Métodos Numéricos:

Solución de Sistemas Ingeniería Civil

Lineales - Normas de F.I.M.G.C.-U.N.S.C.H.

Matrices y Estabilidad

Cristian Castro Pérez

cristian.castro@unsch.edu.pe
"Nos asomamos a veces a lo que fuimos antes de ser esto que
vaya a saber si somos" - Julio Cortázar
Sistemas lineales
Norma de matrices

Para tener una medida de cercanía o lejanía entre vectores y matrices, se

debe introducir el concepto de norma.

Métodos Numéricos 2 / 21
Sistemas lineales
Norma de matrices

Para tener una medida de cercanía o lejanía entre vectores y matrices, se

debe introducir el concepto de norma.
En general, para elementos de un espacio vectorial normado (E, || · ||) sobre
un cuerpo C , las normas deben satisfacer un conjunto de propiedades,
entre las cuales:
1 ||0|| = 0C ,

..
.

Métodos Numéricos 2 / 21
Sistemas lineales
Norma de matrices

Para tener una medida de cercanía o lejanía entre vectores y matrices, se

debe introducir el concepto de norma.
En general, para elementos de un espacio vectorial normado (E, || · ||) sobre
un cuerpo C , las normas deben satisfacer un conjunto de propiedades,
entre las cuales:
1 ||0|| = 0C ,
2 ||Id || = 1C ,

..
.

Métodos Numéricos 2 / 21
Sistemas lineales
Norma de matrices

Para tener una medida de cercanía o lejanía entre vectores y matrices, se

debe introducir el concepto de norma.
En general, para elementos de un espacio vectorial normado (E, || · ||) sobre
un cuerpo C , las normas deben satisfacer un conjunto de propiedades,
entre las cuales:
1 ||0|| = 0C ,
2 ||Id || = 1C ,
3 Si a ∈ C y x ∈ E , ||ax|| = |a|||x||.

..
.

Métodos Numéricos 2 / 21
Sistemas lineales
Norma de matrices

Para tener una medida de cercanía o lejanía entre vectores y matrices, se

debe introducir el concepto de norma.
En general, para elementos de un espacio vectorial normado (E, || · ||) sobre
un cuerpo C , las normas deben satisfacer un conjunto de propiedades,
entre las cuales:
1 ||0|| = 0C ,
2 ||Id || = 1C ,
3 Si a ∈ C y x ∈ E , ||ax|| = |a|||x||.
4 Si x, y ∈ E , ||x + y|| ≤ ||x|| + ||y|| (desigualdad triangular),
..
.

Métodos Numéricos 2 / 21
Sistemas lineales
Norma de matrices

Norma de matrices inducida o subordinada

Sea || · ||p una norma en Rn , es decir

n
!1/p
X
||~x||p = |xi |p , ∀ ~x ∈ Rn .
i=1

Métodos Numéricos 3 / 21
Sistemas lineales
Norma de matrices

Norma de matrices inducida o subordinada

Sea || · ||p una norma en Rn , es decir

n
!1/p
X
||~x||p = |xi |p , ∀ ~x ∈ Rn .
i=1

Se dene la norma matricial inducida o subordinada a esta norma vectorial

como
||A~x||p
||A||p = sup = sup ||A~x||p ∀ A ∈ Mn (R).
||~x||p
~x ∈ Rn x∈R n

~x 6= ~0 ||~x||p = 1

Métodos Numéricos 3 / 21
Sistemas lineales
Norma de matrices

Es fácil comprobar que si ||A||p = 0 en R ⇔ A = 0 en Mn (R).

Métodos Numéricos 4 / 21
Sistemas lineales
Norma de matrices

Es fácil comprobar que si ||A||p = 0 en R ⇔ A = 0 en Mn (R).

Denición: Supremo es el menor elemento (o cota inferior) de un

conjunto S :

s = sup S ssi ∀ > 0 ∃y ∈ S tal que s −  < y.

1 sup{1, 2, 3} = 3,
2 sup{x ∈ R : 0 < x√< 1} =
√ sup{x : 0 ≤ x ≤ 1} = 1,
3 sup{x ∈ Q : x < 2} = 2.

