Professional Documents
Culture Documents
LGEBRA MATRICIAL
Matrices Numricas.- MATLAB permite trabajar con matrices numricas de forma muy cmoda y extensa. No
obstante, se trata de un programa especializado en clculo matricial. La tabla que se presenta a continuacin
muestra las funciones matriciales numricas que pueden realizarse con MATLAB.
logm (A)
Logaritmo neperiano de la matriz A
sqrt(A)
Raz cuadrada de la matriz cuadrada A
funm.(A,funcin)
Aplica la funcin a la matriz cuadrada A
transpose(A) o A
Matriz transpuesta de A
inv(A)
Matriz inversa de la matriz cuadrada A ( A 1 )
det(A)
Determinante de la matriz cuadrada A
rank(A)
Rango de la matriz A
trace(A)
Suma de los elementos de la diagonal de A
norm(A)
Norma de A o 2-norma (mayor valor singular de la matriz A)
norm(A,1)
1-norma de A (mayor suma de la columnas de A)
norm(A,inf)
Norma infinita de A (Mayor suma de las filas de A)
A^p
Matriz A elevada a la potencia escalar p
p^A
Escalar p elevado a la matriz A
rand(n)
Matriz aleatoria de orden n
magic(n)
Matriz mgica de orden n
eig(A)
Halla los autovalores de la matriz cuadrada A
[V,D]=eig(A)
Halla la matriz diagonal D de autovalores de A y una matriz V cuyas columnas son
los autovectores correspondientes, cumplindose que A*V=V*D
eig(A,B)
Devuelve un vector con los autovalores generalizados de las matrices cuadradas A y
B. Los autovalores generalizados de A y B son las races del polinomio en
det( * C
[V,D]=eig(A,B)
hess(A)
poly(A)
eye(m)
zeros(m)
zeros(m,n)
ones(m,n)
size(A)
tril (A)
triu(A)
diag(A)
A(a,:)
A(:,b)
[L,U]=lu(A)
[L,U,P]=lu(A)
R=chol(A)
jordan(A)
[V,J]=jordan(A)
A)
An
pA
4
E-1) Introducir la matriz A
2 5
3
6
1 entonces al utilizar los comandos de la tabla se tiene:
3
ans =
4 0 0
-2 5 0
3 5 -3
triu(A)
ans =
4 2 6
0 5 -1
0 0 -3
size(A)
ans = 3 3
poly(A)
% calcula el polinomio caracterstico de la matriz A
ans = 1.0000 -6.0000 -16.0000 208.0000
norm(A)
% calcula la norma de la matriz A
ans = 7.7240
>> I=[ones(3,4),zeros(3,4),eye(3,4)]
I=
1 1 1 1 0 0 0 0
1 1 1 1 0 0 0 0
1 1 1 1 0 0 0 0
I(1,:)
ans =
1 1 1 1 0 0 0 0
I(:,11)
ans = 0 0 1
% grfico de la matriz A
0 0 0
1 0 0
0 1 0
% identifica la primera fila de la matriz I
0 0 0
% identifica la columna N 11 de la matriz I
1
2
3
1
1
2
1
3
3
1
1
1
1
2
2
4
4
3
2
4
3
2
1
1
1
2
2
3
5
3
4
1
1
3
2
1
1
3
2
3
2
5
3
3
5
3
1
2
4
1
1
3
2
1
1
5
7
2
1
3
2
6
6
3
3
5
4
3
3
4
3
4
7
8
9
2
6
4
2
3
4
1
4
1
1
2
2
3
1
2
f) C 1
g) AT xB 1
ll) (AxB)xC
m) A
2
xB
h) Diagonal de A
n) valores propios
q) A B
B)
2) Graficar las matices generadas por A(i, j ) cos (i) 2 sin( i j ) ; B(i, j ) j cos3 (i j ) sin 3 (i j ) ;
