def test_Bloqs20matricesDim3():
'''
Evalúa 20 veces el algoritmo de factorización PLU y por bloques para
matrices aleatorias de hata de dimensión 10^3 x 10^3
'''
np.random.seed(3338014) # semilla para replicabilidad de las pruebas
print(
"* Evalúa PLU por blñoques para 10 matrices hasta de tamaó 10^3x10^3")
eps = 1.0E-8 # para definir la precisión a 8 dígitos
n_veces = 20
dim_lim_inf = 2
dim_lim_sup = 10**3
ents_lim_sup = 10000
for i in range(1, n_veces + 1):
A, dim_mat = rv.crea_matrices(dim_lim_inf, dim_lim_sup, ents_lim_sup)
# se realiza la multiplicación de A con x_real para obtener el lado derecho del SEL
X = np.round(np.random.normal(dim_lim_inf, dim_lim_sup, dim_mat), 2)
# computa B
B = A @ X
try:
X_algo = plu_functions.solve_blocks(A, B)
if np.allclose(X, X_algo):
print("algoritmo computado correctamente")
else:
print("algoritmo computado con baja precisión")
captured = capsys.readouterr()
assert captured.out == "Repetición terminado\n"
except:
print("matriz singular")
def test_comparaSciPyPLU_10Matrices():
'''
Evalúa la factorización PLU para 10 matrices cuadradas aleatorias con
dimensión entre 2x2 y (10^2)x(10^2).
Compara los elementos P, L, y U de la factorización asociada obtenidos con
la librería SciPy y con la librería creada para este ejercicio.
Evalúa que la diferencia de cada elemento de cada una de dichas matrices no
sea mayor a "eps".
'''
np.random.seed(3338014) # semilla para replicabilidad de las pruebas
print(
"* Evalúa 10 veces el algoritmo de factorización PLU para matrices hasta de 10^2x10^2"
)
eps = 1.0E-8 # para definir la precisión a 8 dígitos
n = 10
dim_lim_inf = 3
dim_lim_sup = 10**3
ents_lim_sup = 10000
# crea matrices aleatorias
for i in range(1, n + 1):
mat, _ = rv.crea_matrices(dim_lim_inf, dim_lim_sup, ents_lim_sup)
# prueba el algoritmo PLU
P, L, U = plu_functions.PLU(mat)
P_scipy, L_scipy, U_scipy = scipy.linalg.lu(mat)
# verificar que los elementos de los dos modulos son iguales
print("* ¿Solución igual a Scipy?")
print((P_scipy == P).all() and (L_scipy == L).all()
and (U_scipy == U).all())
def test_10Matrices():
'''
Evalúa la factorización PLU para 10 matrices cuadradas aleatorias con
dimensión entre 2x2 y (10^3)x(10^3).
NOTA: Las entradas de los números son floats están entre -10.000 y 10.000.
Para más información del ejemplo ver el sript de "revision_PLU.py"
'''
np.random.seed(3338014) # semilla para replicabilidad de las pruebas
print("* Evalúa el algoritmo PLU para 10 matrices aleatorias hata de 10^2x10^2")
eps = 1.0E-8 # para definir la precisión a 8 dígitos
n = 10
dim_lim_inf = 2
dim_lim_sup = 10**3
ents_lim_sup = 10000
# crea matrices aleatorias
for i in range(1, n + 1):
mat, _ = rv.crea_matrices(dim_lim_inf, dim_lim_sup, ents_lim_sup)
# prueba el algoritmo PLU
P, L, U = plu_functions.PLU(mat)
# verifica que la diferencia entre los elementos de la operación PA-LU
# sean menores a eps
assert ((np.matmul(P, mat) - np.matmul(L, U))).all() <= eps