Asignatura: Matemática II

Docente: Ms.C. Ronald Reyes Narváez

Tema : Mètodos Directos
Escuela: Ingeniería de Sistemas

2. MÉTODO DE DESCOMPOSICIÓN LU: Consideramos el SEL AX = B al que podemos aplicar el método de

Gauss sin intercambio de ecuaciones ni de incógnitas. Entonces, la matriz de los coeficientes A admite una
descomposición en el producto de dos matrices, una triangular inferior L y otra triangular superior U . Es decir
A = LU
Generalizando
 a11 a12 ... a1n   l11 0 ... 0  u11 u12 ... u1n 
a    
 21 a22 ... a2 n  = l21 l22 ... 0   0 u22 ... u2 n 
    
    
 an1 an 2 ... ann  ln1 ln 2 ... lnn   0 0 ... unn 

Entonces para resolver el sistema: AX = B

Escribimos AX = ( LU ) X = L(UX )
Una posible estrategia de solución consiste en tomar Y = UX y resolver para y:
LY = B
Como la matriz L es triangular superior este sistema puede resolverse mediante sustitución regresiva. Una vez
con los valores encontrados de Y , las incógnitas al sistema inicial se resuelve despejando X de:
UX = Y

Ejemplo 01: Aplicando el Método de descomposición LU , resolver el siguiente SEL

 4 x1 − 2 x2 + x3 = 11

 20 x1 − 7 x2 + 12 x3 = 70
 −8 x + 13 x + 17 x = 17
 1 2 3

 4 −2 1   x1  11 
Solución: Expresado matricialmente  20 −7 12   x2  = 70 
 −8 13 17   x3  17 
A X B

Descomponemos
 4 −2 1   1 0 0  u11 u12 u13   1 0 0   4 −2 1 
A =  20 −7 12  = l21 1 0   0 u22 u22  =  5 1 0   0 3 7 
 −8 13 17  l31 l32 1   0 0 u33   −2 3 1   0 0 −2 
L U

 1 0 0   y1  11 
De la descomposición obtenida LY = B :  5 1 0   y  = 70 
  2  
 −2 3 1   y3  17 
Por sustitución regresiva

y1 = 11 ; 5 y1 + y2 = 70  y2 = 15 ; − 2 y1 + 3 y2 + y3 = 17  y3 = − 6

Ahora calculamos el sistema UX = Y

  4 −2 1   x1   11 
 0 3 7   x  =  15 
  2  
 0 0 −2   x3   − 6 
Por sustitución regresiva

−2 x3 = −6  x2 = 3 ; 3x2 + 7 x3 = 15  x3 = −2 ; 4 x1 − 2 x2 + x3 = 11  x1 = 1

1
Por tanto: X =  −2 
 
 3 

ENTRETENIMIENTO
Descomponer la matriz por el método de LU

1 2 −2 1 2 1 1 0
4 5 −7 6  4 3 3 1 
1. A =  2. A = 
5 25 −15 −3 8 7 9 5
   
6 −12 −6 22  6 7 9 8

Resolver los siguientes SEL por descomposición LU

1 3 1  x1   5  2 1 1 0   x1   7 
1. 3 −1 5  x2  = 7  4 3 3 1   x2   23
2.  =
3 −1 1  x3   3  8 7 9 5   x3  69 
    
6 7 9 8   x4  79 

Nota 1: La descomposición en Matlab es la siguiente:  L , U  = lu ( A)

Matriz Definida Positiva: La matriz simétrica es Definida Positiva si todas las submatrices principales tienen
determinantes positivos
 5 −2 0 
Ejemplo: Verificar si la matriz A =  −2 4 3  es Definida Positiva2
 0 3 3 
Verificación: Empleamos el criterio
Submatrices principales de orden 1: 5 =50 , 4 =40 , 3 =30

5 −2 4 3
Submatrices principales de orden 2: = 16  0 , =30
−2 4 3 3

5 −2 0
Submatrices principales de orden 3: −2 4 3 = 3  0
0 3 3
3. MÉTODO CHOLESKY: Si la matriz AX = B es Definida Positiva, entonces U . Es la transpuesta de L , es
decir:
A = L Lt
Generalizando
 a11 a12 ... a1n   l11 0 ... 0  l11 l21 ... ln1 
a    
 21 a22 ... a2 n  = l21 l22 ... 0   0 l22 ... ln 2 
    
    
 an1 an 2 ... ann  ln1 ln 2 ... lnn   0 0 ... lnn 

Donde los valores de li j se obtiene por:

l11 = a11 a j1
lj1 = j = 2,3,..., n
l11
i −1 i −1

li i = aii −  l 2
ik , i = 2,3,..., n − 1 ai j −  li k l j k
k =1
k =1
li j = , j = i + 1 , i + 2,..., n
lj j

Sustituimos en el SEL AX = B la matriz A , resulta L Lt X = B

Y

Hacemos L X = Y de donde por sustitución hacia atrás se halla Y

t

De la ecuación LY = B
Finalmente de la ecuación Lt X = Y
Por sustitución regresiva se obtiene el valor de X

 x1 − x2 + x3 = 1

Ejemplo: Aplicando el Método de Cholesky, resolver el siguiente SEL  − x1 + 5 x2 + x3 = 1
 x + x + 3x = 0
 1 2 3

 1 −1 1  x1  1 
Solución: Expresado matricialmente  −1 5 1  x2  = 1 
 1 1 3  x3  0 
A X B

 1 −1 1  l11 0 0 l11 l21 l31 

   
La matriz de coeficientes A =  −1 5 1 = l21 l22 0  0 l22 l32  Donde
 1 1 3 l31 l32 l33  0 0
 l33 
L Lt

a21 −1 a31 1
Primera columna : l11 = a11 = 1 = 1 , l21 = = = −1 , l31 = = =1
l11 1 l11 1

a32 − l31 l21 1 − 1(−1)

Segunda columna : l22 = a22 − (l21 ) 2 = 5 − (−1) 2 = 2 , l32 = = =1
l22 2

Tercera columna : l33 = a33 − (l312 + l32

2 2
) = 3 − (1 + 1) 2 = 1
  1 0 0 1 −1 1
Luego L =  −1 2 0  , Lt = 0 2 1
 1 1 1  0 0 1

 1 0 0   y1  1  y1 = 1
     
Sabemos que: LY = B   −1 2 0   y2  = 1   y2 = 1
 1 1 1   y3  0  y3 = −2

1 −1 1  x1   1  x1 = 9 / 2
     
Finalmente L X = Y  0 2 1  x2  =  1   x2 = 3 / 2
t

0 0 1  x3   −2  x3 = − 2

ENTRETENIMIENTO
Aplicando el método de Cholesky, resolver los siguientes sistemas de ecuaciones lineales

 4 x1 − x2 + x3 = 4  x1 − x2 + x3 = 4
 
1.  − x1 + 4, 25 x2 + 2, 75 x3 = −1 2.  − x1 + 5 x2 + 3 x3 = 0
 x + 2, 75 x + 3, 50 x = 1  x + 3x + 9 x = 6
 1 2 3  1 2 3

 x1 + x2 − 3 x3 + x4 = −1  x1 + 2 x2 − x3 =2
 2 x + 5 x + x + x = 6
 x2 − x4 = 1  1 2 3 4
3.  4. 
 2 x1 x3 =3 −
 1 x + x2 + 14 x3 + 5 x4 = 6

 x2 + x4 = 1 
 x2 + 5 x3 + 3 x4 = 2

Nota: Para resolver con Matlab hacemos

R=chol(A), luego L=R’, L’=R