Métodos Numéricos 4 / 21
Sistemas lineales
Norma ∞
Consideremos la norma ∞ en Rn , es decir,

∀ ~x ∈ Rn ||~x||∞ = máx |xi |.

1≤n

Métodos Numéricos 5 / 21
Sistemas lineales
Norma ∞
Consideremos la norma ∞ en Rn , es decir,

∀ ~x ∈ Rn ||~x||∞ = máx |xi |.

1≤n

Usando esta denición, se tiene que la norma inducida es

 
 n
X 

||A||∞ = sup máx   Aij xj 
x||∞ =1 1≤i≤n  j=1
||~ 

Métodos Numéricos 5 / 21
Sistemas lineales
Norma ∞
Consideremos la norma ∞ en Rn , es decir,

∀ ~x ∈ Rn ||~x||∞ = máx |xi |.

1≤n

Usando esta denición, se tiene que la norma inducida es

 
 n
X 

||A||∞ = sup máx   Aij xj 
x||∞ =1 1≤i≤n  j=1
||~ 

y luego, se puede demostrar que

n
X
||A||∞ = máx |Aij |
1≤i≤n
j=1

Lo cual, corresponde a una expresión fácilmente calculable.

.
Métodos Numéricos 5 / 21
Sistemas lineales
Norma 1 y Frobenius

De modo similar, se puede demostrar que

n
X
||A||1 = máx |Aij |
1≤j≤n
i=1

Métodos Numéricos 6 / 21
Sistemas lineales
Norma 1 y Frobenius

De modo similar, se puede demostrar que

n
X
||A||1 = máx |Aij |
1≤j≤n
i=1

Por otro lado, se dene la norma de Frobenius (o Hilbert-Schmidt):

v
u n X
n
uX

1/2
||A||f ro = tr(AT A) = t |Aij |2
i=1 j=1

que coincide con la norma 2 inducida para vectores.

Métodos Numéricos 6 / 21
Sistemas lineales

Normas Matriciales comúnmente usadas

v
u n X
n
uX
||A||p = sup ||A~x||p ||A||f ro = t |Aij |2
x∈R n i=1 j=1
||~x||p = 1
n
X n
X
||A||1 = máx |Aij | ||A||∞ = máx |Aij |.
1≤j≤n 1≤i≤n
i=1 j=1

Métodos Numéricos 7 / 21
Sistemas lineales
Normas y espectro

Se puede demostrar (½inténtelo!) que la norma 2 inducida puede calcularse

de la siguiente manera:
r
||A||2 = máx λ
λ∈σ(AT A)

Métodos Numéricos 8 / 21
Sistemas lineales
Normas y espectro

Se puede demostrar (½inténtelo!) que la norma 2 inducida puede calcularse

de la siguiente manera:
r
||A||2 = máx λ
λ∈σ(AT A)

donde σ(B) representa al espectro de B . El espectro corresponde al

conjunto de todos los valores propios de la matriz B .

Métodos Numéricos 8 / 21
Sistemas lineales
Normas y espectro

Se puede demostrar (½inténtelo!) que la norma 2 inducida puede calcularse

de la siguiente manera:
r
||A||2 = máx λ
λ∈σ(AT A)

donde σ(B) representa al espectro de B . El espectro corresponde al

conjunto de todos los valores propios de la matriz B .
Si además B es invertible, simétrica y positiva denida, entonces todos sus
valores propios son positivos.

Métodos Numéricos 8 / 21
Sistemas lineales
Normas y espectro

Denición: Radio Espectral

Sea A ∈ Mn (R). Se dene el radio espectral de A, que denotaremos por
ρ(A) como el módulo del mayor valor propio de A, es decir,

ρ(A) = máx |λ|.

λ∈σ(A)

Métodos Numéricos 9 / 21
Sistemas lineales
Normas y espectro

Denición: Radio Espectral

Sea A ∈ Mn (R). Se dene el radio espectral de A, que denotaremos por
ρ(A) como el módulo del mayor valor propio de A, es decir,

ρ(A) = máx |λ|.

