DEFINICION

El mtodo de eliminacin Gaussiana para la solucin de sistemas de ecuaciones lineales consiste en convertir a travs de operaciones
bsicas llamadas operaciones de rengln un sistema en otro equivalente ms sencillo cuya respuesta pueda leerse de manera directa.
El mtodo de eliminacin Gaussiana es el mismo para sistemas de ecuaciones 22, 33, 44 y as sucesivamente siempre y cuando se
respete la relacin de al menos una ecuacin por cada variable.
Antes de ilustrar el mtodo con un ejemplo, es necesario primeramente conocer las operaciones bsicas de rengln las cuales son presentas
a continuacin:
1. Ambos miembros de una ecuacin pueden multiplicarse por una constante diferente de cero.
2. Los mltiplos diferentes de cero de una ecuacin pueden sumarse a otra ecuacin
3. El orden de las ecuaciones es intercambiable.
El sistema de eliminacin gaussiana es el mismo no importando si es un sistema de ecuaciones lineales del tipo 22, 33, 44 etc. siempre y
cuando se respete la relacin de al menos tener el mismo nmero de ecuaciones que de variables.
En forma general este mtodo propone la eliminacin progresiva de variables en el sistema de ecuaciones, hasta tener slo una ecuacin con
una incgnita. Una vez resuelta esta, se procede por sustitucin regresiva hasta obtener los valores de todas las variables.
OBJETIVO MTODO
El objetivo del mtodo es encontrar una solucin a un sistema de ecuaciones lineales, basando su solucin en un matriz triangular superior y
una sustitucin regresiva.
GENERALIDADES
El procedimiento a seguir para la aplicacin del mtodo es el siguiente:

Se debe construir la matriz de coeficientes y el vector con los trminos independientes, correspondientes al sistema, y se crea una
matriz llamada la matriz aumentada.

Se calculan los multiplicadores correspondientes a cada una de las etapas.

Con los multiplicadores hallados, se procede al calculo de las nuevas filas de la matriz aumentada.

Una vez se tiene la matriz aumenta en la forma triangular superior, se procede a realizar una sustitucin regresiva para el calculo
de las variables.

Sea por ejemplo el siguiente sistema de ecuaciones:

Lo que buscamos son 3 nmeros, que satisfagan a las tres ecuaciones. El mtodo de solucin ser simplificar las ecuaciones, de tal modo
que las soluciones se puedan identificar con facilidad. Se comienza dividiendo la primera ecuacin entre 2, obteniendo:

Se simplificar el sistema si multiplicamos por -4 ambos lados de la primera ecuacin y sumando esta a la segunda. Entonces:

Sumndolas resulta

La nueva ecuacin se puede sustituir por cualquiera de las dos. Ahora tenemos:

Luego, la primera se multiplica por -3 y se le suma a la tercera, obteniendo:

Acto seguido, la segunda ecuacin se divide entre -3.

Ahora se multiplica por 5 y se le suma a la tercera:

En este momento ya tenemos el valor de x3, ahora simplemente se procede a hacer la sustitucin hacia atrs, y automticamente se van
obteniendo los valores de las otras incgnitas. Se obtendr:

Se ha visto que al multiplicar o dividir los lados de una ecuacin por un nmero diferente de cero se obtiene una ecuacin nueva y vlida.
Por otra parte, si se suma un mltiplo de una ecuacin a otra ecuacin del mismo sistema, el resultado es otra ecuacin vlida. Por ltimo, si
se intercambian dos ecuaciones de un sistema, lo que se obtiene es un sistema equivalente. Estas tres operaciones, cuando se aplican a los
renglones de una matriz aumentada, que representa un sistema de ecuaciones, recibe el nombre de operaciones elementales de rengln.
Operaciones elementales de rengln
a) Multiplicar o dividir un rengln por un nmero distinto de cero.
b) Sumar el mltiplo de otro rengln a otro rengln.
c) intercambiar dos renglones

Hasta aqu hemos supuesto una situacin idealmente simple en la que ningn pivote (o coeficiente diagonal),
cualqluier pivote se vuelve cero en el proceso de resolucin, la eliminacin hacia adelante no proceder.

, se convierte en cero. Si

El pivoteo consiste en intercambiar elorden de las ecuaciones de modo que el coeficiente del pivote,
, tenga la magnitud (en valor
absoluto) mayor que cualquier otro coeficiente que est debajo de l en la misma columna y que por tanto vaya a ser eliminado. Esto se
repite con cada pivote hasta completar la eliminacin hacia adelante.

