Variable Compleja

Análisis Numérico para Ingeniería
Clase Nro. 5
Sistemas de Ecuaciones Lineales
Temas a tratar:
Tipos de Matrices
Método de Triangulación de Gauss
Método de Diagonalización de Gauss-Jordan
Tácticas de Pivoteo
Inversión de una Matriz
Refinamiento Iterativo de la Solución
Método de Thomas
Reducción de Crout
Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 2
Tipos de Matrices
Matriz Densa
Matriz Rala
Matriz Triangular Inferior
Matriz Triangular Superior
Matriz Diagonal
Matriz Tri-Diagonal
Matriz de Banda
Matrices Densas
Las matrices
densas
tienen
pocos
elementos
nulos.

Matrices poco densas (Ralas)
En las matrices
ralas o poco
densas, la
mayoría de sus
valores son
nulos.

Sistema Triangular Inferior
Dado el siguiente Sistema Triangular Inferior
[ ][ ] [ ]
a11 0 0 0 x1 b1
a21 a22 0 0 x2 b2
⋅ =
a31 a32 a33 0 x3 b3
a41 a 42 a 43 a44 x 4 b4
Su solución se obtiene por sustitución progresiva:

i−1
bi −∑ aik⋅x k
b1 k=1
x 1= ; xi= ; i=2,3 ,, n
a11 aii
Sistema Triangular Superior
Dado el siguiente Sistema Triangular Superior
[ ][ ] [ ]
a11 a12 a13 a14 x 1 b1
0 a22 a23 a24 x 2 b2
⋅ =
0 0 a33 a34 x 3 b3
0 0 0 a44 x 4 b4
Su solución se obtiene por sustitución regresiva:

n
bn
bi − ∑ aik⋅x k
k=i1
xn= ; xi= ; i=n−1, n−2, ,1
ann aii

Sistema Diagonal
Dado el siguiente Sistema Diagonal
[ ][ ] [ ]
a11 0 0 0 x1 b1
0 a22 0 0 x b
⋅ 2= 2
0 0 a 33 0 x3 b3
0 0 0 a 44 x 4 b4
Su solución se obtiene como:

b1 b2 b3 b4
x 1= ; x 2= ; x3= ; x 4=
a11 a22 a33 a44

Ejemplo de aplicación
Una empresa electrónica fabrica tres tipos de teléfonos celulares:
GA, GM y GB (Gama Alta, Gama Media y Gama Baja).
Para armar un celular de GM se necesitan 60 minutos, otros 12 para

probar sus componentes y 12 minutos más para instalar el software. El
tiempo requerido por el GA es de 72 minutos para su ensamblado, 15
minutos para probarlo y 12 minutos para instalar el software.
El GB, el más sencillo de la línea, necesita 36 minutos de ensamblado,

9 minutos de prueba y 9 minutos de instalación de software.
Si la planta dispone de 1560 horas de trabajo por mes para armar, 340
horas para probar y 320 horas para instalar.
¿Cuántos celulares de cada tipo puede producir en un mes?

Notación explícita
Notación explícita para un Sistema de Ecuaciones
Lineales de la forma: Ax=b
a11 x 1a12 x 2a13 x 3 a1n x n=b 1

a21 x1a22 x 2 a23 x 3a2n x n=b2
a31 x1a32 x 2 a33 x 3a3n x n=b3
         
an1 x 1 a n2 x 2a n3 x 3a nn x n =bn

Notación Matricial
Notación matricial para un Sistema de Ecuaciones

Lineales de la forma: Ax=b
[ ][ ] [ ]
a11 a12 a13  a1n x 1 b1
a21 a22 a23  a2n x 2 b2
a31 a32 a33  a3n ⋅ x 3 = b3
⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮
an1 an2 an3  ann x n bn

Métodos Directos
Métodos de Resolución
Triangulación de Gauss
Diagonalización de Gauss-Jordan
Método de Thomas
Métodos de Factorización
Factorización de Crout
Factorización de Doolittle
Factorización de Choleski

Carl Freidrich Gauss
Nació el 30 de abril de 1777 en
Braunschweig, Alemania.
Gauss tuvo una importante
influencia en diversos campos de
la matemática y es considerado
como uno de los matemáticos
más influyentes de la historia.
Desarrolló temas como la teoría
de números, estadística, análisis,
geometría diferencial, geodesia,
geofísica, electrostática, astrono-
mía y óptica.
Falleció el 23 de febrero de 1855
en Göttingem, Alemania.

