CHIMBOTE
FACULTAD DE INGENIERÍA
AYACUCHO – PERÚ
2018
INTRODUCCIÓN
Las matrices y el álgebra vectorial se relacionan, ya que ahora las primeras pasan a ser la
representación algebraica de la representación geométrica que hacen los vectores, al igual
que éstos tienen relación con la vida cotidiana.
Aprenderemos algunos métodos de solución que tienen las matrices, de acuerdo con
el caso práctico en que se presentan.
MÉTODOS NUMÉRICOS EN LA SOLUCIÓN DE MATRICES
1. CONCEPTOS GENERALES
El desarrollo inicial de la teoría de matriz se debe a Hamilton; más tarde Arturo Cayley
define la notación matricial como una forma de escribir un sistema de m ecuaciones
lineales con n incógnitas.
Los vectores son una forma particular de las matrices. Si m>1, pero n=1, la matriz está
representada como:
Ejemplo:
La adición de la matriz A+B tiene lugar debido a que contienen el mismo número de
filas y de columnas, pero la adición de A+C o B+C es imposible porque no contienen el
mismo número de elementos en la matriz.
Como A y B eran matrices de 2 x 3, se realiza la suma; note que es una simple operación
que únicamente implica sumar el elemento de la matriz A con su correspondiente de la
matriz B.
Donde
La multiplicación de matriz por matriz no es igual que la de matriz por escalar. Suponga
que se desea calcular el producto de las matrices A y B: la regla establecida para obtener
el producto de la matriz AB indica que es necesario multiplicar los renglones de la
primera matriz A por las columnas de la segunda matriz B, más para llevarla a cabo es
necesario que el número de renglones de la matriz A sea igual al número de las columnas
de la matriz B, y en caso de no ser iguales, el producto de la matriz AB no existe. Un
ejemplo, son las matrices A y B denotadas de la siguiente forma:
de acuerdo con la regla, la primera fila de la matriz producto de AB es el primer renglón
de la matriz A por cada una de las columnas de la matriz B, y el segundo renglón de la
matriz producto AB es el segundo renglón de la matriz A por cada una de las columnas
de la matriz B.
3. DIAGONALIZACIÓN
Una matriz cuadrada A de nxn es una matriz diagonalizable si existe una matriz P de nxn
invertible que cumple la sentencia
A=PDP-1
Donde D es una matriz diagonal.
Entonces D2 es igual a:
y si se requiriera que D3, se tendría:
Donde:
siempre que
Una matriz triangular o simétrica es una matriz cuadrada donde los elementos que
contiene, y que se encuentran ubicados por arriba y por debajo de la diagonal principal
que se traza dentro de la matriz, son equivalentes a cero; por ejemplo:
donde la diagonal D está compuesta por los elementos 1,5,4, que cumplen la condición
de la matriz diagonal donde se nos dice que todas las entradas de la matriz son 0, a
excepción de las que se encuentran sobre la diagonal.
es decir:
La matriz que representa el producto de la matriz inicial por su inversa. Por lo tanto
la matriz inversa de A es:
donde solamente las matrices cuadradas cuyo determinante es distinto de cero, tendrán
inversa.
La matriz transpuesta es aquella que se obtiene al cambiar las filas por las columnas.
6. MÉTODOS DE SOLUCIÓN
representa el cambio posición del renglón uno R1 por el renglón dos R2 del sistema de
ecuaciones y el símbolo significa casi igual, y esto es porque se modifica el sistema
de ecuaciones inicial que se nos había dado.
es necesario crear ceros en todas las demás posiciones de la columna pivote, sumando
múltiplos adecuados del renglón pivote a todos los demás renglones de la matriz, como
cuarto paso, para que la matriz tome la siguiente forma:
El cuarto paso consiste en cubrir el renglón pivote y todos los renglones arriba de él, es
necesario volver a interactuar con los pasos 1 y 2 con la parte restante de la matriz para
poder alcanzar la parte escalonada de ésta, así que de:
sería la primera columna distinta de cero de la submatriz, y cuando tomamos como pivote
el elemento 2 de la segunda fila, tenemos que:
Ahora, sumando:
para obtener:
a) Obtener la matriz inicial de la forma ampliada, es decir, que contenga los coeficientes
independientes de las ecuaciones lineales.
d) Seguir sustituyendo los términos independientes en las distintas columnas para hallar
el resto de las incógnitas.
Note que a la matriz ampliada, en la parte superior se le han hecho las anotaciones sobre
la columna correspondiente de cada variable; es necesario ahora calcular el valor
absoluto de la matriz, para obtener el determinante det(A), que se denota como:
Una vez obtenido el determinante hay que calcular las incógnitas. Calculemos x que
estará denotada por:
Una matriz A de n columnas por n filas, es decir, nxn, si se multiplica por una matriz
B de n columnas por m filas, el producto de la matriz A por la matriz B se denota como
AB=BA=In, donde el orden de los factores no altera el producto; siempre y cuando el
número de columnas y filas en la matriz A sean de una matriz cuadrada y que la matriz B
no sea cuadrada. Entonces se dice que la matriz A es invertible, y que B es la inversa de
A. Caso contrario si no existe B, entonces A no tiene matriz inversa.
donde
Por lo tanto AB=BA=In, con lo que se demuestra que A tiene como inversa la matriz B.
Es sabido que para todo número real pude haber como máximo un número inverso, con
ésta demostración se comprueba que para las matrices también se aplica esta regla.
El método de Gauss-Seidel es más pulido que el método de Jacobi, que con frecuencia
ofrece una convergencia más rápida hacia el resultado, ya que el último valor encontrado
de cada variable es el que se sustituye en cada paso del proceso iterativo. Al igual que el
método de Jacobi, éste sólo es aplicable en las matrices cuyos elementos que están
implicados en la diagonal, dominan a los demás elementos.
Al sustituir los últimos valores en el sistema de ecuaciones lineales que ya cuenta con
sus variables respectivas despejadas, se denota como:
Observe que en x1 se utilizan los valores de y0 y z0, en la ecuación y1 se utilizan
los valores de x1 y z0, para la ecuación z1 se aplican los valores obtenidos en x1 y y1, al
volver a interactuar el sistema de ecuaciones se denota como:
Aplicando este método Iterativo cuatro veces más, los valores tienden a
aproximarse a:
Por tratarse de métodos iterativos, para llegar a la solución es necesario dar un primer
resultado sólo por estimación, por ejemplo x=1, y=1, z=1; aquí la precisión afecta sólo
a la rapidez con que se llega a un buen acercamiento de la solución. Los valores iníciales
de este proceso se denotan por:
Y al sustituir estos valores en los despejes que se realizaron en el sistema de ecuaciones;
se obtienen estos valores:
Estos nuevos valores los volvemos a sustituir en los despejes que se realizaron en el
sistema de ecuaciones y se obtienen estos otros:
por inspección se comprueba la conclusión dada, ya que para la primera fila el elemento
de la diagonal tiene un valor absoluto de 6 y la suma de los demás elementos de la fila
es 3, por lo que en el primer renglón se cumple; en el caso del segundo renglón, el valor
absoluto del elemento dentro de la diagonal es 5, y el de la suma de los demás elementos
de la segunda fila es 2; en el tercer renglón,
4 es el valor de la diagonal y el valor absoluto de la suma de los demás elementos del
renglón es 3, por lo que se también cumple.
CONCLUSIÓN
1. El metodo de gauss jordan