Nociones Elementales de Matrices

Antes de ver la solucin 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
Solucin de sistemas de
ecuaciones lineales
Anlisis de Circuitos (ecuaciones de malla y nodos)
Solucin Numrica de ecuaciones diferenciales (Mtodo de
las diferencias Finitas)
Solucin Numrica de ecuaciones de integrales (Metodo de
los Elementos Finitos, Mtodo de los Momentos)

8
n n nn n n
n n
n n
b x a x a x a
b x a x a x a
b x a x a x a
= + + +
= + + +
= + + +

2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11
(
(
(
(

=
(
(
(
(

(
(
(
(

n n nn n n
n
n
b
b
b
x
x
x
a a a
a a a
a a a

2
1
2
1
2 1
2 22 21
1 12 11

Consistencia (Solubilidad)
El sistema lineal de ecuaciones Ax=b tiene una
solucin, o es consistente si y solo si
Rango{A}=Rango{A|b}
Un sistema es inconsistente cuando
Rango{A}<Rango{A|b}
9
Rank{A} es el mximo numero de columnas linealmente
independientes o filas de A. El rango puede ser encontrado usando
ERO (Elementary Row Oparations) ECO (Elementary column
operations).
Unicidad de las soluciones
El sistema tiene una nica 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)
10
Matrices de rango deficiente
Si Rango{A}=m<n
Det{A} = 0 A is singular por lo tanto no es
invertible
nmero infinito de soluciones (n-m variables libres)
sistema sub-determinado

11
(

=
(

8
4
4 2
2 1
2
1
x
x
Consistente soluble
Rank{A}=Rank{A|b}=1
Sistema de ecuaciones
mal-condicionadas
Una pequea desviacin en las entradas de la
matriz A, causa una gran desviacin en la solucin.
12
(

=
(

47 . 1
3
99 . 0 48 . 0
2 1
2
1
x
x
(

=
(

47 . 1
3
99 . 0 49 . 0
2 1
2
1
x
x
(

=
(

1
1
2
1
x
x

(

=
(

0
3
2
1
x
x

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

13
14
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, solucin nica
Sistemas bien-condicionados
15
Primer paso de la eliminacin
16
(
(
(
(
(
(

=
(
(
(
(
(
(

(
(
(
(
(
(

=
=
=
) 2 (
) 2 (
3
) 2 (
2
) 1 (
1
3
2
1
) 2 ( ) 2 (
3
) 2 (
2
) 2 (
3
) 2 (
33
) 2 (
32
) 2 (
2
) 2 (
23
) 2 (
22
) 1 (
1
) 1 (
13
) 1 (
12
) 1 (
11
) 1 (
11
) 1 (
1 1 ,
) 1 (
11
) 1 (
31 1 , 3
) 1 (
11
) 1 (
21 1 , 2
0
0
0
/
/
/
n
n
nn n n
n
n
n
n n
b
b
b
b
x
x
x
x
a a a
a a a
a a a
a a a a
a a m
a a m
a a m

(
(
(
(
(
(

=
(
(
(
(
(
(

(
(
(
(
(
(

) 1 (
) 1 (
3
) 1 (
2
) 1 (
1
3
2
1
) 1 ( ) 1 (
3
) 1 (
2
) 1 (
1
) 1 (
3
) 1 (
33
) 1 (
32
) 1 (
31
) 1 (
2
) 1 (
23
) 1 (
22
) 1 (
21
) 1 (
1
) 1 (
13
) 1 (
12
) 1 (
11
n
n
nn n n n
n
n
n
b
b
b
b
x
x
x
x
a a a a
a a a a
a a a a
a a a a

