1. República Bolivariana de Venezuela
Ministerio del Poder Popular para la Educación
Universidad Fermín Toro Decanato Ingeniería
Cabudare – Edo Lara
Métodos de Eliminación
Gaussina
2. Método de Gauss-Jordan
El Método de Gauss – Jordan o también llamado eliminación de Gauss – Jordan,
es un método por el cual pueden resolverse sistemas de ecuaciones lineales con n
números de variables, encontrar matrices y matrices inversas, en este caso
desarrollaremos la primera aplicación mencionada.
Para resolver sistemas de ecuaciones lineales aplicando este método, se debe en
primer lugar anotar los coeficientes de las variables del sistema de ecuaciones
lineales en su notación matricial:
Entonces, anotando como matriz (también llamada matriz aumentada):
Una vez hecho esto, a continuación se procede a convertir dicha matriz en una
matriz identidad, es decir una matriz equivalente a la original, la cual es de la
forma:
Esto se logra aplicando a las distintas filas y columnas de las matrices
simples operaciones de suma, resta, multiplicación y división; teniendo en cuenta
que una operación se aplicara a todos los elementos de la fila o de la columna,
sea el caso.
Obsérvese que en dicha matriz identidad no aparecen los términos
independientes, esto se debe a que cuando nuestra matriz original alcance la
forma de la matriz identidad, dichos términos resultaran ser la solución del sistema
3. y verificaran la igualdad para cada una de las variables, correspondiéndose de la
siguiente forma:
d1 = x
d2 = y
d3 = z
Ahora que están sentadas las bases, podemos explicar paso a paso la resolución
de sistemas de ecuaciones lineales por medio de este método.
Para ilustrarnos mejor lo analizaremos con un ejemplo concreto:
Sea el sistema de ecuaciones:
Procedemos al primer paso para encontrar su solución, anotarlo en su forma
matricial:
Una vez hecho esto podemos empezar a operar con las distintas filas y columnas
de la matriz para transformarla en su matriz identidad, teniendo siempre en cuenta
la forma de la misma:
Lo primero que debemos hacer es transformar el 2 de la 1ª fila de la matriz original
en el 1 de la 1ª fila de la matriz identidad; para hacer esto debemos multiplicar
toda la 1ª fila por el inverso de 2, es decir ½.
Luego debemos obtener los dos ceros de la primera columna de la matriz
identidad, para lograr esto, buscamos el opuesto de los números que se ubicaron
4. por debajo del 1 de la primera columna, en este caso el opuesto de 3 que será -3 y
el opuesto de 5 que será -5.
Una vez hecho esto, se procederá a multiplicar los opuestos de estos números por
cada uno de los elemento de la 1ª fila y estos se sumaran a los números de su
respectiva columna. Por ej.: en el caso de la 2º fila, se multiplicara a -3 (opuesto
de 3) por cada uno de los elementos de la 1º fila y se sumara su resultado con el
número que le corresponda en columna de la segunda fila. En el caso de la 3ª fila
se multiplicara a -5 (opuesto de 5) por cada uno de los elementos de la 1º fila y se
sumara su resultado con el número que le corresponda en columna de la tercera
fila.
Nuestro siguiente paso es obtener el 1 de la 2ª fila de la matriz identidad, y
procedemos de igual forma que antes, es decir multiplicamos toda la fila por el
inverso del número que deseamos transformar en 1, en este caso -13/2, cuyo
inverso es -2/13
Además si observamos la tercera fila, nos damos cuenta que todos los elementos
poseen el mismo denominador, entonces podemos eliminarlos multiplicando todos
los elementos de la 3º fila por 2 (el denominador); si bien este no es un paso
necesario para el desarrollo del método, es útil para facilitar cálculos posteriores.
Descomposición LU
Originalmente se tenía:
Debido a que [A] = [L][U], al encontrar [L] y [U] a partir de
[A] no se altera en nada la ecuación y se tiene lo
siguiente:
5. Por lo tanto, si Ax = b, entonces LUx = b, de manera que
Ax = LUx = b.
