Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 60 vistas

    Factorizacion de Cholesky

    Cargado por

    Guadalupe Monroy Hernández
    Este documento presenta el método de Cholesky para resolver sistemas de ecuaciones lineales Ax=b. Primero descompone la matriz simétrica y definida positiva A en las matrices triangulares inferiores L y Lt. Luego resuelve el sistema en dos etapas: resolviendo Ly=b y Lty=x. Finalmente calcula el error de la solución respecto a la obtenida directamente con A.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Factorizacion de Cholesky

    Cargado por

    Guadalupe Monroy Hernández
    60 vistas2 páginas
    Este documento presenta el método de Cholesky para resolver sistemas de ecuaciones lineales Ax=b. Primero descompone la matriz simétrica y definida positiva A en las matrices triangulares inferiores L y Lt. Luego resuelve el sistema en dos etapas: resolviendo Ly=b y Lty=x. Finalmente calcula el error de la solución respecto a la obtenida directamente con A.

    Título original

    Factorizacion de cholesky

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta el método de Cholesky para resolver sistemas de ecuaciones lineales Ax=b. Primero descompone la matriz simétrica y definida positiva A en las matrices triangulares inferiores L y Lt. Luego resuelve el sistema en dos etapas: resolviendo Ly=b y Lty=x. Finalmente calcula el error de la solución respecto a la obtenida directamente con A.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    60 vistas2 páginas

    Factorizacion de Cholesky

    Cargado por

    Guadalupe Monroy Hernández
    Este documento presenta el método de Cholesky para resolver sistemas de ecuaciones lineales Ax=b. Primero descompone la matriz simétrica y definida positiva A en las matrices triangulares inferiores L y Lt. Luego resuelve el sistema en dos etapas: resolviendo Ly=b y Lty=x. Finalmente calcula el error de la solución respecto a la obtenida directamente con A.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 2

    # Librería numpy

    import numpy as np
    from time import*
    import math

    def metodoCholesky(A,b,n):

    # Creamos matriz nula G


    G = [[0.0]*n]*n

    # Creamos matriz nula GT


    for i in range(n):
    suma = A[i][i]
    for k in range(i):
    suma = suma - A[k][i]**2
    if suma < 0: # No es definida positiva
    return ["NULL","NULL"]
    A[i][i] = math.sqrt(suma)
    for j in range(i+1, n):
    suma = A[i][j]
    for k in range(i):
    suma = suma - A[k][i]*A[k][j]
    A[i][j] = suma / A[i][i]

    for j in range(n):
    for i in range(n):
    if(i > j):
    A[i][j] = 0.0
    Gt = A
    G = np.transpose(Gt)

    print ('\nMatriz G:')


    print(G)

    print ('\nMatriz G transpuesta:')


    print(Gt)

    return G,Gt

    print('MÉTODO DE CHOLESKY SIN PIVOTEO',end="\n\n")

    print("Este método descompone la matriz A en las matrices L y Lt para encontrar de manera mas sen

    # Inserta el rango de la matriz A


    n = int(input('Ingrese orden de la matriz A: '))

    '''
    Este algoritmo se aplica a una matriz simétrica definida positiva, esta puede ser descompuesta co
    triangular inferior y la traspuesta de la matriz triangular inferior. La matriz triangular inferi
    de la matriz original positiva definida.

    '''

    A=[]
    L=[]
    b=[]
    y=[]
    x=[]
    m = 0
    band = True

    1
    for i in range(n):
    A.append([])
    L.append([])
    x.append(0)
    y.append(0)
    b.append(0)
    for j in range(n):
    A[i].append(0)
    L[i].append(0)

    # Matriz a usar:
    A = np.array([[4,-1,0],
    [-1,4,-1],
    [0,-1,4]],float)

    # Copiar la matriz A aqui con el nombre Ap:


    Ap = np.array([[4,-1,0],
    [-1,4,-1],
    [0,-1,4]],float)

    # Coloca el vector solución b


    b=np.array([1,0,0],float)

    np.linalg.cholesky(A)

    print ('Matriz A:')


    print(A)

    print ('Vector b:')


    print(b)

    G, Gt = metodoCholesky(A,b,n)

    y = np.array(y,float)
    x = np.array(x,float)

    print("\nPrimero, resolvemos L * y = b:")


    y = np.linalg.solve(G,b)
    print("La solución de 'y' es:\n" +str(y.round(7)))

    print("\nLuego desarrollamos Lt * x = y:")


    x = np.linalg.solve(Gt,y)
    print("La solución de 'x' es: \n"+str(x.round(7)))

    R = x - np.linalg.solve(Ap,b)

    print("\nLa calidad de la solución es:\n")


    print(str((np.linalg.norm(R,np.inf)/np.linalg.norm(b,np.inf))*(1/np.linalg.cond(Ap,np.inf)))+" ≤

    También podría gustarte