Métodos

Numéricos

MSc. Cindy
Calderón Arce

Eliminación
Gaussiana Métodos Numéricos
Factorización
LU
Sistemas de Ecuaciones Lineales

MSc. Cindy Calderón Arce

Instituto Tecnológico de Costa Rica

I Semestre, 2015

1 / 28
 Sistema tridiagonal

Métodos
Numéricos

MSc. Cindy
Calderón Arce

Eliminación
Gaussiana
Ejemplo
Factorización
LU Determine la solución del siguiente sistema de ecuaciones:

 2a + b = 2
c − 2b = 0
3c = 6


2 / 28
 Sistema de ecuaciones

Métodos
Numéricos

MSc. Cindy
Calderón Arce

Eliminación
Gaussiana
Ejemplo
Factorización
LU Determine la solución del siguiente sistema de ecuaciones:

 2x1 + x2 − x3 = −1
x1 − x2 + 2x3 = 0
3x1 − x3 = 1


3 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Calderón Arce

Eliminación
Gaussiana

Factorización ···
    
a1,1 a1,2 a1,n−1 a1,n x1 b1
LU
 a2,1 a2,2 ··· a2,n−1 a2,n   x2   b2 
.. .. ..
    
=
    

 . 
 .   . 

 am−1,1 am−1,2 ··· am−1,n−1 am−1,n   xn−1   bm−1 
am,1 am,2 ··· am,n−1 am,n xn bm

4 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Calderón Arce
En particular:
Eliminación
Gaussiana
 
a1,1 a1,2 a1,3 a1,4 b1
Factorización  a2,1
LU  a2,2 a2,3 a2,4 b2  ???
 −→
 a3,1 a3,2 a3,3 a3,4 b3 
a4,1 a4,2 a4,3 a4,4 b4
 
a1,1 a1,2 a1,3 a1,4 b1
 0 ??? ??? ??? ??? 
 a3,1 a3,2 a3,3 a3,4 b3 
a4,1 a4,2 a4,3 a4,4 b4

5 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Calderón Arce
En particular:
Eliminación
Gaussiana
 
a1,1 a1,2 a1,3 a1,4 b1
Factorización  a2,1
LU  a2,2 a2,3 a2,4 b2  ???
 −→
 a3,1 a3,2 a3,3 a3,4 b3 
a4,1 a4,2 a4,3 a4,4 b4
 
a1,1 a1,2 a1,3 a1,4 b1
 0 ??? ??? ??? ??? 
 a3,1 a3,2 a3,3 a3,4 b3 
a4,1 a4,2 a4,3 a4,4 b4

5 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Calderón Arce
En particular:
Eliminación
Gaussiana
 
a1,1 a1,2 a1,3 a1,4 b1
Factorización  a2,1
LU  a2,2 a2,3 a2,4 b2  ???
 −→
 a3,1 a3,2 a3,3 a3,4 b3 
a4,1 a4,2 a4,3 a4,4 b4
 
a1,1 a1,2 a1,3 a1,4 b1
 0 ??? ??? ??? ??? 
 a3,1 a3,2 a3,3 a3,4 b3 
a4,1 a4,2 a4,3 a4,4 b4

5 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Calderón Arce

 
Eliminación
Gaussiana
a1,1 a1,2 a1,3 a1,4 b1 a
 a2,1 F2 − a2,1 F1
Factorización  a2,2 a2,3 a2,4 b2 
 −→ 1,1
LU  a3,1 a3,2 a3,3 a3,4 b3 
a4,1 a4,2 a4,3 a4,4 b4
 
a1,1 a1,2 a1,3 a1,4 b1
a2,1 a2,1 a a2,1
 0 a2,2 − a1,1 a1,2 a2,3 − a1,1 a1,3 a2,4 − a2,1
1,1
a1,4 b2 − b
a1,1 1 
a3,1 a3,2 a3,3 a3,4 b3
 
a4,1 a4,2 a4,3 a4,4 b4

6 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Calderón Arce

 
Eliminación
Gaussiana
a1,1 a1,2 a1,3 a1,4 b1 a
 a2,1 F2 − a2,1 F1
Factorización  a2,2 a2,3 a2,4 b2 
 −→ 1,1
LU  a3,1 a3,2 a3,3 a3,4 b3 
a4,1 a4,2 a4,3 a4,4 b4
 
