )=2+ ( 0 ) ( 0 ) x(1)
1 =2
5 5 5 5
11 1 (0) 1 (0) 11 1 1
x(1)
2 = x 1 + x 3 x(1) 2 = ( 0 )+ ( 0 ) x (1)
2 =1.375
8 4 8 8 4 8
(1) 3 1 (0 ) 1 (0) (1 ) 3 1 1 (1)
x 3 = + x 1 x 2 x 3 = + ( 0 ) ( 0 ) x 3 =0.75
4 4 4 4 4 4

ITERACIN 2 [k = 2]:

(2) 1 (1 ) 1 (1) (2) 1 1 (2 )

x 1 =2+ x 2 x 3 x 1 =2+ ( 1.375 ) ( 0.75 ) x 1 =2.125
5 5 5 5
11 1 (1) 1 (1 ) 11 1 1
x 2 = x 1 + x 3 x2 = ( 2 ) + ( 0.75 ) x (22 )=0.96875
(2) (2)
8 4 8 8 4 8
3 1 (1 ) 1 (1) 3 1 1
x 3 = + x 1 x 2 x 3 = + ( 2 ) ( 1.375 ) x(2)
(2) (2)
3 =0.90625
4 4 4 4 4 4

ITERACIN 3 [k = 3]:

1 (2 ) 1 (2) 1 1
x(3)
1 =2+ x 2 x 3 x (31 )=2+ ( 0.96875 ) ( 0.90625 ) x(3)
1
5 5 5 5
x(3)
1 =2.0125
11 1 (2) 1 (2) 11 1 1
x(3)
2 = x 1 + x 3 x(3) 2 =2.0125= ( 2.125 ) + ( 0.90625 )
8 4 8 8 4 8
(3)
x 2 =0.95703125

19
 UNIVERSIDAD DEL MAGDALENA
12
20
(3) 3 1 (2) 1 (2) (3) 3 1 1
x 3 = + x 1 x 2 x 3 = + ( 2.125 ) ( 0.96875 )
4 4 4 4 4 4
(3)
x 3 =1.0390625

ITERACIN 4 [k = 4]:

(4 ) 1 (3) 1 (3) (4 ) 1 1
x 1 =2+ x 2 x 3 x 1 =2+ ( 0.95703125 ) (1.0390625 )
5 5 5 5
(4 )
x 1 =1.98359375
11 1 1 (3) 11 1 1
x(42 )= x(3) 1 + x 3 x (4)
2 = ( 2.0125 ) + (1.0390625 )
8 4 8 8 4 8
x(42 )=1.00175781
3 1 1 (3 ) 3 1 1
x(43 )= + x(3) (4 )
1 x2 x3 = + ( 2.0125 ) ( 0.95703125 )
4 4 4 4 4 4
(4 )
x 3 =1.01386719

ITERACIN 5 [k = 5]:

1 (4) 1 (4) 1 1
x(5)
1 =2+ x 2 x 3 x (51 )=2+ ( 1.00175781 ) ( 1.01386719 )
5 5 5 5
(5)
x 1 =1.99757812
(5) 11 1 (4 ) 1 (4 ) (5) 11 1 1
x 2 = x 1 + x 3 x 2 = ( 1.98359375 ) + ( 1.01386719 )
8 4 8 8 4 8
(5)
x 2 =1.00583496
3 1 (4) 1 (4) 3 1 1
x(5)
3 = + x x x (53 )= + ( 1.98359375 ) ( 1.00175781 )
4 4 1 4 2 4 4 4
(5)
x 3 =0.99545899

DE IGUAL FORMA ITERAMOS HASTA [K=12]

Y OBTENEMOS:

k x(k+1
1
)
x(k+1
2
)
x(k+1
3
)

1 2.00000 1.37500 0.75000

2 2.12500 0.96875 0.90625

3 2.01250 0.95703 1.03906

4 1.98359 1.00175 1.01386

19
 UNIVERSIDAD DEL MAGDALENA
12
20
5 1.99757 1.00583 0.99545

6 2.00208 1.00003 0.99794

7 2.00042 0.99922 1.00051

8 1.99974 0.99995 1.00030

9 1.99993 1.00010 0.99995

10 2.00003 1.00001 0.99995

11 2.00001 0.99998 1.00001

12 2.00000 1.00000 1.00000

EA=II0.00003; 0.00001,-0,00005II

= [0.00005]

