Universidad Industrial de Santander

Facultad de Ingenierías Físico-mecánicas

Métodos Numéricos para Ingeniería

TEMA 2: Solución de sistemas de ecuaciones lineales

1. Métodos directos:
1. Sistemas triangulares
2. El método de eliminación gaussiana
1. Estrategia de pivoteo: parcial, total
3. Descomposición LU
1. Método de Doolittle y método de Crout
4. Descomposición de Cholesky
5. Matrices en banda
2. Métodos iterativos

Prof. Giovanni Calderón

Escuela de Matemáticas, Facultad de Ciencias
Universidad Industrial de Santander
E-mail: gcalderon@matematicas.uis.edu.co
 Métodos numéricos: Solución de sistemas de
ecuaciones lineales
Solución de ecuaciones lineales

2/30
 Métodos numéricos: Solución de sistemas de
ecuaciones lineales
Solución de ecuaciones lineales: Sistemas Triangulares

Sistemas Triangulares:

3/30
 Métodos numéricos: Solución de sistemas de
ecuaciones lineales
Solución de ecuaciones lineales: Sistemas Triangulares

4/30
 Métodos numéricos A-2017: Solución de
sistemas de ecuaciones lineales
Solución de ecuaciones lineales

El método de eliminación gaussiana:

5/30
 Métodos numéricos: Solución de sistemas de
ecuaciones lineales
Solución de ecuaciones lineales: Eliminación gaussiana

6/30
 Métodos numéricos: Solución de sistemas de
ecuaciones lineales
Solución de ecuaciones lineales: Eliminación gaussiana

7/30
 Métodos numéricos: Solución de sistemas de
ecuaciones lineales
Solución de ecuaciones lineales

Estrategia de pivoteo:

8/30
 Métodos numéricos: Solución de sistemas de
ecuaciones lineales
Solución de ecuaciones lineales: Estrategia de pivoteo

Se puede demostrar que el

pivote total controla los errores
de redondeo. Los resultados
teóricos del pivote parcial no son
tan buenos como los del total,
pero en casi todos los
problemas prácticos, el
comportamiento del error es
casi el mismo que cuando se
hace pivote total. Como este
último requiere más tiempo, el
pivote parcial es más utilizado.

9/30
 Métodos numéricos: Solución de sistemas de
ecuaciones lineales
Solución de ecuaciones lineales: Estrategia de pivoteo

10/30
 Métodos numéricos: Solución de sistemas de
ecuaciones lineales
Solución de ecuaciones lineales: Estrategia de pivoteo

11/30
 Métodos numéricos: Solución de sistemas de
ecuaciones lineales
Solución de ecuaciones lineales: Estrategia de pivoteo

Ejercicios:

12/30
 Métodos numéricos: Solución de sistemas de
ecuaciones lineales
Solución de ecuaciones lineales: Descomposición LU

Prueba:
13/30
 Métodos numéricos: Solución de sistemas de
ecuaciones lineales
Solución de ecuaciones lineales: Descomposición LU

14/30
 Métodos numéricos: Solución de sistemas de
ecuaciones lineales
Solución de ecuaciones lineales: Descomposición LU

15/30
 Métodos numéricos: Solución de sistemas de
ecuaciones lineales
Solución de ecuaciones lineales: Descomposición LU

Para probar la unicidad de la descomposición LU se tomo lii = 1.

Cuando lii = 1, la factorización se conoce como el método de Doolittle. Si Uii = 1 se conoce como el método de Crout

Doolittle

Encontremos L y U

16/30
 Métodos numéricos: Solución de sistemas de
ecuaciones lineales
Solución de ecuaciones lineales: Descomposición de Cholesky

Ejemplo: A = [3 1 -2
1 9 0
-2 0 2];
det A1 = 3 det A2 = 26 y det A3=16

17/30
 Métodos numéricos: Solución de sistemas de
ecuaciones lineales
Solución de ecuaciones lineales: Descomposición de Cholesky

Algoritmo de Cholesky: Ejemplo: para ilustrar los pasos involucrados al aplicar el

método de Cholesky, consideremos la matriz

y deduzcamos L

18/30
 Métodos numéricos A-2017: Solución de
sistemas de ecuaciones lineales
Solución de ecuaciones lineales: Descomposición de Cholesky

Usando
Cholesky

n = 3;
A = hilb(n);
l = zeros(n,n);
for i = 1:n
suma1 = 0;
for k = 1:i-1
suma1 = suma1 + l(i,k)^2;
end
l(i,i) = sqrt(A(i,i)-suma1);
for j = i+1:n
suma2 = 0;
for k=1:i-1
suma2 = suma2+ l(i,k)*l(j,k);
end
l(j,i) = (A(i,j)-suma2)/l(i,i);
end
end
disp(l) 19/30
 Métodos numéricos A-2017: Solución de
sistemas de ecuaciones lineales
Solución de ecuaciones lineales: Descomposición de Cholesky

Observaciones del Algoritmo de Cholesky:

20/30
 Métodos numéricos A-2017: Solución de
sistemas de ecuaciones lineales
Solución de ecuaciones lineales: Descomposición de Cholesky

Observaciones del Algoritmo de Cholesky:

21/30
 Métodos numéricos A-2017: Solución de
sistemas de ecuaciones lineales
Solución de ecuaciones lineales: Matrices en banda

22/30
 Métodos numéricos A-2017: Solución de
sistemas de ecuaciones lineales
Solución de ecuaciones lineales: Matrices en banda

Es fácil ver que el número total de operaciones aritméticas que se necesitan es:
3(n-1) multiplicaciones y sumas
Total = 5n – 4 = O(n)
2n-1 divisiones

Observaciones: Las condiciones 1 y 2 de la hipótesis

dicen que la matriz es diagonal dominante. La
condición 2 de la tesis asegura que los multiplicadores
de la factorización LU son en magnitud menores que 1,
lo cual asegura la estabilidad y evita el pivoteo. La
condición 3 dice que los pivotes están acotados.
23/30
 Métodos numéricos A-2017: Solución de
sistemas de ecuaciones lineales
Solución de ecuaciones lineales: Matrices en banda

24/30
 Métodos numéricos: Solución de ecuaciones no
lineales

MUCHAS GRACIAS

25/30