Está en la página 1de 69

Nociones Elementales de Matrices

Antes de ver la solucin de los Sistemas de Ecuaciones Lineales


haremos un repaso de las fundamentos de las matrices.

1
Nociones Elementales de 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
Solucin de sistemas de ecuaciones
lineales
Anlisis de Circuitos (ecuaciones de malla y nodos)
Solucin Numrica de ecuaciones diferenciales (Mtodo de las
diferencias Finitas)
Solucin Numrica de ecuaciones de integrales (Metodo de los
Elementos Finitos, Mtodo de los Momentos)

a11 x1 a12 x2 a1n xn b1 a11 a12 a1n x1 b1


a a a2 n x2 b2
a21 x1 a22 x2 a2 n xn b2 21 22



an1 x1 an 2 x2 ann xn bn an1 an 2 ann xn bn

8
Consistencia (Solubilidad)
El sistema lineal de ecuaciones Ax=b tiene una solucin, 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 mximo numero de columnas linealmente


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

9
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 mltiplo distinto a cero de cualquier otra fila

10
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

11
Unicidad de las soluciones

El sistema tiene una nica 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)

12
Sistemas rango completo (Full-rank)
Si Rango{A}=n
Det{A} 0 A es nonsingular por lo tanto invertible
Solucin nica

1 2 x1 4
1 1 x 2
2

13
Matrices de rango deficiente
Si Rango{A}=m<n
Det{A} = 0 A is singular por lo tanto no es invertible
nmero 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
14
Sistema de ecuaciones
mal-condicionadas
Una pequea desviacin en las entradas de la matriz A,
causa una gran desviacin en la solucin.

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

15
Mal condicionada (continua.....)
Un sistema lineal de
ecuaciones se dice a
ser mal
condicionada si la
matriz de coeficientes
tiende a ser singular

16
17
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, solucin nica
Sistemas bien-condicionados

18
Tcnicas de Solucin
Mtodos directos de solucin

Encuentra una solucin en un nmero finito de operaciones


transformando el sistema en un sistema equivalente que sea
' ms fcil ' de solucionar.

Triangulares diagonales, .

Mtodos de solucin Iterativos

Calcula las aproximaciones sucesivas del vector solucin para


una mat. A y un b dados, comenzando de un punto inicial x0

Total del de operaciones es incierto, puede que no converja.
19
Mtodos de solucin directa
Eliminacin Gaussiana
Usando ERO, la matriz A es transformada en una
matriz triangular superior (todos los elementos
debajo de la diagonal son cero).
Sustitucin hacia atrs 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

20
Primer paso de la eliminacin
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)
ann x b (1)
n1 n n

a11
(1) (1)
a12 (1)
a13 a1(1n) x1 b1(1)
m2 ,1 a21
(1) (1)
/ a11 ( 2) ( 2) ( 2)
0 a22 a23 a2( 2n) x2 b2
m3,1 a31
(1) (1)
/ a11 0 ( 2)
a32 ( 2)
a33 a3( 2n ) x3 b3( 2 )


mn ,1 an(11) / a11
(1) 0 an( 22) an( 23) ( 2)
ann x b ( 2)
n n

21
Segundo paso de la eliminacin
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)
ann x b ( 2 )
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)


mn , 2 an( 22) / a22
( 2) 0 0 an( 33) ( 3)
ann x b ( 3 )
n n
22
Algoritmo de la Eliminacin Gaussiana
Define un nmero de pasos como p (fila pivotal)
For p=1,n-1
For r=p+1 to n

mr , p arp( p ) / a (ppp )
arp( p ) 0
br( p 1) br( p ) mr , p b p( p )
For c=p+1 to n
( p 1)
a rc a ( p)
rc mr , p a ( p)
pc

23
Algoritmo de la sustitucin
hacia atrs
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( n1) n 1 an( n1) n xn 1 b ( n 1)
n 1

xn
(n) (n)

0 0 0 0 ann
bn

bn( n )
xn ( n )
ann
xn 1
a
1
( n 1)
b
( n 1)
n 1 ann11n xn
n 1n 1

1 (i ) n

xi ( i ) bi aik xk i n 1, n 2, ,1
(i )

aii k i 1
24
Contador de Operaciones
Nmero de operaciones aritmticas requeridas por el
algoritmo para completar esta tarea.
Generalmente solo multiplicaciones y divisiones son
contadas.
3 2
Proceso de Eliminacin n n 5n
3 2 6
Sustitucin hacia atrs n2 n Dominates
2 No eficiente para
diferentes vectores RHS
n3 n
Total n
2

3 3
25
Decomposicin LU
A=LU
Ax=b LUx=b
Define Ux=y
Ly=b Resolver y por sustitucin hacia adelante
Ux=y Resolver x por sustitucin hacia atrs
Las operaciones elementales entre filas debe ser desarrolladas en
b as como en A.
La informacin de estas operaciones es almacenada en L
En verdad y es obtenida aplicando operaciones elementales al
vector b.

