Análisis de sensibilidad en la

solución de sistemas de
ecuaciones lineales
MATRICES MALCONDICIONADAS

Una matriz malcondicionada, es aquella cuyo determinante está muy próximo a ser
nulo:

det⁡(𝐴) ≈ 0

det⁡(𝐴) ≠ 0

Dado que la matriz no es singular, el sistema 𝐴𝑥 = 𝑏 tiene solución única. Sin

embargo, a causa del malcondicionamiento, la solución numérica tiene un grado de
error muy alto.
Tomemos como ejemplo el sistema lineal dado por

𝑎11 𝑎12 𝑥 𝑏1
𝑎21 𝑎22 𝑦 =
𝑏2

Gráficamente, la solución del sistema lineal se puede obtener por la intersección de

las rectas
𝑎11 𝑏1 𝑎21 𝑏2
𝑦=− 𝑥 + 𝑦=− 𝑥 +
𝑎12 𝑎12 𝑎22 𝑎22
Las pendientes de las rectas están dadas por
𝑎 𝑎
𝑚1 = − 𝑎11 𝑚2 = − 𝑎21
12 22

Si las pendientes de las rectas son parecidas, se tiene entonces

𝑎11 𝑎21
− ≈−
𝑎12 𝑎22

−𝑎11 𝑎22 ≈ −𝑎12 𝑎21

𝑎11 𝑎22 − 𝑎12 𝑎21 = det⁡(𝐴) ≈ 0

Las pendientes de las rectas están dadas por
𝑎 𝑎
𝑚1 = − 𝑎11 𝑚2 = − 𝑎21
12 22

Si las pendientes de las rectas son parecidas, se tiene entonces

𝑎12 𝑎22
− ≈−
𝑎11 𝑎21

−𝑎11 𝑎22 ≈ −𝑎12 𝑎21

𝑎11 𝑎22 − 𝑎12 𝑎21 = det⁡(𝐴) ≈ 0

Las pendientes de las rectas están dadas por
𝑎 𝑎
𝑚1 = − 𝑎11 𝑚2 = − 𝑎21
12 22

Si las pendientes de las rectas son parecidas, se tiene entonces

𝑎12 𝑎22
− ≈−
𝑎11 𝑎21

−𝑎11 𝑎22 ≈ −𝑎12 𝑎21

𝑎11 𝑎22 − 𝑎12 𝑎21 = det⁡(𝐴) ≈ 0

Las pendientes de las rectas están dadas por
𝑎 𝑎
𝑚1 = − 𝑎11 𝑚2 = − 𝑎21
12 22

Si las pendientes de las rectas son parecidas, se tiene entonces

𝑎12 𝑎22
− ≈−
𝑎11 𝑎21

−𝑎11 𝑎22 ≈ −𝑎12 𝑎21

𝑎11 𝑎22 − 𝑎12 𝑎21 = det⁡(𝐴) ≈ 0

MATRICES MALCONDICIONADAS

• En matrices medianas a grandes (n≥100), el determinante es un número que

tiende fácilmente al desbordamiento. Por tanto, no es una medida útil para
evaluar el malcondicionamiento.

• En su lugar, se define el concepto de número de condición de la matriz. Está dado

por
cond 𝐴 = 𝐴 ⋅ 𝐴−1

Donde ∎ denota alguna norma matricial.

Si cond 𝐴 ≫ 1, se dice que la matriz está malcondicionada.

NORMAS VECTORIALES

1. Norma euclidiana:
𝑛

𝑉 𝑒 = 𝑉𝑖2
𝑖=1

2. Normas P:
𝑛
𝑃
𝑉 = 𝑉𝑖 𝑃
𝑒
𝑖=1

3. Norma 1:
𝑛

𝑉 1 = 𝑉𝑖
𝑖=1
4. Norma ∞:
𝑉 ∞ = max 𝑉𝑖
1≤𝑖≤𝑛
NORMAS MATRICIALES

1. Norma euclidiana (norma de Frobenius):

𝑛 𝑛
2
𝐴 𝑒 = 𝑎𝑖𝑗
𝑖=1 𝑗=1

2. Norma 1 (columna-suma):
𝑛

𝐴 1 = max 𝐴𝑖𝑗
1≤𝑗≤𝑛
𝑖=1
3. Norma 2 (norma espectral):

𝐴 2 = 𝜇𝑚𝑎𝑥

𝜇𝑚𝑎𝑥 es el mayor eigenvalor de 𝐴𝑇 𝐴

4. Norma ∞ (renglón-suma):
𝑛

𝐴 ∞ = max 𝐴𝑖𝑗
1≤𝑖≤𝑛
𝑗=1
El número de condición se relaciona con el error numérico mediante

Δ𝑥 Δ𝐴
≤ cond 𝐴
𝑥 𝐴

Δ𝑥: error numérico en la solución del sistema

Δ𝐴: cambio en el sistema de ecuaciones debido a los errores numéricos

Si el número de condición es muy grande, el error en la solución del sistema de

ecuaciones producido por los errores numéricos cometidos en el proceso de solución
se puede amplificar mucho.

En pocas palabras, el número de condición mide qué tan sensible es el sistema de

ecuaciones a los errores debidos a la aritmética de punto flotante.
NOTAS

• Dado que el cálculo de la inversa es una operación muy costosa, la estimación

directa del número de condición es impracticable en la mayoría de los casos, más
con sistemas muy grandes.

• Resulta mucho más práctico estimar qué tan malcondicionada está la matriz del
sistema, realizando alteraciones intencionales en la misma y evaluando los
cambios resultantes en la solución.

Δ𝑥 Δ𝐴
≤ cond 𝐴
𝑥 𝐴