a1,1 a1,2 a1,3 a1,4 b1
a2,1 a2,1 a a2,1
 0 a2,2 − a1,1 a1,2 a2,3 − a1,1 a1,3 a2,4 − a2,1
1,1
a1,4 b2 − b
a1,1 1 
a3,1 a3,2 a3,3 a3,4 b3
 
a4,1 a4,2 a4,3 a4,4 b4

6 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Calderón Arce

Eliminación  
Gaussiana a1,1 a1,2 a1,3 a1,4 b1
a a2,1 a a2,1
0 a2,2 − a2,1 a1,2 a2,3 − a1,1 a1,3 a2,4 − a2,1 a1,4 b2 − b
a1,1 1  ???
Factorización
 −→
 1,1 1,1
LU a3,1 a3,2 a3,3 a3,4 b3

a4,1 a4,2 a4,3 a4,4 b4

 
a1,1 a1,2 a1,3 a1,4 b1
a2,1 a2,1 a a
 0 a2,2 − a1,1 a1,2 a2,3 − a1,1 a1,3 a2,4 − a2,1
1,1
a1,4 2,1
b2 − a1,1 b1 
0 ??? ??? ??? ???
 
0 ??? ??? ??? ???

7 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Calderón Arce

Eliminación
Gaussiana a3,1
F3 − a F
1,1 1
Factorización a
LU F4 − a4,1 F1
1,1
−→
 a a1,2 a1,3 a1,4 b1

1,1
a2,1 a2,1 a2,1 a2,1
 0 a2,2 − aa1,1 a1,2 a2,3 − aa1,1 a1,3 a2,4 − aa1,1 a1,4 b2 − aa1,1 b1 
 0 a3,2 − 3,1 a1,2 a3,3 − 3,1 a1,3 a3,4 − 3,1 a1,4 b3 − 3,1 b1 
a1,1 a1,1 a1,1 a1,1
a4,1 a4,1 a4,1 a4,1
0 a4,2 − a
a1,1 1,2
a4,3 − a
a1,1 1,3
a4,3 − a
a1,1 1,3
b4 − b
a1,1 1

8 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Iteración 1:
Calderón Arce
 
(0) (0) (0) (0) (0)
Eliminación
a1,1 a1,2 a1,3 a1,4 b1
Gaussiana 
 0 (1) (1) (1) (1) 
a2,2 a2,3 a2,4 b2 
Factorización  
 0 (1) (1) (1) (1)
LU
 a3,2 a3,3 a3,4 b3 

(1) (1) (1) (1)
0 a4,2 a4,3 a4,3 b4
(0)
(1) (0) ai1 (0)
aij = aij − a
(0) 1j
a11
(0)
(1) (0) ai1 (0)
bi = bi − b
(0) 1
a11

9 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Iteración 1:
Calderón Arce
 
(0) (0) (0) (0) (0)
Eliminación
a1,1 a1,2 a1,3 a1,4 b1
Gaussiana 
 0 (1) (1) (1) (1) 
a2,2 a2,3 a2,4 b2 
Factorización  
 0 (1) (1) (1) (1)
LU
 a3,2 a3,3 a3,4 b3 

(1) (1) (1) (1)
0 a4,2 a4,3 a4,3 b4
(0)
(1) (0) ai1 (0)
aij = aij − a
(0) 1j
a11
(0)
(1) (0) ai1 (0)
bi = bi − b
(0) 1
a11

9 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Iteración 1:
Calderón Arce
 
(0) (0) (0) (0) (0)
Eliminación
a1,1 a1,2 a1,3 a1,4 b1
Gaussiana 
 0 (1) (1) (1) (1) 
a2,2 a2,3 a2,4 b2 
Factorización  
 0 (1) (1) (1) (1)
LU
 a3,2 a3,3 a3,4 b3 

(1) (1) (1) (1)
0 a4,2 a4,3 a4,3 b4
(0)
(1) (0) ai1 (0)
aij = aij − a
(0) 1j
a11
(0)
(1) (0) ai1 (0)
bi = bi − b
(0) 1
a11

