“Año de la Lucha contra la Corrupción e

Impunidad”

Descomposición de matrices L U AL:

I SEMESTRE DEL EJERCICIO FISCAL 2018

CURSO: Métodos Numéricos

INTEGRANTES:
DOCENTE: ING., J E

ABANCAY – APURIMAC
2019

INDICE
I. INTRODUCCION ...................................................................................................................... 1
II. OBJETIVOS .............................................................................................................................. 2
III. MARCO TEORICO .............................................................................................................. 3
1. Factorización LU ................................................................................................................. 3
1.1. Procedimiento de Factorización LU ...................................................................... 3
1.2. Uso de la factorización LU ....................................................................................... 4
1.3. Obtención de la factorización LU con elementales........................................... 5
2. Métodos de descomposición LU .................................................................................... 8
2.1. Método de crout .......................................................................................................... 9
2.2. Método De Cholesky................................................................................................ 10
IV. CONCLUSIONES ............................................................................................................... 12
 I. INTRODUCCION

La descomposición LU consiste en la multiplicación de dos matrices una de triángulo

inferior y la otra de triangulo superior. Estos métodos nos ayudan a determinar
soluciones de sistemas de ecuaciones lineales con variables, de forma matemática
y practica a la vez.

En este informe se desarrollará los métodos de descomposición de matrices LU

mediante el método de Crout y Cholesky, con la finalidad de profundizar más los
conocimientos del curso.

En la práctica de la ingeniería y ciencias es frecuente tener la necesidad de resolver

un sistema de ecuaciones lineales. Estos sistemas aparecen en muy
diversos problemas, ya sea como la solución completa de un problema o al menos
como parte de ella. Dada esta necesidad frecuente, se requiere resolverlos en forma
eficiente.

Los métodos numéricos que resuelven los sistemas se pueden clasificar en directos
e indirectos.

Los métodos directos son aquellos que determinan la solución en un número

determinado de pasos.

Los métodos iterativos son aquellos que obtienen la solución aproximándose a ella
en un número finito, pero no definido de pasos. La siguiente entrega pretende
encontrar la solución de un sistema de ecuaciones lineales por los métodos
anteriormente mencionados.

Como los algoritmos de los métodos ya están disponibles en la mayoría de

los libros de texto sobre la materia, se explicara en la medida de lo posible, detalles
de implementación personales de los métodos directos, que son más difíciles de
programar.

1
 II. OBJETIVOS

 Estudiar el método de la descomposición LU con sus los métodos Crout y

Cholesky con la finalidad de facilitar la solución de sistemas de ecuaciones
lineales.

 Realizar ejercicios programados utilizando EXCEL Y MATLAB.

 Ver las ventajas de utilizar descomposición LU como una alternativa diferente

a usar sistemas Gauss- Jordan.

2
 III. MARCO TEORICO

1. Factorización LU
En el álgebra lineal, la factorización o descomposición LU (del inglés Lower-
Upper) es una forma de factorización de una matriz como el producto de una
matriz triangular inferior y una superior. Debido a la inestabilidad de este
método, deben tenerse en cuenta algunos casos especiales, por ejemplo, si
uno o varios elementos de la diagonal principal de la matriz a factorizar es
cero, es necesario pre multiplicar la matriz por una o varias matrices
elementales de permutación. Existe un segundo método llamado
factorización {\displaystyle PA=LU} {\displaystyle PA=LU} o {\displaystyle LU}
{\displaystyle LU} con pivote. Esta descomposición se usa en el análisis
numérico para resolver sistemas de ecuaciones (más eficientemente) o
encontrar las matrices inversas.

1.1. Procedimiento de Factorización LU

Suponga que la matriz A es una matriz m × n se puede escribir como el
producto de dos matrices:

donde L es una matriz triangular inferior m × m y U es una matriz

escalonada m × n. Entonces para resolver el sistema:

Escribimos

Una posible estrategia de solución consiste en tomar y = U x y resolver

para y:

Como la matriz L es triangular superior este sistema puede resolverse

mediante sustitución hacia abajo, lo cual se hace fácilmente en m2
FLOPS. Una vez con los valores encontrados de y, la incógnita al
sistema inicial se resuelve despejando x de

3
 Nuevamente, como U es escalonada, este sistema puede resolverse en
caso de tener solución mediante sustitución hacia atrás, lo cual es
sencillo. Estas observaciones nos dan la pauta para ver la conveniencia
de una factorización como la anterior, es decir factorizar A como el
producto de una matriz L triangular superior, por otra U la cual es
escalonada. Esta factorización se llama usualmente Descomposición
LU.

1.2. Uso de la factorización LU

ejemplo
Use la factorización LU de A:

para despejar x del sistema:

Sea Y = (y1 , y2 , y3 ) un nuevo vector de incógnitas. Primero resolveremos

el sistema triangular inferior LY = b:

Este sistema escrito en su forma de ecuaciones queda:

4
 Por eliminación directa de la:
 primera ecuación:

 segunda ecuación:

 y de la tercera:

Ahora el sistema Ux = y:

El cual escrito en su forma de ecuaciones queda:

El cual al ser resuelto por sustitución hacia atrás queda:

 de la última ecuación:

 segunda ecuación:

 y de la primera:

1.3. Obtención de la factorización LU con elementales.

Ejemplo 2
Determine una factorización LU de la matriz:

