Sistemas Lineales (Clase)

Métodos Numéricos
Miguel Angel Cano Lengua

canolengua@gmail.com
Universidad Wiener
Sistema de Ecuaciones Lineales:Métodos Directos
Junio del 2013

ur-logo
Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

Contenido
1 Introducción
2 Sistema de Ecuaciones Lineales
3 Métodos Directos
Sistemas Triangulares
Método de eliminación Gausiana
Estratégia de Pivotiamiento
Matrices Tridiagonales
Factorización LU
Descomposición de Cholesky
4 Referencias ur-logo

Introducción
Sistema de Ecuaciones Lineales
Métodos Directos
Referencias
Palabras claves
Sistemas Lineales
La necesidad de resolver sistemas lineales aparece en

una gran cantidad de problemas cientı́ficos.
Existen estimativas que de cuatro problemas de
simulación en matemática, tres se convierten en resolver
sistemas lineales.
Un ejemplo es la solución de ecuaciones diferenciales por
elementos finitos y diferencias finitas.
Existen dos clases de métodos para resolver sistemas
lineales: métodos directos y iterativos. ur-logo

Introducción
Métodos Directos
Referencias
Palabras claves
Sistemas Lineales
Sistema Lineal
El problema de resolver un sistema de ecuaciones lineales
consiste en encontrar x = (x1 , x2 , ..., xn ) tal que
a11 x1 + a12 x2 + ... + a1n xn = b1
a21 x1 + a22 x2 + ... + a2n xn = b2

...
an1 x1 + a22 x2 + ... + ann xn = bn ur-logo

Introducción
Métodos Directos
Referencias
Palabras claves
Sistemas Lineales
Expresión Matricial
Definiendo
   
a11 a12 ... a1n b1
 a21 a22 ... a2n   b2 
A=
 ...
 , b= 
... ... ...   ... 
an1 an2 ... ann . bn
el problema anterior es equivalente a:

ur-logo

Introducción
Métodos Directos
Referencias
Palabras claves
Sistemas Lineales
Expresión Matricial
encontrar el vector x ∈ Rn tal que:
Ax = b
ur-logo

Introducción
Métodos Directos
Referencias
Palabras claves
Sistemas Lineales
Observa
Si admitimos que A ∈ Rn×n es invertible, entonces la solución
será
x ∗ = A−1 b.
Lamentablemente, tanto el saber si la matriz es invertible como
también obtener la inversa de una matriz, son trabajos
complicados del punto de vista computacional.
ur-logo

Introducción Método de eliminación Gausiana
Sistema de Ecuaciones Lineales Estratégia de Pivotiamiento
Métodos Directos Matrices Tridiagonales
Referencias Factorización LU
Palabras claves
Sistemas Lineales
Estratégia de Pivotiamiento
Matrices Tridiagonales
Factorización LU
Refinamiento de la Solución
Condicionamiento de la matriz y estimativa del error
Sistemas In(sobre)-determinados
Descomposición en valores singulares ur-logo
Uso de Matlab en la solución de sistemas lineales

Supongamos que tenemos un sistema donde n = 2. En este

caso:
a11 x1 + a12 x2 = b1
a22 x2 = b2
donde a11 6= 0 y a22 6= 0, entonces:
b2
x2 =
a22
1
x1 = (b1 − a12 x2 )
a11
ur-logo

Palabras claves
Sistemas Lineales
Supongamos que tenemos un sistema donde n = 3. En este

caso: 
 a11 x1 + a12 x2 + a13 x3 = b1
a22 x2 + a23 x3 = b2
a33 x3 = b3

donde a11 , a22 , a33 6= 0 entonces:

b3
x3 =
a33
1
x2 = (b2 − a23 x3 )
a22
1 ur-logo
x1 = (b1 − a13 x3 − a12 x2 )
a11
Palabras claves
Sistemas Lineales
En general, consideremos el sistema



 a11 x1 + a12 x2 ... + a1,n−1 xn−1 +a1n xn = b1
 0 + a22 x2 ... + a2,n−1 xn−1 +a2n xn = b2