26
Decomposicin LU por Eliminacin
Gausiana
Existen infinitas formas diferentes para descomponer A.
Una de las ms populares es: U=Matriz de la Eliminacin Gaussiana
L=Multiplicadores usados para la eliminacin

1 0 0 0 0 a11(1) a12(1) a13(1) a1(1n)


m 1 0 0 0 ( 2) ( 2) ( 2)
2,1 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( n1) n 1 an( n1) n

mn ,1 mn , 2 mn ,3 mn , 4 1 0 (n)
0 0 0 ann
Almacenamiento Compacto: Las entradas diagonales de la matriz L son
todos unos, estos no necesitan almacenarse. LU es almacenado en una
matriz.
27
Contador de Operaciones
A=LU Descomposicin n3 n

3 3
Ly=b Sustitucin hacia adelante n2 n

Ux=y Sustitucin hacia atrs 2


n n
2

3
Total n n 2
n
2
3
Para diferentes 3
vectores RHS, el sistema puede ser
eficientemente resuelto.

28
Pivoteo
Computadoras usan precisin aritmtica finita
Pequeos errores son introducidos en cada operacin
aritmtica, propagacin de errores
Cuando los elementos pivotales son muy pequeos, los
multiplicadores podran ser muy grandes.
La adicin de nmeros de magnitud diferente puede
conducir a la prdida de significacin .
Para reducir el error, se realiza intercambio de filas
para maximizar la magnitud del elemento pivotal.

29
Ejemplo: Sin Pivoteo
1.133 5.281 x1 6.414
aritmtica 4-digit 24.14 1.210 x 22.93
2

24.14 1.133 5.281 x1 6.414


m21
1.133
21.31 0.000 113.7 x 113.8
2

x1 0.9956
x 1.001 Prdida de precisin
2
30
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
24.14
0.04693 0.000 5.338 x 5.338
2

x1 1.000
x 1.000
2
31
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 a33(3) 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
32
Pivoteo por fila
Ms comnmente llamado procedimiento de
pivoteo parcial
Busque la columna pivotal
Encuentre el mas grande elemento en magnitud
Luego intercambie esta fila con la fila pivotal.

33
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 a33(3) 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 ms grande en magnitud 34
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 35
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 )

Ms grande
(i )
0 0 0 ani anj ann en magnitud
(i ) (i )

Intercambie
estas columnas 36
Pivoteo por filas en Descomposicin LU
Cuando dos filas de A se
1 1
intercambian, las filas de 2 2
b deben tambin ser
3 3
intercambiadas.

Use un vector pivote.
p i p j
Vector pivote inicial son
enteros desde 1 hasta n.
j i
Cuando dos filas (i y j)
de A son intercambiadas,
n n
aplicar esto al vector
pivote.

37
Modificando el vector b

Cuando se realiza la 1 7.3 7.3


descomposicin LU de A, el 3 8 .6 1.2
vector pivote nos da el
2 1.2 8.6
orden de las filas despus
del intercambio. 4 4 . 8 4. 8
b 9.6 b 3.5
Antes de aplicar la p 8
sustitucin 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.

38
Descomposicin LU
algoritmo con pivoteo parcial
For k=1,n-1 columna a ser eliminada
p=k
For r=k+1 to n Columna para una
if ark a pk then p r entrada mxima
if p>k then Intercambio
For c=1 to n t akc , akc a pc , a pc t de filas
For r=k+1 to n
mr ,k ark( k ) / akk( k )
ark( k 1) mr ,k Actualizando la matriz L
For c=k+1 to n
Actualizando la
matriz U arc( k 1) arc( k ) mr ,k akc( k ) 39
Ejemplo
0 3 2 12 1
A 4 2 1 b 5 p 2
1 4 2 3 3

Intercambio de columnas: Mxima magnitud segunda fila


Intercanbio de la 1era y 2da fila

4 2 1 2
A 0 3 2 p 1
1 4 2 3

40
Ejemplo (continuacin)...
4 2 1 2
A 0 3 2 p 1
1 4 2 3
Elimacin 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
41
Ejemplo (continuacin)...
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

42
Ejemplo (continuacin)...
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


43
Ejemplo (continuacin)...
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

Ax=b LUx=b
Ux=y
Ly=b
44
Ejemplo (continuacin)...
Ly=b
1 0 0 y1 5 y1 5
0.25 1 0 y 3 y 1.75
2 Sustitucin 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 x 2
2 Sustitucin 2
0 0 3.5 x3 10.5 Directa x3 3

45
Eliminacin 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) (1)
ann bn(1) 0 an( 22) ( 2)
ann bn

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)

( 3)
0 0 ann bn( 3) 0 0 (n)
ann bn( n )

46
Eliminacin de Gauss-Jordan
Casi 50% mas de operaciones aritmticas que la
Eliminacin Gaussiana.
Gauss-Jordan (GJ) Eliminacin es preferible cuando la
inversa de una matriz es requirido.

