INDICE

INDICE....................................................................................................................................................................... 1
RESUMEN................................................................................................................................................................. 2
1.0 PROBLEMA N1..................................................................................................................................................3
2.0 PROBLEMA N2..................................................................................................................................................8
3.0 PROBLEMA N3..................................................................................................................................................9
4.0 BIBLIOGRAFA.................................................................................................................................................16
2
RESUMEN
Se pretende por este trabajo realizar una serie de procedimientos y planteamientos para el trabajo
con Mtodos Numricos dentro del curso de Anlisis Matricial, por lo que se consideran 03
problemas que sern desarrollados bajo un enfoque conceptual claro y definido en el sistema de
notaciones empleado.
3
1.0 PROBLEMA N1
1.1 CONCEPTO DE AUTOVALOR.
n !ector " #distinto de cero$ es un !ector propio de la matriz A si se cumple A" %". &l n'mero l se
llama !alor propio. (os !ectores propios tambin se llaman auto!ectores y los !alores propios
auto!alores.
)esarrollando la e*presi+n A" %" obtenemos el sistema,
&l polinomio que se obtiene al desarrollar el determinante A - . se llama polinomio caracter/stico de
la matriz A.
tilizando la definici+n de !ector propio A" %", obtenemos "#A - $ % 0 obtenemos los !ectores
propios.
Un !"#!$%&& &% '#( )*#+'#"%(.
&l determinante de una matriz coincide con el producto de sus auto!alores.
&sta propiedad se !erificara con dos ejemplos en Matlab,
E,%-!'# 1.
>> A=[4,3,0;3,6,2;0,2,4];
>> B=det(A)
B =
44
>> C=eig(A)
C =
1.2583
4.0000
8.7417
>> D=prod(C)
D =
44.0000
Se comprueba que 0%) por lo que se !erifica la propiedad
E,%-!'# 2
>> A=[0.5,0.25;0.25,0.5];
>> B=det(A)
4
B =
0.1875
>> C=eig(A)
C =
0.2500
0.7500
>> D=prod(C)
D =
0.1875
Se comprueba que 0%) por lo que se !erifica la propiedad.
1.2 NORMA DE UNA MATRI/
na norma de una matriz es un n'mero real positi!o que 1mide1 el tama2o de una matriz, y permite
por ejemplo estudiar cuando una matriz tiende a otra matriz o a la matriz nula.
A la norma de una matriz se le e*i3e las cuatro condiciones,
L %0!"%($1n &% ' n#"-21 &% )n -*"$3 %( ' ($4)$%n*%.

&s decir, la norma-4 es el m*imo de la suma de los !alores absolutos de los elementos de cada
columna.
L %0!"%($1n &% ' n#"- %(!%5*"' # n#"-22 &% )n -*"$3 %(.