... ... ... ... ... ... ...
0 0 0 0 0 a x +an−1,n n = bn−1
x

n−1,n−1 n−1



0 0 0 0 0 0 ann xn = bn

donde aii 6= 0 para todo i = 1, ..., n. Entonces:

ur-logo

Palabras claves
Sistemas Lineales
bn
xn =
ann
1
xn−1 = bn−1 − an−1,n xn
an−1,n−1
...
1
x2 = b2 − a2n xn − a2,n−1 xn−1 − ... − a23 x3
a22
1
x1 = b1 − a1n xn − a1,n−1 xn−1 − ... − a13 x3 − a12 x2
a11 ur-logo

Palabras claves
Sistemas Lineales
Algoritmo Triangular
Dados aij, j ≥ i, bi , 1 ≤ i, j ≤ n.
Hacer xn = abnnn
suma = 0
Para k = n − 1 : 1 hacer
suma = bk
Para j = k + 1 : n hacer
suma = suma − akj xj
Fin (Para)
xk = sumaakk
Fin(Para) ur-logo
Fin(Para)
Palabras claves
Sistemas Lineales
Ejemplo
Sea el problema

 3x1 + 2x2 + 2x3 = 5
2x2 + 2x3 = 6
1x3 = 3

La solución es:
x1∗ = −1/3, x2∗ = 0, x3∗ = 3

ur-logo

Palabras claves
Sistemas Lineales
Complejidad
Vemos directamente que el algoritmo envuelve:
1 n divisiones
n
P n(n−1)
2 Adiciones: j = 2
j=1
n
P n(n−1)
3 Multiplicaciones: j= 2
j=1
Ası́ la complejidad del número total de operaciones realizadas
es
ur-logo
o(n2 ).

Propiedad
Los métodos directos utilizados para resolver el sistema
Ax = b no se altera si lo sometemos a una sucesión de
operaciones del tipo:
1 Multiplicación de una ecuación por una constante no nula.
2 Suma del múltiplo de una ecuación con otra.
3 Cambio de orden de las ecuaciones
Presentaremos el método de eliminación Gausiana (Gaus,
1777-1855) ur-logo

Palabras claves
Sistemas Lineales
Considere el sistema:


 a11 a12 a13 a14 b1
a21 a22 a23 a24 b2

a a32 a33 a34 b3
 31


a41 a42 a43 a44 b4 .
ur-logo

Palabras claves
Sistemas Lineales
Eliminación de la primera columna:

Supongamos que a11 6= 0.
Trabajando en la segunda fila
(a11 a12 a13 a14 b1 ) × − aa11

21
+
(a21 a22 a23 a24 b2 )
0 a22 − ( aa21
11
)a12 a23 − ( aa21
11
)a13 a24 − ( aa21
11
)a14 b2 − ( aa11
21
)b1
ur-logo

Palabras claves
Sistemas Lineales
Trabajando en la tercera fila
(a11 a12 a13 a14 b1 ) × − aa11

31
+
(a31 a32 a33 a34 b3 )
0 a32 − ( aa31
11
)a12 a33 − ( aa31
11
)a13 a34 − ( aa31
11
)a14 b3 − ( aa11
31
)b1
ur-logo

Palabras claves
Sistemas Lineales
Trabajando en la cuarta fila
(a11 a12 a13 a14 b1 ) × − aa11

41
+
(a41 a42 a43 a44 b4 )
0 a42 − ( aa41
11
)a12 a43 − ( aa41
11
)a13 a44 − ( aa41
11
)a14 b4 − ( aa11
41
)b1
ur-logo

Palabras claves
Sistemas Lineales
Trabajando en la i−ésima fila, i = 2, 3, 4.
(a11 a12 a13 a14 b1 ) × − aa11

i1
+
(ai1 ai2 ai3 ai4 bi )
0 ai2 − ( aa11
i1
)a12 ai3 − ( aa11
i1
)a13 ai4 − ( aa41
11
)a14 bi − ( aa11
i1
)b1
ur-logo

Palabras claves
Sistemas Lineales
Este proceso podemos expresarlo como:

Para i = 2 hasta 4, hacer
Para j = 2 hasta 4
(2)
aij = aij − ( aa11
i1
)a1j
Fin (Para)
(2)
bi = bi − ( aa11
i1
)b1 .
Fin (Para)
ur-logo

