Professional Documents
Culture Documents
a 11 x1 + a 12 x 2 + a13 x 3 + a 14 x 4 = c1
a 21 x 1 + a 22 x 2 + a 23 x 3 + a 24 x 4 = c2
(7.1)
a 31 x 1 + a 32 x 2 + a33 x 3 + a 34 x 4 = c3
a 41 x 1 + a 42 x 2 + a 43 x 3 + a 44 x 4 = c4
Se transforma en:
x1 + 0 + 0 + 0 = c'1
0 + x2 + 0 + 0 = c '2
(7.2)
0 + 0 + x3 + 0 = c'3
0 + 0 + 0 + x4 = c '4
Donde, como se puede observar, las soluciones del sistema se encuentran
en la columna de las constantes. En forma matricial, la aplicación del mé-
todo de Gauss-Jordán da lugar a la siguiente transformación:
[ ][ ]
a11 a 12 a 13 a14 a 15 1 0 0 0 a ' 15
a 21 a 22 a 23 a 24 a 25 0 1 0 0 a ' 25
→ (7.3)
a31 a 32 a 33 a34 a 35 0 0 1 0 a ' 35
a 41 a 42 a 43 a 44 a 45 0 0 0 1 a ' 45
Las operaciones que se efectúan para llevar la matriz aumentada a la ma-
triz identidad son prácticamente las mismas que en el método de Gauss, ex-
cepto que ahora la eliminación de las columnas se la realiza no sólo en la
parte inferior de la diagonal, sino también en la parte superior de la mis-
ma. Por lo tanto, para la reducción de las filas se emplea la misma ecua-
ción que en el método de Gauss:
ap
a p= (7.4)
a pp
Y para la reducción de columnas se cambia el límite inferior a 1:
2 x1 + 8 x2 + 2 x 3 = 14
x1 + 6 x2 − x 3 = 13 (7.6)
2 x1 − x2 + 2 x3 = 5
- 116 - Hernán Peñaranda V.
7.1.1. Ejercicios
3 x1 − x2 + 2 x3 = 12
x1 + 2 x2 + 3 x3 = 11 (7.7)
2 x1 − 2 x2 − x3 = 2
2 x1 − 2 x2 + 5 x 3 = 13
2 x1 + 3 x2 + 3 x 3 = 20 (7.8)
3 x1 − x2 + 3x 3 = 10
1. Encuentre las soluciones del sistema (7.7) aplicando manualmente el mé-
todo de eliminación de Gauss Jordán.
2. Encuentre las soluciones del sistema (7.8) aplicando manualmente el mé-
todo de eliminación de Gauss Jordán.
p=1
[p<=n]
[p<n]
pivpar(a,n,m,p)
ap=ap/ap,p
i=1
[i<=n]
[i<>p>]
ai = ai -apai,p
i = i+1
p = p+1
devolver aall,n+1->m
- 118 - Hernán Peñaranda V.
v = [1,2,..,n]
p=1
[p<=n]
[p<n]
pivtot(a,n,m,p,v)
ap=ap/ap,p
i =1
[i<=n]
[i<>p>]
ai = ai -apai,p
i = i+1
p = p+1
i =1
[i<=n]
[v[i]<>i]
k =i
[k<=n]
[i==vk ]
k = k+1
i = i+1
devolver aall,n+1->m
- 120 - Hernán Peñaranda V.
