Condicionamiento Curso 2016-17 1 Resolución numérica de problemas Aspectos a tener en cuenta: Condicionamiento del Problema: Teorı́a de perturbacioón. Efectos de los errores de redondeo: Estabilidad. Análisis de la velocidad de los algoritmos: número de flops. 2 Problemas bien y mal condicionados Un problema en una función entre espacios normados f : R → R x ; x2 Problema bien condicionado: pequeñas modificaciones en x producen pequeñas modificaciones en f (x). Problema mal condicionado: pequeñas modificaciones en x producen grandes modificaciones en f (x) 3 Números de condición Número de condición absoluto.κ̂(x). Razón entre el error absoluto de la solución y el error absoluto del dato: kf (x + δx) − f (x)k κ̂(x) := lı́m sup . δ→0 kδxk≤δ kδxk Número de condición relativo: κ(x). Razón entre el error relativo de la solución y el error relativo del dato: kf (x + δx) − f (x)k kδxk κ(x) := lı́m sup δ→0 kδxk≤δ kf (x)k kxk Si f es diferenciable: kf (x + δx) − f (x)k ≈ kf 0 (x)k = κ̂(x). kδxk kf (x + δx) − f (x)k kδxk kf 0 (x)k kxk ≈ = κ(x). kf (x)k kxk kf (x)k 4 Ejemplos 1 Para x ∈ R calcular x : 2 κ(x) = 1 2 Para x ∈ R+ calcular √ x: 1 κ(x) = . 2 3 Para x1 , x2 ∈ R calcular x1 − x2 : κ∞ = máx{|x1 |, |x2 |}(|x1 | + |x2 |) . |x1 − x2 | 5 Número de condición del producto de matrices y vectores Dada A ∈ Fm×n , calcular Ax para x ∈ Fn×1 n m n X P aij xj f (x) = Ax = ⇒ fi (x) = aij xj , i = 1, 2, . . . m. j=1 i=1 j=1 ∂fi = aij ⇒ f 0 (x) = A. ∂xj kAk kxk kf 0 (x)k = κ= kf (x)k/kxk kAxk kAxk Como kAk := máx , x6=0 kxk kAxk ≤ kAk kxk ⇒ κ ≥ 1. Si A es cuadrada y no singular : x = A−1 Ax kxk = kA−1 Axk ≤ kA−1 k kAxk ⇒ κ ≤ kAk kA−1 k. 6 Número de condición de una matriz Problema: Dada A ∈ Gln (F), resolver Ax = b para b ∈ Fn : f (b) = A−1 b κ = kA−1 k kbk ≤ kA−1 k kAk = kAk kA−1 k. −1 kA bk Definición Si A ∈ Gln (F), kAk kA−1 k recibe el nombre de número de condición de la matriz A y se denota por κ(A). Cumple que κ(A) ≥ 1, y si κ(A) es un número próximo a 1 se dice que A es una matriz bien condicionada; y si es mucho mayor que 1, que es mal condicionada. Depende de la norma de matriz. σ1 κ2 (A) = kAk2 kA−1 k2 = . σn Si A singular: σn = 0 y κ =00 ∞00 : A muy mal condicionada. 7 Condicionamiento y singularidad A puede tener determinante casi cero y estar muy bien condicionada: −7 −10 10 10 A= −10 10 10−7 σ2 = 0,0999 · 10−6 , σ1 = 0,1001 · 10−6 σ1 κ2 (A) = = 1,00200200200200 σn Para A ∈ Fm×n , m ≥ n κ(A) = kAk kA† k y κ2 (A) = σ1 σn Si U es unitaria: σ1 = · · · = σn = 1 ⇒ κ2 (U) = 1. 8 Condicionamiento de los sistemas lineales Teorema Sea b ∈ Fn un vector no nulo y consideremos el problema de hallar la solución del sistema Ax = b para A ∈ Gln (F). El número de condición de este problema es κ = kAk kA−1 k = κ(A). f : Gln (F) → Fn A ; x = A−1 b Recordemos: Gln (F) es un conjunto abierto de Fn×n . Corolario Si A ∈ Fn×n es no singular 1 kδAk2 = mı́n : A + δA singular . κ2 (A) kAk2 9