“UNIVERSIDAD NACIONAL DE HUANCAVELICA”

“AÑO DEL DIÁLOGO Y LA RECONCILIACIÓN NACIONAL”

Solución de
Ecuaciones Lineales

CATEDRÁTICO: ing. CONDORI PAYTAN, ANDERSON LINCOL

ESTUDIANTES:
1. Dueñas Gaspar, kelvin

ZUASNABAR PALOMINO, Gin Jhosep

CICLO:
DEDICATORIA

A NUESTROS
PADRES…Por su infinito apoyo en la vida.

1
INTRODUCCION:

La factorización LU de una matriz es una factorización que resume el proceso de

eliminación gaussiana aplicado a la matriz y que es conveniente en términos del número
total de operaciones de punto flotante cuando se desea calcular la inversa de una matriz o
cuando se resolverá una serie de sistemas de ecuaciones con una misma matriz de
coeficientes. En la lectura, primeramente, consideraremos la factorización LU sin
intercambio basada en matrices elementales y que es conocida como de Doolittle y
posteriormente veremos el algoritmo que da la factorización PA = LU.

2
Contenido
INTRODUCCION ........................................................................................................................................ 2
1. RESOLUCION DE S I S T E M A S DE ECUACIONES LINEALES ............................ 4
1. DESCOMPOSICIÓN LU .................................................................................................................... 5
2. MÉTODO DE JACOBI ..................................................................................................................... 10
3. BIBLIOGRAFIA ............................................................................................................................... 14
4. CONCLUCIONES ............................................................................................................................ 15

3
1. RESOLUCION DE S I S T E M A S DE
ECUACIONES LINEALES

4
 1. DESCOMPOSICIÓN LU

La descomposición LU consiste en encontrar dos matrices, L y U construidas

de tal forma que se cumpla que:
𝐴=𝐿∙𝑈 (1)
Las características de las matrices L y U dependen de cada una de las
versiones definidas para la descomposición:
𝐿11 0 0 ⋯ 0
𝐿21 𝐿22 0 ⋯ 0
𝐿 = 𝐿31 𝐿32 𝐿33 ⋯ 0
⋮ ⋮ ⋮ ⋮ ⋮
[𝐿𝑛1 𝐿𝑛2 𝐿𝑛3 ⋯ 𝐿𝑛𝑛 ]
(2)
1 𝑈11 𝑈13 ⋯ 𝑈1𝑛
0 1 𝑈23 ⋯ 𝑈2𝑛
𝑈= 0 0 1 ⋯ 𝑈3𝑛
⋮ ⋮ ⋮ ⋮ ⋮
[0 0 0 ⋯ 𝑈𝑛𝑛 ]
(3)
Un esquema inicial de una matriz A de orden 4 y después para cualquier
orden.
𝐿11 0 0 0 1 𝑈12 𝑈13 𝑈14 𝑎11 𝑎12 𝑎13 𝑎14
𝐿 𝐿22 0 0 0 1 𝑈23 𝑈24 𝑎21 𝑎22 𝑎23 𝑎24
[ 21 ]∙[ ] = [𝑎 ]
𝐿31 𝐿32 𝐿33 0 0 0 1 𝑈34 31 𝑎32 𝑎33 𝑎34
𝐿𝑛1 𝐿𝑛2 𝐿𝑛3 𝐿𝑛𝑛 0 0 0 𝑈𝑛𝑛 𝑎41 𝑎42 𝑎43 𝑎44
(4)
El esquema indicado en la ecuación 6 implica que la multiplicación de las
matrices L y U tiene como resultado a matriz A. de tal forma, lo procedente
es realizar la multiplicación termino a termino con las reglas específicas del
algebra matricial. No obstante, se propone que la obtención de los términos
de las matrices L y U se hagan en determinado orden con el fin de obtener
valores directos y no aparezca incógnitas durante el proceso. El orden
propuesto es alternar el cálculo de columnas de L con los propios de la matriz
U.
Siguiendo la recomendación anterior, se calcula la primera columna de la
matriz L multiplicando los renglones de L por la primera columna de U:
𝐿11 = 𝑎11
𝐿21 = 𝑎21 (5)
𝐿31 = 𝑎31
Posteriormente, se hace el cálculo del primer renglón de la matriz U
multiplicando el primer renglón de L por las columnas de U:
𝑎12
𝐿11 ∙ 𝑈12 = 𝑎12 → 𝑈12 =
𝐿11
𝑎
𝐿11 ∙ 𝑈13 = 𝑎13 → 𝑈13 = 13 (6)
𝐿11
 𝑎14
𝐿11 ∙ 𝑈14 = 𝑎14 → 𝑈14 =
𝐿11
Para la segunda columna de L multiplicando los reglones de L por la segunda
columna de U:
𝐿21 ∙ 𝑈12 + 𝐿22 = 𝑎22 → 𝐿22 = 𝑎22 − 𝐿21 ∙ 𝑈12
𝐿31 ∙ 𝑈12 + 𝐿32 = 𝑎32 → 𝐿32 = 𝑎32 − 𝐿31 ∙ 𝑈12
(7)
𝐿41 ∙ 𝑈12 + 𝐿42 = 𝑎42 → 𝐿42 = 𝑎42 − 𝐿41 ∙ 𝑈12
Para el segundo renglón de U se multiplica el segundo renglón de L por las
columnas de U:
𝑎23 − 𝐿21 ∙ 𝑈13
𝐿21 ∙ 𝑈13 + 𝐿22 ∙ 𝑈23 = 𝑎23 → 𝑈23 =
𝐿22
𝑎24 −𝐿21 ∙𝑈14
𝐿21 ∙ 𝑈14 + 𝐿22 ∙ 𝑈24 = 𝑎24 → 𝑈24 =
𝐿22
(8)
Para el tercer renglón de L se multiplica el tercer renglón de L por la tercera
columna de U:
𝐿31 ∙ 𝑈13 + 𝐿32 ∙ 𝑈23 + 𝐿33 = 𝑎33 → 𝐿33 = 𝑎33 − (𝐿31 ∙ 𝑈13 + 𝐿32 ∙ 𝑈23 )
𝐿41 ∙ 𝑈13 + 𝐿42 ∙ 𝑈23 + 𝐿43 = 𝑎43 → 𝐿43 = 𝑎43 − (𝐿41 ∙ 𝑈13 + 𝐿42 ∙
𝑈23 ) (9)
Para el único elemento del tercer renglón de U se multiplica el tercer renglón
de L por la cuarta columna de U:
𝐿31 ∙ 𝑈14 + 𝐿32 ∙ 𝑈24 + 𝐿33 ∙ 𝑈34 = 𝑎34
𝑎 −(𝐿 ∙𝑈 +𝐿 ∙𝑈 )
𝑈34 = 34 31 14 32 24
𝐿33
(10)
Finalmente, la última comuna de L compuesta por un único elemento, se
multiplica el cuarto renglón de L por la cuarta columna de U:
𝐿41 ∙ 𝑈14 + 𝐿42 ∙ 𝑈24 + 𝐿43 ∙ 𝑈34 + 𝐿44 = 𝑎44
𝐿44 = 𝑎44 − (𝐿41 ∙ 𝑈14 + 𝐿42 ∙ 𝑈24 + 𝐿43 ∙ 𝑈34 )
(11)
Puede observarse que el hecho de haber calculado alternadamente comunas
de L con renglones de U permite obtener los coeficientes respectivos de
inmediato.
A partir de los resultados obtenidos para este esquema de orden n=4 se
concluye las expresiones generales:
𝑗−1
𝐿𝑖𝑗 = 𝑎𝑖𝑗 − ∑𝑘=1 𝐿𝑖𝑘 ∙ 𝑈𝑘𝑗
(12)
Donde
𝑗≤𝑖 𝑖 = 1,2,3, … , 𝑛
𝑗−1
𝑎𝑖𝑗 −∑𝑘=1 𝐿𝑖𝑘 ∙𝑈𝑘𝑗
𝑈𝑖𝑗 =
𝐿𝑖𝑖
(13)
Donde
𝑗≤𝑖 𝑖 = 1,2,3, … , 𝑛
Con los pasos particulares para la primera comuna de L, es decir, cuando
𝑗 = 1:
𝐿𝑖1 = 𝑎𝑖1 (14)
Y para el primer renglón de U, cuando 𝑖 = 1:
𝑎1𝑗 𝑎1𝑗
𝑈1𝑗 = =
𝐿11 𝑎11
(15)

Ejemplo:
Sea la matriz A, obtener las matrices L y U:
3 −1 4 −1
−1 −1 3 1
𝐴=[ ]
2 3 −1 −1
7 1 1 2
De acuerdo con 14:
𝐿11 = 𝑎11 = 3 𝐿21 = 𝑎21 = −1 𝐿31 = 𝑎31 = 2 𝐿41 = 𝑎41 = 7
Realizando la alternativa propuesta, utilizando 15
𝑎12 𝑎13 𝑎14
𝑈12 = = −0,33333 𝑈13 = = 1,33333 𝑈14 = = −0,33333
𝐿11 𝐿11 𝐿11
Correspondiente el cálculo de la segunda columna de L con la ecuación 12:
𝑗−1

𝐿22 = 𝑎22 − ∑ 𝐿2𝑘 ∙ 𝑈𝑘2 = 𝑎22 − [𝐿21 ∙ 𝑈12 ] = −1 − [(−1) ∙ (−0,3333)]

𝑘=1
= 1,33333
𝑗−1

𝐿32 = 𝑎32 − ∑ 𝐿3𝑘 ∙ 𝑈𝑘3 = 𝑎32 − [𝐿31 ∙ 𝑈13 ] = 3 − [(2) ∙ (−0,3333)]

𝑘=1
= 3,66666
𝑗−1

𝐿42 = 𝑎42 − ∑ 𝐿4𝑘 ∙ 𝑈𝑘4 = 𝑎42 − [𝐿41 ∙ 𝑈14 ] = 1 − [(7) ∙ (−0,3333)]

𝑘=1
= 3,33333
Haciendo lo propio con el segundo renglón de U con la ecuación 13:
𝑗−1
𝑎23 − ∑𝑘=1 𝐿2𝑘 ∙ 𝑈𝑘3 𝑎23 − [𝐿21 ∙ 𝑈13 ] −1 − [(−1) ∙ (1,33333)]
𝑈23 = = =
𝐿22 𝐿22 −1,33333
= −3,25
𝑗−1
𝑎24 − ∑𝑘=1 𝐿2𝑘 ∙ 𝑈𝑘4 𝑎24 − [𝐿21 ∙ 𝑈14 ] 1 − [(−1) ∙ (0,33333)]
𝑈24 = = =
𝐿22 𝐿22 −1,33333
= −0.5
Tercera columna de L:
𝑗=2

𝐿33 = 𝑎33 − ∑ 𝐿3𝑘 ∙ 𝑈𝑘3

𝑘=1
𝐿33 = 𝑎33 − [𝐿31 ∙ 𝑈13 + 𝐿32 ∙ 𝑈23= ]
𝐿33 = −1 − [2 ∙ 1,33333 + 3,66666 ∙ (−3,25)]
𝐿33 = 8,25
 𝑗=2

𝐿43 = 𝑎43 − ∑ 𝐿4𝑘 ∙ 𝑈𝑘3

𝑘=1
𝐿43 = 𝑎43 − [𝐿41 ∙ 𝑈13 + 𝐿42 ∙ 𝑈23= ]
𝐿33 = 1 − [7 ∙ 1,33333 + 3,66666 ∙ (−3,25)]
𝐿33 = 2,5
Tercer renglón de U:
𝑗−2
𝑎34 − ∑𝑘=1 𝐿3𝑘 ∙ 𝑈𝑘4
𝑈34 =
𝐿33
𝑎34 − [𝐿31 ∙ 𝑈14 − 𝐿32 ∙ 𝑈24 ]
𝑈34 =
𝐿33
−1 − [2 ∙ (−0,33333) + 3,66666 ∙ (−0,5)]
𝑈34 =
8,25
𝑈34 = 0,18182
Finalmente, la última columna de L:
𝑗=3

𝐿44 = 𝑎44 − ∑ 𝐿4𝑘 ∙ 𝑈𝑘4

𝑘=1
𝐿44 = 𝑎44 − [𝐿41 ∙ 𝑈14 + 𝐿42 ∙ 𝑈24 + 𝐿43 ∙ 𝑈34 ]
𝐿44 = 2 − [7 ∙ (−0.33333) + 3,33333 ∙ (−0,5) + 2,5 ∙ 0,18182]
𝐿44 = 5,54545
Acomodando todos los resultados, se obtiene:
3 0 0 0
−1 −1,33333 0 0
𝐿=[ ]
2 3,66666 8,25 0
7 3,33333 2,5 5,54545
1 −0,33333 1,33333 −0,33333
0 1 −3,25 −0,5
𝑈=[ ]
0 0 1 0,18182
0 0 0 1

Ejemplo
Resolver el sistema de ecuaciones por el método de descomposición LU
3𝑥1 − 𝑥2 + 4𝑥3 − 𝑥4 = 12
−𝑥1 − 𝑥2 + 3𝑥3 + 𝑥4 = 4
2𝑥1 + 3𝑥2 − 𝑥3 − 𝑥4 = 9
7𝑥1 + 𝑥2 + 𝑥3 + 2𝑥4 = 11
̅
Haciendo en la forma 𝐴𝑋 = 𝑏
3 −1 4 −1 𝑥1 12
−1 −1 3 1 𝑥2 4
[ ] × [𝑥 ] = [ ]
2 3 −1 −1 3 9
7 1 1 2 𝑥4 11
A
Sabemos que 𝐴 = 𝐿 × 𝑈, vimos en el anterior ejercicio La descomposición
LU que consiste en encontrar dos matrices, L y U construidas de tal forma
que se cumpla que:
𝐴=𝐿∙𝑈

3 −1 4 −1
−1 −1 3 1
𝐴=[ ]
2 3 −1 −1
7 1 1 2
3 0 0 0 1 −0,33333 1,33333 −0,33333
−1 −1,33333 0 0 0 1 −3,25 −0,5
=[ ]×[ ]
2 3,66666 8,25 0 0 0 1 0,18182
7 3,33333 2,5 5,54545 0 0 0 1

L U
Reemplazando en la ecuación
[𝐿 × 𝑈] × 𝑥̅ = 𝑏
𝑥1 12
𝑥2 4
𝐿 × 𝑈 × [𝑥 ] = [ ]
3 9
[ 𝑥4 ] 11
Haciendo cambio de variable 𝑈 × 𝑥̅ = 𝑍̅
𝑥1 𝑧1
𝑥2 𝑧2
𝑈 × [𝑥 ] = [𝑧 ]
3 3
𝑥4 𝑧4
Hallando los valores de Z de la forma 𝐿 × 𝑍̅ = 𝑏
𝑧1 12
𝑧2 4
𝐿 × [𝑧 ] = [ ]
3 9
𝑧4 11
Reemplazando L:
3 0 0 0 𝑧1 12
−1 −1,33333 0 0 𝑧2 4
[ ] × [𝑧 ] = [ ]
2 3,66666 8,25 0 3 9
7 3,33333 2,5 5,54545 𝑧4 11
Resolviendo el sistema
3𝑍1 = 12 → 𝑍1 = 4
−𝑍1 − 1,33333𝑍2 = 4 → 𝑍1 = −6,000015
2𝑍1 + 3,66666𝑍2 + 8,25𝑍3 = 9 → 𝑍1 = 2,78788061
7𝑍1 + 3,33333𝑍2 + 2,5𝑍3 + 5,54545𝑍4 = 11 → 𝑍1 = −0,715843
Reemplazando los valores de Z:
𝑧1 4
𝑧2 −6,000015
[𝑧 ] = [ ]
3 2,78788061
𝑧4 −0,715843
Finalmente calculando los valores de X de la forma:
𝑈 × 𝑥̅ = 𝑍
 𝑥1 4
𝑥2 −6,000015
𝑈 × [𝑥 ] = [ ]
3 2,78788061
𝑥4 −0,715843
Reemplazando la matriz U
1 −0,33333 1,33333 −0,33333 𝑥1 4
0 1 −3,25 −0,5 𝑥2 −6,000015
[ ] [𝑥 ] = [ ]
0 0 1 0,18182 3 2,78788061
0 0 0 1 𝑥4 −0,715843
Resolviendo el sistema.
𝑥1 − 0,33333𝑥2 + 1,33333𝑥3 − 0,33333𝑥4 = 4 → 𝑥1 =
1,38979026
𝑥2 − 3,25𝑥3 − 0,5𝑥4 = −6,000015 → 𝑥2 = 3,1256779
𝑥3 + 0,18182𝑥4 = 2,78788061 → 𝑥3 = 2,91803521
𝑥4 = −0,715843

Ordenando los valores de X

𝑥1 = 1,38979026
𝑥2 = 3,1256779
𝑥3 = 2,91803521
𝑥4 = −0,715843

2. MÉTODO DE JACOBI

Sea el sistema de Ecuaciones lineales 𝐴 ∙ 𝑋̅ = 𝑏, donde A es la matriz de

coeficientes, 𝑋̅ es el vector de incógnitas y b el vector de términos
independientes.
𝐴 ∙ 𝑋̅ = 𝑏 (1)
En la ecuación 1 se puede sustituir a la matriz A por la suma de dos matrices:
𝐴=𝐷+𝑅 (2)
En donde la matriz D es una matriz cuyos elementos son cero excepto los
elementos de la diagonal que corresponde a los elementos de la matriz A y R
que es una matriz con ceros en la diagonal y sus restantes elementos
coinciden con los respectivos de A.
𝑎11 𝑎12 𝑎13 ⋯ 𝑎1𝑛
𝑎21 𝑎22 𝑎23 ⋯ 𝑎2𝑛
𝐴 = 𝑎31 𝑎32 𝑎33 ⋯ 𝑎3𝑛 (3)
⋮ ⋮ ⋮ ⋮ ⋮
[𝑎𝑛1 𝑎𝑛2 𝑎𝑛3 ⋯ 𝑎𝑛𝑛 ]
 𝑎11 0 0 ⋯ 0
0 𝑎22 0 ⋯ 0
𝐷= 0 0 𝑎33 ⋯ 0 (4)
⋮ ⋮ ⋮ ⋮ ⋮
[ 0 0 0 ⋯ 𝑎𝑛𝑛 ]
0 𝑎12 𝑎13 ⋯ 𝑎1𝑛
𝑎21 0 𝑎23 ⋯ 𝑎2𝑛
𝑅 = 𝑎31 𝑎32 0 ⋯ 𝑎3𝑛 (5)
⋮ ⋮ ⋮ ⋮ ⋮
[𝑎𝑛1 𝑎𝑛2 𝑎𝑛3 ⋯ 0 ]
Sustituyendo la ecuación 2 en la ecuación 1:
(𝐷 + 𝑅) ∙ 𝑋̅ = 𝑏̅
𝐷𝑋̅ + 𝑅𝑋̅ = 𝑏̅
Despejamos el término 𝐷𝑋̅:
𝐷𝑋̅ = 𝑏̅ − 𝑅𝑋̅
Multiplicando por la matriz 𝐷 −1
𝐷−1 ∙ 𝐷𝑋̅ = 𝐷−1 ∙ (𝑏̅ − 𝑅𝑋̅)
Resulta:
𝑋̅ = 𝐷−1 ∙ (𝑏̅ − 𝑅𝑋̅) (6)
La ecuación 6 no aporta una solución por sí misma, si se observa desde la
óptica del álgebra matricial. Sim embargo, si se aplica desde una forma
recursiva.
𝑋̅ (𝑘+1) = 𝐷−1 ∙ (𝑏̅ − 𝑅𝑋̅ (𝑘) ) (7)
Para 𝐾 = 0,1,2, … , 𝑛 donde 𝑋̅ (𝑘)
representa un vector solución inicial y
𝑋̅ (𝑘+1)
representa una aproximación posterior a la inicial 𝑋̅ (𝑘) . Se puede
constatar claramente que la ecuación 7 es totalmente representativa de un
método de aproximaciones sucesivas.
Esta ecuación 7 requiere de un breve análisis para su aplicación práctica. En
principio, la matriz D, detallada en 4 sólo posee elementos diferentes de cero
(que corresponden a los propios de A) en su diagonal principal. Es fácilmente
comprobable que la matriz inversa 𝐷 −1 también posee únicamente valores
diferentes de cero en su diagonal principal y que estos valores corresponden
1
a los recíprocos de sus valores en la matriz A, es decir, serán . Por otra
𝑎𝑖𝑖
parte, el resto de los elementos de cada renglón de la matriz A se encuentran
en la matriz R y son restados del vector de términos independientes.
En contexto, la ecuación 7 equivale, a partir del sistema de ecuaciones
lineales, a despejar a la incógnita de ubicada en la diagonal principal de cada
una de las ecuaciones que conforman el sistema, de la siguiente forma:
𝑘+1
𝑏1 − (𝑎12 𝑋𝑘2 + 𝑎13 𝑋𝑘3 + ⋯ + 𝑎1𝑛 𝑋𝑘𝑛 )
𝑋1 =
𝑎11
(𝑘2 )
𝑘+1
𝑏2 − (𝑎21 𝑋 + 𝑎23 𝑋 (𝑘3 ) + ⋯ + 𝑎2𝑛 𝑋 (𝑘𝑛 ) )
𝑋2 =
𝑎22
(𝑘2 )
𝑘+1
𝑏3 − (𝑎31 𝑋 + 𝑎32 𝑋 (𝑘3 ) + ⋯ + 𝑎3𝑛 𝑋 (𝑘𝑛 ) )
𝑋3 =
𝑎33
 ⋮ ⋮ (8)
(𝑘)
𝑏𝑛 − (𝑎𝑛1 𝑋 (𝑘2) + 𝑎𝑛2 𝑋 (𝑘3 ) + ⋯ + 𝑎𝑛𝑛 − 1𝑋𝑛−1 )
𝑋𝑛𝑘+1 =
𝑎𝑛𝑛

Él método de Jacobi propone que el vector inicial 𝑋̅ 0 sea igual a cero. A partir
𝑏
de esta propuesta, el vector siguiente será 𝑋̅ 1 = 𝑖 , es decir, el elemento
𝑎𝑖𝑖
independiente entre el coeficiente de la diagonal principal para cada
ecuación.
𝑏1
𝑎11
𝑏2
𝑎22
𝑋̅ (1) = 𝑏3 (9)
𝑎33
⋮
𝑏𝑛
[𝑎𝑛𝑛 ]
̅ (1)
Este vector 𝑋 se sustituye en las ecuaciones 8 obteniéndose el siguiente
vector 𝑋̅ (2) . El proceso se realiza consecutivamente hasta que la norma entre
dos vectores consecutivos es menor que cierta tolerancia preestablecida.
La norma 𝜃 se calcula como:
𝜃
(𝑘+1) (𝑘) (𝑘+1) (𝑘) (𝑘+1) (𝑘) (𝑘+1) (𝑘)
= √(𝑋1 − 𝑋1 )2 + (𝑋2 − 𝑋2 )2 + (𝑋3 − 𝑋3 )2 + ⋯ + (𝑋𝑛 − 𝑋𝑛 )2
Ejemplo.
Sea el sistema de ecuaciones
10𝑥1 + 3𝑥2 + 𝑥3 = 14
5𝑥1 − 10𝑥2 + 3𝑥3 = −5
𝑥1 + 3𝑥2 + 10𝑥3 = 14

Resuelva el Sistema 𝐴𝑥̅ = 𝑏 mediante el método de Jacobi, con una

tolerancia de error = 0,0001
10 3 1 14 0
0
𝐴 = [ 5 −10 3 ]; 𝑏 = [−5]; 𝑥 = [0]
1 3 10 14 0
Método de Jacobi.
−3𝑥2 − 𝑥3 + 14
𝑥1 =
10
5 + 5𝑥1 + 3𝑥3
𝑥1 =
10
14 − 𝑥1 − 3𝑥2
𝑥1 =
10

1° Iteración 𝑥 0 = [0,0,0]𝑡 y error=0,0001

 14 − 3(0) − (0)
𝑥11 = = 1,4
10
5 + (0) + (0)
𝑥21 = = 0,5
10
14 − 0 − 3(0)
𝑥31 = = 1,4
10
𝜃 = √(𝑋10 − 𝑋11 )2 + (𝑋20 − 𝑋21 )2 + (𝑋30 − 𝑋31 )2 < 𝜖
𝜃 = √(0 − 1,4)2 + (0 − 0,5)2 + (0 − 1,4)2 < 𝜖
𝜃 = 2,042057 < 𝜖
2° Iteración 𝑥 = [1,4,0,5,1,4]𝑡 y error=0,0001
1

14 − 3(0,5) − (1,4)
𝑥12 = = 1,11
10
5 + 5(1,4) + 3(1,4)
𝑥22 = = 1,62
10
14 − 14 − 3(0,5)
𝑥32 = = 1,11
10
𝜃 = √(𝑥11 − 𝑥12 )2 + (𝑥21 − 𝑥22 )2 + (𝑥31 − 𝑥32 )2 < 𝜖
𝜃 = √(1,4 − 1,11)2 + (0,5 − 1.62)2 + (1,4 − 1,11)2 < 𝜖
𝜃 = 1,192727 < 𝜖 no cumple
i 𝑥1𝑖 𝑥1𝑖 𝑥1𝑖 Error
0 0 0 0 0
1 1,4 0.5 1,4 2,042
2 1,11 1,62 1,11 1,1927
3 0,803 1,388 0,803 0.4922
4 0,9033 1,1424 0.9033 0,2836
5 0,96695 1.22264 0,96695 0,1205
6 0,936513 1,27356 0,936513 0,0666
7 0,9242807 1,249210 0,9242807 0,0298
8 0,932808 1.239424 0,932808 0,0155
9 0.9348917 1,246247 0.9348917 0,0074
10 0,9326367 1,247913 0,9326367 0,0035
11 0,932362 1,246709 0,932362 0,0018
12 0,932930 1,245889 0,932930 0,00083
13 0,932939 1,246344 0,932939 0,00045
14 0,932802 1,246351 0,932802 0,00019
15 0,932814 1,246242 0,932814 0,00011
16 0,932845 1,246251 0,932845 0,000045<Error
 3. BIBLIOGRAFIA
 METODOS NUMERICOS PARA INGENIEROS (3 ED.) (INCLUYE DISQUETE)
RAYMOND P. CANALEySTEVEN C. CHAPRA
MCGRAW-HILL / INTERAMERICANA DE MEXICO, 1999
Resumen del libro
Familia profesional SANIDAD.
 https://www.google.com.pe/search?ei=gEYkW9HPEMeSzwLly4rYAQ&q=solucion+de+ecuaci
ones+lineales+metodos+numericos+monografia&oq=solucion+de+ecuaciones+lineales+metodos
+numericos+monografia&gs_l=psy-
ab.3..33i21k1j33i160k1.14411.17012.0.17321.11.11.0.0.0.0.257.1288.0j2j4.6.0....0...1.1.64.psy-
ab..5.6.1287...0i22i30k1.0.9FJN7srqu4s#
 https://www.monografias.com/docs/Sistema-De-Ecuaciones-Lineales-P3C59UEJMZ
 4. CONCLUCIONES

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.