λ∈σ(A)

Nota: ρ(A) no es una norma!!

Métodos Numéricos 9 / 21
Sistemas lineales
Normas y espectro

Denición: Radio Espectral

Sea A ∈ Mn (R). Se dene el radio espectral de A, que denotaremos por
ρ(A) como el módulo del mayor valor propio de A, es decir,

ρ(A) = máx |λ|.

λ∈σ(A)

Nota: ρ(A) no es una norma!! Sin embargo, juega un rol parecido.

Métodos Numéricos 9 / 21
Sistemas lineales
Normas y espectro

Denición: Radio Espectral

Sea A ∈ Mn (R). Se dene el radio espectral de A, que denotaremos por
ρ(A) como el módulo del mayor valor propio de A, es decir,

ρ(A) = máx |λ|.

λ∈σ(A)

Nota: ρ(A) no es una norma!! Sin embargo, juega un rol parecido.

1/k
Ej: (Teorema de Gelfand (1941)): ρ(A) = lı́mk→∞ ||Ak || .

Métodos Numéricos 9 / 21
Sistemas lineales
Propiedades de la norma matricial

Propiedades:
1 Si ||A|| > 0, entonces existe i, j tal que Aij 6= 0,

Métodos Numéricos 10 / 21
Sistemas lineales
Propiedades de la norma matricial

Propiedades:
1 Si ||A|| > 0, entonces existe i, j tal que Aij 6= 0,
2 ||αA|| = |α|||A|| para todo A ∈ Mn (R) y α ∈ R,

Métodos Numéricos 10 / 21
Sistemas lineales
Propiedades de la norma matricial

Propiedades:
1 Si ||A|| > 0, entonces existe i, j tal que Aij 6= 0,
2 ||αA|| = |α|||A|| para todo A ∈ Mn (R) y α ∈ R,
3 ||A + B|| ≤ ||A|| + ||B|| para todo A, B ∈ Mn (R),

Métodos Numéricos 10 / 21
Sistemas lineales
Propiedades de la norma matricial

Propiedades:
1 Si ||A|| > 0, entonces existe i, j tal que Aij 6= 0,
2 ||αA|| = |α|||A|| para todo A ∈ Mn (R) y α ∈ R,
3 ||A + B|| ≤ ||A|| + ||B|| para todo A, B ∈ Mn (R),
4 ||Ax|| ≤ ||A||||x|| para todo A ∈ Mn (R) y x ∈ Rn ,

Métodos Numéricos 10 / 21
Sistemas lineales
Propiedades de la norma matricial

Propiedades:
1 Si ||A|| > 0, entonces existe i, j tal que Aij 6= 0,
2 ||αA|| = |α|||A|| para todo A ∈ Mn (R) y α ∈ R,
3 ||A + B|| ≤ ||A|| + ||B|| para todo A, B ∈ Mn (R),
4 ||Ax|| ≤ ||A||||x|| para todo A ∈ Mn (R) y x ∈ Rn ,
5 ||AB|| ≤ ||A||||B|| para todo A, B ∈ Mn (R),

Métodos Numéricos 10 / 21
Sistemas lineales
Propiedades de la norma matricial

Propiedades:
1 Si ||A|| > 0, entonces existe i, j tal que Aij 6= 0,
2 ||αA|| = |α|||A|| para todo A ∈ Mn (R) y α ∈ R,
3 ||A + B|| ≤ ||A|| + ||B|| para todo A, B ∈ Mn (R),
4 ||Ax|| ≤ ||A||||x|| para todo A ∈ Mn (R) y x ∈ Rn ,
5 ||AB|| ≤ ||A||||B|| para todo A, B ∈ Mn (R),
6 ||I|| = 1,

Métodos Numéricos 10 / 21
Sistemas lineales
Propiedades de la norma matricial

Propiedades:
1 Si ||A|| > 0, entonces existe i, j tal que Aij 6= 0,
2 ||αA|| = |α|||A|| para todo A ∈ Mn (R) y α ∈ R,
3 ||A + B|| ≤ ||A|| + ||B|| para todo A, B ∈ Mn (R),
4 ||Ax|| ≤ ||A||||x|| para todo A ∈ Mn (R) y x ∈ Rn ,
5 ||AB|| ≤ ||A||||B|| para todo A, B ∈ Mn (R),
6 ||I|| = 1,
7 ρ(A) ≤ ||A||,