4. Aplique el mtodo iterativo de Gauss Seidel para resolver

el sistema:

4 x 1 +3 x 2+ 0 x 3=24
3 x1 + 4 x 2x 3=30
0 x 1x 2+ 4 x 3=24

Cuya solucin exacta es x= 3,4,5 . Use como vector inicial

x(0)= 1,1,1 y consigne los resultados en la siguiente tabla.

k (k+1 )
x1
(k+1 )
x2
(k+1 )
x3 xx (k +1)2
1 5.25000 3.81250 -5.04688 2.25829

2 3.14063 3.88281 - 5.02930 0.18538

3 3.08789 3.92675 -5.01831 0.11587

4 3.05494 3.95422 -5.01144 0.07242

5 3.03433 3.97139 -5.00715 0.04526

6 3.02146 3.98212 -5.00447 0.02829

7 3.01341 3.98882 -5.00279 0.01768

19
 UNIVERSIDAD DEL MAGDALENA
12
20
8 3.00838 3.99301 -5.00175 0.01105

9 3.00524 3.99563 -5.00109 0.00691

10 3.00328 3.99727 -5.00068 0.00432

Trabaje con 5 dgitos de precisin.

5. para la norma de frobenius pruebe que:

A. AF 0
B. AF =0 A=0
k AF
C. kAF = k

A.

[ ]
n m
1/2
AF = a ij
i=1 i=1

aij 0 ij

Por tanto
n m

aij 2
0
i=1 i=1

AF 0

B.
n m
Si AF = 0 aij 2
=0
i=1 i=1

m
Esto solo se da a ij 2
=0
i=1

Y esto solo se da aij = 0 ij

Es decir aij = 0 A = 0

Si A = 0 aij = 0 ij

aij2 = 0

19
 UNIVERSIDAD DEL MAGDALENA
12
20
m
a ij
2
=0
i=1

n m
a ij
2
=0
i=1 i=1

AF = 0

C.

ka


m
kAf = [ ij )2]1/2
i=1
n

i=1

n m
=[ k 2
aij2 ]1/2
i=1 i=1

n m
=[ k ( 2
a ij
2
) ]1/2
i=1 i=1

n m
=(k ) 2 1/2
[ a ij
2
]1/2
i=1 i=1

=
k A f

6. Considere el siguiente sistema:

x 1+ax 2=1

x 1+ x 2+ x 3=1

bx 2+ x 3=1

Pruebe que:

19
 UNIVERSIDAD DEL MAGDALENA
12
20
La convergencia del mtodo de Jacobi para este sistema
requiere que (TJ)= a+b <1
La convergencia del mtodo de Gauss-Seidel para este
sistema requiere que (TG)= |a+ b| <1

Solucin;

1 a 0 0 0 0 1 0 0
A = 1 1 1 = AL= 1 0 0 AD= 0 1 0 AU=
0 b 1 0 b 0 0 0 1
0 a 0
0 0 1
0 0 0

1 0 0 0 a 0
AD 1= 0 1 0 ; AL+ AU = 1 0 1
0 0 1 0 b 0

Resolviendo al multiplicacin de la matriz

0 a 0
1
AD ( AL+ AU )=1 0 1 = TJ
0 b 0

[ ][ ]
0 a 0 1 0 0
Ahora hallamos TJ I = 1 0 1 0 1 0
0 b 0 0 0 1

[ ][ ]
0 a 0 0 0
TJ I = 1 0 1 0 0
0 b 0 0 0

[ ]
a 0
TJ I = 1 1
0 b

Ahora se resuelve el determinante.

[
det 1
b ] [
(a)det 1 1
0 ] [
+0 1
0 b ]
19
 UNIVERSIDAD DEL MAGDALENA
12
20

[ 2b ]+ a [ +0 ] +0

El polinomio caracterstico PTJ

3 +b + a

Sus valores caractersticos son;

3
+b + a=0

( 2+ b+a)=0


2
=0 ^ ( 2+b+ a)=0 Por tanto =ba multiplicando por

-1 2=a+b
= a+ b

=0,+ a+b , a+b

Por tanto el radio espectral P (TJ) es;

P (TJ )=max {|0| ,| a+ b|,| a+b|}

P (TJ )=max {0, a+b , a+b }

P (TJ )= a+ b

P (TJ )= a+ b 1

Ahora para probar la convergencia con Gauss Seiddel

Solucin;