C(i, j ) 1/(i j 1) ; D(i, j ) ei j sin(i j ) ; E (i, j ) esen(i j ) sen( j ) 3) Graficar las matrices de
de A, B y C
o) Determinante de A, B y C
p) ( A B)( A
2
aij
ij ; i
i i. j
j ;i
bij
cos(ij) ; i
i i. j
j ;i
j
j
; cij
sin( i
j) ; i
i i. j
j ;i
aij
0 ;
aij
0 ;
Si A es una matriz triangular superior, entonces se dice que el sistema de ecuaciones AX=B es un sistema
triangular superior de ecuaciones lineales, sistema que tiene la forma:
a11 x1
a13 x3 a1 n 1 xn
a1 n xn
b1
a23 x3 a2 n 1 xn
a2 n xn
b2
a33 x3 a3 n 1 xn
a3 n xn
b3
a12 x2
a22 x2
an
(1)
1 n 1 n 1
an
bn
an n xn
bn
1n n
1,2,, n
0 ; para k
[aij ] de orden nxn es triangular superior o inferior, entonces el determinante de la matriz A es:
n
det( A)
aii
i 1
4 x1
x2
2 x3
3 x4
20
2 x2
7 x3
4 x4
6 x3
5 x4
3 x4
6
Resolucin
4
0
1 2
2 7
3
4
x1
x2
x3
x4
20
7
4
6
, donde A
4
0
3
4
a) ploteo de la matriz A
1 2
2 7
x1
; X
x2
x3
x4
20
7
4
6
Compilarlo con :
A=[4 -1 2 3;
0 -2 7 -4;
0 0 6 5;
0 0 0 3]
B=[20;-7;4;6]
backsub(A,B)
------------------------------------------------------------------------------------%resultados
backsub(A,B)
A = 4
-1
2
3
0
-2
7
-4
0
0
6
5
0
0
0
3
B = 20
-7
4
6
ans= 3
-4
-1
2
Luego la solucin del sistema es:
sen1 x1
sen2 x2
sen3 x3
cos1 x2
sen4 x4
cos 2 x3
senh1x3
sen5
cos 3 x4
senh2 x4
log 2 x4
cos 4
senh3
log 4
sen1
0
sen2 sen3
cos1 cos 2
sen4
cos 3
x1
senh1
senh2
x2
x3
log 2
x4
sen5
cos 4
senh3
log 4
%Resultados:
backsub(A,B)
A =
0.8415
-0.9093
0.1411
0.7568
0
-0.5403
-0.4161
-0.9900
0
0
1.1752
3.6269
0
0
0
0.3010
B =-0.9589
-0.6536
10.0179
0.6021
ans=-7.9431
-4.2664
2.3521
2.0000
3x1 2 x2
4 x2
a)
tan1 x1
x3
x4
x3
2 x4
2 x3
3x4
11
5 x4
15
tan 2 x2
2 tan 3 x3
tan 4 x2
d)
2 ln 5 x3
5 x1 3x2
b)
11x2
7 x3
x4
9 x3
5 x4
3x3 13x4
Ln4
log 3x4
sen4
5 cos 8 x3 3 log 2 x4
sen9
cos15 x4
11
14
2 x4
7 x5
x4
2 x5
2 x4
x5
10
3x5
[aij ]20 x 20
8 cos 7 x3
ln 3x4
senh4
2senh5 x4
cosh 9
cos 3 x4
senh3
cos(ij) ; i
sen(i j ) ; i
cos(i. j )
;i
i
j
j
j
log( i j ) ; i
Ln(i. j )
;i
i
j
j
j
A [aij ]30 x 30
sen214
log 5 x4
5 cos 8 x3
x5
y B
2sen8 x3
tan 5 x2
e)
0
[bi 1 ]20 x1 siendo bi 1
x3
2 x4
tan(i )
6 x3
c)
0
[bi 1 ]15 x1 siendo bi 1
2 x3
ln 7
x2
2 x2
log 2 x1 ln 2 x2
22
7 x4
log 3x4
4 x1
14
1
;i
i j 1
senh(i j )
0
i
j
;i
j
Tarea Domiciliaria
E-1) Se dice que un sistema lineal AX=B es triangular inferior cuando aij
programa forsub , anlogo al programa backsub para resolver el siguiente sistema triangular inferior.
a11 x1
b1
a21 x1
a22 x2
a31 x1
a3 2 x2
an
an 11 x1
an1 x1
b2
a33 x3
b3
12 2
an 2 x2
an
x an
13 3
bn
1n 1 n 1
an 3 x3 an n 1 xn
an n xn
bn
E-2) Resolver los siguientes sistemas triangulares inferiores y calcular det(A) as como su ploteo.