Métodos Numéricos 10 / 21
Sistemas lineales
Propiedades de la norma matricial

Propiedades:
1 Si ||A|| > 0, entonces existe i, j tal que Aij 6= 0,
2 ||αA|| = |α|||A|| para todo A ∈ Mn (R) y α ∈ R,
3 ||A + B|| ≤ ||A|| + ||B|| para todo A, B ∈ Mn (R),
4 ||Ax|| ≤ ||A||||x|| para todo A ∈ Mn (R) y x ∈ Rn ,
5 ||AB|| ≤ ||A||||B|| para todo A, B ∈ Mn (R),
6 ||I|| = 1,
7 ρ(A) ≤ ||A||,
8 ∃q ∈ (1, ∞) ∩ N tal que ∀ > 0 se cumple ρ(A) ≥ ||A||q − ,

Métodos Numéricos 10 / 21
Sistemas lineales
Propiedades de la norma matricial

Propiedades:
1 Si ||A|| > 0, entonces existe i, j tal que Aij 6= 0,
2 ||αA|| = |α|||A|| para todo A ∈ Mn (R) y α ∈ R,
3 ||A + B|| ≤ ||A|| + ||B|| para todo A, B ∈ Mn (R),
4 ||Ax|| ≤ ||A||||x|| para todo A ∈ Mn (R) y x ∈ Rn ,
5 ||AB|| ≤ ||A||||B|| para todo A, B ∈ Mn (R),
6 ||I|| = 1,
7 ρ(A) ≤ ||A||,
8 ∃q ∈ (1, ∞) ∩ N tal que ∀ > 0 se cumple ρ(A) ≥ ||A||q − ,
1
9 Si A ∈ Mn (R) es invertible, entonces ||A−1 || ≥ .
||A||

Métodos Numéricos 10 / 21
 Estabilidad de
Sistemas Lineales
Estabilidad de Sistemas lineales
Perturbación en los datos de un sistema lineal
Consideremos los sistemas Ax = b y Ax̂ = b̂ (con A invertible).

Métodos Numéricos 12 / 21
Estabilidad de Sistemas lineales
Perturbación en los datos de un sistema lineal
Consideremos los sistemas Ax = b y Ax̂ = b̂ (con A invertible).
Las cantidades que nos interesaría comparar, para entender lo que ocurre
con la solución bajo perturbaciones del lado derecho, son los errores
relativos
||x − x̂|| ||b − b̂||
y . (1)
||x|| ||b||

Métodos Numéricos 12 / 21
Estabilidad de Sistemas lineales
Perturbación en los datos de un sistema lineal
Consideremos los sistemas Ax = b y Ax̂ = b̂ (con A invertible).
Las cantidades que nos interesaría comparar, para entender lo que ocurre
con la solución bajo perturbaciones del lado derecho, son los errores
relativos
||x − x̂|| ||b − b̂||
y . (1)
||x|| ||b||

Como x − x̂ = A−1 (b − b̂), implica que

||x − x̂|| ≤ ||A−1 || ||b − b̂|| . (2)

Métodos Numéricos 12 / 21
Estabilidad de Sistemas lineales
Perturbación en los datos de un sistema lineal
Consideremos los sistemas Ax = b y Ax̂ = b̂ (con A invertible).
Las cantidades que nos interesaría comparar, para entender lo que ocurre
con la solución bajo perturbaciones del lado derecho, son los errores
relativos
||x − x̂|| ||b − b̂||
y . (1)
||x|| ||b||

Como x − x̂ = A−1 (b − b̂), implica que

||x − x̂|| ≤ ||A−1 || ||b − b̂|| . (2)

Por otra parte, Ax = b ⇒ ||b|| ≤ ||A||||b|| y entonces

1 ||A||
≤ (3)
||x|| ||b||

Métodos Numéricos 12 / 21
Estabilidad de Sistemas lineales
Número de condicionamiento