Palabras claves
Sistemas Lineales
En general:
Para i = 2 hasta n, hacer
Para j = 2 hasta n
(2)
aij = aij − ( aa11
i1
)a1j
Fin (Para)
(2)
bi = bi − ( aa11
i1
)b1 .
Fin (Para)
ur-logo

Palabras claves
Sistemas Lineales
La matriz queda


 a11 a12 a13 a14 b1
 0 a(2) a(2) a(2) b(2)

22 23 24 2
(2) (2) (2) (2)

 0 a32 a33 a34 b3
(2) (2) (2) (2)

0 a42 a43 a44 b4 .

ur-logo

Palabras claves
Sistemas Lineales
Eliminación de la segunda columna:

(2)
Supongamos que a22 6= 0.
Trabajando en la tercera fila
(2) (2) (2) (2)

(0 a22 a23 a24 b2 ) × − a(2)
32
+
a22
(2) (2) (2) (2)
(0 a32 a33 a34 b3 )
(2) (2) (2)

(2) a32 (2) (2) a32 (2) (2) a32 (2)
0 0 a33 − ( (2) )a23 a34 − ( (2) )a24 b3 − ( (2) )b2
a22 a22 a22
ur-logo

Palabras claves
Sistemas Lineales
Trabajando en la cuarta fila:
(2) (2) (2) (2)

(0 a22 a23 a24 b2 ) × − a(2)
42
+
a22
(2) (2) (2) (2)
(0 a42 a43 a44 b4 )
(2) (2) (2)

(2) a42 (2) (2) a42 (2) (2) a42 (2)
0 0 a43 − ( (2) )a23 a44 − ( (2) )a24 b4 − ( (2) )b2
a22 a22 a22
ur-logo

Palabras claves
Sistemas Lineales
En general:
Para i = 3 hasta n, hacer
Para j = 3 hasta n
(2)
(3) ai2 (2)
aij = aij2 − ( (2) )a2j
a22
Fin (Para)
(2)
(3) (2) ai2 (2)
bi = bi −( (2) )b2 .
a22
Fin (Para)
ur-logo

Palabras claves
Sistemas Lineales
El sistema queda como:


 a11 a(2)


12 a13 a14
(2) (2)
b1
(2)
 0 a a23 a24 b2
22
(3) (3) (3)

 0 0 a33 a34 b3
(3) (3) (3)

0 0 a43 a44 b4 .

ur-logo

Palabras claves
Sistemas Lineales
En general, repitiendo el proceso obtendremos un sistema de

la forma:
a11 x1 + a12 x2 ... + a1,n−1 xn−1 +a1n xn = b1


(2) (2) (2)

 0 + a22 x2 ... + a2,n−1 xn−1 +a2n xn = b2



... ... ... ... ... ... ...
 (n−1) (n−1) (n−1)


 0 0 0 0 0 an−1,n−1 xn−1 +an−1,n xn = bn−1

 (n) (n)
0 0 0 0 0 0 ann xn = bn
ur-logo

Palabras claves
Sistemas Lineales
Observación
En el proceso de eliminación, los elementos
(2) (3) (j)
a11 , a22 , a33 , ..., ajj que aparecen en la diagonal son
llamados pivots.
Si en el proceso de eliminación uno de los pivots se anula,
debemos cambiar las filas (siempre escogiendo aquellas
debajo de la diagonal para no perder la eliminación
anterior).
ur-logo

Algoritmo Eliminación Gaussiana

Dados aij, bi , 1 ≤ i, j ≤ n.
Para k = 1 : n − 1 hacer
encontrar i ≥ k tal que aik 6= 0
Si aii = 0 para todo i ≥ k entonces A−1 no existe
Cambie la linea k con la linea i
Para i = k + 1 : n hacer
m = mik = aakkik
bi = bi − mbk
aij = aij − makj
Fin (Para)
Fin(Para) ur-logo
Fin(Para)
Complejidad de la eliminación de Gauss
Para cada valor j en el tercer bloque del algoritmo son

realizadas dos operaciones: una multiplicación y una
adición. Ası́ en este lazo son necesarias:
n
X
2 = 2(n − k).
j=k+1
ur-logo

En el segundo bloque (el bloque en i) además de las

operaciones contabilizadas anteriormente, para cad i
realizamos una división, una multiplicación y una resta.
Ası́ el número de operaciones será:
n
X
[3 + 2(n − k)] = [3 + 2(n − k)](n − k).
i=k+1
ur-logo


Método de Gauss
Para obtener el número total de operaciones realizamos la

suma en k, correspondiente al bloque externo del
algoritmo:
n−1
X n−1
X n−1
X
3(n − k) + 2(n − k)(n − k) = 3 (n − k) + 2 (n − k)2 .
k =1 k=1 k=1
ur-logo


Método de Gauss
Número de operaciones aritméticas (cont.)