Al igual que con Gauss y “linsolve”, con Gauss Jordán se pueden resolver
simultáneamente sistemas de ecuaciones lineales que difieren sólo en las
constantes, por ejemplo para resolver los siguientes sistemas:
x1 + 2 x2 + 3 x 3 = 21
5 x1 − 9 x2 + 2 x 3 = 12
3 x1 + x2 − 4 x 3 = 15
y1 + 2 y2 + 3 y3 = 11
5 y1 − 9 y2 + 2 y3 = 2 (7.9)
3 y1 + y2 − 4 y3 = 4
z1 + 2 z2 + 3 z3 = 1
5 z1 − 9 z2 + 2 z3 = 2
3 z1 + z2 − 4 z3 = 3
Tanto con “gaussj” como con “gaussjpt” se escribe:
>> a=[1,2,3,21,11,1;5,-9,2,12,2,2;3,1,-4,15,4,3]
>> gaussj(a)
r =
7.2033 2.8571 0.81868
3.2143 1.7143 0.21429
2.456 1.5714 -8.2418E-2
>> gaussjpt(a)
r =
7.2033 2.8571 0.81868
3.2143 1.7143 0.21429
2.456 1.5714 -8.2418E-2
Es posible calcular también la matriz inversa añadiendo a la matriz a in-
vertir la matriz unidad. Por ejemplo, para calcular la inversa de la matriz
de coeficientes del sistema (7.6), tanto con “gaussj” como con “gaussjpt”
se escribe:
>> a=[2,8,2;1,6,-1;2,-1,2];a(:,4:6)=eye(3);
>> gaussj(a)
r =
-0.30556 0.5 0.55556
0.11111 0 -0.11111
0.36111 -0.5 -0.11111
>> gaussjpt(a)
r =
-0.30556 0.5 0.55556
0.11111 0 -0.11111
0.36111 -0.5 -0.11111
Resultados que pueden ser corroborados con “inv”:
>> a=[2,8,2;1,6,-1;2,-1,2]; inv(a)
ans =
-0.30556 0.5 0.55556
0.11111 0 -0.11111
0.36111 -0.5 -0.11111
7.1.4. Ejercicios
x1 + x2 + x3 + x4 = −1
4 x1 + 5 x2 + 6 x3 + 7 x4 = 0
(7.10)
6 x1 + 10 x 2 + 15 x 3 + 21 x 4 = 10
12 x 1 + 30 x 2 + 60 x 3 + 105 x 4 = 10
30 x 1 + x2 + 2 x3 + 6 x4 + 5 x5 − 3 x6 = 12
2 x1 + 25 x 2 + x3 − x4 + 2 x5 − 5 x6 = 24
x1 + 2 x2 + 33 x 3 + 5 x4 − x5 + 2 x6 = 17
(7.11)
3 x1 + 5 x2 + 7 x3 − 45 x 4 + 4 x5 + x6 = 37
4 x1 + 3 x2 + 2 x3 + 3 x4 + 40 x 5 − 4 x6 = 23
5 x1 + 6 x2 − 3 x3 − 4 x4 + 3 x5 + 36 x 6 = 24
3 x1 + 2 x2 − x3 + 2 x4 = 0
x1 + 4 x2 + + 2 x4 = 0
2 x1 + x2 + 2 x3 − x4 = 1
x1 + x2 − x3 + 3 x4 = 0
3 y1 + 2 y2 − y3 + 2 y4 = −2
y1 + 4 y2 + + 2 y4 = 2
(7.12)
2 y1 + y2 + 2 y3 − y4 = 3
y1 + y2 − y3 + 3 y4 = 4
3 z1 + 2 z2 − z3 + 2 z4 = 2
z1 + 4 z2 + + 2 z4 = 2
2 z1 + z2 + 2 z3 − z4 = 1
z1 + z2 − z3 + 3 z4 = 0
3. Encuentre las soluciones del sistema (7.10) empleando el método de
Gauss Jordán con pivotaje parcial.
4. Encuentre las soluciones del sistema (7.11) empleando el método de
Gauss Jordán con pivotaje total.
5. Encuentre las soluciones del sistema (7.12) empleando el método de
Gauss Jordán con pivotaje parcial.
6. Encuentre la inversa de la matriz de coeficientes del sistema (7.11)
empleando el método de Gauss Jordán con pivotaje total, luego, con la
inversa calculada, encuentre las soluciones del sistema.