1 a 0 0 0 0 1 0 0
A = 1 1 1 = AL= 1 0 0 AD= 0 1 0 AU=
0 b 1 0 b 0 0 0 1
0 a 0
0 0 1
0 0 0

19
 UNIVERSIDAD DEL MAGDALENA
12
20
1 0 0
AL+ AD = 1 1 0
0 b 1

Ahora hallamos la inversa de AL+ AD

1 0 01 0 0
( AL+ AD)1 = 1 1 00 1 0
0 b 10 0 1

1 0 0 1 0 0
F 2=F 1+ F 2 0 1 0 1 1 0
0 b 1 0 0 1

1 0 0 1 0 0
F 3=bF 2+ F 3 0 1 0 1 1 0
0 0 1 b b 1

1 0 0 1 0 0
( AL+ AD)1=1 1 0 ( AL+ AD)1= 1 1 0
b b 1 b b 1

[ ][ ]
1 0 0 0 a 0
1
( AL+ AD) AU = 1 1 0 0 0 1
b b 1 0 0 0

[ ]
0 a 0
1
( AL+ AD ) AU = 0 a 1 =TG
0 ab b

Para hallar el polinomio caracterstico resolvemos TG I

19
 UNIVERSIDAD DEL MAGDALENA
12
20

[ ][ ]
0 a 0 1 0 0
TG I = 0 a 1 0 1 0
0 ab b 0 0 1

[ ][ ]
0 a 0 0 0
TG I = 0 a 1 0 0
0 ab b 0 0

[ ]
a 0
TG I = 0 a 1
0 ab b

Resolviendo el determinante 3*3

[ ] [
det a 1 + adet 0 1 + 0 0 a
ab b 0 b 0 ab ] [ ]
[ ( a )( b )ab ] + a [ 0 ] + 0

( a ) ( b ) +ab
[ ] ; ab+a 2 +b 23 + ab

El polinomio caracterstico es;

a 2 +b 23

Ahora igualamos a cero para hallar los valores caractersticos

2 2 3
a +b =0

a+b

2=0 por tanto =0,0

( a+b )=0 ; =a+b

19
 UNIVERSIDAD DEL MAGDALENA
12
20
El radio espectral es

P (TG ) =max {|0|,|0|,|(a+b)|}

P (TG ) =max {0,0,(a+b) }

P (TG ) =a+b

P (TJ )=a+ b 1

7.

19
 UNIVERSIDAD DEL MAGDALENA
12
20

Con ( A ) = A2=8
8. sea Ax = B un sistema de ecuaciones lineales cuya
solucin exacta es X. si x es una aproximacin a X, se
define el vector residual r como el vector :

r= b- A x

si x es una aproximacin a la solucin x del sistema Ax = b

y A es una matriz invertible, pruebe que:

x- x A-1r

Si AX-b
A-1 AX = A-1b
IX = A-1b
X = A-1b y la solucin existe entonces

19
 UNIVERSIDAD DEL MAGDALENA
12
20
X-A-1b
X- x = A-1 b- x
A(X- x = A (A-1 b- x
A(X- x = A A-1 b - A x
A(X- x = b - A x
A(X- x = r
A-1 A(X- x = A-1 r
(X- x = A-1 r
x- x = A-1r A-1r

9. Dada la siguiente matriz:

[
A= a b , donde >0
a+ b ]
Pruebe que si b 0 y 0, entonces usando la norma F (norma de
Frobenius), tenemos que:
2 2 2
2a +2 b +2 a+
Con(A )=
b
1
AF =[ ( a2 + (b )2 ) + ( ( a+ )2 + (b )2 ) ] 2
1
2 2 2 2 2
AF =[ ( a + b ) + ( a+ ) +b ]
1
2 2 2 2
AF =[2 a +2 b +2 a+ ]

det ( A )=ab+b ( a+ )

det ( A )=ab+ab +b

det ( A )=b

A1=
1
[b b
b ( a+ ) a ]

[ ]
1 1

A1=
( a+ ) a
b b

19
 UNIVERSIDAD DEL MAGDALENA
12
20
1
A1F = 1 [2 a2 +2 b2 +2 a+2 ]2
1
* [2 a 2+2 b2 +2 a+ 2 ] 2
b

2 2 2
2a +2 b +2 a+
Con(A )=
b

19