Documentos de Académico
Documentos de Profesional
Documentos de Cultura
• Semestre: 2021 II
2
Teorema de Rouché- Frobenius
5
𝑢11 𝑢12 … 𝑢1𝑖 𝑢1𝑚 𝑥1 𝑐1
0 𝑢22 … 𝑢2𝑖 ⋯ 𝑢2𝑚 𝑥2 𝑐2
⋮ ⋮ ⋮ ⋮ ⋯ ⋮ 𝑥3 ⋮
0 0 𝑢𝑘𝑖 ⋮
… 𝑢𝑘𝑚 ⋮ = 𝑐𝑘
0 0 …… 0 ⋯ 0 𝑥𝑖 ⋮
⋮ ⋮ … ⋮ … ⋮ ⋮ 𝑐𝑛−1
0 0 0 0 𝑥𝑚 𝑐𝑛
El inconveniente que presenta el método de Gauss, es que los errores de redondeo pueden
multiplicarse si no se elige un pivote adecuado. La estrategia a seguir para evitar, dentro de lo
posible, estos errores, consiste en elegir como pivote el elemento de mayor valor absoluto en
la columna a eliminar. Esta variante, denominada método de eliminación de Gauss con
pivotación parcial, es la que esta implementada en Matlab
𝑥 + 2𝑦 − 𝑧 = −1
ቐ2𝑥 − 3𝑦 + 𝑧 = −6
𝑥 + 4𝑧 = 2
Dado el sistema 𝐴𝑥 = 𝑏, al reducir la matriz 𝐴 de tamaño 𝑛𝑥𝑚 a la forma escalonada por el método
de Gauss, si no es necesario el intercambio de filas, utilizando la representación matricial de las
operaciones elementales, obtendremos la factorización 𝐿𝑈 de la matriz 𝐴, donde 𝑳 es una matriz de
tamaño 𝑛𝑥𝑛 triangular inferior con unos en la diagonal y 𝑼 es una matriz de tamaño 𝑛𝑥𝑚 triangular
superior o escalonada. El primer elemento no nulo de cada fila de 𝑈 recibe el nombre de pivote de
la eliminación.
𝑳𝒚 = 𝒄, 𝑼𝒙 = 𝒚
8
𝑳𝒚 = 𝒄, 𝑼𝒙 = 𝒚
≫ 𝐿, 𝑈, 𝑃 = 𝑙𝑢(𝐴)
𝐴 ∶ 𝐼 ⟶ 𝐼 ∶ 𝐴−1
2.- Resolución de varios sistemas en los que solo varían los términos independientes
La matriz ampliada contendrá además de la matriz del sistema, varias columnas, con los
términos independientes, que al realizar el método de Gauss-Jordan, se convertirán en las
soluciones del sistema
Aplica el método de Gauss con
pivotación parcial para resolver
el siguiente sistema lineal.
𝑥 + 2𝑦 − 𝑧 = −1
ቐ2𝑥 − 3𝑦 + 𝑧 = −6
𝑥 + 4𝑧 = 2
𝐸4 ∗ 𝐸3 ∗ 𝐸2 ∗ 𝐸1 ∗ 𝐴 = 𝑈
⇒ 𝐴 = 𝐸1−1 ∗ 𝐸2−1 ∗ 𝐸3−1 ∗ 𝐸4−1 ∗ 𝑈
⇒ 𝐴 = 𝐿𝑈
Matriz inversa de 𝐴
Se denomina matrices bandas a las matrices que tienen ceros en
todos sus elementos excepto los de la diagonal principal y algunas
diagonales adyacentes.
…
𝑢11 𝑢12 0 … 0 ⋯ 0
𝑢21 𝑢22 𝑢23 … 0 ⋮ 0
0 𝑢32 𝑢33 … ⋮ … ⋮
⋯
⋮ ⋮ ⋮ ⋮ ⋯ ⋮
0 0 …
… 0 ⋮ 0
⋮ ⋮ … ⋮ 𝑢𝑛−1,𝑛−1 𝑢𝑛−1,𝑛
0 0 0 𝑢𝑛,𝑛−1 𝑢𝑛𝑛
Denotamos la diagonal principal por 𝑎 ∈ 𝑅𝑛 , la diagonal 1 por 𝑏 ∈ 𝑅𝑛−1 y la diagonal -1 por 𝑐 ∈ 𝑅𝑛−1
Podemos factorizar 𝐴 como producto de dos matrices triangulares, 𝑳 bidiagonal inferior con la
diagonal -1 igual a 𝑐 y 𝑼 bidiagonal superior con unos en la diagonal principal. Esta
factorización es la que se obtiene con el método de Gauss, escalando cada fila parar que el pivote
sea 1.
𝑎1 𝑏1 0 … 0 𝑙1 0 0 … 0 1 𝑢1 0 … 0
𝑐1 𝑎2 𝑏2 … 0 𝑐1 𝑙2 0 … 0 0 1 𝑢2 … 0
0 𝑐2 𝑎3 … 0 = 0 𝑐2 𝑙3 … 0 . 0 0 1 … 0
⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮
0 0 0 … 𝑎𝑛 0 0 0 … 𝑙𝑛 0 0 0 … 1
𝑙1 0 0 … 0 1 𝑢1 0 … 0 𝑎1 𝑏1 0 … 0
𝑐1 𝑙2 0 … 0 0 1 𝑢2 … 0 𝑐1 𝑎2 𝑏2 … 0
0 𝑐2 𝑙3 … 0 .0 0 1 … 0 = 0 𝑐2 𝑎3 … 0
⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮
0 0 0 … 𝑙𝑛 0 0 0 … 1 0 0 0 … 𝑎𝑛
𝑙1 = 𝑎1
𝑏𝑖
𝑢𝑖 = , para 𝑖 = 1, … . , n − 1
𝑙𝑖
>>cond
[1,∞ >
>>rcond
[0, 1]; si esta cerca a cero la matriz es mal condicionada, si esta próxima a 1 la matriz esta bien condicionada
𝑥1 +2𝑥2 = 10
ቊ
1.1𝑥1 + 2𝑥2 = 10.4
𝑥1 +2𝑥2 = 10
ቊ
𝟏. 𝟎𝟓𝑥1 + 2𝑥2 = 10.4
Cramer
2 10 − 2(10.4)
𝑥1 = =4
𝟏 𝟐 − 𝟐(𝟏. 𝟏)
Tales diferencias son altamente sensibles a pequeñas variaciones en los números empleados
8 + 2(1) = 10
ቊ
1.1(8) + 2(1) = 10.8 ≈ 10.4 El sistema es mal condicionado
3𝑥1 +2𝑥2 = 18 Sistema bien condicionado
ቊ
−𝑥1 + 2𝑥2 = 2
𝑥1 +2𝑥2 = 10
ቊ
1.1 𝑥1 + 2𝑥2 = 10.4 Sistema mal condicionado
Una forma practica de evitar parcialmente esta dificultad es escalando las ecuaciones en
forma que el elemento máximo en cualquier fila sea igual a 1