2 x1
a)
x1
6
4 x2
3 x1 2 x2
x3
x1 2 x2
6 x3
4
3 x4
b)
5 x1
10
x1 3x2
3x1
4 x2
2 x3
x1 3x2
6 x3
2
x4
sen2 x1
c)
log 4
cos 3 x1 sinh 5 x2
sen6
tan 2 x1 2sen6 x2
log 4 x1
tanh 2 x2
4 x3
2 cos 6 x3
ln 6
3x4
E-3) Usar el programa forsub (creado por Ud) para resolver los siguientes sistemas de ecuaciones triangulares
Inferiores :
a) Resolver el sistema de ecuaciones LX=B, siendo L
y B
j
j
j
[aij ]20 x 20
j
j
j
y B
log( i j ) ; i
Ln(i. j )
;i
0
sen(i j ) ; i
cos(i. j )
;i
0
j ;i
A [aij ]30 x 30
1
;i j
i j 1
senh(i j )
;i j
0
; i j
Dada la matriz
a11
a12
a13
a21
a31
an 11
a22
a32
an 12
an1
an 2
a1n
b1
a23 a2 n
a33 a3n
an 13 an 1n
b2
b3
bn 1
bn
an 3
ann
Sea el sistema A. X b , puede ser almacenado en un arreglo de nx(n+1), donde los coeficientes del vector b se
almacenan en la columna (n+1) del arreglo. Esta nueva matriz se le conoce como matriz aumentada y se la denota
como Aa [ A | b ] .
Las operaciones con filas, pueden aplicarse a la matriz aumentada que son:
fj
Intercambio.- El orden de dos filas puede ser cambiado , f i
Escalamiento.- Una fila se puede multiplicar por una constante diferente de cero fi
. fi
Reemplazo.- Una fila puede reemplazada por la suma de esa fila y un mltiplo de otra fila f i
fi
k fj
x1 2 x2
x3 3x4
x5
2 x1
x2
3x3
x4
2 x5
x1 3x2
2 x3
x4
x5
3x1
2 x3
x4
x4
x5
x2
2 x1 4 x2
x3
x5
2
4
3
1
8
Resolucin
x1
1
2
2
1
1
3
3
1
1
2
x2
2
4
x3
1
1
x4
x5
entonces se tiene A. X
1
8
El programa Eliminacin soluciona este sistema de ecuaciones lineales (De cualquier orden)
%guardarlo en una ventana con Eliminacin.m
function x=Eliminacion(AA,b)
[n n]=size(AA);
x=zeros(n,1);
A=[AA b'];
n1=n+1;
for i=1:n
if A(i,i)==0
A=Intercambio(A,i);
end
for k=i+1:n
Pivote=A(k,i)/A(i,i);
for j=i:n1
A(k,j)=A(k,j)-Pivote*A(i,j);
end
end
end
x(n)=A(n,n1)/A(n,n);
for i=n-1:-1:1
suma=A(i,n1);
for j=i+1:n
suma=suma-A(i,j)*x(j);
end
x(i)=suma/A(i,i);
end
10
----------------------------------------------------------------------------------------------------------------------------------Compilarlo con
A=[1 -2 1 -3 1;2 1 -3 1 -2;1 -3 2 -1 1;3 -1 2 -1 -1;2 -4 1 -1 1];
b=[2 4 3 -1 8];
Eliminacion(A,b)
A 1 ( A. X )
A 1.b
I .X
X
A 1.b
A 1.b
A b
A | b se tendra entonces :
Es una variante del mtodo de eliminacin de Gauss; siendo la principal diferencia, que cuando se elimina una
incgnita no slo se elimina de las ecuaciones siguientes sino de todas las otras ecuaciones. Es decir:
Sea W
A b
a11
a21
a12
a22
a13
a23
a31
a32
a33
b1
b2 , se transforma en
b3
1 0 0 b1'
W
I b'
0 1 0 b2'
0 0 1 b3'
y la solucin es x b '
ALGORITMO
Gauss-Jordan
for i=1 to n
if a[i,i]=0 then
Intercambiar filas
m=a[i , i]
for k=i to n+1
a[i,k]=a[i,k]/m
for j=1 to n
if i <> j then
m=a[j,i]
for k=i to n+1
a[j,k]=a[j,k]-m*a[i,k]
end Gauss-Jordan
E-1) Resolver el sistema de ecuaciones lineales por el mtodo de GAUSS-JORDAN
x1 2 x2
x3 3x4
x5
2 x1
x2
3x3
x4
2 x5
x1 3x2
2 x3
x4
x5
3x1
2 x3
x4
x4
x5
x2
2 x1 4 x2
x3
x5
2
4
3
1
8
Resolucin
11
x1
1
2
2
1
1
3
3
1
1
2
x2
2
4
x3
x4
x5
1
8
1
2
2
1
1
3
3
1
1
2
2
4
1
1
1
8
Que con las operaciones elementales se lleva dicha matriz aumentada a la solucin.
