DESCOMPOSICIN LU

Su nombre se deriva de las palabras inglesas Lower" y Upper, que en espaol se traducen como Inferior y Superior. Estudiando el proceso que se sigue en la descomposicin LU es posible comprender el por qu de este nombre, analizando cmo una matriz original se descompone en dos matrices triangulares, una superior y otra inferior.

La descomposicin LU involucra solo operaciones sobre los coeficientes de la matriz [A], proporcionando un medio eficiente para resolver sistemas lineales sobre una computadora y se puede usar para probar resultados importantes sobre matrices.

Primeramente se debe obtener la matriz [L] y la matriz [U]. [L] es una matriz diagonal inferior con nmeros 1 sobre la diagonal. [U] es una matriz diagonal superior en la que sobre la diagonal no necesariamente tiene que haber nmeros 1.

El primer paso es descomponer o transformar [A] en [L] y [U], es decir obtener la matriz triangular inferior [L] y la matriz triangular superior [U]

Pasos para encontrar la matriz triangular superior (matriz [u])

1. Hacer cero todos los valores abajo del pivote sin convertir este en 1.

2. Para lograr lo anterior se requiere obtener un factor el cual es necesario para convertir a cero los valores abajo del pivote.

3. Dicho factor es igual al nmero que se desea convertir en cero entre el nmero pivote. Este factor multiplicado por -1 se multiplica luego por el pivote y a ese resultado se le suma el valor que se encuentra en la posicin a cambiar (el valor en la posicin que se convertir en cero).

Pasos para encontrar la matriz triangular inferior (matriz [l])

Para encontrar la matriz triangular inferior se busca hacer ceros los valores de arriba de cada pivote, as como tambin convertir en 1 cada pivote. Se utiliza el mismo concepto de factor y se ubican todos los factores debajo de la diagonal segn corresponda en cada uno.

Esquemticamente a partir de:

[ ]

Se obtienen:

[ ]

)y[ ]

Debido a que [A] = [L][U], al encontrar [L] y [U] a partir de [A] no se altera en nada la ecuacin y se tiene lo siguiente:

[A] = [L][U]

)(

Por lo tanto, si Ax = b, entonces LUx = b, de manera que Ax = LUx = b.

Pasos para resolver un sistema de ecuaciones por el mtodo de descomposicin 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 incgnitas de la ecuacin.

DESCOMPOSICIN DE CHOLESKY
La factorizacin o descomposicin matemtico Andr-Louis de Cholesky toma quien encontr su que nombre del

Cholesky,

una matriz

simtrica definida positiva puede ser descompuesta como el producto de una matriz triangular inferior y la traspuesta de la matriz triangular inferior. La matriz triangular inferior es el tringulo de Cholesky de la matriz original

positiva definida. El resultado de Cholesky ha sido extendido a matrices con entradas complejas. Es una manera de resolver sistemas de ecuaciones matriciales y se deriva de la factorizacin LU con una pequea variacin. Cuando es aplicable, la descomposicin de Cholesky es dos veces ms eficiente que la descomposicin LU.

En

general,

si A es Hermitiana y definida

positiva,

entonces A puede

ser

descompuesta como

donde L es una matriz triangular inferior con entradas diagonales estrictamente positivas, y L* representa la conjugada traspuesta de L. La descomposicin de Cholesky es nica: dada una matriz Hermitiana positiva definida A, hay una nica matriz triangular inferior L con entradas diagonales estrictamente positivas tales que A = LL*.

La descomposicin de Cholesky se usa principalmente para hallar la solucin numrica de ecuaciones lineales Ax = b. Si A es simtrica y positiva definida, entonces se puede solucionar Ax = b calculando primero la descomposicin de Cholesky A = LLT,
T

luego

resolviendo Ly = b para y,

finalmente

resolviendo L x = y para x.

MATRICES INVERSAS LATERALES

Dada una matriz de orden m n:

A, es la matriz asociada respecto las bases cannicas a una aplicacin lineal f: Rn Rm, definida por f(x)=Ax. Por otra parte, recordar que el espacio de filas de

A es el subespacio F(A) de Rn generado por las filas de A, y el espacio de columnas de A es el subespacio C(A) de Rm generado por las columnas de A y se verifica q dim(F(A))=dim(C(A))=rg(A). Como sabemos C(A)=Im(f).