Combinando (1), (2) y (3) llegamos a la expresión

||x − x̂|| ||b − b̂||

≤ ||A|| ||A−1 || .
||x|| ||b||

Métodos Numéricos 13 / 21
Estabilidad de Sistemas lineales
Número de condicionamiento

Combinando (1), (2) y (3) llegamos a la expresión

||x − x̂|| ||b − b̂||

≤ ||A|| ||A−1 || .
||x|| ||b||

Denición: Número de condicionamiento

Sea A una matriz invertible. Se le llama número de condicionamiento de A
a la cantidad
κ(A) = ||A|| ||A−1 || .

Métodos Numéricos 13 / 21
Estabilidad de Sistemas lineales
Número de condicionamiento

Combinando (1), (2) y (3) llegamos a la expresión

||x − x̂|| ||b − b̂||

≤ ||A|| ||A−1 || .
||x|| ||b||

Denición: Número de condicionamiento

Sea A una matriz invertible. Se le llama número de condicionamiento de A
a la cantidad
κ(A) = ||A|| ||A−1 || .

Nota: Claramente este número depende de cual sea la norma que se use.

Métodos Numéricos 13 / 21
Estabilidad de Sistemas lineales
Número de condicionamiento

Debido a la relación entre el radio espectral y las normas, se dene el

número de condicionamiento espectral como

κ∗ (A) = ρ(A)ρ(A−1 )

Métodos Numéricos 14 / 21
Estabilidad de Sistemas lineales
Número de condicionamiento

Debido a la relación entre el radio espectral y las normas, se dene el

número de condicionamiento espectral como

máxλ∈σ(A) |λ|
κ∗ (A) = ρ(A)ρ(A−1 ) =
mı́nλ∈σ(A) |λ|

Métodos Numéricos 14 / 21
Estabilidad de Sistemas lineales
Número de condicionamiento

Debido a la relación entre el radio espectral y las normas, se dene el

número de condicionamiento espectral como

máxλ∈σ(A) |λ|
κ∗ (A) = ρ(A)ρ(A−1 ) =
mı́nλ∈σ(A) |λ|

Se puede demostrar que 1 ≤ κ∗ (A) ≤ κ(A).

Métodos Numéricos 14 / 21
Estabilidad de Sistemas lineales
Ejemplo de un sistema mal condicionado 
7x1 + 10x2 = 1
Consideremos el siguiente sistema: (∗)
5x1 + 7x2 = 0.7
cuya solución es x = (0 , 0.1)T .

Métodos Numéricos 15 / 21
Estabilidad de Sistemas lineales
Ejemplo de un sistema mal condicionado 
7x1 + 10x2 = 1
Consideremos el siguiente sistema: (∗)
5x1 + 7x2 = 0.7
cuya solución es x = (0 , 0.1)T .
Consideremos
 ahora una leve perturbación en los datos del sistema (∗):
7x1 + 10x2 = 1.01
(∗)
5x1 + 7x2 = 0.69
su solución es x = (−0.17 , 0.22)T .

Métodos Numéricos 15 / 21
Estabilidad de Sistemas lineales
Ejemplo de un sistema mal condicionado 
7x1 + 10x2 = 1
Consideremos el siguiente sistema: (∗)
5x1 + 7x2 = 0.7
cuya solución es x = (0 , 0.1)T .
Consideremos
 ahora una leve perturbación en los datos del sistema (∗):
7x1 + 10x2 = 1.01
(∗)
5x1 + 7x2 = 0.69
su solución es x = (−0.17 , 0.22)T .
Por lo tanto,
||x − x̂||∞ ||b − b̂||∞
= 1.7 y = 0.01,
||x||∞ ||b||∞

Es decir, el desplazamiento de la solución es 170 veces mayor que la

perturbación!.