1 0 0 0 0
0 1 0 0 0
Aa
0 0 1 0 0
2
1
2 lo que implica que solucin del sistema AX=b es X=(2 ; -1 ; -2 ; 1 ; 3)
0 0 0 1 0
0 0 0 0 1
Compilarlo con
A=[1 -2 1 -3 1;2 1 -3 1 -2;1 -3 2 -1 1;3 -1 2 -1 -1;2 -4 1 -1 1];
b=[2 4 3 -1 8];
GaussJordan(A,b)
------------------------------------------------------------------------------------
12
x1
a)
4 x2
x3
2 x1 7 x2
x4
x3
x1 4 x2
x1
2 x4
x3
3x1 10 x2
2 x4
2 x3
16
b)
1
5 x4
15
4 x2
9 x3 16 x4
4 x1 9 x2 16 x3
9 x1 16 x2
16 x1
25 x4
25 x3
25 x2
30
x1
54
36 x4
36 x3
86
49 x4
126
x1
3x3
4 x4
5 x5
13
x1
x2
2 x1
x2
2 x3
3x4
4 x5
10
x1
2 x2
d) 2 x1
2 x2
x3
2 x4
3x5
11
2 x1
2 x2
2 x3
x1
20 x4
35 x5
126
2 x1
2 x2
2 x3
x4 2 x5
2 x4 x5
x1 5 x2 15 x3 35 x4
70 x5
210
f)
x2
x3
x4
x5
x3
x6
x6
0
g)
10 x2 10 x3 15 x5 5 x6
5 x1 10 x2 20 x4 200
sen1 x1
sen2 x2
3 x1 3 x2
h)
x1 3x2
3x4
x3
2 x4
x3
x4
3x3
x4
15
4 x4
5 x5
35
6 x3 10 x4 15 x5
4 x2 10 x3
2 x2
2 x3
70
x2
x5
3x3
x5
x2
2 x1 3x2
2 x2
x1
x4
3x1
x1
e)
x3
c)
x2
5 x3
sen3 x3
2 x4
4 x5
sen4 x4
7 x6
0.05 x1 0.07 x2
0.06 x3
0.05 x4
0.23
0.07 x1 0.10 x2
0.08 x3
0.07 x4
0.32
0.06 x1 0.08 x2
0.10 x3
0.09 x4
0.33
0.05 x1 0.07 x2
0.09 x3
0.10 x4
0.31
sen5 x5
sen6 x6
sen7
10
cos 2 x1 cos 3 x2
cos 4 x3
cos 5 x4
cos 6 x5
cos 7 x6
cos 8
senh1x1
senh3 x3
senh4 x4
senh5 x5
senh6 x6
senh7
senh2 x2
log 3 x3
log 4 x4
log 5 x5
log 6 x6
log 7
tan 1x1
tan 3 x3
tan 4 x4
tan 4 x5
tan 5 x6
tan 6
tan 2 x2
TAREA DOMICILIARIA
E-1) Utilice el mtodo de eliminacin de Gauss y el mtodo de Gauss-Jordan para resolver los siguientes sistemas
de ecuaciones lineales:
x1
2 x2
2 x1 3x2
a) 3x1
5 x5
4 x2
4 x1 2 x2
6 x1 6 x2
7 x3 10 x4 13x5
7 x3
5 x3
ln 2 x1 ln 3 x2
c)
4 x4
5 x2 11x3 16 x4
2 x1 7 x2
x1
3x3
7 x4
21x5
2 x5
3x4 10 x5
ln 4 x3
5 x3 3 x4
12
17
5 x3 18 x4
10 x1 9 x2
7 x3
b) 12 x1 12 x2
24 x4
13x3
30 x5
27 x4
18
35 x5
8 x1 6 x2
6 x3
20 x5
16
4 x1 5 x2
4 x3 15 x4 15 x5
11
ln 5 x4
ln 6 x5
6 x5 8 x6
ln 7 x6
15 x4
14
57
ln 8
20
cos 2 x1 cos 3 x2
cos 4 x3
cos 5 x4
cos 6 x5
cosh1x1 cosh 2 x2
cosh 3 x3
cosh 4 x4
cosh 5 x5
cos 7 x6
cosh 6 x6
log 3 x3
log 4 x4
log 5 x5
log 6 x6
log 7
cot1x1 cot 2 x2
cot 3 x3
cot 4 x4
cot 4 x5
cot 5 x6
cot 6
13
20 x5
cos 8
cosh 7
32
ai ,i
ai ,i
, i
j 1
j i
Si embargo, si A es irreducible , es decir; sin ninguna parte de la ecuacin puede resolverse independientemente del
resto, una condicin suficiente es:
n
ai ,i
ai ,i
, i
j 1
j i
xi(t )
1
. yi
aii
ai , j x (jt
1)
j 1
j i
Donde t es la cuenta de iteraciones. Cuando t=1 en la ecuacin anterior, x del miembro derecho tiene superndice 0
,lo que significa que el valor es una estimacin inicial. En cada ciclo de iteracin se evala xi en orden creciente
segn i.
II. MTODO ITERATIVO DE GAUSS-SEIDEL.El mtodo de Gauss-Seidel es un poco diferente del mtodo iterativo de Jacobi y se escribe como :
xi( t )
1
. yi
aii
i 1
ai , j x (jt )
j 1
ai , j x (jt
1)
1,2,3
j i 1
III. MTODO DE SOBRERRELAJACIN SUCESIVA (SOR) .La Sobrerrelajacin Sucesiva (SOR) es uan mejora del esquema de Gauss-Seidel y su expresin matemtica es
xi( t )
w
. yi
aii
i 1
ai , j x (jt )
j 1
ai , j x (jt
1)
(1 w) xi( t
1)
j i 1
10 x1
x2
x3
12
x1 10 x2
x3
12
x1 x2 10 x3
12
Resolucin
14
1,2,3
10 1
1 10
1
1
x1
x2
12
12
10
x3
12
----------------------------------------------------------------------------------------------------------------------------------------Compilarlo con
%compilacin de Jacobi
A=[10 1 1;1 10 1;1 1 10];
b=[12 12 12 ];
Jacobi(A,b)
-----------------------------------------------------------------------------------------------------------------------------------------Resultados
Jacobi(A,b)
0 0.00000 0.00000 0.00000
1 1.20000 1.20000 1.20000
2 0.96000 0.96000 0.96000
3 1.00800 1.00800 1.00800
4 0.99840 0.99840 0.99840
5 1.00032 1.00032 1.00032
6 0.99994 0.99994 0.99994
ans =
0.9999
0.9999
0.9999
15
20 x1
x2
2 x1 10 x2
x1 x2
x3
x3
20 x3
20
11
18
Resolucin
20
1
2 10
1
1
x1
x2
20
x3
20
11
18
-----------------------------------------------------------------------------------------------------------------------------------Compilarlo con
A=[20 -1 1;2 10 -1;1 1 -20];
b=[20 11 -18];
GaussSeidel(A,b)
---------------------------------------------------------------------------------
16
4 x1
x2
15
x1 5 x2
5 x1
x3
x2
5.- 2 x1 8 x2
x1 x2
17
x3
4 x3
2.-
10
11 6.3
8 x1 3 x2
10
x1 4 x2
2 x1 8 x2
5 x1
x2
x1 x2
x3
x3
4 x3
3.-
11
10
3
x1 3 x2
6 x1
4.-
2 x2
x1 5 x2
x3
x3
13
7.- 4 x1
x2
2 x1 x2
6 x3
2 x1 3 x2
7 x1
4 x1
8.-
2 x2
x2
x3
13
x1 5 x2
x3
2 x1 x2
6 x3
TAREA DOMICILIARIA
E-1) En los ejercicios
c) Empiece con x(0) 0 , use el mtodo iterativo de Jacobi y calcule x (t ) Converge la iteracin de Jacobi a
la solucin ?
d) Empiece con x(0) 0 , use el mtodo iterativo de Gauss-Seidel y calcule x (t ) Converge la iteracin de
Gauss-Seidel a la solucin ?
x1
a)
4 x2
x3
2 x1 7 x2
x3
x1 4 x2
c)
x2
x1
2 x2
x1
2 x4
x1
16
5 x4
x4
x5
3x3
b)
2 x3
x3
x1 3x2
2 x4
x3
3x1 10 x2
x1
x4
4 x4
15
5 x5
35
6 x3 10 x4 15 x5
4 x2 10 x3
70
d)
9 x3 16 x4
4 x1 9 x2 16 x3
9 x1 16 x2
16 x1
15
4 x2
49 x4
86
126
x1
2 x2
3x3
4 x4
5 x5
13
2 x1
x2
2 x3
3x4
4 x5
10
2 x1
2 x2
x3
2 x4
3x5
11
x4 2 x5
2 x4 x5
35 x5
126
2 x1
2 x2
2 x3
x1 5 x2 15 x3 35 x4
70 x5
210
2 x1
2 x2
2 x3
54
36 x4
36 x3
20 x4
18
25 x4
25 x3
25 x2
30