7. Encuentre la inversa de la matriz de coeficientes del sistema (7.12)
empleando el método de Gauss Jordán con pivotaje parcial, luego, con la
inversa calculada, encuentre las soluciones del sistema.
[ ]
a 11 a 12 a 13 a14
a a 22 a 23 a24
A= 21 (7.13)
a 31 a 32 a 33 a34
a 41 a 42 a 43 a 44
Se puede demostrar que la misma puede ser expresada como el producto de
dos matrices triangulares, una inferior “L” y otra superior “U”:
[ ][ ][ ]
a 11 a 12 a 13 a14 l 11 0 0 0 1 u12 u13 u14
a a 22 a 23 a24 l l 0 0 0 1 u23 u24
A= 21 = 21 22 × =L×U (7.14)
a 31 a 32 a 33 a34 l 31 l 32 l 33 0 0 0 1 u34
a 41 a 42 a 43 a 44 l 41 l 42 l 43 l 44 0 0 0 1
A este proceso, el de calcular los elementos de las matrices triangulares
“L” y “U” para una matriz cuadrada “A”, se conoce como descomposición LU o
factorización LU y es el proceso en el que se basan los métodos de Crout,
Doolitle y Cholesky.
El proceso de descomposición no es único, las posibles combinaciones de
“L” y “U” son infinitas. En general, sin embargo, son tres las formas de
descomposición más empleadas en la práctica: La descomposición de Crout,
que corresponde a la descomposición mostrada en el ejemplo, es decir aque-
lla en la cual los elementos de la diagonal principal en “U” son unos. La
descomposición de Doolittle, en la cual los elementos de la diagonal prin-
cipal en “L” son unos, es decir:
[ ][ ][ ]
a 11 a 12 a 13 a14 1 0 0 0 u 11 u 12 u13 u14
a a 22 a 23 a24 l 1 0 0 0 u 22 u 23 u24
A= 21 = 21 × =L×U (7.15)
a 31 a 32 a 33 a34 l 31 l 32 1 0 0 0 u33 u34
a 41 a 42 a 43 a 44 l 41 l 42 l 43 1 0 0 0 u44
Y la descomposición de Cholesky, en la cual U es la transpuesta de L, es
decir:
[ ][ ][ ]
a 11 a 12 a 13 a14 l 11 0 0 0 l 11 l 21 l 31 l 34
a a 22 a 23 a24 l l 0 0 0 l 22 l 32 l 34
A= 21 = 21 22 × =L×U (7.16)
a 31 a 32 a 33 a34 l 31 l 32 l 33 0 0 0 l 33 l 43
a 41 a 42 a 43 a 44 l 41 l 42 l 43 l 44 0 0 0 l 44
Si la matriz A, es la matriz de los coeficientes de un sistema de ecua-
ciones lineales, como el siguiente:
a 11 x1 + a 12 x 2 + a13 x 3 + a 14 x 4 = b1
a 21 x 1 + a 22 x 2 + a 23 x 3 + a 24 x 4 = b2 (7.17)
a 31 x 1 + a 32 x 2 + a33 x 3 + a 34 x 4 = b3
a 41 x 1 + a 42 x 2 + a 43 x 3 + a 44 x 4 = b4
Una vez realizada la factorización, las soluciones pueden ser calculadas,
empleando las matrices triangulares obtenidas:
A⋅x=L⋅U⋅x=b (7.18)
−1 −1 (7.19)
L ⋅L⋅U⋅x= I⋅U⋅x=U⋅x= L ⋅b=c
De donde se obtienen las igualdades:
U⋅x=c (7.20)
−1 (7.21)
L ⋅b=c
Primero se calculan los valores de “c” y para ello se multiplican ambos
lados de la ecuación (7.21) por L:
−1 (7.22)
L⋅L ⋅b=I⋅b=b=L⋅c
En consecuencia el valor de “c” puede ser calculado resolviendo el siste-
ma de ecuaciones lineales:
L⋅c=b (7.23)
Este sistema puede ser resuelto porque es un sistema triangular inferior,
en el cual las soluciones se encuentran por sustitución hacia adelante.