PASOS PARA RESOLVER
UN SISTEMA DE ECUACIONES POR EL MÉTODO DE
DESCOMPOSICIÓN LU
1. Obtener la matriz triangular inferior L y la matriz triangular superior U.
2. Resolver Ly = b (para encontrar y).
3. El resultado del paso anterior se guarda en una matriz nueva de nombre "y".
4. Realizar Ux = y (para encontrar x).
5. El resultado del paso anterior se almacena en una matriz nueva llamada "x", la
cual brinda los valores correspondientes a las incógnitas de la ecuación.
EJEMPLO 1 DE DESCOMPOSICIÓN LU
PROBLEMA: Encontrar los valores de x1, x2 y x3 para el siguiente sistema
de ecuaciones:
NOTA: Recuérdese que si la matriz es 2x2 se hará 1 iteración; si es 3x3, 2
iteraciones; si es 4x4, 3 iteraciones; y así sucesivamente.
SOLUCIÓN:
4 - 2 - 1 9
[A] = 5 1 - 1 [B] = 7
1 2 - 4 12
ITERACIÓN 1
factor 1 = (a21 / a11) = 5 / 4 = 1.25
factor 2 = (a31 / a11) = 1 / 4 = 0.25
Encontrando [U]
fila 2 = - (factor 1) * (fila 1) + (fila 2)
7. Al resolver el sistema anterior, se obtienen los siguientes valores para y1, y2 y y3:
El último paso es resolver Ux = y para encontrar la matriz x. En otras palabras es
como que se pidiera resolver el siguiente sistema de ecuaciones, encontrando los
valores de x1, x2 y x3:
La solución del sistema es:
Este es finalmente el valor de x1, x2 y x3; es decir, la respuesta del ejercicio
utilizando la descomposición LU.
EJEMPLO 2 DE DESCOMPOSICIÓN LU
PROBLEMA: Encontrar los valores de x1, x2 y x3 para el siguiente sistema
de ecuaciones:
SOLUCIÓN:
11 - 3 - 2 18
[A] = 5 - 2 - 8 [B] = 13
4 - 7 2 2
ITERACIÓN 1
factor 1 = (a21 / a11) = 5/11 = 0.4545454545
9. Ly = b para encontrar la matriz y. En pocas palabras es como que se pidiera
resolver el siguiente sistema de ecuaciones, encontrando los valores de y1, y2 y
y3:
Al resolver el sistema anterior, se obtienen los siguientes valores para y1, y2 y y3:
El último paso es resolver Ux = y para encontrar la matriz x. En otras palabras es
como que se pidiera resolver el siguiente sistema de ecuaciones, encontrando los
valores de x1, x2 y x3:
La solución del sistema es:
Este es finalmente el valor de x1, x2 y x3; es decir, la respuesta del ejercicio
utilizando la descomposición LU.
Factorización de Cholesky
Una matriz A simétrica y positiva definida puede ser factorizada de manera
eficiente por medio de una matrz triangular infereior y una matriz triangular
superior.
Para una matriz no singular la descomposición LU nos lleva a considerar una
descomposición de tal tipo A = LU; dadas las condiciones de A, simétrica y
definida positiva, no es necesario hacer pivoteo, por lo que ésta factorización se
hace eficientemente y en un número de operaciones la mitad de LU tomando la
forma , donde L (la cual podemos "verla" como la raíz cuadrada de A) es
una matriz triangular inferior donde los elementos de la diagonal son positivos.
10. Para resolver un sistema lineal Ax = b con A simétrica definida positiva y dada su
factorizaciòn de Cholesky , primero debemos resolver Ly = b y entonces
resolver para lograr x.
Una variante de la factorización de Cholesky es de la forma , donde R
es una matriz triangular superior, en algunas aplicaciones se desea ver la matriz
en esa forma y no de otra.
Para encontrar la factorización , bastaría ver la forma de L y observar las
ecuaciones que el producto derecho nos conduce al igualar elementos:
Así obtendríamos que:
a11 = l112
a21 = l21l11
a22=l212 + l222
a32=l31l21+l32l22 l32=(a32-l31l21)/l22, etc.
y de manera general, para y :
Ahora bien, ya que A es simétrica y definida positiva, podemos asegurar que los
elementos sobre la diagonal de L son positivos y los restantes elementos reales
desde luego.
11. Una de las aplicaciones de la factorización de Cholesky es resolver las ecuaciones
normales de un problema de cuadrados mínimos, esas ecuaciones
son: , en la que es simétrica y definida positiva.
Factorización de QR, Householder