Matriz Ampliada
La matriz ampliada es una matriz que contiene los elementos
de la matriz original junto con los elementos de los términos
independientes, colocados como columnas adicionales.
∣
a11 a12 a13  a1n b1
a21 a 22 a23  a2n b2
a31 a 32 a33  a3n b3
⋮ ⋮ ⋮ ⋱ ⋮ ⋮
an1 a n2 an3  ann bn

Método de Gauss (I)
Matriz ampliada del sistema original
∣
a11 a12 a13 b1
a21 a22 a23 b2
a31 a32 a33 b3
Tablero 1:
Resultado de las operaciones sobre el sistema original
∣
F1
1 a ' 12 a ' 13 b '1  F '1 =
a11
0 a ' 22 a ' 23 b '2  F '2 = F 2 − F '1⋅a21
0 a ' 32 a ' 33 b '3  F '3 = F 3 − F ' 1⋅a 31

Método de Gauss (II)
Matriz ampliada correspondiente al Tablero 1
∣
1 a ' 12 a ' 13 b '1
0 a ' 22 a ' 23 b '2
0 a ' 32 a ' 33 b '3
Tablero 2:
Resultado de las operaciones sobre el Tablero 1
∣
1 a ' 12 a ' 13 b '1
F '2
0 1 a ' ' 23 b ' '2 → F ' '2 =
a '22
0 0 a ' ' 33 b ' '3 → F ' ' 3 = F ' 3 − F ' ' 2⋅a ' 32

Método de Gauss (III)
Tablero 2
∣
1 a ' 12 a ' 13 b '1
0 1 a ' ' 23 b ' '2
0 0 a ' ' 33 b ' '3
Tablero 3:
∣
1 a ' 12 a ' 13 b '1
0 1 a ' ' 23 b ' '2
F ' '3
0 0 1 b ' ' '3 → F ' ' '3 =
a ' ' 33

Wilhelm Jordan
Nació el 1 de marzo de 1842

en Ellwangen, Alemania.
Debido a que los métodos de
mínimos cuadrados eran muy
importantes en topografía, una
disciplina de gran importancia
para su época, desarrolló el
método conocido como Gauss-
Jordan para resolver ese tipo
de problemas.
Falleció el 17 de abril de 1899
en Hannover, Alemania.

Método de Gauss-Jordan (I)
Matriz ampliada del sistema original
∣
a11 a12 a13 b1
a21 a22 a23 b2
a31 a32 a33 b3
Tablero 1:
Resultado de las operaciones sobre el sistema original
∣
F1
1 a ' 12 a ' 13 b '1  F '1 =
a11
0 a ' 22 a ' 23 b '2  F '2 = F 2 − F '1⋅a21
0 a ' 32 a ' 33 b '3  F '3 = F 3 − F ' 1⋅a 31

Método de Gauss-Jordan (II)
Matriz ampliada correspondiente al Tablero 1
∣
1 a ' 12 a ' 13 b '1
0 a ' 22 a ' 23 b '2
0 a ' 32 a ' 33 b '3
Tablero 2:
∣
1 0 a ' ' 13 b ' '1 → F ' ' 1 = F ' 1 − F ' ' 2⋅a '12
F '2
0 1 a ' ' 23 b ' '2 → F ' '2=
a ' 22
0 0 a ' ' 33 b ' '3 → F ' ' 3 = F ' 3 − F ' ' 2⋅a '32