Por ejemplo para el sistema (7.17) el sistema triangular superior que se
forma (asumiendo la descomposición de Crout) es:
l 11 c 1 = b1
l 21 c1 + l 22 c2 = b2 (7.24)
l 31 c1 + l 32 c2 + l 33 c3 = b3
l 41 c1 + l 42 c2 + l 43 c 3 + l 44 c 4 = b4
Como se puede ver, c1 se calcula con la primera ecuación, c 2 con la segun-
da y así sucesivamente. En general, para un sistema con “n” ecuaciones los
valores de “c” se calculan con:
i−1
bi −∑ l ik⋅c k
k =1 (7.25)
c i= { i=1 → n
l ii
Esta ecuación ser generalizada para el caso en el que “b” es una matriz
en lugar de un vector (que es lo que ocurre cuando se resuelven simultánea-
mente sistemas de ecuaciones lineales o se calcula la inversa):
i−1
bij – ∑ l ik⋅c kj
(7.26)
c ij = k =1
l ii { i=1 → n
j=1 → m
Donde “m” es el número de columnas de la matriz “b” y “n” es el número de
filas del sistema de ecuaciones.
Una vez calculado el vector “c”, se encuentran las soluciones resolviendo
el sistema de ecuaciones lineales (7.20). En este caso se trata de un sis-
tema triangular superior y en consecuencia puede ser resuelto por sustitu-
ción hacia atrás (igual que en el método de Gauss). Por ejemplo para el
sistema (7.17) el sistema triangular superior que se forma (asumiendo la
descomposición de Crout) es:
x 1 + u 12 x 2 + u 13 x 3 + u 14 x 4 = c1
x2 + u 23 x3 + u 24 x 4 = c2 (7.27)
x3 + u 34 x 4 = c3
x4 = c4
- 124 - Hernán Peñaranda V.
{
p−1
l ip =a ip – ∑ l ik⋅u kp {i= p → n
k =1
u pp=1 p=1 → n
p−1
(7.30)
a pj – ∑ l pk⋅u kj
k=1
u pj = { j= p+1 → n
l pp
Si no se almacenan los unos de la matriz “U”, las matrices “L” y “U” pue-
den ser almacenadas en una sola matriz, así las dos matrices de la ecuación
(7.14), pueden ser almacenadas como:
[ ]
l 11 u 12 u 13 u 14
l 21 l 22 u 23 u 24
(7.31)
l 31 l 32 l 33 u 34
l 41 l 42 l 43 l 44
Donde se sabe que la matriz triangular “U” tiene unos en su diagonal
principal. Así se ahorra memoria y, más importante aún, se simplifican los
SISTEMAS DE ECUACIONES LINEALES II - 125 -
{
p−1
a ip =a ip – ∑ aik⋅a kp { i= p → n
k=1
p−1 p=1 → n (7.32)
a pj – ∑ a pk⋅a kj
k=1
a pj = { j= p+1 → n
a pp
Las ecuaciones (7.26) y (7.29), con las cuales se calculan las soluciones
del sistema, deben ser reescritas para tomar en cuenta este cambio, pero si
además las soluciones se almacenan en la matriz de constantes “b” y se toma
en cuenta que los elementos de la diagonal principal en “U” son unos, se
transforman en:
i−1
b ij – ∑ a ik⋅b kj
(7.33)
bij = k=1
aii {i=1 → n
j=1 → m
n
bij =bij – ∑
k =i +1
a ik⋅bkj { i=n →1
j=1 → m
(7.34)
2 -9 2
>> for j=p+1:n s=0; for k=1:p-1 s+=a(p,k).*a(k,j); end a(p,j)=(a(p,j)-
s)/a(p,p); end a
ans =
2 4 1
1 2 -1
2 -9 2
Finalmente se incrementa el valor de “p” (a 3) y se calcula la última co-
lumna (de “l”):
>> p++;
>> for i=p:n s=0; for k=1:p-1 s+=a(i,k).*a(k,p); end a(i,p)=a(i,p)-s; end
a
ans =
2 4 1
1 2 -1
2 -9 -9
De esa manera se obtienen las matrices triangulares “l” (los elementos de
la diagonal principal e inferiores) y “u” (los elementos encima de la dia-
gonal principal).
