Академический Документы
Профессиональный Документы
Культура Документы
ndice
pg. i
Subespacios de una matriz ARmn .............................................................................................. 4 Matrices de rango 1....................................................................................................................... 5 Dos formas de interpretar el producto de matrices ....................................................................... 6 Matrices de rotacin, proyeccin y simetra ................................................................................. 7
1.6.1 1.6.2 1.6.3
Matrices de proyeccin y simetra en R2 ..................................................................................... 7 Matriz de rotacin en 2-D ........................................................................................................... 8 Matrices de rotacin de Givens ................................................................................................... 8 Teorema de la proyeccin ortogonal ........................................................................................... 9 Matriz de proyeccin ortogonal sobre un subespacio................................................................ 10 Simetra ortogonal respecto de un subespacio........................................................................... 10 Matriz de Householder .............................................................................................................. 11 Aplicacin de las matrices de Householder............................................................................... 11 Almacenamiento de las matrices de Householder:.................................................................... 13
1.7
1.8
Normas vectoriales en Rn Cn .................................................................................................. 13 Norma de una matriz ................................................................................................................. 15 Norma matricial inducida por una norma vectorial (norma natural): ........................................ 15 Norma-1 matricial ..................................................................................................................... 16 Norma- matricial .................................................................................................................... 16 Norma espectral......................................................................................................................... 17 Teoremas relacionados con las normas matriciales (sin demostracin) .................................... 17
2.
2.6
2.7
2.8
pg. ii
2.9
2.11 Sistemas de ecuaciones indeterminados (r=m<n)....................................................................... 38 2.12 Problema general de mnimo error cuadrtico y mnima norma................................................. 38 2.13 Matriz seudoinversa A+ ............................................................................................................... 40
2.13.1 Interpretacin del sistema de ecuaciones general Ax=b............................................................ 42
3.
3.4
3.5
Matrices normales....................................................................................................................... 49
3.5.1 3.5.2 3.5.3 3.5.4
3.6
3.7
3.8
4.
ndice 4.1.5
pg. iii Factorizacin de Choleski ......................................................................................................... 67 Factorizacin QR por Gram-Schmidt........................................................................................ 67 Factorizacin QR de matrices rectangulares ............................................................................. 68 Factorizacin QR mediante matrices de Householder............................................................... 70 Factorizacin QR mediante rotaciones de Givens..................................................................... 71
4.2
Factorizacin QR ........................................................................................................................ 67
4.2.1 4.2.2 4.2.3 4.2.4
4.3 4.4
Prefacio
pg. v
0.
Prefacio
Los mtodos numricos para la resolucin de problemas de lgebra Lineal tienen una enorme importancia prctica en la asignatura de Mtodos Matemticos de Especialidad, asignatura troncal que se imparte en el primer semestre del cuarto curso en la Escuela Tcnica Superior de Ingenieros Industriales de la Universidad Politcnica de Madrid. Los mtodos matriciales se aplican en multitud de reas de la ingeniera, y adems su resolucin numrica es algo que se les da bastante bien a los computadores actuales. La experiencia del curso 2003-04 primero en el que se imparti esta asignatura del Plan 2000 y de la asignatura Matemticas de Especialidad del Plan 1976, aconseja no dar por supuesto que se mantienen los conocimientos adquiridos en las asignaturas de lgebra I y II de primer curso. Tampoco es posible dedicar un gran nmero de horas de clase a presentar de nuevo los contenidos fundamentales de dichas asignaturas. El objetivo de estos apuntes es facilitar a loa alumnos de cuarto el repaso personal de los temas ms importantes de clculo vectorial y matricial, que vieron al comienzo de la carrera. La idea no es dar por sabida el lgebra Lineal numrica en la asignatura de cuarto, sino liberarse de los aspectos ms tericos y poder dedicar las clases a los aspectos ms algortmicos y a las aplicaciones prcticas. Por tratarse de unos apuntes de repaso, el orden es diferente del que se utiliz o utilizara en primero, conteniendo algunas referencias a temas que se tratarn posteriormente. Algunas demostraciones se han omitido, sobre todo cuando son complicadas y no tienen gran inters pedaggico. Muchas otras se han incluido, aunque pueden omitirse en una primera lectura. En muchos casos, se les ha restado importancia utilizando una letra ms pequea. Se han incluido tambin algunos programas de Matlab, con objeto de ilustrar los algoritmos explicados en teora. Estos algoritmos pueden servir de base para muchos otros, introduciendo en ellos las modificaciones oportunas. El autor de estos apuntes asume ntegramente la responsabilidad de sus limitaciones y deficiencias, pero no puede desaprovechar la oportunidad de agradecer a sus compaeros del Departamento de Matemtica Aplicada a la Ingeniera Industrial, en particular a los profesores de Mtodos Matemticos de Especialidad y de lgebra II, el apoyo y la ayuda prestadas en estas materias a lo largo de los ltimos cursos. Madrid, 24 de septiembre de 2004,
Introduccin
pg. 1
1.
