UNIVERSIDAD NACIONAL DEL ALTIPLANO

INGENIERIA MECANICA ELECTRICA ( UNA )

CAPITULO IV
SISTEMA DE ECUACIONES LINEALES

C.U. Puno-2018
 Nociones Elementales de Matrices
 Antes de ver la solución de los Sistemas de Ecuaciones Lineales
haremos un repaso de las fundamentos de las matrices.

2
Nociones Elementales de Matrices

3
Nociones Elementales de Matrices

4
Nociones Elementales de Matrices

5
Nociones Elementales de Matrices

6
Nociones Elementales de Matrices

7
Nociones Elementales de Matrices

8
 Solución de sistemas de ecuaciones
lineales
 Análisis de Circuitos (ecuaciones de malla y nodos)
 Solución Numérica de ecuaciones diferenciales (Método de las
diferencias Finitas)
 Solución Numérica de ecuaciones de integrales (Metodo de los
Elementos Finitos, Método de los Momentos)

a11x1  a12 x2    a1n xn  b1  a11 a12  a1n   x1   b1 

a a  a2 n   x2  b2 
a21x1  a22 x2    a2 n xn  b2 
 
21 22

          
    
an1 x1  an 2 x2    ann xn  bn an1 an 2  ann   xn  bn 

9
 Consistencia (Solubilidad)
 El sistema lineal de ecuaciones Ax=b tiene una solución, o es
consistente si y solo si Rango{A}=Rango{A|b}
 Un sistema es inconsistente cuando
Rango{A}<Rango{A|b}

Rank{A} es el máximo numero de columnas linealmente

independientes o filas de A. El rango puede ser encontrado usando
ERO (Elementary Row Oparations) ó ECO (Elementary column
operations).

10
Operaciones Elementales de filas (ERO)
 Las siguientes operaciones aplicadas a la matriz aumentada[A|b],
producen un sistema lineal equivalente

 Intercambios: El orden de dos filas pueden ser cambiada

 Escalado: Multiplicando un fila por una constante no cero

 Reemplazo: Las filas pueden ser reemplazadas por la suma de

esa fila y un múltiplo distinto a cero de cualquier otra fila

11
 Un ejemplo inconsistente
1 2  x1  4
 2 4  x    5 
  2   
ERO:Multiplicar la primera fila por -2 y
sumar la segunda fila

1 2
0 0  Rank{A}=1 Entonces
 
este sistema
de
1 2 4  ecuaciones
0 0  3 Rank{A|b}=2 no es soluble
 

12
 Unicidad de las soluciones

 El sistema tiene una única solucion si y solo si

Rango{A}=Rango{A|b}=n

n es el orden del sistema

 Tales sistemas son llamados sistemas full-rank (rango completo)

13
 Sistemas rango completo (Full-rank)
 Si Rango{A}=n
Det{A}  0  A es nonsingular por lo tanto invertible
Solución Única

1 2   x1  4
1  1  x   2
  2   

14
 Matrices de rango deficiente
 Si Rango{A}=m<n
Det{A} = 0  A is singular por lo tanto no es invertible
número infinito de soluciones (n-m variables libres)
sistema sub-determinado

1 2  x1  4
2 4  x   8
  2   
Rank{A}=Rank{A|b}=1
Consistente  soluble
15
 Sistema de ecuaciones
mal-condicionadas
 Una pequeña desviación en las entradas de la matriz A,
causa una gran desviación en la solución.

 1 2   x1   3   x1  1
0.48 0.99  x   1.47   x   1
  2     2  

 1 2   x1   3   x1  3
0.49 0.99  x   1.47   x   0
  2     2  

16
 Mal condicionada (continua.....)
 Un sistema lineal de
ecuaciones se dice a
ser “mal
condicionada” si la
matriz de coeficientes
tiende a ser singular

17
18
 Tipos de ecuaciones de sistemas lineales
a ser estudiados

 Los coeficientes reales de la matriz cuadrada A

 EL vector b es diferente de cero y real
 Sistema consistente, soluble
 Sistemas rango completo, solución única
 Sistemas bien-condicionados

19
 Técnicas de Solución
 Métodos directos de solución

 Encuentra una solución en un número finito de operaciones

transformando el sistema en un sistema equivalente que sea
' más fácil ' de solucionar.
 Triangulares diagonales, .