Métodos Numéricos 15 / 21
Estabilidad de Sistemas lineales
Ejemplo de un sistema mal condicionado 
7x1 + 10x2 = 1
Consideremos el siguiente sistema: (∗)
5x1 + 7x2 = 0.7
cuya solución es x = (0 , 0.1)T .
Consideremos
 ahora una leve perturbación en los datos del sistema (∗):
7x1 + 10x2 = 1.01
(∗)
5x1 + 7x2 = 0.69
su solución es x = (−0.17 , 0.22)T .
Por lo tanto,
||x − x̂||∞ ||b − b̂||∞
= 1.7 y = 0.01,
||x||∞ ||b||∞

Es decir, el desplazamiento de la solución es 170 veces mayor que la

perturbación!.
Los números de condicionamiento son: κ∞ (A) = κ1 (A) = 289,
κ2 (A) ≈ 223, κ∗ (A) ≈ 198.
Métodos Numéricos 15 / 21
Estabilidad de Sistemas lineales

Teorema (Eckard & Young-1936, Gastinel & Kahan-1966)

Si A es una matriz invertible, entonces su número de condicionamiento en
cualquier norma inducida satisface
 
1 ||A − B||
= mı́n : B es una matriz singular.
κ(A) ||A||

Métodos Numéricos 16 / 21
Estabilidad de Sistemas lineales

Teorema (Eckard & Young-1936, Gastinel & Kahan-1966)

Si A es una matriz invertible, entonces su número de condicionamiento en
cualquier norma inducida satisface
 
1 ||A − B||
= mı́n : B es una matriz singular.
κ(A) ||A||

Es decir, κ(A) >> 1 equivale a que A se aproxima al espacio de las

matrices singulares.

Métodos Numéricos 16 / 21
Estabilidad de Sistemas lineales

Teorema
Si E ∈ Mn (R) y ||E|| < 1 para alguna norma. Si además (I − E) es
invertible, entonces para la misma norma se tiene
1
|| (I − E)−1 || ≤ .
1 − ||E||

Métodos Numéricos 17 / 21
Estabilidad de Sistemas lineales
Perturbación en los coecientes de la matriz

Consideremos los sistemas Ax = b y Ãx̃ = b (con A invertible).

Métodos Numéricos 18 / 21
Estabilidad de Sistemas lineales
Perturbación en los coecientes de la matriz

Consideremos los sistemas Ax = b y Ãx̃ = b (con A invertible).

donde à = A(I + E), perturbación de la matriz A tal que
1
||AE|| < . (4)
||A−1 ||

Métodos Numéricos 18 / 21
Estabilidad de Sistemas lineales
Perturbación en los coecientes de la matriz

Consideremos los sistemas Ax = b y Ãx̃ = b (con A invertible).

donde à = A(I + E), perturbación de la matriz A tal que
1
||AE|| < . (4)
||A−1 ||

Esto implica que ||E|| = ||A−1 AE|| ≤ ||A−1 ||||AE|| < 1 y por lo tanto, la
matriz (I + E) es invertible.

Métodos Numéricos 18 / 21
Estabilidad de Sistemas lineales
Perturbación en los coecientes de la matriz

Consideremos los sistemas Ax = b y Ãx̃ = b (con A invertible).

donde à = A(I + E), perturbación de la matriz A tal que
1
||AE|| < . (4)
||A−1 ||

Esto implica que ||E|| = ||A−1 AE|| ≤ ||A−1 ||||AE|| < 1 y por lo tanto, la
matriz (I + E) es invertible. De la denición de x̃ y x se tiene que

x = (I + E)x̃.

Métodos Numéricos 18 / 21
Estabilidad de Sistemas lineales
Perturbación en los coecientes de la matriz

Consideremos los sistemas Ax = b y Ãx̃ = b (con A invertible).

donde à = A(I + E), perturbación de la matriz A tal que
1
||AE|| < . (4)
||A−1 ||

Esto implica que ||E|| = ||A−1 AE|| ≤ ||A−1 ||||AE|| < 1 y por lo tanto, la
matriz (I + E) es invertible. De la denición de x̃ y x se tiene que

x = (I + E)x̃.

Entonces
x − x̃ = E x̃ = A−1 (Ã − A)x̃.