&s decir, la norma-5 es la ra/z cuadrada del m*imo !alor propio de la matriz A
6
A
1.3 NUMERO DE CONDICI6N
Se llama n'mero de condici+n o condici+n numrica al escalar positi!o N#A$ que controla la
transmisi+n de errores en los sistemas de ecuaciones lineales.
&l n'mero de condici+n es i3ual a,
N(A) = //A// //A
-1
//
7erificaci+n Numrica con Matlab de la e*presi+n indicada en la 8area,
5
Ejemplo 1
>> A=[3,4,2;2,1,0;1,1,1];
>> B=i!"(A)
B =
1.0000 2.0000 2.0000
2.0000 5.0000 4.0000
3.0000 7.0000 5.0000
>> #1A=!or$(A,1)
#1A =
6
>> #1B=!or$(B,1)
#1B =
14.0000
>> C1A=%o!d(A,1)
C1A =
84.0000
>> &rod'%to#or$()=#1A*#1B
&rod'%to#or$() =
84.0000
Se obser!a que 94A%:roductoNormas, por lo que se !erifica la i3ualdad.
Ejemplo 2
>> A=[1,0,4;0,2,5;4,5,1];
>> B=i!"(A)
B =
2.5556 2.2222 0.888+
2.2222 1.888+ 0.5556
0.888+ 0.5556 0.2222
>> #1A=!or$(A,1)
#1A =
10
>> #1B=!or$(B,1)
#1B =
5.6667
>> C1A=%o!d(A,1)
6
C1A =
56.6667
>> &rod'%to#or$()=#1A*#1B
&rod'%to#or$() =
56.6667
Se obser!a que 94A%:roductoNormas, por lo que se !erifica la i3ualdad.
1.4 MATRI/ REGULAR
na matriz es "%4)'" cuando tiene in!ersa. 9omo por ejemplo,
>> A=[0,2,3;4,1,2;5,6,1]
A =
0 2 3
4 1 2
5 6 1
:or lo tanto A es una matriz ;e3ular.
na matriz es sin3ular cuando no tiene in!ersa.
1.7 DESCOMPOSICI6N DE UNA MATRI/
:ara que una matriz <A= se pueda descomponer en una simtrica <A=S y otra antisimtrica <A=A debe
ser una matriz cuadrada con coeficientes complejo.
Sea <A= una matriz cuadrada. 9omo <A= > <A=
8
y <A= - <A=
8
son, respecti!amente simtrica y
antisimtrica, las matrices #<A=><A=
8
$?5 y #<A=-<A=
8
$?5 tambin son respecti!amente simtrica y
antisimtrica. &ntonces se da la identidad,
A = ([A]+[A]
T
)/2 + ([A]-[A]
T
)/2
&sta 'ltima e*presi+n proporciona una descomposici+n de <A= en una matriz simtrica y una
antisimtrica.
Ejemplo 1
1. >> A=[1 3;5 0]
A =
1 3
5 0
>> B=A,
B =
1 5
3 0
7
>> C=((A)-(A,)).2
C =
1 1
1 0
>> D=((A)(A,)).2
D =
0 4
4 0
>> /=C-D
/ =
1 3
5 0
2. >> A=[1 0 1;3 1 7;5 2 0]
A =
1 0 1
3 1 7
5 2 0
>> B=A,
B =
1 3 5
0 1 2
1 7 0
>> C=((A)-(B)).2
C =
1.0000 1.5000 3.0000
1.5000 1.0000 2.5000
3.0000 2.5000 0
>> D=((A)(B)).2
D =
0 1.5000 2.0000
1.5000 0 4.5000
2.0000 4.5000 0
>> /=C-D
/ =
1 0 1
3 1 7
5 2 0
1.6 TRIPLE PRODUCTO MATRICIAL
S/, el producto de <0
8
=@<A=@<0=, donde <A= es simtrica, si produce una matriz simtrica. &jemplos,
1. >> A=[1 0 3;0 2 1;3 1 7]
8
A =
1 0 3
0 2 1
3 1 7
>> B=[1 2 3;4 5 6;5 0 2]
B =
1 2 3
4 5 6
5 0 2
>> C=B,*A*B
C =
218 37 36
37 54 68
36 68 121
2. >> A=[7 2 1 0;2 3 3 5;1 3 4 3;0 5 3 0]
A =
7 2 1 0
2 3 3 5
1 3 4 3
0 5 3 0
>> B=[2 2 0 3;1 + 7 0;0 2 5 7;8 3 0 0]
B =
2 2 0 3
1 + 7 0
0 2 5 7
8 3 0 0
>> C=B,*A*B
C =
113 424 382 181
424 54+ 458 120
382 458 257 20
181 120 20 217
1.6 ALGORITMO PARA LA FATORI/ACI6N 89OLD:
2.0 PROBLEMA N2
(a Sinta*is fue en!iada por medios electr+nicos, se adjunta al presente formato impreso.
9
3.0 PROBLEMA N3
Se desarrolla una recopilaci+n biblio3rfica acerca de los mtodos numricos usados para la
soluci+n de sistemas de ecuaciones lineales, incluyendo comentarios acerca de la estabilidad,
con!er3encia y precisi+n de los procesos in!olucrados en la soluci+n.
(os mtodos numricos Aan tomado bastante importancia en el estudio de los di!ersos
comportamientos matemticos que son en ocasiones predecibles o e*ctos como en otros casos
impredecibles o ine*ctos. &n la actualidad la e!oluci+n de las computadoras permite ampliar las
capacidades de anlisis, en base a di!ersas apro*imaciones numricas que solo pretenden definir
las cosas o lle3ar a la precisi+n de un !alor.
Se procede a continuaci+n a elaborar una descripci+n biblio3rfica relacionada con lo mtodos
numricos mas empleados, as/ como sus aplicaciones y mencionando entre los que en mi opini+n
son en la actualidad mas usuales, elaborando unos comentarios a los procedimientos que se Aan
obser!ado durante la in!esti3aci+n relacionada con este trabajo.