9 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Calderón Arce  
(0) (0) (0) (0) (0)
Eliminación
a1,1 a1,2 a1,3 a1,4 b1
 0 a(1) (1) (1) (1) 
Gaussiana

2,2 a2,3 a2,4 b2
 ???
Factorización
  −→
 0 a (1) (1) (1) (1)
LU  3,2 a3,3 a3,4 b3


(1) (1) (1) (1)
0 a4,2 a4,3 a4,3 b4
 (0) (0) (0) (0) (0) 
a a a1,3 a1,4 b1
 1,1 1,2
 0 a2,2 a(1)
(1)
2,3 a
(1)
2,4 b
(1) 
2

 
 0 0 ??? ??? ??? 
0 0 ??? ??? ???

10 / 28
 Eliminación Gaussiana

Métodos
Numéricos
(1)
MSc. Cindy a3,2
Calderón Arce F3 − F
(1) 2
a2,2

Eliminación (1)
a4,2
Gaussiana F4 − (1) F2
a2,2
Factorización
LU
−→

 
(0) (0) (0) (0) (0)
a1,1 a1,2 a1,3 a1,4 b1

 0 (1) (1) (1) (1) 
 a2,2 a2,3 a2,4 b2 

(1) (1) (1)
 (1) a3,2 (1) (1) a3,2 (1) (1) a3,2 (1) 
 0 0 a3,3 − (1) a2,3 a3,4 − (1) a2,4 b3 − (1) b2


 a2,2 a2,2 a2,2


(1) (1) (1)
 (1) a4,2 (1) (1) a4,2 (1) (1) a4,2 (1) 
0 0 a4,3 − (1) a2,3 a4,4 − (1) a2,4 b4 − (1) b2
a2,2 a2,2 a2,2

11 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Iteración 2:
Calderón Arce
 
(0) (0) (0) (0) (0)
Eliminación
a1,1 a1,2 a1,3 a1,4 b1
Gaussiana 
 0 (1) (1) (1) (1) 
a2,2 a2,3 a2,4 b2 
Factorización  
 0 (2) (2) (2)
LU
 0 a3,3 a3,4 b3 

(2) (2) (2)
0 0 a4,3 a4,3 b4
(1)
(2) (1) ai2 (1)
aij = aij − a
(1) 2j
a22
(1)
(2) (1) ai2 (1)
bi = bi − b
(1) 2
a22

12 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Iteración 2:
Calderón Arce
 
(0) (0) (0) (0) (0)
Eliminación
a1,1 a1,2 a1,3 a1,4 b1
Gaussiana 
 0 (1) (1) (1) (1) 
a2,2 a2,3 a2,4 b2 
Factorización  
 0 (2) (2) (2)
LU
 0 a3,3 a3,4 b3 

(2) (2) (2)
0 0 a4,3 a4,3 b4
(1)
(2) (1) ai2 (1)
aij = aij − a
(1) 2j
a22
(1)
(2) (1) ai2 (1)
bi = bi − b
(1) 2
a22

12 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Iteración 2:
Calderón Arce
 
(0) (0) (0) (0) (0)
Eliminación
a1,1 a1,2 a1,3 a1,4 b1
Gaussiana 
 0 (1) (1) (1) (1) 
a2,2 a2,3 a2,4 b2 
Factorización  
 0 (2) (2) (2)
LU
 0 a3,3 a3,4 b3 

(2) (2) (2)
0 0 a4,3 a4,3 b4
(1)
(2) (1) ai2 (1)
aij = aij − a
(1) 2j
a22
(1)
(2) (1) ai2 (1)
bi = bi − b
(1) 2
a22

12 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Iteración 3:
Calderón Arce
 
(0) (0) (0) (0) (0)
Eliminación
a1,1 a1,2 a1,3 a1,4 b1
Gaussiana 
 0 (1) (1) (1) (1) 
a2,2 a2,3 a2,4 b2 
Factorización  
 0 (2) (2) (2)
LU
 0 a3,3 a3,4 b3 

(3) (3)
0 0 0 a4,3 b4
(2)
(3) (2) ai3 (2)
aij = aij − a
(2) 3j
a33
(2)
(3) (2) ai3 (2)
bi = bi − b
(2) 3
a33

13 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Iteración 3:
Calderón Arce
 