Método de Gauss-Jordan (III)
Tablero 2
∣
1 0 a ' ' 13 b ' '1
0 1 a ' ' 23 b ' '2
0 0 a ' ' 33 b ' '3
Tablero 3:
b ' ' '1 
∣
F ' ' ' 1 = F ' ' 1 − F ' ' ' 3⋅a ' ' 13
1 0 0
0 1 0 b ' ' '2  F ' ' ' 2 = F ' ' 2 − F ' ' ' 3⋅a ' ' 23
F ' '3
0 0 1 b ' ' '3  F ' ' ' 3=
a ' ' 33

Resolución Simultánea de Sistemas
Es posible utilizar los métodos antes mencionados, para
resolver n sistemas simultáneamente. Lo único que
hay que hacer es agregar a la matriz ampliada los n
vectores de términos independientes.
∣
a11 a12 a13 … a1n b1 c1 d1 … w1
a21 a22 a23 … a 2n b2 c2 d2 … w2
a31 a32 a33 … a 3n b3 c3 d3 … w3
⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮
an1 a n2 an3 … a nn bn cn dn … wn

Tácticas de pivoteo
Las tácticas de pivoteo se emplean para evitar

la amplificación de los errores producidos por
trabajar con aritmética finita.
Por lo tanto se busca que los elementos de

mayor valor absoluto, se encuentren en los
pivotes.
Las estrategias de pivoteo más utilizadas son

el pivoteo parcial por filas, o por columnas y el
pivoteo total.
La solución del sistema A.x = v1, donde v1 es el 1er. Versor,
∣
a11 a12 a13 … a1n 1
a21 a 22 a23 … a2n 0
a31 a 32 a33 … a3n 0
⋮ ⋮ ⋮ ⋱ ⋮ ⋮
an1 a n2 an3 … ann 0
−1
equivale a : x= A ⋅v 1
Es decir, dicha solución es la primer columna de la inversa de la matriz A
La solución del sistema A.x = v2, donde v2 es el 2do. Versor,
∣
a11 a12 a13 … a1n 0
a21 a 22 a23 … a2n 1
a31 a 32 a33 … a3n 0
⋮ ⋮ ⋮ ⋱ ⋮ ⋮
an1 a n2 an3 … ann 0
−1
equivale a : x= A ⋅v 2
Es decir, dicha solución es la segunda columna de la inversa de la matriz A
Para hallar la inversa de una matriz por medio del método de Gauss-
Jordan. Simplemente se ingresan tantos versores como sea el orden
de la matriz y se aplica el método a todos los sistemas
simultáneamente. Como la solución de cada sistema corresponde a
cada una de las columnas de la matriz inversa, al finalizar el proceso
de diagonalización, se obtendrá la matriz inversa completa.
∣
a11 a12 a13  a1n 1 0 0  0
a21 a 22 a23  a2n 0 1 0  0
a31 a 32 a33  a3n 0 0 1  0
⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮
an1 a n2 an3  ann 0 0 0  1

Refinamiento Iterativo (I)
La solución exacta de un sistema
A⋅x−b=0
de ecuaciones lineales es:
Como solo podemos calcular una *

solución aproximada x* , nos A⋅x −b=r≠0
queda un residuo r.
*
A⋅x −b=r
Si restamos -
ambas A⋅x−b=0
expresiones,
----------------
obtenemos :
*
A⋅ x−x =r ⇒ A⋅(Δ x)=r

Refinamiento Iterativo (II)
Por lo tanto podemos hallar la solución del siguiente sistema:
A⋅Δ x i =r i
Esta solución a su vez, nos permite calcular un nuevo valor de x*
* *
x i+1 =x +Δ x i
i
Con este nuevo valor de x, podemos calcular un nuevo residuo

y compararlo con una cota establecida. Si dicha cota no se ha
alcanzado, se repite el proceso.

