Nociones Elementales de Matrices

 Antes de ver la solución de los Sistemas de Ecuaciones Lineales

haremos un repaso de las fundamentos de las matrices.

1
Nociones Elementales de Matrices

2
Nociones Elementales de Matrices

3
Nociones Elementales de Matrices

4
Nociones Elementales de Matrices

5
Nociones Elementales de Matrices

6
Nociones Elementales de Matrices

7
 Solución de sistemas de ecuaciones
lineales
 Análisis de Circuitos (ecuaciones de malla y nodos)
 Solución Numérica de ecuaciones diferenciales (Método de las
diferencias Finitas)
 Solución Numérica de ecuaciones de integrales (Metodo de los
Elementos Finitos, Método de los Momentos)

a11x1  a12 x2    a1n xn  b1  a11 a12  a1n   x1   b1 

a a  a2 n   x2  b2 
a21x1  a22 x2    a2 n xn  b2 
 
21 22

          
    
an1 x1  an 2 x2    ann xn  bn an1 an 2  ann   xn  bn 

8
 Consistencia (Solubilidad)
 El sistema lineal de ecuaciones Ax=b tiene una solución, o es
consistente si y solo si Rango{A}=Rango{A|b}
 Un sistema es inconsistente cuando
Rango{A}<Rango{A|b}

Rank{A} es el máximo numero de columnas linealmente

independientes o filas de A. El rango puede ser encontrado usando
ERO (Elementary Row Oparations) ó ECO (Elementary column
operations).

9
Operaciones Elementales de filas (ERO)
 Las siguientes operaciones aplicadas a la matriz aumentada[A|b],
producen un sistema lineal equivalente

 Intercambios: El orden de dos filas pueden ser cambiada

 Escalado: Multiplicando un fila por una constante no cero

 Reemplazo: Las filas pueden ser reemplazadas por la suma de

esa fila y un múltiplo distinto a cero de cualquier otra fila

10
 Un ejemplo inconsistente
1 2  x1  4
 2 4  x    5 
  2   
ERO:Multiplicar la primera fila por -2 y
sumar la segunda fila

1 2
0 0  Rank{A}=1 Entonces
 
este sistema
de
1 2 4  ecuaciones
0 0  3 Rank{A|b}=2 no es soluble
 

11
 Unicidad de las soluciones

 El sistema tiene una única solucion si y solo si

Rango{A}=Rango{A|b}=n

n es el orden del sistema

 Tales sistemas son llamados sistemas full-rank (rango completo)

12
 Sistemas rango completo (Full-rank)
 Si Rango{A}=n
Det{A}  0  A es no singular por lo tanto invertible
Solución Única

1 2   x1  4
1  1  x   2
  2   

13
 Matrices de rango deficiente
 Si Rango{A}=m<n
Det{A} = 0  A is singular por lo tanto no es invertible
número infinito de soluciones (n-m variables libres)
sistema sub-determinado

1 2  x1  4
2 4  x   8
  2   
Rank{A}=Rank{A|b}=1
Consistente  soluble
14
 Sistema de ecuaciones
mal-condicionadas
 Una pequeña desviación en las entradas de la matriz A,
causa una gran desviación en la solución.

 1 2   x1   3   x1  1
0.48 0.99  x   1.47   x   1
  2     2  

 1 2   x1   3   x1  3
0.49 0.99  x   1.47   x   0
  2     2  

15
 Mal condicionada (continua.....)
 Un sistema lineal de
ecuaciones se dice a
ser “mal
condicionada” si la
matriz de coeficientes
tiende a ser singular

16
17
 Tipos de ecuaciones de sistemas lineales
a ser estudiados

 Los coeficientes reales de la matriz cuadrada A

 EL vector b es diferente de cero y real
 Sistema consistente, soluble
 Sistemas rango completo, solución única
 Sistemas bien-condicionados

18
 Técnicas de Solución
 Métodos directos de solución

 Encuentra una solución en un número finito de operaciones

transformando el sistema en un sistema equivalente que sea
' más fácil ' de solucionar.
 Triangulares diagonales, .