Ahora se calcula las soluciones aplicando primero la ecuación (7.33) (con
j=1 pues en este caso “b” es un vector columna):
>> b=[14;13;5]; j=1;
>> for i=1:n s=0; for k=1:i-1 s+=a(i,k).*b(k,j); end b(i,j)=(b(i,j)-
s)/a(i,i); end b
ans =
7
3
-2
Y luego la ecuación (7.34):
>> for i=n:-1:1 s=0; for k=i+1:n s+=a(i,k).*b(k,j); end b(i,j)=b(i,j)-s;
end b
ans =
5
1
-2
Que son las soluciones del sistema (7.6).
7.2.1. Ejercicios
i = p+1
[i<=n]
[|aip|>|akp|]
k=i
i = i+1
[akp=0]
j =1
generar error
[j<=n]
aux = apj; apj = akj ; akj = aux
j = j+1
7.2.3. Factorización LU
[p<n]
pivparlu(a,n,p,o)
s=0
k=k+1 s = s+aik*akp
s=0
k=k+1 s = s+apk*akj
p=p+1
devolver a, o
m = Nº de columnas en b
b = aall,n+1->2n*b
s= 0
k=k+1 s = s+aik*bkj
i=i+1
s= 0
k=k+1 s = s+aik*bkj
i=i-1
devolver b
SISTEMAS DE ECUACIONES LINEALES II - 131 -
7.2.5. Ejercicios
{
p −1
u pj =a pj – ∑ l pk⋅u kj { j= p → n
k=1
l pp=1 p=1 → n
p−1
(7.35)
a ip – ∑ l ik⋅u kp
k =1
l ip = {i= p+1 → n
u pp
- 132 - Hernán Peñaranda V.
[ ]
u 11 u 12 u 13 u14
l 21 u 22 u 23 u 24
(7.36)
l 31 l 32 u 33 u34
l 41 l 42 l 43 u 44
Si esta matriz se guarda en la matriz “A”, las ecuaciones (7.35) se
transforman en:
{
p−1
a pj =a pj – ∑ a pk⋅a kj { j = p → n
k=1
p−1 p=1 → n (7.37)
a ip – ∑ aik⋅a kp
k=1
a ip = { i= p+1 → n
a pp
Las ecuaciones para el cálculo de las soluciones, tomando en cuenta que
ahora “l” tiene la diagonal con unos y guardando las soluciones en la ma-
triz de constantes “b”, son:
i−1
bij =bij – ∑ aik⋅bkj
k =1
{ i=1 →n
j=1 → m
(7.38)
n
b ij – ∑ a ik⋅b kj
(7.39)
bij = k=i+1
a ii { i=n → 1
j=1 → m
Para comprender mejor el proceso aplicaremos manualmente el método de Do-
olittle al sistema (7.6).