Refinamiento Iterativo (III)
CALCULAR x* resolviendo
A.x* = b
HACER x* =x*+Δx
CALCULAR r como
r = Ax* - b
CALCULAR Δx resolviendo
A.Δx = r
SI
|| r || > ε
NO

Llewellyn Hilleth Thomas
Nació el 21 de octubre de 1903
en Londres, Inglaterra.
Realizó importantes contribu-
ciones en el campo de la física
atómica y cuántica
En 1926 propuso la ”precesión
de Thomas” para explicar las
diferencias entre las predic-
ciones de la teoría del acopla-
miento del spin-órbita y las
observaciones experimentales.
Falleció el 20 de abril de 1992
en Raileigh, Carolina del Norte.
Método de Thomas
El método de Thomas es una optimización
del método de Gauss, para resolver sistemas
cuyas matrices son tri-diagonales.
[ ][ ] [ ]
d1 u1 0 0  0 x1 b1
l1 d2 u2 0  0 x2 b2
0 l2 d3 u3  0 x3 b3
0 0 l3 d4  0 ⋅ x4 = b4
⋮ ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮
0 0 0  d n−1 un−1 x n−1 bn−1
0 0 0  l n−1 d n xn bn

Variables en el método de Thomas
Para trabajar con vectores del mismo tamaño, a los
vectores que almacenan los valores de las diagonales
secundarias, se los completa con un 0, según
corresponda. Esto simplifica enormemente el algoritmo.
u= u1 u2 u3 u4 ... 0 Diagonal Superior

u(1) u(2) u(3) u(4) ... u(n)
d= d1 d2 d3 d4 ... dn Diagonal Principal

d(1) d(2) d(3) d(4) ... d(n)
l1 l2 l3 ln-1 Diagonal Inferior

l= 0 ...
l(1) l(2) l(3) l(4) ... l(n)

Métodos de Factorización Triangular
La factorización LU (o factorización triangular) de una

matriz A, consiste en reescribir dicha matriz, como producto de
dos matrices triangulares L y U. Donde la matriz L es triangular
inferior y la matriz U es triangular superior.
Los métodos de factorización triangular más conocidos son:

La Reducción de Crout ( LU1 )
El método de Doolittle ( L1U )
Método de Choleski para matrices A positivas definidas.
Las matrices L1 y U1 son matrices triangulares que poseen

valores unitarios en la diagonal.

Métodos de Factorización
Factorización de Crout
Se especifica u11= u22= u33= … = 1
Factorización de Doolittle
Se especifica l11= l22= l33= … = 1 No los
veremos
en el
presente
Factorización de Choleski curso
Se especifica lii= uii

Prescott Durand Crout
Nació el 28 de julio de 1907 en

Columbus, Ohio, USA.
Fue profesor de la Facultad de
Matemáticas del MIT desde
1934 hasta 1973.
Trabajó en el Laboratorio de
radiación entre 1941 y 1945.
Fue nombrado profesor
emérito del MIT en 1973.
Falleció el 25 de septiembre de
1984 en Suiza.

Factorización de Crout (LU1)
[ ][ ][ ]
l 11 0 0 0 1 u12 u13 u14 a11 a12 a13 a14
l 21 l22 0 0 0 1 u 23 u24 a21 a22 a23 a24
⋅ =
l 31 l32 l 33 0 0 0 1 u34 a31 a32 a33 a34
l 41 l 42 l 43 l 44 0 0 0 1 a 41 a42 a 43 a44
Elementos
a calcular
Si multiplicamos las filas de L por la 1er. columna de U1 podemos

observar que los elementos de la 1er. columna de L son iguales
a los elementos de la 1er. columna de A.
l 11 =a11 ; l 21=a 21 ; l 31=a 31 ; l 41=a 41

Factorización de Crout (LU1) (I)
[ ][ ][ ]
l 11 0 0 0 1 u12 u13 u14 a11 a12 a13 a14
l 21 l 22 0 0 0 1 u 23 u24 a21 a22 a23 a24
⋅ =
l 31 l32 l 33 0 0 0 1 u34 aElementos
31 a32 a33 a34
a calcular
l 41 l 42 l 43 l 44 0 0 0 1 a 41 a42 a 43 a44
Si multiplicamos la primera fila de L por las columnas de U1 obtenemos:

l 11=a 11 ; l 11⋅u 12=a12 ; l 11⋅u13 =a 13 ; l 11⋅u14 =a14
Por lo tanto podemos calcular los valores de la primera fila de U1 como:
a12 a13 a 14
u 12= ; u13 = ; u 14=
l 11 l 11 l 11