Se dice que A es el rango pleno por filas si rg(A)=m, esto es, el rango de A es igual al nmero de filas, o equivalentemente, si C(A)=Rm. Anlogamente se dice que A es de rango pleno por columnas si rg(A)=n (F(A)=Rn). Para filas, ser de rango pleno por columnas y ser regular.

Dada una matriz AMmxn(K), una inversa a derecha de A es una matriz BMnxm(K) de forma que AB=Im. De forma similar, una inversa a la izquierda de A es una matriz CMnxm(K) tal que CA=In.

Proposicin 1: Dada una matriz A Mmxn(K), se verifica:

1. A tiene inversa a izquierda A es de rango pleno por columnas. 2. A tiene inversa a derecha A es de rango pleno por filas.

Proposicin 2: Dada una matriz A Mmxn(K), se verifica:

1. Si A es de rango pleno por filas, entonces una inversa a derecha de A es AR=At(AAt)-1. 2. Si A es de rango pleno por columnas, entonces una inversa a izquierda de A es AL=(AtA)-1At.

Ejemplo 1:

Encontrar la factorizacin LU de la matriz:

Primero convertimos en cero todos los elementos debajo del primer elemento de la diagonal de A. Para esto, sumamos (-2) veces la primera la de A a la segunda la de A. Luego sumamos la primera la de A a la tercera la de A, y por ltimo sumamos (-4) veces la primera la de A a la cuarta la de A, obteniendo la siguiente matriz

Mientras tanto, comenzamos la construccin de una matriz triangular inferior, L1, con 1s en la diagonal principal. Para hacer esto, colocamos los opuestos de los multiplicadores utilizados en las operaciones de la en la primera columna de L1 debajo del primer elemento diagonal de L1 y obtenemos la siguiente matriz:

Ahora sumamos (-3) veces la segunda la de U1 a la tercera la de U1 y sumamos (-1) veces la tercera la de U1 a la cuarta la de U1. Colocamos los opuestos de los multiplicadores debajo del segundo elemento diagonal de L1 y obtenemos:

) y

Ahora sumamos (-1) veces la tercera la de U2 a la cuarta la de U2 y colocamos el opuesto de este multiplicador debajo del tercer elemento diagonal de L2 y obtenemos las matrices:

) y

Las matrices U3 y L3 componen una factorizacin LU para la matriz A dada.

Ejemplo 2:

Encontrar los valores de x1, x2 y x3 para el siguiente sistema de ecuaciones:

4X1 -2X2 -X3 = 9 5X1 +X2 -X3 = 7 X1 +2X2 -X3 = 12

Escribimos las matrices de coeficientes:

) y

1. Hallamos U: Sumando a la fila 2, la fila 1 por -5/4, y sumando a la fila 3, la fila 1 multiplicada por -1/4, obtenemos:

El tercer rengln lo obtenemos sumndolo con el rengln 2 multiplicado por (5/2)/(7/2). Entonces:

2. Hallamos L:

3. Tenemos Ly=b, despejamos y:

( )

4. Finalmente, de la expresin Ux=y, despejamos x.

Ejemplo 3:

Encontrar los valores de x1, x2 y x3 para el siguiente sistema de ecuaciones:

11X1 -3X2 -2X3 = 18 5X1 - 2X2 - 8X3 = 13 4X1 - 7X2 + 2X3 = 2

Escribimos las matrices de coeficientes:

) y

1. Hallamos U: Sumando a la fila 2, la fila 1 multiplicada por -5/11, y sumando a la fila 3, la fila 1 multiplicada por -4/11 y obtenemos:

La tercera fila se la obtiene sumndola con la fila 2 multiplicado por -65/7. Entonces:

2. Hallamos L:

3. Tenemos que Ly=b, de donde despejamos y:

( )

4. Finalmente, de la expresin Ux=y, despejamos x.

Bibliografa:
http://www4.ujaen.es/~magarcia/algebra2est_archivos/temario/Tema6ap.pdf http://www.scribd.com/doc/555933/Descomposicion-LU-y-el-Metodo-de-GaussSeidel

LGEBRA LINEAL, Stanley I. Grossman, Quinta edicin.