A I
Aplicar eliminacin GJ para convertir A en una matriz
identidad.

I A 1
47
Diferentes formas de factorizacin LU
Forma de Doolittle a11 a12 a13 1 0 0 u11 u12 u13
Obtenida por a a22 a23 l21 1 0 0 u 22 u23
21
Eliminacin Gaussiana a31 a32 a33 l31 l32 1 0 0 u33

Forma de Crout a11


a
a12 a13 l11 0 0 1 u12 u13
21 a22 a23 l21 l22 0 0 1 u23
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
l 31 l 32 l 33 0 0 l 33

48
Forma de Crout
Clculo de la primera columna de L li1 ai1
a1 j
Clculo de la primera fila de U u1 j
l 11
Clculo alternado de las colum. de L y filas de U

j 1
lij aij lik ukj j i, i 1,2, , n
k 1

aij k 1 lik ukj


i 1

uij i j, j 2,3, , n
lii

49
Secuencia de la reduccin 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 .As las columnas de L y las filas de U pueden ser
almacenadas en la matriz A
50
Factorizacin de Choleski
Si A es simtrica y definida positiva, entonces la factorizacin LU
Puede ser arreglada para que U = LT , la cual se obtiene de la
factorizacin de Choleski
A = LLT
Donde L es una matriz triangular inferior con diagonal con
entradas positivas
Algoritmo para el clculo puede ser derivado por la ecuacin
correspondiente a las entradas de A y LLt
En el caso de 2 2, por ejemplo,

Implica que:

51
Factorizacin de Choleski (continua)
Una forma de escribir el algoritmo general,es

52
Solucin 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
53
Sistemas grandes y Esparcidos
Cuando el sistema lineal es grande y esparcido (muchas
entradas ceros), los mtodos directos llegan a ser
ineficientes por la presencia de trminos de relleno.
Los trminos de relleno son aquellos que resultan ser
diferentes de cero durante la eliminacin

Trminos
de
a11 0 a13 a14 0 a11 0 a13 a14 0 relleno
0 a 0 0
22 0 a24
Eliminacin a22 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 54
Matrices Esparcidas
La matriz de ecuacin 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
trminos de relleno aumentan los requerimientos de
almacenamiento considerablemente.
En tales casos los mtodos de solucin iterativa debe
ser preferidos en lugar de mtodos de solucin directa.

55
Problema 1
Resolver por Eliminacin Gaussiana con pivoteo parcial
de filas: 4 0 2 3 x1 9
3 2 2 3 x 14
2
2 4 1 1 x3 9

1 1 1 1 x
4 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 x
4 6 . 25

56
Problema 1
Intercambiamos las Ecuaciones 2 y 3 (E2E3)
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 x
4 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

57
Problema 1
E4-(-1/4)E3 =>E4
4 0 2 3 x1 9
0
4 2 2.5 x2 13.5

0 0 2 2.375 x3 9.625

0 0 0 0.09375 x4 2.90625

Resolviendo por x4 31
x 32
sustitucin hacia atrs: 3
x2 0

x1 5

58
Problema 2
Obtener la factorizacin de Doolite:
6 1
A
2 4
Solucin 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 *
m12 1 1 / 3 1 1 / 3 1 0 13 / 3
59
Problema 2
Solucin 2 6 1 1 0 u11 u12
A L *U *

2 4 l21 1 0 u22
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

60
Problema 3
Resolver por la factorizacin de Doolite:
6 1 x1 5
2 4 x 6
2
Solucin
Del ejercicio anterior ya tenemos la factorizacin LU:

1 0 6 1 x1 5
L *U * x b *
1 / 3 1 0 13 / 3 x2 6

61
Problema 3
Se obtienen dos sistemas triangulares fciles de resolver.
Resolviendo el sistema triangular inferior por sustitucin
directa:
1 0 z1 5 z1 5
L* z b *
1 / 3 1 z 6 z
2 2 13 / 3
Resolviendo el sistema triangular superior por sustitucin
directa:

6 1 x1 z1 5 x1 1
U *x z
0 13 / 3 x2 z 2 13 / 3 x2 1

62
Problema 4
Obtener la factorizacin 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

63
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

64
Problema 5
Mtodo de Crout para sistemas tridiagonales
a11 a12 0 0 l11 0 0 0 1 u12 0 0
a a22 a23 0 l21 l22 0 0 0 1 u23 0
21
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

65
Problema 6
Factorizar por el mtodo de Choleski la siguiente
matriz:
4 1 1
1 4.25 2.75

1 2.75 3.5

Solucin
Se requiere que la matriz sea simtrica y definida
positiva para aplicar Choleski.

66
Problema 6
Es evidente que la matriz es simtrica; 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

67
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
factorizacin 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

68
Problema 6
Resolviendo la multiplicacin 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
69