Factorización de Crout (LU1) (II)
Elementos
a calcular
[ ][ ][ ]
l 11 0 0 0 1 u12 u13 u14 a11 a12 a13 a14
l 21 l 22 0 0 0 1 u 23 u24 a21 a22 a23 a24
⋅ =
l 31 l32 l 33 0 0 0 1 u34 a31 a32 a33 a34
l 41 l 42 l 43 l 44 0 0 0 1 a 41 a42 a 43 a44
Si multiplicamos las filas desde 2 hasta n, de L por las 2da. columna de U1 obtenemos:
l 21⋅u12l 22=a22 ; l 31⋅u12l 32=a 32 ; l 41⋅u12l 42=a 42
Por lo tanto podemos calcular los valores de la segunda columna de L1 como:
l 22=a 22−l 21⋅u12 ; l 32=a32−l 31⋅u12 ; l 42=a42−l 41⋅u12

Factorización de Crout (LU1) (III)
[ ][ ][ ]
l 11 0 0 0 1 u12 u13 u14 a11 a12 a13 a14
l 21 l 22 0 0 0 1 u 23 u24 a a22 a23 a24
⋅ = 21
l 31 l32 l 33 0 0 0 1 u34 a31 a32 a33 a34
l 41 l 42 l 43 l 44 0 0 0 1 a 41 a42 a 43 a44
Repitiendo el mismo esquema, obtenemos:
l 21⋅u13 l 22⋅u 23=a23 ; l 21⋅u 14l 22⋅u24 =a 24
Por lo tanto podemos calcular los valores de la segunda fila de U1 como:
a23−l 21⋅u13 a24 −l 21⋅u 14

u 23= ; u24 =
l 22 l 22
Factorización de Crout (LU1) (IV)
Elementos
a calcular
[ ][ ][ ]
l 11 0 0 0 1 u12 u13 u14 a11 a12 a13 a14
l 21 l 22 0 0 0 1 u 23 u24 a21 a22 a23 a24
⋅ =
l 31 l32 l 33 0 0 0 1 u34 a31 a32 a33 a34
l 41 l 42 l 43 l 44 0 0 0 1 a 41 a42 a 43 a44
Si multiplicamos las filas desde 3 hasta n, de L por las 3ra. columna de U1 obtenemos:
l 31⋅u13 l 32⋅u 23l 33 =a33 ; l 41⋅u13l 42⋅u23l 43=a 43
Por lo tanto podemos calcular los valores de la tercera columna de L1 como:
l 33=a 33−l 31⋅u13−l 32⋅u23 ; l 43 =a 43−l 41⋅u13 −l 42⋅u23

Factorización de Crout (LU1) (V)
Elementos
[ ][ ][ ]
l 11 0 0 0 1 u12 u13 u14 aa11calcular
a12 a13 a14
l 21 l 22 0 0 0 1 u 23 u24 a a a23 a24
⋅ = 21 22
l 31 l32 l 33 0 0 0 1 u34 a31 a32 a33 a34
l 41 l 42 l 43 l 44 0 0 0 1 a 41 a42 a 43 a44
Repitiendo el mismo esquema, obtenemos:
l 31⋅u14 l 32⋅u 24 l 33⋅u34 =a 34
Por lo tanto podemos calcular los valores de la segunda fila de U1 como:
a34 −l 31⋅u14 −l 32⋅u24

u34=
l 33
Factorización de Crout (LU1) (VI)
[ ][ ][ ]
l 11 0 0 0 1 u12 u13 u14 a11 a12 a13 a14
Elementos
l 21 l 22 0 0 0a calcular
1 u 23 u24 a a22 a23 a24
⋅ = 21
l 31 l32 l 33 0 0 0 1 u34 a31 a32 a33 a34
l 41 l 42 l 43 l 44 0 0 0 1 a 41 a42 a 43 a44
Si multiplicamos la filas 4, de L por las 4ta. columna de U1 obtenemos:
l 41⋅u 14 l 42⋅u 24 l 43⋅u34l 44 =a44
Por lo tanto podemos calcular el último valor de L1 como:
l 44 =a44 −l 41⋅u14 −l 42⋅u 24−l 43⋅u34