 Métodos de solución Iterativos

 Calcula las aproximaciones sucesivas del vector solución para

una mat. A y un b dados, comenzando de un punto inicial x0
 Total del · de operaciones es incierto, puede que no converja.
19
 Métodos de solución directa
 Eliminación Gaussiana
 Usando ERO, la matriz A es transformada en una
matriz triangular superior (todos los elementos
debajo de la diagonal son cero).
 Sustitución hacia atrás es usada para resolver un
sistema triangular superior

Back substitution
 a11  a1i  a1n   x1   b1  a11  a1i  a1n   x1   b1 
                      
 
 ai1  aii  ain   xi    bi   0 ~
 a~ii  a~in   xi    bi 
         
           ERO           
an1 ~
 ani  ann   xn  bn   0  0  a~nn   xn  bn 

20
 Primer paso de la eliminación
Elemento pivotal  a11 a1(1n)   x1  b1(1) 
(1) (1) (1)
a12 a13 
 (1) (1) (1)    (1) 
 a21 a22 a23  a2(1n)   x2  b2 
 a31
(1) (1)
a32 (1)
a33  a3(1n)   x3   b3(1) 
    
           
 a (1) an(12) an(13) (1)    b (1) 
 n1  ann   xn   n 

a11
(1) (1)
a12 (1)
a13  a1(1n)   x1   b1(1) 
m2,1  a21
(1) (1)  ( 2) ( 2)    ( 2) 
/ a11  0 a22 a23  a2( 2n)   x2  b2 
m3,1  a31
(1) (1)
/ a11  0 ( 2)
a32 ( 2)
a33  a3( 2n)   x3   b3( 2 ) 
    
            
 an(11) / a11
(1)  0 an( 22) an( 23) ( 2)    b ( 2 ) 
mn ,1   ann   xn   n 

21
 Segundo paso de la eliminación
a11
(1) (1)
a12 (1)
a13  a1(1n)   x1   b1(1) 
 ( 2) ( 2) ( 2)     ( 2) 
Elemento Pivotal 0 a22 a23  x
a2 n   2  b2 
 0 ( 2)
a32 ( 2)
a33  a3( 2n)   x3   b3( 2 ) 
    
           
 0 an( 22) an( 23) ( 2)    b ( 2 ) 
  ann   x n   n 
a11
(1) (1)
a12 (1)
a13  a1(1n)   x1   b1(1) 
 ( 2) ( 2) ( 2)     ( 2) 
 0 a22 a23  x
a2 n   2  b2 
m3, 2  a32
( 2) ( 2)
/ a22  0 0 ( 3)
a33  a3( 3n)   x3   b3( 3) 
    
            
 an( 22) / a22
( 2)  0 an( 33) ( 3)    b ( 3 ) 
mn , 2  0  ann   x n   n 
22
 Pivoteo
 Computadoras usan precisión aritmética finita
 Pequeños errores son introducidos en cada operación
aritmética, propagación de errores
 Cuando los elementos pivotales son muy pequeños, los
multiplicadores podrían ser muy grandes.
 La adición de números de magnitud diferente puede
conducir a la pérdida de significación .
 Para reducir el error, se realiza intercambio de filas
para maximizar la magnitud del elemento pivotal.

23
 Ejemplo: Sin Pivoteo
1.133 5.281   x1  6.414
aritmética 4-digit 24.14  1.210  x   22.93
  2   

24.14 1.133 5.281   x1   6.414 

m21   21.31 0.000  113.7  x    113.8
1.133   2   

 x1  0.9956
 x    1.001  Pérdida de precisión
 2  
24
 Ejemplo: Con Pivoteo
24.14  1.210  x1  22.93
1.133 5.281   x   6.414
  2   

1.133 24.14  1.210  x1  22.93

m21   0.04693 0.000 5.338   x   5.338
24.14   2   

 x1  1.000
 x   1.000
 2  
25
 Procedimiento de Pivoteo
a11(1) a12(1) a13(1)  a1(i1)  a1(1j)  a1(1n) 
 ( 2) ( 2) ( 2) ( 2) ( 2) 
 0 a22 a23  a2i  a2 j  a2 n 
 0 0 ( 3)
a33  a3( 3i )  a3(3j)  a3(3n) 
Parte  
          
Eliminada
 0 0 0  aii(i )  aij(i )  ain( i )  Fila
  Pivotal
          
 0 0 0  a (jii )  a (jji )  a (jni ) 
 
          
 (i ) (i ) (i ) 
 0 0 0  ani  anj  ann 
Columna Pivotal
26
 Pivoteo por fila
 Más comúnmente llamado procedimiento de
pivoteo parcial
 Busque la columna pivotal

 Encuentre el mas grande elemento en magnitud

 Luego intercambie esta fila con la fila pivotal.

27
 Pivoteo por filas
a11(1) a12(1) a13(1)  a1(i1)  a1(1j)  a1(1n) 
 ( 2) ( 2) ( 2) ( 2) ( 2) 
 0 a22 a23  a2i  a2 j  a2 n 
 0 0 ( 3)
a33  a3( 3i )  a3(3j)  a3(3n)  Intercambio
  de filas
          
 0 0 0  aii(i )  aij(i )  ain( i ) 
 
          
 0 0 0  a (jii )  a (jji )  a (jni ) 
 
          
 (i ) (i ) (i ) 
 0 0 0  ani  anj  ann 

El más grande en magnitud 28

 Pivoteo por columna
a11(1) a12(1)a13(1)  a1(i1)  a1(1j)  a1(1n) 
 ( 2) ( 2) ( 2) ( 2) ( 2) 
 0 a22 a23  a2i  a2 j  a2 n 
 0 0 a33 ( 3)
 a3( 3i )  a3(3j)  a3(3n) 
 
          
 0 0 0  aii(i )  aij(i )  ain( i ) 
 
           El mas
 0 grande
0 0  a (jii )  a (jji )  a (jni ) 
  en
           magnitud
 (i ) (i ) (i ) 
 0 0 0  ani  anj  ann 
Intercambio de
Estas columnas 29
 Pivoteo Completo
a11(1) a12(1)a13(1)  a1(i1)  a1(1j)  a1(1n) 
 ( 2) ( 2) ( 2) ( 2) ( 2) 
 0 a22 a23  a2i  a2 j  a2 n 
 0 0 a33 ( 3)
 a3( 3i )  a3(3j)  a3(3n)  Intercambie
  estas filas
          
 0 0 0  aii(i )  aij(i )  ain( i ) 
 
          
 0 0 0  a (jii )  a (jji )  a (jni ) 
 
           Más grande
 (i ) 
 0 0 0  ani  anj  ann  en magnitud
(i ) (i )

Intercambie
estas columnas 30
 Decomposición LU
A=LU
Ax=b LUx=b
Define Ux=y
Ly=b Resolver y por sustitución hacia adelante
Ux=y Resolver x por sustitución hacia atrás
Las operaciones elementales entre filas debe ser desarrolladas en
b así como en A.
La información de estas operaciones es almacenada en L
En verdad y es obtenida aplicando operaciones elementales al
vector b.

31
 Diferentes formas de factorización LU
 Forma de Doolittle  a11 a12 a13   1 0 0 u11 u12 u13 
Obtenida por a a23   l21 1 0  0 u22 u23 
 21 a22
Eliminación Gaussiana a31 a32 a33  l31 l32 1  0 0 u33 

 Forma de Crout  a11 a12 a13  l11 0 0  1 u12 u13 

a a23   l21 l22 0  0 1 u23 
 21 a22
a31 a32 a33  l31 l32 l33  0 0 1 

 Forma de Choleski
l11 0 0  l11 l12 l13 
l l 22 0   0 l 22 l 23 
 21
l31 l32 l33   0 0 l33 

32
 Decomposición LU por Eliminación
Gausiana
Existen infinitas formas diferentes para descomponer A.
Una de las más populares es: U=Matriz de la Eliminación Gaussiana
L=Multiplicadores usados para la eliminación

 1 0 0  0 0 a11 (1) (1)

a12 (1)
a13  a1(1n) 
m   ( 2) ( 2) ( 2) 
 2,1 1 0 0 0  0 a 22 a 23  a 2n 
 m3,1 m3, 2 1  0 0  0 0 a33 ( 3)
 a3(3n) 
A  
      0       
mn 1,1 mn 1, 2 mn 1,3  1    0 0 0 an( n1) n 1 an( n1) n 
  
 mn ,1 mn ,3 mn , 4  1  0 ann 
(n)
mn , 2 0 0 0
Almacenamiento Compacto: Las entradas diagonales de la matriz L son
todos unos, estos no necesitan almacenarse. LU es almacenado en una
matriz.
33
 Problema 1
 Resolver por Eliminación Gaussiana con pivoteo parcial
de filas:  4 0 2  3  x    9 
1
 3  2 2  3  x   14
  2    
2 4  1 1   x3   9 
    
  1 1 1  1 4  
x  4 
 E2-(3/4)E1 =>E2
4 0 2  3   x1    9 
 E3-(1/2)E1 =>E3 0  2 0.5 0.75   x   7.25
  2    
 E4-(-1/4)E1=>E4 0 4  2 2.5   x3   13.5 
    
 0 1 1.5  1.75 4  
x  6.25

34
 Problema 1
 Intercambiamos las Ecuaciones 2 y 3 (E2E3)
4 0 2  3   x1    9 
0 4  2 2 .5   x   13.5 
  2    
0  2 0.5  0.75  x3   7.25
    
 0 1 1.5  1. 75  4  
x  6.25

4 0 2  3   x1    9 
 E3-(-1/2)E2 =>E3 0 4 2 2.5   x2    13.5 
 
 E4-( 1/4)E2 =>E4 0 0 2  2.375  x3   9.625
    
0 0  0.5 0.5   x4    0.5 

35
 Problema 1
 E4-(-1/4)E3 =>E4
4 0 2 3   x1    9 
0 4 2 2.5   x    13.5 
  2    
0 0 2  2.375   x3    9.625 
    
0 0 0  0.09375  x4   2.90625

 Resolviendo por  x4   31

 x  32
sustitución hacia atrás:  3   
 x2   0 
   
 x1   5 

36
 Problema 2
 Obtener la factorización de Doolite:
6 1 
A 
 2  4 
 Solución 1
A partir de la Eliminacion Gaussiana:
m21= a21/a11 =2/6=1/3 6 1 
U  
E2-(1/3)E1=>E2  0  13 / 3

 1 0  1 0 6 1 
L   A  L *U    * 
 12
m 1  1 / 3 1   0  13 / 3
37
 Problema 2
 Solución 2 6 1   1 0 u11 u12 
A   L *U    * 
 2  4   21  
l 1 0 u 22 
Planteando el producto matricial:
6  u11
1  u12
2  l21u11  l21  1 / 3
 4  l21u12  u22  u22  13 / 3
6 1   1 0  6 1 
A   L *U    * 
 2  4  1 / 3 1   0  13 / 3

38
 Problema 3
 Resolver por la factorización de Doolite:
6 1   x1  5
2  4  x   6
  2   
 Solución
 Del ejercicio anterior ya tenemos la factorización LU:

 1 0 6 1   x1  5
L *U * x  b    *     
1 / 3 1 0  13 / 3  x2  6

39
 Problema 3
Se obtienen dos sistemas triangulares fáciles de resolver.
Resolviendo el sistema triangular inferior por sustitución
directa:
 1 0  z1  5  z1   5 
L* z  b    *          
1 / 3 1   2    2 
z 6 z 13 / 3
Resolviendo el sistema triangular superior por sustitución
directa:

6 1   x1   z1   5   x1   1 
U *x  z           
0  13 / 3  x2   z2  13 / 3  x2   1

40
 Problema 4
 Obtener la factorización de Crout:
60 30 20
A  30 20 15 
20 15 12 
Solucion
Debemos plantear la multiplicacion matricial:
 a11 a12 a13  l11 0 0  1 u12 u13 
A  a21 a22 a23   L *U  l21 l22 0  0 1 u23 
a31 a32 a33  l31 l32 l33  0 0 1 

41
 Problema 4
a11  l11
a12  l11u12
a13  l11u13
a21  l21


60 30 20 60 0 0  1 1 / 2 1 / 3

A  30 20 15   L *U  30 5 0  0 1 1 
20 15 12  20 5 1 / 3 0 0 1 

42
 Problema 5
Método de Crout para sistemas tridiagonales
 a11 a12 0 0  l11 0 0 0  1 u12 0 0
a 0  l21 l22 0 0  0 1 u23 0 
 21 a22 a23

 0 a32 a33 a34   0 l32 l33 0  0 0 1 u34 
    
0 0 a43 a44   0 0 l43 l44  0 0 0 1

 2 1 0 0   2 0 0 0  1  1 / 2 0 0 
 1 2  1 0   1 3 / 2 0 0  0 1  2 / 3 0 
   
 0  1 2  1  0  1 4 / 3 0  0 0 1 3 / 4
    
 0 0  1 2   0 0  1 5 / 4  0 0 1 

43
 Problema 6
Factorizar por el método de Choleski la siguiente
matriz:
4 1 1 
 1 4.25 2.75
 
 1 2.75 3.5 

Solución
Se requiere que la matriz sea simétrica y definida
positiva para aplicar Choleski.

44
 Problema 6
Es evidente que la matriz es simétrica; para
verificar que es definida positiva verificamos si se
satisface el criterio de Silvester:
det 4  0
 4 1  
det    0

  1 4. 25 
 4 1 1 
  
det   1 4.25 2.75   0
  1 2.75 3.5  
 
45
 Problema 6
Dado que los determinantes de todos los menores
principales son positivos podemos afirma que la
matriz es definida positiva y podemos aplicar la
factorización de Choleski con seguridad.

A  L *U  L * L  U *U T T

 a11 a12 a13  l11 0 0  l11 l21 l31 

A  a21 a22 a23   L * LT  l21 l22 0   0 l22 l32 
a31 a32 a33  l31 l32 l33   0 0 l33 

46
 Problema 6
Resolviendo la multiplicación matricial:
 a 0 0  a b d 
 b c 0  0 c e 
  
d e f  0 0 f 
a 2  4 
 
ba  1  0 0  2  1 / 2 1 / 2 
 
2
4.25  b 2  c 2
     1 / 2 2 0 0 2 3 / 2 
1  ad    
2.75  db  ec   1 / 2 3 / 2 1 0 0 1 
 
3.5  d 2  e 2  f 2 
47