Mtodo con Pivoteo:

Eliminacin gaussiana con pivoteo
Una tcnica que se desarroll para combatir los errores de truncamiento por ceros en la diagonal o los errores de redondeo por nmeros
cercanos a cero es la tcnica de pivoteo parcial, esta tcnica consiste en ubicar en la fila pivote el termino de mayor magnitud de tal forma
que al realizar la divisin por dicho termino no se incurre en la violacin de divisin por nmeros cercanos a cero ni la divisin por cero.El
proceso como tal es idntico a eliminacin gaussiana simple solo que antes de calcular los multiplicadores se realiza el pivoteo si es
necesario. Al realizar el pivoteo se obtienen valores lo ms pequeos posibles para los multiplicadores reduciendo as el error de redondeo.
2.2 ELIMINACIN GAUSSIANA CON PIVOTEO PARCIAL
OBJETIVO MTODO

El objetivo del mtodo es encontrar una solucin a un sistema de ecuaciones lineales, basando su solucin en un matriz triangular superior, buscando los numeros may
en las columnas de la matriz para colocarlos en la diagonal y as mejorar la calidad de la solucin.
GENERALIDADES
El procedimiento a seguir para la aplicacin del mtodo es el siguiente:

Se debe construir launa matriz de coeficientes y el vector con los trminos independientes, correspondientes al sistema, y se crea una matriz llamada la ma

aumentada

Se busca el numero mayor (en valor absoluto) en cada la columna correspondiente a la etapa y se procede a un cambio de filas para ubicar el mayor elegido
posicin correspondiente a la etapa.

Una vez ubicado el numero mayor, se procede al clculo de los multiplicadores correspondientes a la etapa.

Con los multiplicadores hallados en cada etapa, se procede al clculo de las nuevas filas de la matriz aumentada.

Una vez se tiene la matriz aumentada en la forma triangular superior, se procede a realizar una sustitucin regresiva, para el clculo de las variables.
2.3 ELIMINACIN GAUSSIANA CON PIVOTEO TOTAL
OBJETIVO MTODO

El objetivo del mtodo es encontrar una solucin a un sistema de ecuaciones lineales, basando su solucin en un matriz triangular superior, buscando los
mayores (en valor absoluto) en toda la matriz para colocarlos en la diagonal y as mejorar la calidad de la solucin.
GENERALIDADES
El procedimiento a seguir para la aplicacin del mtodo es el siguiente:

Se debe construir una matriz de coeficientes y el vector con los trminos independientes, correspondientes al sistema, y se crea una matriz llamada la ma
aumentada.

Se busca el numero mayor (en valor absoluto) en toda la matriz y se procede a un cambio de filas y columnas para ubicar el mayor elegido en la posicin
correspondiente a la etapa.

Una vez ubicado el nmero mayor, se procede al clculo de los multiplicadores correspondientes a la etapa.

Con los multiplicadores hallados en cada etapa, se procede al clculo de las nuevas filas de la matriz aumentada.

Una vez se tiene la matriz aumentada en la forma triangular superior, se procede a realizar una sustitucin regresiva, para el clculo de las variables.

Matriz inversa:
Matriz inversa
La matriz inversa de A es otra matriz que representamos por A -1 y que verifica:

Solamente tienen inversa las matrices cuadradas cuyo determinante es distinto de cero.
Propiedades de la matriz inversa
La inversa del producto de dos matrices es el producto de las inversas cambiando el orden.

Ejemplo: clculo de la inversa de la matriz:

Para calcular la inversa, primero calculamos el determinante:

Despus calculamos cada uno de los adjuntos :

Mtodo de Cholesky:
Una matriz A simtrica y positiva definida puede ser factorizada de manera eficiente por medio de una matrz triangular infereior y una matriz
triangular superior.
Para una matriz no singular la descomposicin LU nos lleva a considerar una descomposicin de tal tipo A = LU; dadas las condiciones de A,
simtrica y definida positiva, no es necesario hacer pivoteo, por lo que sta factorizacin se hace eficientemente y en un nmero de
operaciones la mitad de LU tomando la forma
, donde L (la cual podemos "verla" como la raz cuadrada de A) es una matriz
triangular inferior donde los elementos de la diagonal son positivos.

Normas de Vectores y Matrices: (este trae definidas normas dentro del mtodo, y por cada
una de ellas, hay ejemplo. Si quieres lo eliminas, o no s. :P
Al analizar entes multicomponentes como los vectores y las matrices a menudo se requiere una forma para expresar sus magnitudes, alguna
medida de grandeza o pequeez. Para los nmeros el valor absoluto indica que tan grande es un nmero, pero para vectores y matrices
hay muchas componentes, cada una de las cuales puede ser pequea grande en magnitud.
Para discutir los errores en problemas numricos que manejan vectores y matrices resulta til recurrir a las normas, ya que son un medio, que
permite medir la distancia entre los vectores y entre las matrices .
Definicin.
1. Una norma vectorial en

es una funcin, || ||, de

i) ||X||

0 y ||X|| = 0 si y slo si X = 0

ii ) || X

|| = |

iii ) ||X + Y||

| ||X||,
||X|| + ||Y||,

en

que satisface las siguientes propiedades:

yX
x, y

(Desigualdad de tringulo)

La cantidad ||X|| se llama magnitud longitud del vector X. Una distancia entre los vectores X e Y de
Si X = (x1, x2, ..., xn ) entonces algunas normas son:

Norma 1: ||X||1 =

(Suma de las magnitudes )

Norma 2 :||X||2 =

(Norma Euclideana 8)

respecto a la norma es ||X - Y||

Norma

: = ||X||

(Norma infinita norma mxima magnitud).