(0) (0) (0) (0) (0)
Eliminación
a1,1 a1,2 a1,3 a1,4 b1
Gaussiana 
 0 (1) (1) (1) (1) 
a2,2 a2,3 a2,4 b2 
Factorización  
 0 (2) (2) (2)
LU
 0 a3,3 a3,4 b3 

(3) (3)
0 0 0 a4,3 b4
(2)
(3) (2) ai3 (2)
aij = aij − a
(2) 3j
a33
(2)
(3) (2) ai3 (2)
bi = bi − b
(2) 3
a33

13 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Iteración 3:
Calderón Arce
 
(0) (0) (0) (0) (0)
Eliminación
a1,1 a1,2 a1,3 a1,4 b1
Gaussiana 
 0 (1) (1) (1) (1) 
a2,2 a2,3 a2,4 b2 
Factorización  
 0 (2) (2) (2)
LU
 0 a3,3 a3,4 b3 

(3) (3)
0 0 0 a4,3 b4
(2)
(3) (2) ai3 (2)
aij = aij − a
(2) 3j
a33
(2)
(3) (2) ai3 (2)
bi = bi − b
(2) 3
a33

13 / 28
 Eliminación Gaussiana
Eliminación

Métodos
Numéricos
En general
MSc. Cindy
Calderón Arce  
a1,1 a1,2 a1,3 a1,n−2 a1,n−1 a1,n b1
Eliminación
Gaussiana
 0 a(1) a(1) · · · (1)
a2,n−2
(1)
a2,n−1
(1)
a2,n
(1)
b2 
 2,2 2,3 
 (2) (2) (2) (2) (2) 
Factorización
LU
 0 0 a3,3 a3,n−2 a3,n−1 a3,n b3 
.. .. .. ..
 
.
 
 . . . 
(n−3) (n−3) (n−3) (n−3)
 
 0 0 0 an−2,n−2 an−2,n−1 an−2,n bn−2 
 
(n−2) (n−2) (n−2)
 0 0 0 ··· 0 an−1,n−1 an−1,n bn−1
 

(n−1) (n−1)
0 0 0 0 0 an,n bn

ak−1
i,k ak−1
i,k
aki,j = ak−1
i,j − ak−1 ,
k−1 k,j
bki = bk−1
i − bk−1
k−1 k
ak,k ak,k

14 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Calderón Arce
Una vez reducido el sistema, ahora se deben despejar las
Eliminación variables
Gaussiana (n−1)
bn
Factorización
1 xn = (n−1)
LU
an,n
(n−2) (n−2)
bn−1 −an−1,n xn
2 xn−1 = an−2
n−1,n−1
(n−3) (n−3) (n−3)
bn−2 −an−2,n xn −an−2,n−1 xn−1
3 xn−2 = (n−3)
an−2,n−2
(n−4) (n−4) (n−4) (n−4)
bn−3 −an−3,n xn −an−3,n−1 xn−1 −an−3,n−2 xn−2
4 xn−3 = (n−4)
an−3,n−3

15 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Calderón Arce
Una vez reducido el sistema, ahora se deben despejar las
Eliminación variables
Gaussiana (n−1)
bn
Factorización
1 xn = (n−1)
LU
an,n
(n−2) (n−2)
bn−1 −an−1,n xn
2 xn−1 = an−2
n−1,n−1
(n−3) (n−3) (n−3)
bn−2 −an−2,n xn −an−2,n−1 xn−1
3 xn−2 = (n−3)
an−2,n−2
(n−4) (n−4) (n−4) (n−4)
bn−3 −an−3,n xn −an−3,n−1 xn−1 −an−3,n−2 xn−2
4 xn−3 = (n−4)
an−3,n−3

15 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Calderón Arce
Una vez reducido el sistema, ahora se deben despejar las
Eliminación variables
Gaussiana (n−1)
bn
Factorización
1 xn = (n−1)
LU
an,n
(n−2) (n−2)
bn−1 −an−1,n xn
2 xn−1 = an−2
n−1,n−1
(n−3) (n−3) (n−3)
bn−2 −an−2,n xn −an−2,n−1 xn−1
3 xn−2 = (n−3)
an−2,n−2
(n−4) (n−4) (n−4) (n−4)
bn−3 −an−3,n xn −an−3,n−1 xn−1 −an−3,n−2 xn−2
4 xn−3 = (n−4)
an−3,n−3