5
Solución
La idea del método es ir acumulando las inversas de las operaciones
hechas sobre los renglones la matriz para irla trasformando en una
matriz escalonada. Y más que propiamente las inversas de las
operaciones sobre los renglones, las matrices elementales involucradas.
Así por ejemplo el primer calculo que se realiza es hacer un cero debajo
de el elemento (1, 1) que es el elemento 2, para ello debemos realizar la
operación

R2 ← R2 + 3R1, esta operación tiene como matriz elemental la matriz:

Así la situación esta:

En el siguiente paso del proceso de eliminación es R3 ← R3 − 2R1, esta

operación tiene como matriz elemental.

la matriz:

6
Así la situación esta:

En el siguiente paso del proceso de eliminación es R4 ← R4 + R1, esta

operación tiene como matriz elemental la matriz:

Así la situation esta:

Observamos que el hipotético caso de que en

La matriz B3 ya fuera escalonada, es decir la U buscada, entonces:

Lo cual indica que lo que debemos acumular son las inversas de las
matrices elementales utilizadas. La forma sistemática de ir acumulando
las inversas de las Ei s es ir construyendo la matriz L:

7
 Así, en el avance de la conversión a escalonada de A:

En este caso la matriz U está en la forma escalonada y por consiguiente

el proceso se detiene haciendo cero aquellos valores desconocidos. Por
consiguiente, una factorización de A será:

2. Métodos de descomposición LU
En este informe se desarrollará los métodos de descomposición de matrices
LU mediante el método de Crout y Cholesky, con la finalidad de profundizar
más los conocimientos del curso

8
2.1. Método de crout
El método de Crout se asemeja mucho al método de Doolittle ya que
utiliza el mismo sistema de la factorización directa L x U para encontrar
la solución.

Este método busca hallar los valores de Lij (matriz triangular inferior) y Uij
(matriz triangular superior), el producto entre estas dos matrices dará
como resultado la matriz A.

Para el método de Crout se tiene que Uii=1, esto quiere decir que los
elementos de la diagonal para la matriz U serán 1, teniendo como objetivo
el cálculo de la columna K de L y la fila K de U por medio de una simple
multiplicación entre matrices y un posterior despeje.

Ya contando con la matriz L, se obtienen los valores de z, para después

con estos valores, hallar los valores de x, es decir la solución de un
sistema de ecuaciones.

9
2.2. Método De Cholesky
Matriz Positiva:
Diremos que una matriz simétrica A, es positiva si solo si los
determinantes de las sub matrices de A son positivos.

a11 a12  a1 j  a1n

a 21 a 21  a2 j  a 2n
a11 a12 a13
a a12 
a11  0 , 11  , a 21 a 22 a 21  0 , ..... , 0
a 21 a 22 a i1 ai 2  a ij  a in
a 31 a 32 a 33

a n1 an2  a nj  a nn

Supongamos que tenemos el sistema en la forma LU toma la forma de

LLT, en donde L es una matriz triangular inferior i.e.

 L11 0 0  0   0
 
 L21 L22 0  0   0
L L32 L33  0   0
 31 
L   
L Li 2 Li 3  Lii  0 
 i1
  
 
 Ln1 Ln 2 Ln3  Lni  Lnn 

Observación:
Los cálculos se reducen pues estimaremos n (n+1) /2 elementos, los Lij
≠ 0 en lugar de n2 elementos de una factorización nominal:

Ejemplo:
Resolver el sistema siguiente

4 1 2  x1  1 
1 2 0  x   2
   2  
2 0 5  x 3  4

10
La matriz de coeficiente es simétrica y positiva, luego aplicamos
Cholesky. Supongamos su descomposición sea:

 L11 0 0   L11 L21 L31   4 1 2 

L  
 21 L22 0  0
 L22 L32    1 2 0 
 L31 L32 L33   0 0 L33   2 0 5 

2
L11  a11  4  L11  2 se toma el valor positivo de todas las raices
1
L11 L21  0  L21 
2
L11 L31  2  L31  1
L221  L222  2  L22  2  0.25  1.32287
1
L21 L31  L22 L32  0  L32   1.32287  0.37796
2
L231  L232  L233  5  L31  5  1  0.14286  L33  1.963396

a. Resolver el sistema LC=b

2 0 0   c1  1 
0 1.32287 0  c    2 
  2  
0  0.37796 1.96396 c 3  4
 1
 2 
c
c1  1 / 2 , 1  1.32289 c 2  2  c 2   4  c 2  1.32287
2 1.32289
c 2  1.32287
c 3  2.0367

b. Resolver el sistema LTx = C

2 12 1   x1   1 2 
     
 0 1.32287  0.37796  x 2   1.32287
0 1.96396   x   2.0367 
 0  3  
2.0367
x3   x 3  1.037
1.96396   0.59259
1.32287 0.37796(1.037)  
x2   1.29629  x   1.29629 
1.32287  1.037 
0.5  0.5 (1.29629)  2.0367  
x1   0.5959
2

11
 IV. CONCLUSIONES

El uso de la descomposición de matrices LU es de gran utilidad ya que permite

alivianar la cantidad de operaciones para resolver un sistema. Proporciona un medio
eficiente para calcular matrices inversas, y éstas poseen un importante número de
aplicaciones en la práctica de la ingeniería, sin dejar de lado que dichas inversas
proporcionan un medio para evaluar la condición de un sistema. El uso de
descomposición LU, debido que es un proceso más abreviado, provee una ganancia
de tiempo para un programador a la hora de elaborar un programa.

12