1.1
Introduccin
Tipos de matrices
Una matriz A Cmn es un conjunto de escalares reales o complejos dispuestos en m filas y n columnas. Si m = n la matriz se dice cuadrada y si m n la matriz se dice rectangular. Esta distincin es importante entre otras razones porque ciertas propiedades slo tienen sentido si la matriz es cuadrada. Por ejemplo, slo las matrices cuadradas tienen determinante, slo ellas pueden ser invertibles, slo ellas tienen valores y vectores propios, etc. Las matrices rectangulares tienen algunas propiedades que se pueden considerar como generalizacin de las anteriores. As, los conceptos de matriz seudoinversa y de valores singulares, pueden ser considerados como una generalizacin de los conceptos de matriz inversa y de valores propios. Teniendo en cuenta los elementos distintos de cero, las matrices pueden ser diagonales, bidiagonales, triangulares superior o inferior, tridiagonales, de Hessenberg, etc.
1.2
1.2.1 Definicin de producto escalar y de espacio vectorial eucldeo o hermtico Un espacio vectorial eucldeo es un espacio vectorial real, de dimensin finita, dotado de un producto escalar. Anlogamente, un espacio vectorial hermtico es un espacio vectorial complejo, de dimensin finita, dotado de un producto escalar. Sea E un espacio vectorial eucldeo o hermtico. Se define el producto escalar en E como una aplicacin: , : E E R con las tres propiedades siguientes:
u,v = v, u
u+ v, w = u,w + v, w
u,u > 0, si u 0; u,u = 0, slo si u = 0
(1)
La notacin a indica el complejo conjugado de a . El producto escalar estndar (eucldeo en R n hermtico en Cn ), se expresa respectivamente de modo matricial en la forma:
En R n : En Cn : x, y = x T y = y T x = x1 y1 + x2 y2 + ... + xn yn x, y = x H y = x T y = x1 y1 + x2 y2 + ... + xn yn
(2) (3)
El considerar el conjugado y transpuesto del primer factor en Cn es necesario para asegurar la propiedad c) de (1). Los espacios eucldeos son un caso particular de los espacios hermticos en el que todos los vectores y escalares son reales. En lo sucesivo se considerarn slo los espacios vectoriales eucldeos, salvo que se indique otra cosa. Prcticamente todo lo que se diga sobre ellos es vlido para los espacios hermticos cambiando la notacin de transpuesta (T) por la de conjugada y transpuesta (H).