Métodos Numéricos 18 / 21
Estabilidad de Sistemas lineales
Perturbación en los coecientes de la matriz

De la desigualdad anterior se obtiene

||x − x̃|| ||A − Ã||

≤ κ(A) ,
||x̃|| ||A||

Métodos Numéricos 19 / 21
Estabilidad de Sistemas lineales
Perturbación en los coecientes de la matriz

De la desigualdad anterior se obtiene

||x − x̃|| ||A − Ã||

≤ κ(A) ,
||x̃|| ||A||

pero el error relativo es ||x − x̃||/||x|| ... sin embargo, se puede arreglar
aplicando (4) en la desigualdad anterior:

||x − x̃|| ||E|| κ(A) ||A − Ã||

≤ ≤ .
||x|| 1 − ||E|| ||A−Ã||
1 − κ(A) ||A|| ||A||

Métodos Numéricos 19 / 21
Estabilidad de Sistemas lineales
Ejemplo

   
7 10 −7 10
Si A = −1
,A = y por lo tanto
5 7 5 −7
||A||∞ = ||A−1 ||∞ = 17.
Consideremos una perturbación que satisfaga la hipótesis (4):
1
||AE||∞ < ≈ 0.0588.
17

Métodos Numéricos 20 / 21
Estabilidad de Sistemas lineales
Ejemplo

   
7 10 −7 10
Si A = −1
,A = y por lo tanto
5 7 5 −7
||A||∞ = ||A−1 ||∞ = 17.
Consideremos una perturbación que satisfaga la hipótesis (4):
1
||AE||∞ < ≈ 0.0588.
17

En este caso la matriz perturbada es

 
7 9.95
à =
4.97 7

Métodos Numéricos 20 / 21
Estabilidad de Sistemas lineales
Ejemplo

El número de condicionamiento de A en norma innito es κ∞ (A) = 289 y

la solución del sistema original es x = (0, 0.1)T si b = (1, 0.7)T ,

Métodos Numéricos 21 / 21
Estabilidad de Sistemas lineales
Ejemplo

El número de condicionamiento de A en norma innito es κ∞ (A) = 289 y

la solución del sistema original es x = (0, 0.1)T si b = (1, 0.7)T , mientras
que la solución del sistema perturbado Ãx̃ = b es x̃ = (1/129)(−10, 20)T .
||x−x̃||∞
El error relativo es ||x||∞ = 10/129
0.1 ≈ 0.755.
||A−Ã||∞
La perturbación relativa es ||A||∞ = 0.05
17 ≈ 0.0029,

Métodos Numéricos 21 / 21
Estabilidad de Sistemas lineales
Ejemplo

El número de condicionamiento de A en norma innito es κ∞ (A) = 289 y

la solución del sistema original es x = (0, 0.1)T si b = (1, 0.7)T , mientras
que la solución del sistema perturbado Ãx̃ = b es x̃ = (1/129)(−10, 20)T .
||x−x̃||∞
El error relativo es ||x||∞ = 10/129
0.1 ≈ 0.755.
||A−Ã||∞
La perturbación relativa es 17 ≈ 0.0029,
= 0.05
||A||∞
Es decir, el error relativo es alrededor de 267 veces mayor que la
perturbación en los datos del ejemplo anterior.

Métodos Numéricos 21 / 21
Estabilidad de Sistemas lineales
Ejemplo

El número de condicionamiento de A en norma innito es κ∞ (A) = 289 y

la solución del sistema original es x = (0, 0.1)T si b = (1, 0.7)T , mientras
que la solución del sistema perturbado Ãx̃ = b es x̃ = (1/129)(−10, 20)T .
||x−x̃||∞
El error relativo es ||x||∞ = 10/129
0.1 ≈ 0.755.
||A−Ã||∞
La perturbación relativa es 17 ≈ 0.0029,
= 0.05
||A||∞
Es decir, el error relativo es alrededor de 267 veces mayor que la
perturbación en los datos del ejemplo anterior. Por otra parte,

||x − x̃||∞ ||A − Ã||∞

≤C
||x||∞ ||A||∞

con C ≈ 1785.

Métodos Numéricos 21 / 21