FACTORIZACIÓN LU

Otro método para resolver sistemas de ecuaciones lineales es el método de la factorización LU ( o

descomposición LU). El objetivo de este método es factorizar la matriz A como el producto de un matriz
triangular inferior L y una matriz triangular superior U; y después resolver el sistema AX=b en dos etapas
como se muestra a continuación

AX=b, como A=LU entonces

(LU)X=b
L(UX)=b, si se toma UX = Y resulta
LY=b.

Entonces para encontrar la solución X del sistema primero se resuelve el sistema LY=b y luego el
sistema UX=Y.
El sistema LY =b es un sistema fácil de resolver ya que L es una matriz triangular inferior y se resuelve con
sustitución hacia delante.
El sistema UX =b es un sistema fácil de resolver ya que U es una matriz triangular superior y se resuelve con
sustitución hacia atrás.

Ejemplo 1.

Resuelva el sistema usando factorización

Solución

.............AX = b

La matriz A se puede factorizar como

El primer paso es resolver el sistema LY=b,

y1= 180
1/2y1+ y2= 115
1/3y1+ y2+ y3= 86

Usando sustitución hacia adelante se obtiene y1=180, y2=25, y3=1

Luego

El segundo paso es resolver el sistema UX=Y,

usando sustitución hacia atrás se obtiene x3 =3, x2 =2, x1=1y la solución del sistema es:

La pregunta que surge ahora es ¿ cómo factorizar una matriz Anxn como el producto de una
matriz Lnxn (triangular inferior) y una matriz Unxn (triangular superior) ?

Si se supone que A=LU entonces

igualando las componentes de las matrices se obtiene

Este es un sistema de n2 ecuaciones con n2+n elementos desconocidos

(lij, i = 1,2 , . . .,n ; uij j=1,2, . . .,n), para que el sistema tenga solución única se deben especificar n
elementos.

El método de factorización en el que se especifica que l11=l22=l33=....=lnn= 1 se llama método Doolittle. Si se

especifica que u11=u22=u33=....=unn=1 el método se llama Crout, si se especifica lii= uii el método se
llama Choleski .

Ejemplo 2.

Halle la factorización de la matriz A, con el método Doolittle y con el método de Choleski

Solución
i) Método de Doolitle (lii=1)

Multiplicando las matrices e igualando las componentes se tiene

u11=60 l21u11=30 l31u11=20

u12=30 l21u12+ u22=20 l31u12+ l32u22=15
 u13=20 l21u13+ u23=15 l31u13+l32u23+u33=12
u11=60 l21=1/2 u22=5
u12=30 l31=1/3 u23=5
u13=20 l32=1 u33=1/3

luego, la factorización de A es:

ii) Método de Choleski (lii = uii)

Multiplicando las matrices e igualando las componentes se tiene

l112=60 l11u12=30 l11u13=20

l21l11=30 l21u12+ u22=20 l21u13+ l22u23=15
l31l11=20 l31u12+ l32l22=15 l31u13 + l32u23+ l332=12
l11= u12= l31=
l21= u13= l32=
l22= u23= l33=

Luego la factorización Choleski para A es:

El seudocódigo para la factorización de Doolittle y de Choleski son los siguientes: 5

A continuación se presentan algunos resultados que relacionan sistemas lineales y factorización de matrices. 6

1. Si se puede efectuar al proceso de eliminación gaussiana en el sistema AX=bsin intercambio de renglones,

entonces la matriz A se puede factorizar como el producto de una matriz triangular inferior L, y una matriz
triangular superior U.

2. Si A es no singular, en el proceso de eliminación gaussiana para resolver AX=bse puede presentar un

intercambio de renglones. Esto significa que existe una matriz de permutación P para la cual se puede
resolver el sistema PAX=Pb sin intercambio de renglones, luego se puede factorizar PA como PA=LU.
Como P-1=Pt entonces A=P-1LU=(PtL)U pero PtL no es triangular inferior.

3. La matriz Anxn es estrictamente dominante en sentido diagonal (o diagonalmente dominante)

si i=1,2,3,....,n

Ejemplo

A es estrictamente dominante.

Una matriz estrictamente dominante en sentido diagonal es no singular y se puede realizar la eliminación
gaussiana de cualquier sistema lineal de la forma AX=b sin intercambio de renglones.
4. Una matriz A es definida positiva si es simétrica y si XtAX>0 para todo vector
columna X 0 n dimensional.

Ejemplo. .......
Por lo tanto A es positivo definida.

5.Una primera submatriz principal de una matriz A es la que tiene la forma

para alguna 1 k n.

Ejemplo.

...............

6. Una matriz simétrica A es positiva definida si y sólo si sus primeras submatrices principales tienen
determinante positivo.

Ejemplo.
det A1=1 > 0
det A2=5 - 4=1> 0

Luego A es positivo definida. Observe que este criterio para determinar si es positiva definida es mucho más
sencillo que la definición XtAX > 0, X 0.

7. La matriz simétrica A es positiva definida si y sólo si la eliminación gaussiana sin intercambio de renglones
puede efectuarse en el sistema AX=b con todos los elementos pivote positivos.

8. La matriz A es positiva definida si y sólo si A puede factorizarse en la forma A=LU=LLt, donde L es una
matriz triangular inferior con elementos distintos de cero en su diagonal.

9. El radio espectral (A) de una matriz A está definido por (A)=máx| |, donde es un valor propio ( o
autovalor) de A. 7

Ejemplo:

2
(1- )(5- )-4=0 -6 +1=0
1=3+2 2=3-2

(A)=máx

10. Una matriz A es positiva definida si todos los valores propios son positivos.

Ejemplo.

Tiene como valores propios Luego A es positivo definida.