 Métodos de solución Iterativos

 Calcula las aproximaciones sucesivas del vector solución para

una mat. A y un b dados, comenzando de un punto inicial x0
 Total del · de operaciones es incierto, puede que no converja.
20
 Métodos de solución directa
 Eliminación Gaussiana
 Usando ERO, la matriz A es transformada en una
matriz triangular superior (todos los elementos
debajo de la diagonal son cero).
 Sustitución hacia atrás es usada para resolver un
sistema triangular superior

Back substitution
 a11  a1i  a1n   x1   b1  a11  a1i  a1n   x1   b1 
                      
 
 ai1  aii  ain   xi    bi   0 ~
 a~ii  a~in   xi    bi 
         
           ERO           
an1 ~
 ani  ann   xn  bn   0  0  a~nn   xn  bn 

21
 Primer paso de la eliminación
Elemento pivotal  a11 a1(1n)   x1  b1(1) 
(1) (1) (1)
a12 a13 
 (1) (1) (1)    (1) 
 a21 a22 a23  a2(1n)   x2  b2 
 a31
(1) (1)
a32 (1)
a33  a3(1n)   x3   b3(1) 
    
           
 a (1) an(12) an(13) (1)    b (1) 
 n1  ann   xn   n 

a11
(1) (1)
a12 (1)
a13  a1(1n)   x1   b1(1) 
m2,1  a21
(1) (1)  ( 2) ( 2)    ( 2) 
/ a11  0 a22 a23  a2( 2n)   x2  b2 
m3,1  a31
(1) (1)
/ a11  0 ( 2)
a32 ( 2)
a33  a3( 2n)   x3   b3( 2 ) 
    
            
 an(11) / a11
(1)  0 an( 22) an( 23) ( 2)    b ( 2 ) 
mn ,1   ann   xn   n 

22
 Segundo paso de la eliminación
a11
(1) (1)
a12 (1)
a13  a1(1n)   x1   b1(1) 
 ( 2) ( 2) ( 2)     ( 2) 
Elemento Pivotal 0 a22 a23  x
a2 n   2  b2 
 0 ( 2)
a32 ( 2)
a33  a3( 2n)   x3   b3( 2 ) 
    
           
 0 an( 22) an( 23) ( 2)    b ( 2 ) 
  ann   x n   n 
a11
(1) (1)
a12 (1)
a13  a1(1n)   x1   b1(1) 
 ( 2) ( 2) ( 2)     ( 2) 
 0 a22 a23  x
a2 n   2  b2 
m3, 2  a32
( 2) ( 2)
/ a22  0 0 ( 3)
a33  a3( 3n)   x3   b3( 3) 
    
            
 an( 22) / a22
( 2)  0 an( 33) ( 3)    b ( 3 ) 
mn , 2  0  ann   x n   n 
23
Algoritmo de la Eliminación Gaussiana

mr , p  arp( p ) / a (ppp )
arp( p )  0
br( p1)  br( p )  mr , p  bp( p )
For c=p+1 to n
( p 1)
a rc a ( p)
rc  mr , p  a ( p)
pc

24
 Algoritmo de la sustitución
hacia atrás
a11
(1) (1)
a12 (1)
a13  a1(1n)   x1   b1(1) 
 ( 2) ( 2)    ( 2) 
 0 a22 a23  a2( 2n)   x2   b2 
 0 0 ( 3)
a33  a3( 3n)   x3   b3( 3) 
   
           
 0 0 0 an( n1) n 1 an( n1) n   xn 1  b ( n 1) 
     n 1

 ann   xn  
 bn 
(n) (n)
 0 0 0 0  

bn( n )
xn  ( n )
ann
xn 1 
a
1
( n 1)
b
( n 1)
n 1  ann11n xn 
n 1n 1

1  (i ) n

xi  (i ) bi   aik xk  i  n  1, n  2, ,1
(i )

aii  k i 1 
25
 Contador de Operaciones
 Número de operaciones aritméticas requeridas por el
algoritmo para completar esta tarea.
 Generalmente solo multiplicaciones y divisiones son
contadas.
3 2
 Proceso de Eliminación n  n  5n
3 2 6
 Sustitución hacia atrás n2  n Dominates
2 No eficiente para
diferentes vectores RHS
n3 n
 Total n 
2