Primero se crea la matriz “a” y se inicializan las variables “n” y “p”:
>> a=[2,8,2;1,6,-1;2,-1,2]; n=length(a); p=1;
Ahora se aplican las ecuaciones (7.37) para calcular la primera fila y
columna de “u” y “l”:
>> for j=p:n s=0; for k=1:p-1 s+=a(p,k).*a(k,j); end a(p,j)=a(p,j)-s; end
a
ans =
2 8 2
1 6 -1
2 -1 2
>> for i=p+1:n s=0; for k=1:p-1 s+=a(i,k).*a(k,p); end a(i,p)=(a(i,p)-
s)/a(p,p); end; a
ans =
2 8 2
0.5 6 -1
1 -1 2
Ahora se procede con la segunda fila y columna de “u” y “l”:
SISTEMAS DE ECUACIONES LINEALES II - 133 -
>> p++;
>> for j=p:n s=0; for k=1:p-1 s+=a(p,k).*a(k,j); end a(p,j)=a(p,j)-s; end
a
ans =
2 8 2
0.5 2 -2
1 -1 2
>> for i=p+1:n s=0; for k=1:p-1 s+=a(i,k).*a(k,p); end a(i,p)=(a(i,p)-
s)/a(p,p); end; a
ans =
2 8 2
0.5 2 -2
1 -4.5 2
Finalmente se calcula la última fila de “u”:
>> p++;
>> for j=p:n s=0; for k=1:p-1 s+=a(p,k).*a(k,j); end a(p,j)=a(p,j)-s; end
a
ans =
2 8 2
0.5 2 -2
1 -4.5 -9
Ahora se calculan las soluciones con las ecuaciones (7.38) y (7.39):
>> b=[14;13;5]; j=1;
>> for i=1:n s=0; for k=1:i-1 s+=a(i,k).*b(k,j); end b(i,j)=b(i,j)-s; end
b
ans =
14
6
18
>> for i=n:-1:1 s=0; for k=i+1:n s+=a(i,k).*b(k,j); end b(i,j)=(b(i,j)-
s)/a(i,i); end b
ans =
5
1
-2
Que son las soluciones correctas del sistema.
7.3.1. Ejercicios
14. Encuentre las soluciones del sistema (7.7) aplicando manualmente el mé-
todo de factorización de Doolittle.
15. Encuentre las soluciones del sistema (7.8) aplicando manualmente el mé-
todo de factorización de Doolittle.
7.3.2. Fatorización LU
El algoritmo para calcular las matrices “L” y “U” por el método de Doo-
little, el cual, con excepción del pivotaje parcial, básicamente automatiza
el proceso seguido en el ejemplo manual, se presenta en la siguiente página
y el código respectivo es:
function a=doolittlelu(b)
a=0; a=b(:,:); n=size(a)(1); o=eye(n);
for p=1:n
if p<n pivparlu(a,n,p,o); end
- 134 - Hernán Peñaranda V.
[p<n]
pivparlu(a,n,p,o)
s=0
k=k+1 s = s+apk*akj
s=0
k=k+1 s = s+aik*akp
p=p+1
devolver a, o
for j=p:n
s=0; for k=1:p-1 s+=a(p,k).*a(k,j); end
a(p,j)=a(p,j)-s;
end
for i=p+1:n
s=0; for k=1:p-1 s+=a(i,k).*a(k,p); end
a(i,p)=(a(i,p)-s)/a(p,p);
end
end
a(:,n+1:2*n)=o;
end
Donde, al igual que en el método de Crout, se ha añadido a la matriz l-u
la matriz de permutaciones.
Haciendo correr el programa con la matriz del ejemplo manual se obtiene:
>> a=[2,8,2;1,6,-1;2,-1,2];
>> r=doolittlelu(a)
r =
SISTEMAS DE ECUACIONES LINEALES II - 135 -
2 8 2 1 0 0
0.5 2 -2 0 1 0
1 -4.5 -9 0 0 1
Que son los mismos resultados obtenidos en el ejemplo manual.
Jasymca cuenta también con una función “lu”, que lleva a cabo la descom-
posición por el método de Doolittle. Con esta función se obtiene:
>> [l,u,o]=lu(a)
l =
1 0 0
0.5 -0.22222 1
1 1 0
u =
2 8 2
0 -9 0
0 0 -2
o =
1 0 0
0 0 1
0 1 0
Que a diferencia del programa elaborad devuelve los resultados en tres
matrices y se basa en un pivotaje total en lugar de uno parcial.
m = Nº de columnas en b
b = aall,n+1->2n*b
s= 0
k=k+1 s = s+aik*bkj
i=i+1
s= 0
k=k+1 s = s+aik*bkj
i=i-1
devolver b
7.3.4. Ejercicios
16. Encuentre las soluciones del sistema (7.10) empleando el método de Doo-
little.