1.2.2 Bases ortonormales en espacios eucldeos
uT u = u 2 = 1
(4)
pg. 2
Se dice que dos vectores u, v R n son ortogonales cuando su producto escalar es nulo: uT v = 0 (5) Se dice que una base ( q1 , q 2 ,..., q n ) en un espacio vectorial de dimensin n es ortonormal cuando est formada por n vectores de norma unidad y ortogonales entre s:
qT i q j = ij
i, j = 1, 2,..., n
(6)
1.2.3 Coordenadas de un vector en una base ortonormal Sea a un vector cualquiera en R n y ( q1 , q 2 ,..., q n ) los vectores de una base ortonormal de R n . Se desean hallar las componentes i de a expresado en dicha base ortonormal. El vector a se puede expresar como combinacin lineal de los vectores qi con coeficientes por determinar i : a = 1q1 + 2q 2 + ... + n q n Para determinar la componente i basta realizar el producto escalar por q i :
T T T T qT i a = 1q i q1 + 2 q i q 2 + ... + n q i q n = 0 + ... + i q i q i + ... + 0 = i
(7)
(8)
(9)
= Q 1a
(10)
La matriz Q [q1 , q 2 ,..., q n ] es una matriz cuadrada y ortogonal cuyas columnas son los vectores de la base. Comparando las expresiones (9) y (10) se concluye que la inversa de Q es su transpuesta, lo que caracteriza a las matrices ortogonales:
T q1 a qT a = 2 = QT a = Q 1a qT a 2
Q 1 = QT
(11)
1.2.4 Existencia de bases ortonormales: mtodo de Gram-Schmidt Se parte de n vectores ( a1 , a 2 ,..., a n ) linealmente independientes y se trata de hallar a partir de ellos una base ortogonal ( q1 , q 2 ,..., q n ) . El primer vector q1 se puede obtener normalizando a1:
b1 a1 q1 = b1 b1
(12)
Introduccin
pg. 3
Los vectores q2, q3, se obtienen quitando a los vectores a2, a3, las componentes segn los "q" anteriores (calculadas segn (9)) y normalizando (siempre existe bi 0 , por ser los ai linealmente independientes):
T b 2 a2 ( q1 a2 ) q1 T b3 a3 ( q1 a3 ) q1 ( qT 2 a3 ) q 2
q 2 = b2 b2 q 3 = b3 b3
(13) (14)
T b n an ( q1 an ) q1 ( qT n an ) q n
q n = bn bn
(15)
Existe otra forma de organizar los clculos (mtodo de Gram-Schmidt modificado) consistente en eliminar la componente segn qi a todos los vectores aj (j=i+1,...,n), tan pronto como qi ha sido calculado (se obtienen menores errores numricos):
q1 = a1 a1 q 2 = a2 a2 ... q i = ai ai a j = a j ( qT i a j ) qi j = i + 1,..., n
T a j = a j ( q1 a j ) q1
j = 2, 3,..., n j = 3, 4,..., n
a j = a j ( qT 2 a j ) q2
(16)
Obsrvese que en la expresin de cada qi (ai) slo intervienen a1,..., ai (q1,..., qi).
T b 3 = a3 ( q1 a3 ) q1 ( qT 2 a3 ) q 2
a3
T b 2 = a2 ( q1 a2 ) q1
q3 q1
b1 = a1
q2
a2
Figura 1. Interpretacin grfica del mtodo de Gram-Schmidt.
1.2.5 Interpretacin grfica del mtodo de Gram-Schmidt Se realizar para el espacio eucldeo tridimensional. Las expresiones (13)-(15) en este caso son: b1 a1
T b 2 a2 ( q1 a2 ) q1 T b3 a3 ( q1 a3 ) q1 ( qT 2 a3 ) q 2
q1 = b1 b1 q 2 = b2 b2 q 3 = b3 b3 (17)
les ( q1 , q 2 ,..., q i ) , los subespacios generados por ( a1 , a2 ,..., ai ) y por ( q1 , q 2 ,..., q i ) coinciden:
Teniendo en cuenta que cada vector ai slo tiene proyeccin no nula sobre los vectores ortonorma-
pg. 4
L [q1 ] = L [ a1 ] L [q1 , q 2 ] = L [ a1 , a2 ] L [q1 , q 2 , q 3 ] = L [ a1 , a2 , a3 ] La relacin entre los vectores ( a1 , a2 , a3 ) , ( b1 , b 2 , b3 ) y ( q1 , q 2 , q 3 ) se muestra en la Figura 1. 1.2.6 Matrices ortogonales Una matriz Q es ortogonal si es cuadrada y sus columnas q i son ortonormales entre s: Q R nn , qT i q j = ij (18)
(q q
T i
= 1; qT i q j = 0, i j )
(19)
Estas condiciones se expresan de modo grfico y matricial tal como se muestra en la Figura 2 y en la ecuacin (20).
T q1
qT 2