3 3
26
 Decomposición LU
A=LU
Ax=b LUx=b
Define Ux=y
Ly=b Resolver y por sustitución hacia adelante
Ux=y Resolver x por sustitución hacia atrás
Las operaciones elementales entre filas debe ser desarrolladas en
b así como en A.
La información de estas operaciones es almacenada en L
En verdad y es obtenida aplicando operaciones elementales al
vector b.

27
 Decomposición LU por Eliminación
Gausiana
Existen infinitas formas diferentes para descomponer A.
Una de las más populares es: U=Matriz de la Eliminación Gaussiana
L=Multiplicadores usados para la eliminación

 1 0 0  0 0 a11 (1) (1)

a12 (1)
a13  a1(1n) 
m   ( 2) ( 2) ( 2) 
 2,1 1 0 0 0  0 a 22 a 23  a 2n 
 m3,1 m3, 2 1  0 0  0 0 a33 ( 3)
 a3(3n) 
A  
      0       
mn 1,1 mn 1, 2 mn 1,3  1    0 0 0 an( n1) n 1 an( n1) n 
  
 mn ,1 mn ,3 mn , 4  1  0 ann 
(n)
mn , 2 0 0 0
Almacenamiento Compacto: Las entradas diagonales de la matriz L son
todos unos, estos no necesitan almacenarse. LU es almacenado en una
matriz.
28
 Contador de Operaciones
A=LU Descomposición n3 n


3 3
 Ly=b Sustitución hacia adelante n2  n
Ux=y Sustitución hacia atrás
2

n n
2

Total
n3 n 2
 n 
2

3 3
 Para diferentes vectores RHS, el sistema puede ser
eficientemente resuelto.

29
 Pivoteo
 Computadoras usan precisión aritmética finita
 Pequeños errores son introducidos en cada operación
aritmética, propagación de errores
 Cuando los elementos pivotales son muy pequeños, los
multiplicadores podrían ser muy grandes.
 La adición de números de magnitud diferente puede
conducir a la pérdida de significación .
 Para reducir el error, se realiza intercambio de filas
para maximizar la magnitud del elemento pivotal.

30
 Ejemplo: Sin Pivoteo
1.133 5.281   x1  6.414
aritmética 4-digit 24.14  1.210  x   22.93
  2   

24.14 1.133 5.281   x1   6.414 

m21   21.31 0.000  113.7  x    113.8
1.133   2   

 x1  0.9956
 x    1.001  Pérdida de precisión
 2  
31
 Ejemplo: Con Pivoteo
24.14  1.210  x1  22.93
1.133 5.281   x   6.414
  2   

1.133 24.14  1.210  x1  22.93

m21   0.04693 0.000 5.338   x   5.338
24.14   2   

 x1  1.000
 x   1.000
 2  
32
 Procedimiento de Pivoteo
a11(1) a12(1) a13(1)  a1(i1)  a1(1j)  a1(1n) 
 ( 2) ( 2) ( 2) ( 2) ( 2) 
 0 a22 a23  a2i  a2 j  a2 n 
 0 0 ( 3)
a33  a3( 3i )  a3(3j)  a3(3n) 
Parte  
          
Eliminada
 0 0 0  aii(i )  aij(i )  ain( i )  Fila
  Pivotal
          
 0 0 0  a (jii )  a (jji )  a (jni ) 
 
          
 (i ) (i ) (i ) 
 0 0 0  ani  anj  ann 
Columna Pivotal
33
 Pivoteo por fila
 Más comúnmente llamado procedimiento de
pivoteo parcial
 Busque la columna pivotal

 Encuentre el mas grande elemento en magnitud

 Luego intercambie esta fila con la fila pivotal.

34
 Pivoteo por filas
a11(1) a12(1) a13(1)  a1(i1)  a1(1j)  a1(1n) 
 ( 2) ( 2) ( 2) ( 2) ( 2) 
 0 a22 a23  a2i  a2 j  a2 n 
 0 0 ( 3)
a33  a3( 3i )  a3(3j)  a3(3n)  Intercambio
  de filas
          
 0 0 0  aii(i )  aij(i )  ain( i ) 
 
          
 0 0 0  a (jii )  a (jji )  a (jni ) 
 
          
 (i ) (i ) (i ) 
 0 0 0  ani  anj  ann 

El más grande en magnitud 35

 Pivoteo por columna
a11(1) a12(1)a13(1)  a1(i1)  a1(1j)  a1(1n) 
 ( 2) ( 2) ( 2) ( 2) ( 2) 
 0 a22 a23  a2i  a2 j  a2 n 
 0 0 a33 ( 3)
 a3( 3i )  a3(3j)  a3(3n) 
 
          
 0 0 0  aii(i )  aij(i )  ain( i ) 
 
           El mas
 0 grande
0 0  a (jii )  a (jji )  a (jni ) 
  en
           magnitud
 (i ) (i ) (i ) 
 0 0 0  ani  anj  ann 
Intercambio de
Estas columnas 36
 Pivoteo Completo
a11(1) a12(1)a13(1)  a1(i1)  a1(1j)  a1(1n) 
 ( 2) ( 2) ( 2) ( 2) ( 2) 
 0 a22 a23  a2i  a2 j  a2 n 
 0 0 a33 ( 3)
 a3( 3i )  a3(3j)  a3(3n)  Intercambie
  estas filas
          
 0 0 0  aii(i )  aij(i )  ain( i ) 
 
          
 0 0 0  a (jii )  a (jji )  a (jni ) 
 
           Más grande
 (i ) 
 0 0 0  ani  anj  ann  en magnitud
(i ) (i )

Intercambie
estas columnas 37
Pivoteo por filas en Descomposición LU
 Cuando dos filas de A se
1  1 
intercambian, las filas de  2  2
b deben también ser    
 3  3
intercambiadas.  
 
 Use un vector pivote.  
Vector pivote inicial son p  i  p   j
   
enteros desde 1 hasta n.  
 j i 
 Cuando dos filas (i y j)    
de A son intercambiadas,  
n  n 
aplicar esto al vector    
pivote.

38
 Modificando el vector b

 Cuando se realiza la 1   7 .3   7.3 

descomposición LU de A, el  3  8 .6    1.2 
vector pivote nos da el      
orden de las filas después  2   1 .2   8.6 
     
del intercambio.  4  4 . 8   4 .8 
 Antes de aplicar la p  8 b   9.6  b   3.5 
   
sustitución hacia adelante 6   5 . 2   5.2 
para resolver Ly=b, 7    2 .7   2.7 
modificar el orden del      
5   3 .5   9.6 
vector b de acuerdo a las 9    6 .9    6.9 
entradas del vector pivote.      

39
 Descomposición LU
algoritmo con pivoteo parcial

Columna para una

ark  a pk then p  r entrada máxima
Intercambio
t  akc , akc  a pc , a pc  t de filas

mr ,k  ark( k ) / akk( k )
ark( k 1)  mr ,k Actualizando la matriz L
For c=k+1 to n
Actualizando la ( k 1)
matriz U a rc a (k )
rc  mr ,k  a
(k )
kc 40
 Ejemplo
0 3 2  12  1
A   4  2 1  b   5 p  2
 1 4  2  3  3

Intercambio de columnas: Máxima magnitud segunda fila

Intercanbio de la 1era y 2da fila

 4  2 1   2
A   0 3 2  p  1
 1 4  2 3

41
 Ejemplo (continuación)...
 4  2 1   2
A   0 3 2  p  1
 1 4  2 3
Elimación de a21 y a31 usando a11 como elemento pivotal
A=LU en forma compacta (en una sola matriz)

 4  2 1   2
A   0 3 2  p  1
 0 3.5  1.75 3
Multiplicadores (matriz L) l21=0; l31=-0.25
42
 Ejemplo (continuación)...
 4  2 1   2
A   0 3 2  p  1
 0 3.5  1.75 3

Columna encontrada: Maxima magnitud en la tercera fila

Intercambio de la 2da y 3era fila

 4  2 1   2
A   0 3.5  1.75 p  3
 0 3 2  1

43
 Ejemplo (continuación)...
 4  2 1   2
A   0 3.5  1.75 p  3
 0 3 2  1

Eliminar a32 usando a22 como elemento pivotal

 4  2 1   2
A   0 3.5  1.75 p  3
 0 0 3.5  1

Multiplicadores (matriz L) l32=3/3.5

44
 Ejemplo (continuación)...
 1 0 0   4  2 1   2
A   0.25 1 0  0 3.5  1.75 p  3
 0 3 / 3.5 1  0 0 3.5  1

 2  12   5
p  3 b   5  b   3 
1  3   12 

A’x=b’ LUx=b’
Ux=y
Ly=b’
45
 Ejemplo (continuación)...
Ly=b’
 1 0 0  y1   5  y1    5 
 0.25 1 0  y    3   y   1.75
  2    Sustitución  2  
 0 3 / 3.5 1  y3   12  Inversa  y3  10.5

Ux=y
 4  2 1   x1    5   x1  1 
 0 3.5  1.75  x   1.75 Sustitución  x    2
  2     2  
 0 0 3.5   x3  10.5 Directa  x3  3

46
 Eliminación de Gauss-Jordan
 Los elementos sobre la diagonal se convierten y por
debajo de la diagonal son ceros.
a11
(1) (1)
a12  a1(1n) b1(1)  a11
(1) (1)
a12  a1(1n) b1(1) 
 (1) (1)   
a21 a22  a2(1n) b2(1)   0
( 2)
a22  a2( 2n) b2( 2 ) 
             
 (1)   ( 2) 
an1 an(12) bn(1) 
(1)
  0 an( 22) bn 
( 2)
ann  ann

a11
(1)
0  ( 2)
ann b1( 2 )  a11
(1)
0  0 b1( n 1) 
   
 0
( 2)
a22  ( 2)
ann b2( 2 )   0
( 2)
a22  0 b2( n 1) 
             
   
 0 bn( 3)   0 bn( n ) 
( 3) (n)
0  ann 0  ann

47
 Eliminación de Gauss-Jordan
 Casi 50% mas de operaciones aritméticas que la
Eliminación Gaussiana.
 Gauss-Jordan (GJ) Eliminación es preferible cuando la
inversa de una matriz es requirido.

A I
 Aplicar eliminación GJ para convertir A en una matriz
identidad.

I A 1
 48
 Diferentes formas de factorización LU
 Forma de Doolittle  a11 a12 a13   1 0 0 u11 u12 u13 
Obtenida por a a23   l21 1 0  0 u22 u23 
 21 a22
Eliminación Gaussiana a31 a32 a33  l31 l32 1  0 0 u33 

 Forma de Crout  a11 a12 a13  l11 0 0  1 u12 u13 

a a23   l21 l22 0  0 1 u23 
 21 a22
a31 a32 a33  l31 l32 l33  0 0 1 

 Forma de Choleski
l11 0 0  l11 l12 l13 
l l 22 0   0 l 22 l 23 
 21
l31 l32 l33   0 0 l33 

49
 Forma de Crout
 Cálculo de la primera columna de L li1  ai1
a1 j
 Cálculo de la primera fila de U u1 j 
l 11
 Cálculo alternado de las colum. de L y filas de U

j 1
lij  aij   lik u kj j  i, i  1,2,  , n
k 1

aij  k 1 lik u kj
i 1

uij  i  j, j  2,3,  , n
lii

50
 Secuencia de la reducción de Crout
 a11 a12 a13 a14  l11 0 0 0  1 u12 u13 u14  2
a a22 a23 a24  l21 l22 0 0  0 1 u23 u24 
 21 4

a31 a32 a33 a34  l31 l32 l33 0  0 0 1 u34 
     6
a41 a42 a43 a44  l41 l42 l43 l44  0 0 0 1

1 3 5 7

Una entrada de la matriz A es useda solamente una vez

para calcular la Correspondiente entrada de las matrices
L o U .Así las columnas de L y las filas de U pueden ser
almacenadas en la matriz A
51
 Factorización de Choleski
 Si A es simétrica y definida positiva, entonces la factorización LU
 Puede ser arreglada para que U = LT , la cual se obtiene de la
factorización de Choleski
 A = LLT
 Donde L es una matriz triangular inferior con diagonal con
entradas positivas
 Algoritmo para el cálculo puede ser derivado por la ecuación
correspondiente a las entradas de A y LLt
 En el caso de 2 × 2, por ejemplo,

Implica que:

52
 Factorización de Choleski (continua)
 Una forma de escribir el algoritmo general,es

53
Solución de Sistemas Lineales de ecuaciones
Complejas

Cz=w
C=A+jB Z=x+jy w=u+jv
(A+jB)(x+jy)=(u+jv)
(Ax-By)+j(Bx+Ay)=u+jv

A  B  x  u 
 B A   y   v
    
Sistema lineal de ecuaciones reales
54
 Sistemas grandes y Esparcidos
 Cuando el sistema lineal es grande y esparcido (muchas
entradas ceros), los métodos directos llegan a ser
ineficientes por la presencia de términos de relleno.
 Los términos de relleno son aquellos que resultan ser
diferentes de cero durante la eliminación

Términos
de
 a11 0 a13 a14 0 a11 0 a13 a14 0  relleno
0 a 0  0 a
 22 0 a24
Eliminación 22 0 a24 0 
a31 0 a33 0 a35  0 0 
a33 
a34  
a35
   
a41 a42 0 a44 0
0 0 0 
a44 
a45 
 0 0 a53 0 a55   0 0 0 0  
a55 55
 Matrices Esparcidas
 La matriz de ecuación de nodos es una matriz
esparcida.
 Matrices Esparcidas son almacenadas eficientemente
almacenando solamente las entradas no cero.
 Cuando del sistema es muy grande (n=10,000) los
términos de relleno aumentan los requerimientos de
almacenamiento considerablemente.
 En tales casos los métodos de solución iterativa debe
ser preferidos en lugar de métodos de solución directa.

56
 Problema 1
 Resolver por Eliminación Gaussiana con pivoteo parcial
de filas:  4 0 2  3  x    9 
1
 3  2 2  3  x   14
  2    
2 4  1 1   x3   9 
    
  1 1 1  1 4  
x  4 
 E2-(3/4)E1 =>E2
4 0 2  3   x1    9 
 E3-(1/2)E1 =>E3 0  2 0.5 0.75   x   7.25
  2    
 E4-(-1/4)E1=>E4 0 4  2 2.5   x3   13.5 
    
 0 1 1.5  1.75 4  
x  6.25

57
 Problema 1
 Intercambiamos las Ecuaciones 2 y 3 (E2E3)
4 0 2  3   x1    9 
0 4  2 2 .5   x   13.5 
  2    
0  2 0.5  0.75  x3   7.25
    
 0 1 1.5  1. 75  4  
x  6.25

4 0 2  3   x1    9 
 E3-(-1/2)E2 =>E3 0 4 2 2.5   x2    13.5 
 
 E4-( 1/4)E2 =>E4 0 0 2  2.375  x3   9.625
    
0 0  0.5 0.5   x4    0.5 

58
 Problema 1
 E4-(-1/4)E3 =>E4
4 0 2 3   x1    9 
0 4 2 2.5   x    13.5 
  2    
0 0 2  2.375   x3    9.625 
    
0 0 0  0.09375  x4   2.90625

 Resolviendo por  x4   31

 x  32
sustitución hacia atrás:  3   
 x2   0 
   
 x1   5 

59
 Problema 2
 Obtener la factorización de Doolite:
6 1 
A 
 2  4 
 Solución 1
A partir de la Eliminacion Gaussiana:
m21= a21/a11 =2/6=1/3 6 1 
U  
E2-(1/3)E1=>E2  0  13 / 3

 1 0  1 0  1 0 6 1 
L     A  L *U    * 
 12
m 1  1 / 3 1  1 / 3 1   0  13 / 3
60
 Problema 2
 Solución 2 6 1   1 0 u11 u12 
A   L *U    * 
 2  4   21  
l 1 0 u 22 
Planteando el producto matricial:
6  u11
1  u12
2  l21u11  l21  1 / 3
 4  l21u12  u22  u22  13 / 3
6 1   1 0  6 1 
A   L *U    * 
 2  4  1 / 3 1   0  13 / 3

61
 Problema 3
 Resolver por la factorización de Doolite:
6 1   x1  5
2  4  x   6
  2   
 Solución
 Del ejercicio anterior ya tenemos la factorización LU:

 1 0 6 1   x1  5
L *U * x  b    *     
1 / 3 1 0  13 / 3  x2  6

62
 Problema 3
Se obtienen dos sistemas triangulares fáciles de resolver.
Resolviendo el sistema triangular inferior por sustitución
directa:
 1 0  z1  5  z1   5 
L* z  b    *          
1 / 3 1   2    2 
z 6 z 13 / 3
Resolviendo el sistema triangular superior por sustitución
directa:

6 1   x1   z1   5   x1   1 
U *x  z           
0  13 / 3  x2   z2  13 / 3  x2   1

63
 Problema 4
 Obtener la factorización de Crout:
60 30 20
A  30 20 15 
20 15 12 
Solucion
Debemos plantear la multiplicacion matricial:
 a11 a12 a13  l11 0 0  1 u12 u13 
A  a21 a22 a23   L *U  l21 l22 0  0 1 u23 
a31 a32 a33  l31 l32 l33  0 0 1 

64
 Problema 4
a11  l11
a12  l11u12
a13  l11u13
a21  l21


60 30 20 60 0 0  1 1 / 2 1 / 3

A  30 20 15   L *U  30 5 0  0 1 1 
20 15 12  20 5 1 / 3 0 0 1 

65
 Problema 5
Método de Crout para sistemas tridiagonales
 a11 a12 0 0  l11 0 0 0  1 u12 0 0
a 0  l21 l22 0 0  0 1 u23 0 
 21 a22 a23

 0 a32 a33 a34   0 l32 l33 0  0 0 1 u34 
    
0 0 a43 a44   0 0 l43 l44  0 0 0 1

 2 1 0 0   2 0 0 0  1  1 / 2 0 0 
 1 2  1 0   1 3 / 2 0 0  0 1  2 / 3 0 
   
 0  1 2  1  0  1 4 / 3 0  0 0 1 3 / 4
    
 0 0  1 2   0 0  1 5 / 4  0 0 1 

66
 Problema 6
Factorizar por el método de Choleski la siguiente
matriz:
4 1 1 
 1 4.25 2.75
 
 1 2.75 3.5 

Solución
Se requiere que la matriz sea simétrica y definida
positiva para aplicar Choleski.

67
 Problema 6
Es evidente que la matriz es simétrica; para
verificar que es definida positiva verificamos si se
satisface el criterio de Silvester:
det 4  0
 4 1  
det    0

  1 4. 25 
 4 1 1 
  
det   1 4.25 2.75   0
  1 2.75 3.5  
 
68
 Problema 6
Dado que los determinantes de todos los menores
principales son positivos podemos afirma que la
matriz es definida positiva y podemos aplicar la
factorización de Choleski con seguridad.

A  L *U  L * L  U *U T T

 a11 a12 a13  l11 0 0  l11 l21 l31 

A  a21 a22 a23   L * LT  l21 l22 0   0 l22 l32 
a31 a32 a33  l31 l32 l33   0 0 l33 

69
 Problema 6
Resolviendo la multiplicación matricial:
 a 0 0  a b f 
 b c 0  0 c e 
  
d e f  0 0 f 
a 2  4 
 
ba  1  0 0  2  1 / 2 1 / 2 
 
2
4.25  b 2  c 2
     1 / 2 2 0 0 2 3 / 2 
1  ad    
2.75  db  ec   1 / 2 3 / 2 1 0 0 1 
 
3.5  d 2  e 2  f 2 
70