15 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Calderón Arce
Una vez reducido el sistema, ahora se deben despejar las
Eliminación variables
Gaussiana (n−1)
bn
Factorización
1 xn = (n−1)
LU
an,n
(n−2) (n−2)
bn−1 −an−1,n xn
2 xn−1 = an−2
n−1,n−1
(n−3) (n−3) (n−3)
bn−2 −an−2,n xn −an−2,n−1 xn−1
3 xn−2 = (n−3)
an−2,n−2
(n−4) (n−4) (n−4) (n−4)
bn−3 −an−3,n xn −an−3,n−1 xn−1 −an−3,n−2 xn−2
4 xn−3 = (n−4)
an−3,n−3

15 / 28
 Eliminación Gaussiana
Sustitución

Métodos
Numéricos

MSc. Cindy
Calderón Arce En general
Eliminación
Gaussiana
k−1
(n−k−1) (n−k−1)
X
Factorización bn−k − an−k,n−r xn−r
LU
r=0
xn−k = (n−k−1)
an−k,n−k
n
(k−1) (k−1)
X
bk − ak,r xr
r=k+1
xk = (k−1)
ak,k

16 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Calderón Arce

Eliminación Ejemplo
Gaussiana

Factorización
Utilice el método de eliminación gaussiana para resolver el
LU siguiente sistema de ecuaciones


 2x1 + x2 − x3 − 2x4 = 0
x1 + x2 + 2x3 + 2x4 = 4


 3x1 + x2 − x3 + 2x4 = 6
x1 − x2 + x3 − 2x4 = 12


17 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Calderón Arce

Eliminación Dificultades
Gaussiana

Factorización • Errores de redondeo

LU
• Sistemas mal condicionados
(k)
• División por cero: Cada elemento de la diagonal an,n que
se utiliza para hacer los ceros se llama pivote, el problema
está cuando ese pivote es cero, muy cercano a él o muy
pequeño con respecto a los demás elementos de la matriz.

18 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Calderón Arce

Eliminación Dificultades
Gaussiana

Factorización • Errores de redondeo

LU
• Sistemas mal condicionados
(k)
• División por cero: Cada elemento de la diagonal an,n que
se utiliza para hacer los ceros se llama pivote, el problema
está cuando ese pivote es cero, muy cercano a él o muy
pequeño con respecto a los demás elementos de la matriz.

18 / 28
 Eliminación Gaussiana
Pivoteo

Métodos
Numéricos

MSc. Cindy
Calderón Arce Pivoteo pacial
Eliminación
Gaussiana
Antes de iniciar la k-ésima iteración (que es donde se hacen
Factorización
LU cero los elementos de la columna k, debajo de ak,k ), si ak,k no
es mayor que todos los elementos bajo la diagonal de esa
columna, se coloca como pivote el mayor elemento en valor
absoluto bajo la diagonal, inclusive (se intercambian las filas
pues no es posible cambiar un solo elemento):

Fk ↔ Fi / |ak,k | = máx {|ai,k |}

i=k,...,n

19 / 28
 Eliminación Gaussiana
Pivoteo

Métodos
Numéricos

MSc. Cindy
Calderón Arce Pivoteo pacial escalado
Eliminación
Gaussiana Intercambia filas según el máximo valor relativo en la fila
Factorización
LU
respectiva. Para ello calcula el valor relativo de cada elemento
bajo la diagonal, inclusive, y luego toma el mayor de ellos para
realizar el intercambio:

Fk ↔ Fi / ek = máx {ei }
i=k,...,n
|ai,k |
ei =
máxj=k,...,n {|ai,j |}

20 / 28
 Eliminación Gaussiana

Métodos
Numéricos

MSc. Cindy
Calderón Arce

Eliminación
Gaussiana Ejemplo
Factorización Utilizando Eliminación Gaussiana y Pivoteo Parcial Escalado,
LU
determine la solución del siguiente sistema de ecuaciones:

 2x1 + 3x2 = 8
−x1 + 2x2 − x3 = 0
3x1 + 2x3 = 9


21 / 28
 Factorización LU

Métodos
Numéricos

MSc. Cindy
Calderón Arce

Eliminación
Gaussiana
Ejemplo
Factorización
LU Factorización LU
    
−15 −6 9 −3 0 0 5 2 −3
 35 −4 −12  =  7 3 0   0 −6 3 
−30 36 −16 −6 −8 −5 0 0 2

22 / 28
 Factorización LU

Métodos
Numéricos

MSc. Cindy
Calderón Arce

Eliminación
Gaussiana Ejemplo
Factorización
LU
Resuelva el siguiente sistema de ecuaciones

     
−3 0 0 5 2 −3 x1 1
 7 3 0   0 −6 3   x2  =  1 
−6 −8 −5 0 0 2 x3 1

23 / 28
 Factorización LU

Métodos
Numéricos

MSc. Cindy
Calderón Arce
En general
Eliminación
Gaussiana
Ax = b
Factorización
LU ⇒ LU x = b
⇒ Ly = b (Sustitución hacia adelante)
⇒ U x = y (Sustitución hacia atrás)

Lo que permite resolver muchos sistemas de la forma Ax = bk

a un bajo costo, pues se utilizarı́a la misma factorización para
todos los sistemas.

24 / 28
 Factorización LU

Métodos
Numéricos

MSc. Cindy
Calderón Arce ¿Cómo determinar a L y a U ?
Eliminación
Gaussiana
Recordando el proceso de eliminación se tiene que
Factorización
LU

A(0) = A → A(1) = M1 A
A(1) → A(2) = M2 A(1) = M2 M1 A
A(2) → A(3) = M3 A(2) = M3 M2 M1 A
..
.
A(n−2) → A(n−1) = Mn−1 Mn−2 Mn−3 · · · M3 M2 M1 A

25 / 28
 Factorización LU

Métodos
Numéricos

MSc. Cindy
Calderón Arce ¿Cómo determinar a L y a U ?
Eliminación
Gaussiana
Recordando el proceso de eliminación se tiene que
Factorización
LU

A(0) = A → A(1) = M1 A
A(1) → A(2) = M2 A(1) = M2 M1 A
A(2) → A(3) = M3 A(2) = M3 M2 M1 A
..
.
A(n−2) → A(n−1) = Mn−1 Mn−2 Mn−3 · · · M3 M2 M1 A

25 / 28
 Factorización LU

Métodos
Numéricos

MSc. Cindy Recuerde que A(n−1) es el resultado del proceso de eliminación

Calderón Arce
en Eliminación Gaussiana, por lo tanto A(n−1) es una matriz
Eliminación
Gaussiana
triangular superior. Sea
Factorización
LU U = A(n−1)

ası́

U = Mn−1 Mn−2 Mn−3 · · · M3 M2 M1 A

⇒ A = (Mn−1 Mn−2 Mn−3 · · · M3 M2 M1 )−1 U
Sea
L = (Mn−1 Mn−2 Mn−3 · · · M3 M2 M1 )−1

26 / 28
 Factorización LU

Métodos
Numéricos Realizando todas las operaciones matriciales necesarias se logra
MSc. Cindy
Calderón Arce
comprobar que
 
Eliminación
Gaussiana
1 0 0 ··· 0 0
Factorización
 l2,1
 1 0 ··· 0 0 
LU  l3,1
 l3,2 1 · · · 0 0 
L=
 .
. .
. . . .
. .
. 
 . . . . . 
 ln−2,1 ln−2,2 ln−2,3 · · · 0 0 
 
 ln−1,1 ln−1,2 ln−1,3 · · · 1 0 
ln,1 ln,2 ln,3 · · · ln,n−1 1

(j−1)
ai,j
li,j = (j−1)
aj,j

27 / 28
 Factorización LU

Métodos
Numéricos

MSc. Cindy
Calderón Arce

Eliminación Ejemplo
Gaussiana

Factorización
Utilice el método de descomposición LU para resolver el
LU siguiente sistema de ecuaciones


 2x1 + x2 − x3 − 2x4 = 0
x1 + x2 + 2x3 + 2x4 = 4


 3x1 + x2 − x3 + 2x4 = 6
x1 − x2 + x3 − 2x4 = 12


28 / 28