3.1 A!'$55$#n%( S$(*%-( &% E5)5$#n%( ; &%*%"-$n5$1n &% In+%"(( &% M*"$5%(.
3.1.1 R%4' &% CRAMMER
(a Notaci+n Matricial ofrece la apropiada or3anizaci+n de e*presiones matemticas, pues se
elaboran estructuras numricas que permiten definir !alores de inc+3nitas en funci+n de
coeficientes,

1 1 2 1
y x a a = +

2 2 2 1
y x a a = +
:ara facilidades de pro3ramaci+n es !entajoso escribir la ecuaci+n anterior como,
[ ]{ } { } Y A C =
)onde Bbtenemos,
[ ] { } { }

=
2
1
2
1
2
1
,
1
1
y
y
Y y
a
a
A
x
x
C
(a ecuaci+n matricial finalmente se con!ierte en una descripci+n corta como,
{ } [ ] [ ] C c c A
T
2 1
=
)onde esta e*presi+n en!uel!e a los tres determinantes
C y c c
2 1
,
y las matrices
deri!adas de la matriz
[ ] C
es reemplazada por
[ ] Y
, teniendo denotados a los elementos de la
matriz
[ ] C
de orden 5 por ij
c
con
2 , 1 , = j i
, teniendo el determinante de
[ ] C
como,
[ ]
21 12 22 11
c c c c C =
:ara la soluci+n de sistemas de ecuaciones lineales, se tienen mucAas tcnicas, las cuales
pretenden dar soluci+n al sistema, esencialmente mediante operaciones aritmticas y obtener un
conjunto de !alores que satisfa3a simultneamente a este sistema, el cual es un conjunto de
ecuaciones al3ebraicas.
&*isten mucAos tipos de mtodos, entre ellos tenemos,
10
3.1.2 M<*#&#( D$"%5*#( # E05*#(.
)e!uel!en resultados e*actos, apropiados para sistemas de ecuaciones lineales con pocas
inc+3nitas #de 3 Aasta 4C inc+3nitas$ y con pocos coeficientes nulos. &ntre los mtodos directos ms
importantes tenemos,
3.4.5.4 &liminaci+n Daussiana.
&ste mtodo usado en combinaci+n de ecuaciones a las que se les elimina la inc+3nita, es un
mtodo muy anti3uo en la soluci+n de ecuaciones simultneas y Aasta la fecAa es uno de los de
mayor importancia. Su uso es frecuente para soluciones manuales y sistemas de ecuaciones de 3 a
C inc+3nitas.
&l proceso de eliminaci+n de Dauss consiste en realizar transformaciones elementales en el sistema
inicial #intercambio de filas, intercambio de columnas, multiplicaci+n de filas o columnas por
constantes, operaciones con filas o columnas$, destinadas a transformarlo en un sistema trian3ular
superior, que resol!eremos por remonte. Adems, la matriz de partida tiene el mismo determinante
que la matriz de lle3ada, cuyo determinante es el producto de los coeficientes dia3onales de la
matriz.
:odemos afirmar que, si la matriz A es estrictamente dia3onal dominante, es decir, si
,
&ntonces, el mtodo de Dauss se puede lle!ar a cabo.
&ste mtodo presenta tres problemas, el primero pro!iene de encontrar en al3una de las sucesi!as
etapas al3'n coeficiente dia3onal i3ual a cero, y el se3undo es debido a los errores de redondeo que
se puede producir en este mtodo. :ara solucionar estos problemas se usa los mtodos de Dauss
con pi!ote parcial y Dauss con :i!ote total, que se basan en buscar pi!otes #coeficientes dia3onales
en cada etapa$ de modulo 3rande para no di!idir ni filas ni columnas por n'meros peque2os. &l
tercer problema es que encontremos un sistema mal condicionado, en el cual ante cambios
peque2os de los coeficientes estos pro!oquen cambios importantes en las soluciones.
Se muestra el Al3oritmo en matlab para la eliminaci+n Daussiana con pi!ote parcial.
11
3.4.5.5 Dauss-Eordn
Similar al mtodo de eliminaci+n Daussiana, su uso facilita una forma simple y con!eniente de
calcular la in!ersa de una matriz, ya que la in!ersa tiene un 3ran numero de aplicaciones en la
in3enier/a, tambin proporciona los medios para e!aluar la condici+n de un sistema.
na de las !entajas de este mtodo, radica en que cuando se elimina una inc+3nita no solo se
elimina de las ecuaciones si3uientes sino de todas las otras ecuaciones, de esta forma, el paso de
eliminaci+n 3enera una matriz identidad en !ez de una matriz trian3ular #como en la eliminaci+n
Daussiana$. :or lo que no es necesario emplear la sustituci+n Aacia atrs para obtener la soluci+n
de cada una de las !ariables. 9omputacionalmente a diferencia de la eliminaci+n Daussiana este
mtodo resulta fa!orable ya que el n'mero de operaciones es menor por lo que tambin se pueden
resol!er sistemas de ecuaciones con una mayor cantidad de inc+3nitas.
Se muestra el al3oritmo del mtodo Dauss Eordn.
FAl3oritmo de Dauss-Eordn
0 1'!%tio! 2 = 3('))4ord(!(A,B)
0 [!,!]=)i5e(A);
t1=%p'ti$e;
!=i!p't(,e!tre e6 orde! de 6( $(tri57 ,);
03e!er(%i8! de $(tri%e) (6e(tori() ..ig'(6 p'ede! pedir 9'e e6 ')'(rio 6(
i!gre)e
A=r(!d!(!,!)*100;
B=r(!d!(!,1)*100;
2=5ero)(!,1);
C=5ero)(1,!-1);
0C:6%'6o de 6( $(tri5 ($p6i(d(
AB=[A B];
1or 9=17!1
0&i"oteo p(r%i(6 e! 6( %o6'$!( 9;)i$(
[<,=]=$(>((?)(AB(97!,9)));
12
0@!ter%($?i($o) 6() 1i6() 9e)i$( A (=-91)e)i$(

C=AB(9,7);
AB(9,7)=AB(=-91,7);
AB(=-91,7)=C;

i1 AB(9,9)==0
,A e) )i!g'6(r !o tie!e )o6'%io! '!i%(,
?re(B

e!d

0&ro%e)o de e6i$i!(%io! e! 6( %o6'$!( 9e)i$(

1or B=9-17!
$=AB(B,9).AB(9,9);
AB(B,97!-1)=AB(B,97!-1)$*AB(9,97!-1);
e!d
e!d
0&ro%e)o de e)%(6($ie!to %o$p6eto de 3('))4ord(!
pi"ote=AB(!,!);
AB(!,7)=AB(!,7).pi"ote;

1or ==!17171
1or i==-17!
AB(=,7)=AB(=,7)(AB(i,7)*AB(=,i));
e!d
AB(=,7)=AB(=,7).AB(=,=);
e!d
0 &ro%e)o p(r( e!%o!tr(r e6 re)'6t(do
1or i=17!
2(i)=AB(i,!-1);
e!d
0Ci! de6 (6gorit$o de 3('))4ord(!
3.1.3 M<*#&#( In&$"%5*#( # !"#0$-&#(.
&s un mtodo interacti!o muy usado en sistemas de ecuaciones mayores a C0, diferencia de los
mtodos directos, este mtodo reduce en sus procesamientos interacti!os el error en sus soluciones.
8enemos dos mtodos importantes,
3.4.3.4 Mtodo de Eacobi.
&ste mtodo iterati!os es el mas sencillo de aplicar y entender, sin embar3o, no es muy eficiente en
cuanto obtener las soluciones. &ste mtodo pretende solucionar sistema de ecuaciones lineales
partiendo de una apro*imaci+n inicial, en la que a partir de este se construye una nue!a
apro*imaci+n y as/ sucesi!amente se construyen una sucesi+n de !ectores en la que se tiene las
apro*imaciones en los coeficientes Aasta solucionar el sistema de ecuaciones lineal con !ariables
con un mar3en de error como le desee uno, dado el procedimiento y el al3oritmo toma mas
iteraciones poder encontrar las soluciones al sistema de ecuaciones lineales.
8enemos el al3oritmo como si3ue,
1'!%tio! [>, "(r(rgo't]==(%o?i((, ?,"(r(rgi!)
0 "(6ore) por de1e%to
!=6e!gtD((); $$(>=100;
ep)1=1e4; ep)2=1e4; 0 to6. (?)o6't( A re6(ti"(
>=5ero) (!, 1);
13
i1 !(rgi!>2
$$(>="(r(rgi!E1F;
e!d
i1 !(rgi!>3
ep)1="(r(rgi!E2F;
e!d
i1 !(rgi!>4
ep)2="(r(rgi!E3F;
e!d
i1 !(rgi!>5
>(7)="(r(rgi!E4F; 0> e) '! "e%tor %o6'$!(
e!d
errore)=5ero)(1,$$(>);
1or $=17$$(>
error=0;
A=>;
1or i=17!
"=[17i1 i-17!];
>(i)=(?(i)((i,")*A(")).((i,i);
e!d
/rror=!or$(>A, 1); 0 otr() !or$() %o!
errore)($)=error;
0 !or$(>A, 2),!or$(>A,i!1)
i1 (errorGep)1-ep)2*!or$(>))
?re(B
e!d
e!d
errore)=errore)(17$);
i1 ($==$$(>) H !(rgo'tG=3
di)p(,!'$ero $(>i$o de iter(%io!e) )o?rep()(do,)
e!d
0 )(6id(
i1 (!(rgo't>1)
"(r(rgo'tE1F=$; 0 !o de iter(%io!e)
e!d
i1 (!(rgo't>2)
"(r(rgo'tE2F=errore); 0 di1ere!%i( e!tre iter(%io!e)
e!d
i1 (!(rgo't>3) 0 16(g7 1 )i D(A %o!"erge!%i(, 0 e! %()o %o!tr(rio
i1 $==$$(>
"(r(rgo'tE3F=0;
e6)e
"(r(rgo'tE3F=1;
e!d
e!d
3.4.3.5 Dauss GSeidel.
&ste mtodo pretende solucionar sistema de ecuaciones lineales partiendo de una apro*imaci+n
inicial, en la que a partir de este se construye una nue!a apro*imaci+n y as/ sucesi!amente se
construyen una sucesi+n de !ectores en la que se tiene las apro*imaciones en los coeficientes Aasta
solucionar el sistema de ecuaciones lineal con !ariables con un mar3en de error como le desee uno,
por lo 3eneral preferimos mr3enes de errores peque2os, lo cual se puede determinar.
(a con!er3encia que se tiene en este mtodo es tal !ez una de las des!entajas, ya que no siempre
con!er3e a una soluci+n o de que a !eces con!er3e lentamente. Sin embar3o, este mtodo tendr
con!er3encia siempre a una soluci+n cuando la ma3nitud del coeficiente de una inc+3nita diferente
en cada ecuaci+n del conjunto, sea suficientemente dominante con respecto a las ma3nitudes de los
otros coeficientes de esa ecuaci+n. &s complicado definir el mar3en m/nimo por el que el coeficiente
14
debe dominar a los otros para ase3urar la con!er3encia y es aun mas complicado predecir la
!elocidad de la con!er3encia para al3una combinaci+n de !alores de los coeficiente cuando esa
con!er3encia e*iste, no obstante cuando el !alor absoluto del coeficiente dominante para una
inc+3nita diferente para cada ecuaci+n es mayor que la suma de los !alores absolutos de los otros
coeficientes de esa ecuaci+n, la con!er3encia esta ase3urada. &se conjunto de ecuaciones
simultneas lineales se conoce como sistema dia3onal. Siendo este sistema condici+n suficiente
para que la con!er3encia esta ase3urada, pero no es condici+n necesaria. 9abe recalcar que las
ecuaciones simultneas lineales que se deri!an de mucAos problemas de in3enier/a son del tipo en
el cual e*isten siempre coeficientes dominantes.
Se tienen el al3oritmo del mtodo Dauss GSeidel, como si3ue,
1'!%tio! [>,iter]=g('))I)(A,?,>o,to6);
0 J do iter(ti"o de 3('))Keide6
0 1'!%tio! [>, iter] =g('))I) (A, ?, >o, to6)7
iter=1;
D=di(g (di(g(A)); 0 De)%o$po)i%iL=D-M-N
M=tri6(A)D;
N=tri'(A)D;

>=>o; 0 O @!i%i(6i5(%iL
2B= (D-M)P (N*>-?); 0 O
@1 !or$(>) ==0,
A'>=!or$ (>B>);
e6)e
A'>=!or$ (>B>).!or$(>);
e!d;

QDi6e ('>>to6 H iterG500,
iter=iter-1;
>=>B;
>B=(D-M)P(N*>-?);
('>=!or$(>B>).!or$(>);
e!d;

i1 iter>=500,
di)p(,/6 $ do !o %o!"erge e! e6 $ de iter(%io!e),);
di)p(iter);
>=@!1;
e6)e
>=>B;
e!d;
3.1.4 C#-!"5$1n %n*"% -<*#&#( &$"%5*#( % $n&$"%5*#(
(as comparaciones entre ambos mtodos es !a sobre la eficiencia en los procesos y certeza de
obtener resultados acertados, mientras los mtodos directos son mas usados para sistemas de
ecuaciones lineales de pocas inc+3nitas, se3'n el mtodo de 3 a C0 inc+3nitas en promedio,
mientras que con los mtodos indirectos o iterati!os podemos tener mayor eficiencia en el proceso
de calculo as/ como tambin tener resultados mas e*actos ya que son de proceso iterati!o que
reduce los errores en las soluciones.
8enemos el si3uiente cuadro se3'n los mtodos comentados.
15
Metodo NMax. aproximado Estabilidad Precision Alcance Esfuerzo Comentarios Problemas
de ecuaciones Aplicaciones Programacion Potenciales
Eliminacion aussiana!pi"ote# 50 -
Afectado por
errores de
redondeo
General Moderado -
Problemas:Mal
condicionamiento,redondeo
,diicion por cero!
"ol#cion:Alta Precision,
pioteo parcial,ec#aciones
de error
auss$%ordan!pi"ote parcial# 50 -
"e e afectado
por errores de
redondeo
General Moderado
Permite
calc#lar la
matri$ inersa
Problemas:Mal
condicionamiento,redondeo
,diicion por cero!
"ol#cion:Alta Precision,
pioteo parcial,ec#aciones
de error
Metodo %acobi 50
P#ede no
coner%er
sino &a'
dominacion
dia%onal
()celente
Apropiado
#nicamente
para sistemas
dominantes
dia%onalmente
facil
Problemas:dier%e o
coner%e m#' lentamente!
"ol#cion:*ominancia
dia%onal ' rela+acion
auss$&eidel 1000
P#ede no
coner%er
sino &a'
dominacion
dia%onal
()celente
Apropiado
#nicamente
para sistemas
dominantes
dia%onalmente
facil -
Problemas:dier%e o
coner%e lentamente!
"ol#cion:*ominancia
dia%onal ' rela+acion
&ubespacio de 'r(lo" 10000
,oner%#e
rapidamente
()celente facil
"e re-#iere
m#c&o menor
tiempo de
procesamiento
Problemas:Mal
,ondicionamient!"ol#cion:
Alta Precision,
Precondicionamiento
C)MPA*AC+)N ,E CA*AC-E*+&-+CA& ,E ,+.E*&)& ME-),)& PA*A &+&-EMA&
,E EC/AC+)NE& 0+NEA0E&
3.1.7 F1"-)' &% S=%"-n2M#""$(#n2>##&?)"; !" In+%"*$" M*"$5%(
8enemos una matriz A de orden
n n
in!ertible, U y V donde estas son matrices de m * n
donde m Hn. &ntonces,
T
UV A+ , siendo .n!ertible si y solo si
U A V I
t
n
1
+
9on,
( )
1
1
1 1 1