Solución a partir de Crout (I)
Dado que la matriz A se ha transformado en el producto L.U1
A⋅x=b  L⋅U 1⋅x=b  L⋅U 1⋅x=b
Si llamamos c a (U1.x) , el sistema se transforma en:
L⋅U 1⋅x =b  L⋅c=b
Como la matriz L es una matriz triangular inferior, podemos

obtener los valores de c, aplicando sustitución progresiva.
i−1
bi −∑ l ik⋅c k
b1 k=1
c1 = ; ci= ; i=2,3 , , n
l 11 l ii

Solución a partir de Crout (II)
Una vez obtenidos los valores de c, como:
L⋅U 1⋅x =b  L⋅c=b
Nos queda el siguiente sistema:
U 1⋅x=c
Y como la matriz U1 es una matriz triangular superior, podemos

obtener los valores de x, aplicando sustitución regresiva.
n
x n =c n ; x i =c i − ∑ uik⋅x k ; i=n−1, n−2, ,1
k=i1

PREGUNTAS ...

Variable Compleja

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

Variable Compleja

Cargado por

Copyright:

Formatos disponibles

Análisis Numérico para Ingeniería

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 4

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 5

Su solución se obtiene por sustitución progresiva:

Su solución se obtiene por sustitución regresiva:

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 7

Su solución se obtiene como:

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 8

Para armar un celular de GM se necesitan 60 minutos, otros 12 para

El GB, el más sencillo de la línea, necesita 36 minutos de ensamblado,

¿Cuántos celulares de cada tipo puede producir en un mes?

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 9

a11 x 1a12 x 2a13 x 3 a1n x n=b 1

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 10

Notación matricial para un Sistema de Ecuaciones

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 11

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 12

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 13

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 14

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 15

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 16

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 17

Nació el 1 de marzo de 1842

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 20

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 21

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 22

b ' ' '1 

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 23

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 26

Las tácticas de pivoteo se emplean para evitar

Por lo tanto se busca que los elementos de

Las estrategias de pivoteo más utilizadas son

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 30

Como solo podemos calcular una *

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 32

Esta solución a su vez, nos permite calcular un nuevo valor de x*

Con este nuevo valor de x, podemos calcular un nuevo residuo

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 33

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 34

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 36

u= u1 u2 u3 u4 ... 0 Diagonal Superior

d= d1 d2 d3 d4 ... dn Diagonal Principal

l1 l2 l3 ln-1 Diagonal Inferior

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 37

La factorización LU (o factorización triangular) de una

Los métodos de factorización triangular más conocidos son:

Las matrices L1 y U1 son matrices triangulares que poseen

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 40

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 41

Nació el 28 de julio de 1907 en

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 42

Si multiplicamos las filas de L por la 1er. columna de U1 podemos

l 11 =a11 ; l 21=a 21 ; l 31=a 31 ; l 41=a 41

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 43

Si multiplicamos la primera fila de L por las columnas de U1 obtenemos:

Por lo tanto podemos calcular los valores de la primera fila de U1 como:

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 44

l 21⋅u12l 22=a22 ; l 31⋅u12l 32=a 32 ; l 41⋅u12l 42=a 42

Por lo tanto podemos calcular los valores de la segunda columna de L1 como:

l 22=a 22−l 21⋅u12 ; l 32=a32−l 31⋅u12 ; l 42=a42−l 41⋅u12

Ing. Francisco A. Lizarralde Facultad de Ingeniería - UNMDP - 2014 45

Repitiendo el mismo esquema, obtenemos: