5 1 1 2 6 3
3 2 3 3 0 1
2 1 2 1 0 2 3
1 1 1 * 0 1 1 0
5 0 3 0 1 5 3
Si una matriz se multiplica por un escalar el resultado es una
nueva matriz con cada elemento multiplicado por éste
Una matriz con una sola columna se le denomina vector
columna (n x 1), si es una fila se habla de vector reglón (m x
1)
Al multiplicar una vector reglón con un vector columna se
obtiene el producto interior
Al multiplicar una vector columna con un vector reglón se
obtiene el producto exterior
La división para matrices no está definida, aún cuando
analizaremos la inversa de una matriz
Ciertas matrices cuadradas tiene propiedades
especiales, como por ejemplo:
Matriz diagonal: si todos los elementos sobre la
diagonal son distintos de 0
Matriz identidad (I), caso especial en donde la diagonal
está compuesta por unos y l resto por 0. A·I = I·A
Matriz de transposición (P), formada al intercambiar 2
reglones o columnas de la matriz identidad. El producto
de varias matrice de trasposición es una matriz de
permutación
Matriz transpuesta (AT), es la matriz que se obtiene al
intercambiar los reglones por columnas o viceversa
Cuando es matriz es cuadrada se define un cantidad
denominada Traza. Que es la suma de los elementos de
la diagonal. tr (A)= tr (AT)
Matriz triangular inferior, los elementos sobre la
diagonal son 0, de manera complementaria se define la
matriz triangular superior
Matriz tridiagonal, son aquellas con elementos distintos
de 0 en la diagonal y en las posiciones adyacentes
(importantes en ecuaciones diferenciales). Esta matriz
puede comprimirse a una matriz de 3 columnas y n
reglones
Determinante
El determinante de una matriz es un número
Para una matriz 2x2 se calcula restando el producto de los
elementos en la diagonal menor a la superior
a11 a12
A det(A)=a11a22 a12 a21
21 22
a a
Para una matriz mayor se aplica la regla de desarrollar en
términos de los menores respecto a algún reglón o
columna. El menor de cada término es la matriz de menor
orden formada al eliminar el reglón o columna en cuestión.
Se parte con signo positivo si la suma del reglón o
columna es par y negativo en caso contrario, de ahí en
adelante se alternan los signos
En el caso de una matriz triangular superior o inferior su
determinante es sólo el producto de los elementos de la
diagonal
Ejercicio
3 0 1 2
4 1 3 2
A
0 2 1 3
1 0 1 4
det( A) 146
4 0 0
det A 6 2 0 40
1 3 5
Los determinantes pueden ocuparse también
para calcular el polinomio característico de la
matriz, ya que :
pA ( ) A I det( A I )
1 3
A
4 5
(1 ) 3
p A ( ) A I det
4 (5 )
(1 )(5 ) 12 2 6 7
Método de eliminación
4 2 1 15
0 10 19 77
0 0 72 216
x1 2
x 2 2
x3 3
Método de eliminación
Gaussiana
Dado que el anterior método puede dar valores muy
grandes para las multiplicaciones a través de este
nuevo método se hace 1 el coeficiente principal en
la ecuación que contiene ese término
Se mantiene la precaución de evitar los 0 en la
diagonal para lo cual se recurre a pivoteo si es
necesario
Se debe tener cuidado con el efecto de redondeo
Ejemplo
4 2 1 x1 15
3 1 4 x 2 8
1 1 3 x3 13
4 2 1 15
A / b 3 1 4 8
1 1 3 13
4 2 1 15
3/ 4 R1 R2 0 2.5 4.75 19.25
1/ 4 R1 R3 0 0.5 2.75 9.25
4 2 1 15
0 2.5 4.75 19.25
(0.5/ 2.5)R2 R3 0 0 1.80 5.40
Algoritmo
%Procesamiento secuencial, sin pivoteo%
for j=1 to (n-1)
fo i=(j+1) to n
for k=j to (n+1)
a[i,k]=a[i,k]-a[i,j]/a[j,j]*a[j,k]
end for k
end for i
end for j
%Procesamiento en paralelo%
for i=1 to (n-1) %cuenta etapas=columnas%
for k= i to (n+1)
a[i,k]=a[i,k]-a[i,j]/a[j,j]*a[j,k]
end for k
end for i
De acuerdo a lo anterior la matriz A puede ser
descompuesta en el L·U
4 2 1
A 3 1 4
1 1 3
1 0 0 4 2 1
0.75 1 0 · 0 2.5 4.75
0.25 0.20 1 0 1.80
0
L U
l11 lii
Ejemplo
3 1 2 3 0 0 1 1/ 3 2 / 3
A 1 2 3 L= 1 7 / 3 0 U 0 1 1
2 2 1 2 4 / 3 1 0 1
0
12
3
12 4
11-1*4
b 11 b'= 3
2 7/3 2
2 2*4 (4 / 3*3)
1
1 1/ 3 2 / 3 4 x1 3
0 1 1 3 x2 1
0
0 1 2 x 2
3
Algoritmo
Para transformar una matriz A de nxn en L*U
for i=1 to n
L[i,1]=a[i,1] L[i,j]=a[i,j]-sum
End For i End for i
for j=1 to n U[j,j]=1
U[1,j]=a[1,j]/L[1,1] for i=j+1 to n
End for j sum=0.0
for j=2 to n for k=1 to j-1
for i=j to n sum=sum+L[j,k]*U[k,i]
sum=0.0 End for k
for k=1 to j-1 U`j,i]=(a[j,j]-sum)/L[j,j]
sum=sum+L[i,k]*U[k,j] End for i
End for k End for j
Método de Cholesky:similar al método
gaussiano
A U TU
Patologías en sistemas lineales
3 0 1 0 0.4 0.2
(0.333) 1 1.667 1 0 1
Eliminación gaussiana
(0.333) (0) 1.667 0 0.2 0.6
La inversa de la matriz constituye una forma
para resolver el sistema de ecuaciones:
Ax b
LUx b
( L1L)Ux L1b
Ux b ', b ' L1b
Norma
Es una forma de expresar magnitud de un vector o matriz y
debe contener 4 propiedades.
Siempre ser un valor mayor o igual a cero (matriz 0)
aii j 1 aii
x (k+1)
1 (b1 a12x (k)
2 a13x (k)
3 a x ) / a11
(k)
1n n
x (k+1)
2 (b2 21 1
a x (k)
a x
23 3
(k)
a 2nxn ) / a 22
(k)
x (k+1)
3 (b3 a x (k)
31 1 a 32x (k)
2 a 3nxn ) / a 33
(k)
x (k+1)
n (bn a x (k)
n1 1 an2x (k)
2 an,n1xn1 ) / ann
(k)
0 0 0
L 2 0 0
1 2 0
6 2 1 x1 11
Ax b 2 7 2 5 6 0 0
x 2
1 2 5 x3 1 D 0 7 0
0 0 5
0 2 1
U 0 0 2
Sea A=L+D+U
x ( n 1) - D -1 ( L U ) x ( n ) D -1b 0 0 0
1.8333
b ' D -1b 0.7143
0.2000
0 0.3333 0.1667
B D -1 ( L U ) 0.2857 0 0.2857
0.2000 0.4000 0
for i=1 to n
Algoritmo
b[i]=b[i]/a[i,i]
new_x[i]=old_x[i]
a[i,j]=a[i,j]/a[i,i];j=1....n an i <>j
end for i
repeat
for i=1 to n
Se supone reordenamiento del
old_x[i]=new_x[i]
sistema Ax=b, con matriz A
new_x[i]=b[i]
end for i
diagonalmente dominante
for i=1 to n
for j=1 to n
If (j<>i) then
new_x[i]=new_x[i]-a[i,j]*old_x[j]
end for j
end for i
Until que new_x y old_x convergan uno hacia el otro
Gauss-Seidel
x ( n 1) ( L D) 1Ux ( n ) ( L D) 1 b
Algoritmo
for i= 1 to n
b[i]=b[i]/a[i,i]
a[i,j]=a[i,j]/a[i,i]; j=1.....n and i<>j
end for i
f y 2 y g y 1
f ( x, y ) 4 x y 0
2 2
g ( x, y ) 1 e x y 0
2 3.4 x 0.1100
2.7183 1.0 y 0.0183
xo 1
yo 1.7 x 0.0043 x1 1.0043
y 0.0298 y1 1.7298
Transpuesta= a’
Determinante= det (a)
Inversión= inv(a) ó a^-1
Método de Gauss-Jordan = rref(a)
Resolución de ecuaciones= solve(a) o solve
(‘función 1’,’función 2’...)
Polinomio característico = Poly(a)
Descomposición LU, [l,u]= lu(a)
Ejercicio
Resuelva mediante Matlab lo siguiente:
Transpuesta, inversa, determinante y polinomio
característico 3 2 8 2
1 3 2 6
5 1 3 9
2 3 8 1
Resolver el siguiente sistema de ecuaciones
1 3 4 2 x1 1
3
2 4 1 x2 7
4 2 1 3 x3 33
2 1 4 3 x4 21
Resolver el sistema y luego verificar el error al
dividir cada uno de los reglones por su
correspondiente valor de b y resolver
nuevamente
4 2 1 0 0 1 10 x1 12
2 0
4 3 1 1 1 x2 1
1 2 1 2 1 2 1 x3 52
0 0 0 0 2 1 0 x4 1
5 3 2 1 1 1 3 x5 45
4.5 3.5 2.9 5.6 4 5.5 3.2 x6 3000
6 10 9 1
8 5 10 x7 0.56
Resuelva el siguiente sistemas de ecuaciones
no lineales y grafique
xyz x 2 y 2 1.34
xy z 2 0.09
e x e y z 0.41