Ejemplo.
Calcular las normas 1,2 y la norma
X = (2, -4 , 1 )

para el vector

||X|| 1 = | 2 | + | -4 | + | 1 | = 7
||X|| 2 = [ 22 + ( - 4 )2 + 12 ]1/2 =
||X||

4 . 58

= mx { | 2 |, | -4 |, | 1 |} = 4

Definicin.

2. Se dice que una sucesin de vectores

en

converge a X si

Ejemplo.

Si

Entonces,
Si se calcula ||X(k) - X || , usando la norma infinita se puede ver que ||X(k)- X || ->0, cuando k ->
{ XK} respecto a la norma infinita. 9

, por lo tanto X es el lmite de la sucesin

Definicin.
3. Una norma matricial sobre el conjunto de las matrices n x n es una funcin de valor real ,|| ||,definida en este conjunto y que satisface para
todas las matrices A y B de n x n y todos los nmeros reales
las siguientes propiedades:
i ) ||A||
ii ) ||

0 y ||A|| = 0 si y slo si A = 0
A|| = |

| ||A||,

iii) ||A+B||

||A|| + ||B||

iv) ||A B||

||A|| ||B||

Una distancia entre las matrices A y B de nxn respecto a esta norma matricial es ||A-B||.
A continuacin se dan ejemplos de normas.

Norma 1: ||A||1=

Norma

: ||A||

(mxima suma en las columnas )

Norma 2: ||A||2 = [ ]1/2, donde

Norma de Frobenius: ||A||F =

(mxima suma en las filas )

es el radio espectral de AtA

Ejemplo.
Calcular las normas 1,

y de Frobenius para la matriz

Solucin:
Columnas

Filas

|ai1| = |3| + |-5| + |1| = 9

|a1j| = |3| + |-1| + |4| = 8

|ai2| = |-1| + |0| + |-2| = 3

|a2j| = |-5| + |0| + |2| = 7

|ai3| = |4| + |2| + |6| = 12

|a3j| = |1| + |-2| + |6| = 9

||A||1 = mx{ 9 , 3, 12 } = 12

||A||

||A||F = (32 + (-1)2 +42 +(-5)2+02+22+12+ (-2)2 + 62) =

9. 798

= mx { 8, 7, 9 } = 9

POLINOMIO CARACTERSTICO
Consideremos una matriz n-cuadrada arbitraria:

La matriz (A - lIn), donde In es la matriz identidad n-cuadrada y l un escalar indeterminado, se denomina matriz caracterstica de A:

Su determinante, det (A - lIn) , que es un polinomio en l, recibe el nombre de polinomio caracterstico de A. Asimismo, llamamos a
det (A - lIn) = 0

ecuacin caracterstica de A.

Ejemplo:
Hallar la matriz caracterstica y el polinomio caracterstico de la matriz A:

La matriz caracterstica ser (A - lIn). Luego:

y el polinomio caracterstico,

As pues, el polinomio caracterstico es l 2 - l + 4.

Valores propios y vectores propios

Sea A una matriz n-cuadrada sobre un cuerpo K.
Un escalar l Kn se denomina un valor propio de A si existe un vector (columna) no nulo v Kn para el que
Av = lv
Todo vector que satisfaga esta relacin se llama vector propio de A perteneciente al valor propio l. Los trminos valor caracterstico y vector
caracterstico (o autovalor y autovector) se utilizan con frecuencia en lugar de valor propio y vector propio.
Ejemplo:
Sea

As pues, v1 y v2 son vectores propios de A pertenecientes, respectivamente, a los valores propios l1 = 4 y l2 = -1 de A.

Jacobi:
Este mtodo parte de una aproximacin inicial, a partir de esta recalcula los valores de x al despejarla de una ecuacin, este proceso se
realiza para las n incgnitas x y cada calculo se realiza con los valores de la aproximacin anterior. Matricialmente se define el problema de la
siguiente manera
X(k+1)=Tj Xk+Cj
Donde:
Tj = D-1(L+U)
Cj=D-1b
D: matriz diagonal con los elementos de A
L: inversos aditivos de los elementos por debajo de la diagonal principal de A
U: inversos aditivos de los elementos por encima de la diagonal principal de A

El mtodo se itera hasta que || X(k+1)- Xk||<tolerancia

Este mtodo puede usarse sin inconvenientes en matrices diagonal dominante estrictamente, o en matrices definidas positivas. Otra forma de
comprobar si el mtodo converge es ver si el radio espectral de Tj es menor que 1, de ser as converge para cualquier aproximacin inicial.