17. Encuentre las soluciones del sistema (7.11) empleando el método de Doo-
little.
18. Encuentre las soluciones del sistema (7.12) empleando el método de Doo-
little.
19. Encuentre la inversa de la matriz de coeficientes del sistema (7.12)
empleando el método de Doolittle, luego, con la inversa calculada, en-
cuentre las soluciones del sistema.
SISTEMAS DE ECUACIONES LINEALES II - 137 -
√
{
p−1
l pp= a pp – ∑ l pk 2
k =1
p−1 p=1 → n (7.40)
a ip – ∑ l ik⋅l pk
k =1
l ip = =l pi {i= p+1 → n
l pp
Como se puede ver, el cálculo de los elementos de la diagonal principal
involucra el cálculo de la raíz cuadrada, por lo que además dicho valor
debe ser positivo.
Al igual que en los métodos de Crout y Doolittle, en el método de Cho-
lesky no se requieren almacenar los ceros y dado que en este caso la matriz
transpuesta y la original tienen los mismos elementos en la diagonal prin-
cipal, los resultados de la factorización se pueden almacenar en una matriz:
[ ]
l 11 l 21 l 31 l 41
l 21 l 22 l 32 l 42
(7.41)
l 31 l 32 l 33 l 43
l 41 l 42 l 43 l 44
Si la matriz donde se guardan estos valores es la matriz “A”, las ecua-
ciones (7.40) pueden ser reescritas como:
√
{
p−1
a pp= a pp – ∑ a pk 2
k=1
p−1 p=1 → n (7.42)
a ip – ∑ aik⋅a pk
k=1
a ip = =a pi {i= p+1 → n
a pp
Una vez factorizada la matriz de los coeficientes los resultados pueden
ser calculados con las ecuaciones (7.33) y (7.39). Para comprender mejor el
proceso se resolverá el siguiente sistema de ecuaciones con este método:
4 x1 + x2 + 2 x3 = 5
x1 + 7 x2 + 3 x3 = 8 (7.43)
2 x1 + 3 x 2 + 9 x3 = 3
Primero se crea la matriz de coeficientes y se inicializan “p” y “n”:
- 138 - Hernán Peñaranda V.
>> linsolve(a,b)
ans =
1.1152
1.1047
-0.28272
7.4.1. Ejercicios
10 x 1 + x2 + 2 x 3 = 44
x1 + 10 x 2 + x 3 = 51 (7.44)
2 x1 + x2 + 10 x 3 = 61
20. Encuentre las soluciones de este sistema aplicando manualmente el méto-
do de Cholesky.
7.4.2. Factorización LU
s=0
k=k+1 s = s+apk*apk
app = (app-s)1/2
s=0
k=k+1 s = s+aik*apk
p=p+1
devolver a
7.4.4. Ejercicios
x 1 + 2 x 2 + 3 x 3 = 21
2 x 1 + 9 x 2 + 3 x 3 = 12 (7.45)
3 x 1 + 3 x 2 + 12 x 3 = 15
SISTEMAS DE ECUACIONES LINEALES II - 141 -
m = Nº de columnas en b
s= 0
k=k+1 s = s+aik*bkj
i=i+1
s= 0
k=k+1 s = s+aik*bkj
i=i-1
devolver b
7 x1 + x2 + 2 x3 − x4 = 3
x1 + 9 x2 + 3 x3 + 2 x4 = 2
(7.46)
2 x1 + 3 x2 + 12 x 3 + 3x4 = 7
−x1 + 2 x2 + 3 x3 + 11 x 4 = 5
21. Encuentre las soluciones del sistema (7.45) empleando el método de Cho-
lesky.
22. Encuentre las soluciones del sistema (7.46) empleando el método de Cho-
lesky.
- 142 - Hernán Peñaranda V.