Métodos Numéricos CBI

Solución de sistemas algebraicos lineales: Ax = b

   
x1 b1
 x2  n
 b2  n
A = (aij ),  ...  ∈ R ,
x=  ...  ∈ R .
b=
 

xn bn

Método de Gauss

Sea A(1) = A, b(1) = b. Vamos haciendo transformaciones de tal forma que

en cada paso los elementos abajo de la diagonal de una columna se anule, es
decir,
A(1) x = b(1) → A(2) x = b(2) → · · · → A(n) x = b(n)
donde A(k) tendrá ceros bajo la diagonal en las k − 1 primeras columnas y la
matriz final, será triangular superior. Supongamos que a11 6= 0,

(k)
Para k = 1, . . . , n − 1, suponemos conocida la matriz Am para la cual los
elementos bajo la diagonal de las k − 1 primeras columnas son iguales a cero, y
(k)
suponemos que akk 6= 0,

1
 Con las transformaciones correspondientes a las filas (renglones) k + 1, k +
2, . . . , n para la nueva matriz A(k+1) , los elementos bajo la diagonal de la co-
lumna k serán cero. Notemos que las k primeras filas de A(k) no varían. Las
fórmulas para obtener los elementos ak+1 ij , para i = k + 1, . . . , n, j = k + 1, . . . , n
son las siguientes

Suponiendo que los elementos que aparecen en la la diagonal son diferentes

de cero, finalmente obtenemos

(n) (n)
Por lo tanto el sistema final Am x = bm es un sistema triangular superior que
se puede resolver fácilmente por sustitución.
(1) (2) (k) (n)
Los elementos a11 , a22 , . . . , akk , . . . , ann se denominan pivotes.

2
Estrategias de pivote
(k)
Si en el proceso de eliminación gaussian algún pivote akk se anula, hay que
hacer algún cambio de renglones (filas) para continuar. Este procedimiento se
denomina pivotage.

Si det(A) 6= 0 siempre hay una fila (renglón) i con i > k tal que akik 6= 0
(k)
(observe en (1) que si aik = 0 para k 6 i 6 n entonces tendremos det(A) = 0).
Por lo tanto, si A es no singular siempre se puede llevar a cabo la eliminación
gaussiana haciendo pivotage. Hay dos formas de hacer el pivotage:

(k)
Pivotage parcial. A cada paso k, se toma como pivote el elemento ark
tal que
(k) (k)
|ark | = máx |aik |
k6i6n

y se intercambian las filas (renglones) k y r.

Pivotage completo. A cada paso k, se toma como pivote el elemento
(k)
ars tal que
(k)
|a(k)
rs | = máx |aik |
k6i,j6n

y se intercambian las filas (renglones) k y r, así como las columnas k y s.

Nota: En este caso debemos tener en cuenta que los intercambios de
columnas supone una reordenación de las variables (incógnitas).

Si algún pivote diagonal se anula será imprescindible hacer pivotage para

continuar el proceso. En la práctica es conveniente hacer siempre eliminación
gaussiana con pivotage con tal de que los errores de redondeo en los cálculos no
se amplifiquen en los cálculos no se amplifiquen a lo largo del proceso.

Descomposición LU

La descomposición en LU consiste en encontrar dos matrices, L y U cons-

truidas de tal forma que se cumpla que A = LU. Este es un método analítico
muy usado por las ventajas de su programación, tal como el almacenamiento
en memoria, su convergencia y su algoritmo relativamente sencillo de elaborar.
Aquí vamos mostrar cómo se descompone una matriz de orden n×n y posterior-
mente la forma en que esta descomposición se aplica en la solución de sistemas
de ecuaciones algebraicas lineales.

Existen varios métodos para descomponer de una matriz A = LU. Aquí

consideraremos los métodos de pivotage y de Crout.

3
Teorema 1. Supongamos que en una matriz A se puede completar el proce-
so de eliminación gaussiana sin pivote, es decir, supongamos que los pivotes
diagonales son diferentes de cero
(k)
akk 6= 0, k = 1, 2, . . . , n.

Entonces A se puede descomponer como A = LU donde

U = A(n) es una matriz triangular superior

L = (lij ) es una matriz triangular inferior con lii = 1

 
1 0 ··· ··· ···

 l21 1 0 ··· ··· 

L=
 l31 l32 1 0 ··· .

 ··· ··· ··· ··· ··· 
ln1 ln2 ··· ··· 1
Además, si A es no singular las descomposición LU es única.

Resolución de sistemas Ax = b cuando se conoce

la descomposición LU

Se reduce a resolver dos sistemas triangulares

Ax = b ⇐⇒ LUx = b

Sistema triangular inferior Ly = b → y

Sistema triangular superior Ux = y → x

Luego el sistema se resulve en dos pasos:

1. Se resuelve el sistema triangular inferior Ly = b utilizando sustitución

hacia adelante o progresiva

y1 = b 1 ,
X
i−1
yi = b i − lij yj , i = 2, . . . , n
j=1

4
 2. Una vez obtenida la y del paso anterior, se resuelve el sistema triangular
superior Ux = y utilizando sustitución hacia atrás o regresiva
yn
xn = ,
ann

X
n
yi − uij xj
j=i+1
xi = , i = n − 1, . . . , 1
uii
(i)
en donde hemos denotado por uij a los coeficientes aij , j > i, de la matriz
U.

(i)
Observación 1. Ya que aii 6= 0, entonces A es no singular y

Y
n 
(i)

det A = det(LU) = (det U)(det L) = (1) aii = producto de los pivotes.
i=1

Versión Curt

La matriz L es triangular inferior de la forma (2) y la matriz U es triangular

superior con elementos 1 (uno) en la diagonal principal, según la formula (3)
 
L11 0 0 ... 0
 L21 L22
 0 ... 0  
 L31 L32 L33 . . . 0 
L=  (2)
 .. .. .. .. .. 
 . . . . . 
Ln1 Ln2 Ln3 ... Lnn

 
1 U12 U13 ... U1n

 0 1 U23 ... U2n 

U=
 0 0 1 ... U3n 
 (3)
 .. .. .. .. .. 
 . . . . . 
0 0 0 ... Unn

El esquema de Crout considerado A = (aij )

X
j−1
Lij = aij − Lik Ukj
k=1

5
donde
j 6 i, i = 1, 2, 3, . . . , n − 1

X
i−1
aij − Lik Ukj
k=1
Uij =
Lii
donde
i<j i = 1, 2, 3, . . . , n − 1.
Con los casos particulares para la primera columna L, es decir, cuando j = 1:

Li1 = ai1 ,

y para el primer renglón de U, cuando i = 1:

a1j
U1j = .
L11

Tarea

Utilizando la descomposición LU poe el método de pivoteo y Crout, resolver

el sistema Ax = b con matrices de coeficientes:
   
1 1 0 3 4
 2 1 −1 1   1 
1. A=  , b= 
3 −1 −1 2   −3 
−1 2 3 −1 4
   
2 1 1 0 1
 4 3 3 1   8 
2. A=  8 7 9
, b= 
5   30 
6 7 9 8 41
   
3 −1 4 −1 10
 −1 −1 3 1   5 
3. A=  2
, b= 
3 −1 −1   1 
7 1 1 2 −20
   
10 1 −5 1
4. A =  −20 3 20 , b= 2 
5 3 5 6