Obteniendo ası́, la cantidad de operaciones
2 3 n2 7
n + − n.
3 2 6
Observe que en los cálculos anteriores usamos el resultado:
n−1
X (n − 1)n(2n − 1)
k2 =
6
k=1 ur-logo

Número de operaciones aritméticas

Método de Gauss
Para obtener el número total de operaciones en el método

de eliminación gaussiana, necesitamos sumar el número
de operaciones necesárias para resolver el sistema
triangular.
Ası́, la aplicación del método de eliminación de Gauss, el
número de operaciones aritméticas es:
2 3 n2 7 2 3 7
n + − n + n2 = n3 + n2 − n.
3 2 6 3 2 6
Si n = 100 se necesitan 681550 operaciones aritméticas. ur-logo

Ejemplo
Método de Gauss

 2x1 + 4x2 + 6x3 = 16
−1x2 + x3 = 1
2x1 + −x2 + 4x3 = 7

La solución es:
x1∗ = 0, x2∗ = 1, x3∗ = 2.
ur-logo

Estratégia de Pivoteamiento
Considere el sistema:

0.004x1 + 15.73x2 = 15.77
0.423x1 − 24.72x2 = −20.49
Trabajando con 4 dı́gitos en la representación de punto flotante

y redondeando al despreciar el quinto dı́gito, procedemos a la
eliminación Gaussina de x1 en la segunda ecuación.
ur-logo

Obtenemos que:
m = 105.8

0.004x1 + 15.73x2 = 15.77
−1689x2 = −1688
De esta manera la solución obtenida es:
x1 = 12.5; x2 = 0.9994.
Por otro lado, podemos verificar que la solución es:
x1∗ = 10; x2∗ = 1.

ur-logo
ErrorR = 25%
Invirtiendo el orden de las filas en el sstema, tenemos

0.423x1 − 24.72x2 = −20.49
0.004x1 + 15.73x2 = 15.77
Trabajando de nuevo con cuatro dı́gitos y eliminamos x1 en la
segunda fila tenemos: m = 0.956 × 10−2 , tenemos

0.423x1 − 24.72x2 = −20.49
−15.96x2 = 15.96
De esta manera la solución obtenida es:
x1 = 10; x2 = 1
que es la solución real. ur-logo
Error = 0.
Algoritmo Eliminación Gaussiana con pivoteamiento

w = |akk |
Para j = k : n hacer
Si |ajk | > w entonces w = |ajk | y r = j
Fin (Para)
Cambiar las fı́las k y r
Para i = k + 1 : n hacer
m = mik = aakkik
bi = bi − mbk
aij = aij − makj
Fin (Para) ur-logo
Fin(Para)
Fin(Para)
Matriz de banda
Una matriz es dicha esparsa si la cantidad de ceros es

superior al número de elementos no nulos.
Si además de esparsa, la matriz tiene los elementos no
nulos concentrados en torno de la diagonal, esta es
llamada matriz de banda.
ur-logo

Matriz de banda
Definición
Una matriz A = (aij ) es una matriz de banda p + q + 1, si
aij = 0, si i > j + q o i < j − p.
ur-logo

Matriz Tridiagonal
Si p = q = 1, la matriz de banda es llamada tridiagonal, i.e,

 
d1 c1
 a2 d2 c2 
 
A=  ... ... ... 

 an−1 dn−1 cn−1 
an dn
ur-logo

Matriz Tridiagonal
Para resolver un sistema lineal con una matriz tridiagonal, i. e,

 
d1 c1 
b1

 a2 d2 c2   b2 
 
A= ... ... ...  , b= 
  .. 
  . 
 an−1 dn−1 cn−1 
an dn bn
podemos usar cuatro vectores, una para la diagonal principal,

dos para las diagonales secundarias y una para el término
independiente, como se muestra en el siguiente algoritmo: ur-logo

Algoritmo Sistema Tridiagonal
Dados vectores a, b, c, d
a
dk +1 = dk +1 − ( dk +1
k
)ck
ak +1
bk+1 = bk +1 − ( dk )bk
xn = bdnn
Para k = n − 1 : 1 hacer
xk = (bk − ck xk+1 )/dk
Fin(Para)
Fin(Para)
ur-logo

Factorización LU
Supongamos que
A = LU,
donde
L es una matriz triangular inferior con elementos de su
diagonal igual a 1, y
U es una matriz triangular superior, entonces
Ax = b ⇐⇒ LUx = b
ur-logo

Factorización LU
el cual permite obtener dos sistemas:

Sistema 1: encontrar y tal que:
Ly = b
Sistema 2: encontrar x tal que:
Ux = y.
ur-logo

Factorización LU
Conocidas L y U, el sistema será resuelta en
2n2
operaciones aritméticas (dos sistemas triangulares) lo que

representa una ganancia substancial comparado con 2/3n3
operaciones del método de Gauss.
ur-logo

Ejercicio de Factorización LU
Estudiar el problema de la existencia de las matrices L y U.
Referencia: Matrix Computation, Golub-Van Loan, 1989.
ur-logo

Observaciones
1 Dada una matriz A, los factores L y U son únicos si

exigimos que todos los elementos de la diagonal de L son
iguales a 1.
2 Se pueden encontrar directamente los elementos de L y U
a partir de la definición de producto de matrices,
obteniendose un sistema de n2 ecuaciones y n2
incognitas, que será resuelto progresivamente a partir de
los valores anteriormente calculados.
ur-logo

Ejemplo
Considere la matriz:
 
a11 a12 a13
A =  a21 a22 a23 
a31 a32 a33
Hallemos la factorización L y U.
ur-logo

Ejemplo
Considere la matriz:
    
1 0 0 u11 u12 u13 a11 a12 a13
LU =  m21 1 0   0 u22 u23  =  a21 a22 a23 
m31 m32 1 0 0 u33 a31 a32 a33
ur-logo

Ejemplo
 
u11 u12 u13
 m21 u11 m21 u12 + u22 m21 u13 + u23 =
m31 u11 m31 u12 + m32 u22 m31 u13 + m32 u23 + u33
 
a11 a12 a13
 a21 a22 a23 
a31 a32 a33
ur-logo

Formulación
De esta manera, si llamamos mij los elementos de L y de uij los

elementos de U, obtenemos:
mii = 1, ∀i = 1, ..., n
i−1
X
uij = aij − mik ukj , para i ≤ j
k=1
 
j−1
X
mij = aij − mik ukj  /ujj
k=1
ur-logo
Ası́ obtenemos el siguiente algoritmo:

Algoritmo Factorización LU
Dado la matriz A = (aij )

Para i = 1 : n hacer
Para j = i : n, hacer
i−1
P
uij = aij − mik ukj
k =1
Fin (Para)
Para j = i +1 : n, hacer
i−1

P
mji = aji − mjk uki /uii
k =1
Fin(Para)
Fin(Para) ur-logo

Observaciones
1 Se puede mostrar que los coeficientes mij calculados en el

algoritmo de eliminación Gaussina forman la matriz L
(desde que no se realice ningún cambio de fila) y que la
matriz triangular superior del método de eliminación
Gaussiana es la propia matriz U.
2 En el caso de cambio de filas (pivoteamiento) en la
eliminación gaussiana también tendremos una
factorización triangular pero con LU = A0 , donde A0 es
obtenida con el cambio de filas de A, (ver Ruggiero-Lopes,
1997).
ur-logo

Ejemplo
Sea la matriz:
  
1 +2 −1 2
A =  2 +3 −2  , b= 3 
1 −2 +1 0
Resolveremos el sistema Ax = b usando descomposición L U.
ur-logo

Ejemplo
Calculando los mij y uij por el algoritmo presentado obtenemos:

   
1 0 0 1 +2 −1
L =  2 1 0 ; U =  0 −1 0 
1 4 1 0 0 2
ur-logo

Ejemplo
Resolveremos el problema usando los sistemas:

Sistema 1: encontrar y tal que:
Ly = b
Sistema 2: encontrar x tal que:
Ux = y.
ur-logo

Ejemplo
Sistema 1:
    
1 0 0 y1 2
L=  2 1 0   y2  =  3 
1 4 1 y3 0
obtenemos:
y1 = 2; y2 = −1; y3 = 2
ur-logo

Ejemplo
Sistema 2: con estos valores calculamos x através del sistema

Ux = y , i.e.,
    
1 2 −1 x1 2
 0 −1 0   x2  =  −1 
0 0 2 x3 2
obtenemos:
x1 = 1; x2 = 1; x3 = 1
ur-logo

En algunas aplicaciones, la matriz A es simétrica (A = AT ) y

definida positiva (x T Ax > 0, ∀x ∈ Rn , x 6= 0). En este caso, se
puede demostrar que la factorización triangular es:
A = LDLT ,
donde L es una matriz triangular inferior (con 1 en la diagonal)

y D es una matriz diagonal. Esta es la descomposición de
Cholesky, y el algoritmo es el siguiente:
ur-logo

Algoritmo Factorización de Cholesky
Dado la matriz A = (aij ), simétrica y definida positiva.

Para j = 1 : n, hacer
P
dj = ajj − dk ljk
Para i = j + 1 : n, hacer !
j−1
P
lij = aij − dk lik ljk /dj
k =1
Fin(Para)
Fin(Para)
ur-logo

Observaciones
La existencia de la descomposición de Cholesky es una

condición necesaria y suficiente para que una matriz sea
definida positiva. Ası́, el algoritmo también puede ser usado
para verificar si una matriz simétrica es definida positiva.
ur-logo

Introducción
Métodos Directos
Referencias
Referencias
1 R. L. Burden y J. D. Faires. Análisis Numérico. Editorial

Iberoamericana. México 1995.
2 A. Nieves Hurtado y F. C. Domı́nguez S. Métodos
Numéricos aplicados a la Ingenierı́a. Cı́a Editorial
Continental. México, 1996.
3 S. Chapra y R. Canale. Métodos Numéricos para
Ingenieros, 5 Edición, Mc Graw Hill, 2007.
4 David Kincaid y Ward Cheney. Análisis Numérico. Las
Matemáticas del Cálculo Cientı́fico. Editorial
Addison-Wesley Iberoamericana, México, 1994. ur-logo

Sistemas Lineales (Clase)

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Sistemas Lineales (Clase)

Cargado por

Copyright:

Formatos disponibles

Métodos Numéricos

Miguel Angel Cano Lengua

Junio del 2013

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

La necesidad de resolver sistemas lineales aparece en

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

a11 x1 + a12 x2 + ... + a1n xn = b1

a21 x1 + a22 x2 + ... + a2n xn = b2

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

el problema anterior es equivalente a:

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

Uso de Matlab en la solución de sistemas lineales

Supongamos que tenemos un sistema donde n = 2. En este

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

Supongamos que tenemos un sistema donde n = 3. En este

donde a11 , a22 , a33 6= 0 entonces:

En general, consideremos el sistema

donde aii 6= 0 para todo i = 1, ..., n. Entonces:

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

x1∗ = −1/3, x2∗ = 0, x3∗ = 3

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

Método de eliminación Gausiana

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

Eliminación de la primera columna:

(a11 a12 a13 a14 b1 ) × − aa11

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

Trabajando en la tercera fila

(a11 a12 a13 a14 b1 ) × − aa11

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

Trabajando en la cuarta fila

(a11 a12 a13 a14 b1 ) × − aa11

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

Trabajando en la i−ésima fila, i = 2, 3, 4.

(a11 a12 a13 a14 b1 ) × − aa11

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

Este proceso podemos expresarlo como:

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

Eliminación de la segunda columna:

(2) (2) (2) (2)

(2) (2) (2)

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

Trabajando en la cuarta fila:

(2) (2) (2) (2)

(2) (2) (2)

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

El sistema queda como:

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

En general, repitiendo el proceso obtendremos un sistema de

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

Miguel Angel Cano Lengua canolengua@gmail.com Métodos Numéric

Algoritmo Eliminación Gaussiana

Complejidad de la eliminación de Gauss

Para cada valor j en el tercer bloque del algoritmo son