+ = + A V U A V I U A A UV A
t t
n
T
:or lo que tendremos desarrollando,
&n un especial e importante caso de 1 = m , U y V pueden ser tomados como !ectores columnas
u
y
v
, y la entidad reducida pasa a ser,
Iue se conoce como la f+rmula de SAerman-Morrison-Joodbury.
:odemos encontrar la in!ersa de,
:or medio de la formula de SAerman-Morrison-Joodburin3, iniciamos con la matriz identidad.
:rimero con,
16
&ntonces
A continuaci+n por este medio obtenemos
A B
n
=
y de esta su in!ersa n
C
Se obser!a que no necesitamos de los !alores de
k
B
. 8ambin se reduce el numero de
operaciones a procesar de
k
C
, definiendo,
&ntonces,
(as comparaciones entre ambos mtodos es !a sobre la eficiencia en los procesos y certeza de
obtener resultados acertados, mientras los mtodos directos son mas usados para sistemas de
ecuaciones lineales de pocas inc+3nitas, se3'n el mtodo de 3 a C0 inc+3nitas en promedio,
mientras que con los mtodos indirectos o iterati!os podemos tener mayor eficiencia en el proceso
de calculo as/ como tambin tener resultados mas e*actos ya que son de proceso iterati!o que
reduce los errores en las soluciones.
Se tienen el al3oritmo del mtodo SAerman-Morrison-Joodburin3, como si3ue,
A = i!p't(R/!ter ( !o!)i!g'6(r $(tri> A 7 R);
$ = )i5e(A); ! = $(1); @! = eAe(!); C = @!;
1or B = 1 7 !;
' = @!(7, B); " = A(B, 7); "(B) = "(B) S 1;
Q = C * '; 5 = " * C; ) = " * Q; t = S1.() - 1);
C = C - t * Q * 5
e!d
di)p(0TDe i!"er)e o1 A i) 7 0), di)p(0 0),
di)p(C),
e!d
4.0 BIBLIOGRAFA
Numerical Analisys, .n!ersion of Matrices. Massoud MaleK
Mtodos Numricos para .n3enieros Lcon aplicaciones en computadoras personalesM. Ste!en
9.9Aapra?;aymond :. 9anale.
Sistema de &cuaciones lineales. (ourdes SncAez Duerrero. ni!.Autonoma Metropolitana-M*ico.
Mtodos Numricos :ara ciencia e .n3enier/a. ;affo (ecca
Mtodos para el clculo de los auto!alores de una matriz. Euan Manuel :alomar An3uas. )epartamento
de Matemtica Aplicada. ni!ersidad de Alcal de 6enares.
Matri* MetAods for &n3ineerin3, (ouis A. :ipes.