Elemento pivotal
Segundo paso de la
eliminacin
17
(
(
(
(
(
(

=
(
(
(
(
(
(

(
(
(
(
(
(

=
=
) 3 (
) 3 (
3
) 2 (
2
) 1 (
1
3
2
1
) 3 ( ) 3 (
3
) 3 (
3
) 3 (
33
) 2 (
2
) 2 (
23
) 2 (
22
) 1 (
1
) 1 (
13
) 1 (
12
) 1 (
11
) 2 (
22
) 2 (
2 2 ,
) 2 (
22
) 2 (
32 2 , 3
0 0
0 0
0
/
/
n
n
nn n
n
n
n
n n
b
b
b
b
x
x
x
x
a a
a a
a a a
a a a a
a a m
a a m

(
(
(
(
(
(

=
(
(
(
(
(
(

(
(
(
(
(
(

) 2 (
) 2 (
3
) 2 (
2
) 1 (
1
3
2
1
) 2 ( ) 2 (
3
) 2 (
2
) 2 (
3
) 2 (
33
) 2 (
32
) 2 (
2
) 2 (
23
) 2 (
22
) 1 (
1
) 1 (
13
) 1 (
12
) 1 (
11
0
0
0
n
n
nn n n
n
n
n
b
b
b
b
x
x
x
x
a a a
a a a
a a a
a a a a

Elemento Pivotal
Algoritmo de la sustitucin
hacia atrs
18
(
(
(
(
(
(
(
(

=
(
(
(
(
(
(
(
(

(
(
(
(
(
(
(
(

) (
) 1 (
1
) 3 (
3
) 2 (
2
) 1 (
1
1
3
2
1
) (
) (
1
) (
1 1
) 3 (
3
) 3 (
33
) 2 (
2
) 2 (
23
) 2 (
22
) 1 (
1
) 1 (
13
) 1 (
12
) 1 (
11
0 0 0 0
0 0 0
0 0
0
n
n
n
n
n
n
n
nn
n
n n
n
n n
n
n
n
b
b
b
b
b
x
x
x
x
x
a
a a
a a
a a a
a a a a

| |
1 , , 2 , 1
1
1
1
) ( ) (
) (
1
1
) 1 (
1
) 1 (
1 1
1
) (
) (
=
(

=
= =

+ =

n n i x a b
a
x
x a b
a
x
a
b
x
n
i k
k
i
ik
i
i
i
ii
i
n
n
n n
n
n
n
n n
n
n
nn
n
n
n
Contador de Operaciones
Nmero de operaciones aritmticas requeridas por
el algoritmo para completar esta tarea.
Generalmente solo multiplicaciones y divisiones son
contadas.
Proceso de Eliminacin

Sustitucin hacia atrs


Total
19
6
5
2 3
2 3
n n n
+
2
2
n n +
3 3
2
3
n
n
n
+
Dominates
No eficiente para
diferentes vectores RHS
Contador de Operaciones
A=LU Descomposicin
Ly=b Sustitucin hacia adelante
Ux=y Sustitucin hacia atrs
Total
Para diferentes vectores RHS, el sistema
puede ser eficientemente resuelto.
20
3 3
3
n n

2
2
n n +
2
2
n n
3 3
2
3
n
n
n
+
Pivoteo
Computadoras usan precisin aritmtica finita
Pequeos errores son introducidos en cada
operacin aritmtica, propagacin de errores
Cuando los elementos pivotales son muy
pequeos, los multiplicadores podran ser muy
grandes.
La adicin de nmeros de magnitud diferente
puede conducir a la prdida de significacin .
Para reducir el error, se realiza intercambio de filas
para maximizar la magnitud del elemento pivotal.
21
Ejemplo: Sin Pivoteo
22
(

=
(

93 . 22
414 . 6
210 . 1 14 . 24
281 . 5 133 . 1
2
1
x
x
(

=
(

8 . 113
414 . 6
7 . 113 000 . 0
281 . 5 133 . 1
2
1
x
x
(

=
(

001 . 1
9956 . 0
2
1
x
x
31 . 21
133 . 1
14 . 24
21
= = m
aritmtica 4-digit
Prdida de precisin
Ejemplo: Con Pivoteo
23
(

=
(

414 . 6
93 . 22
281 . 5 133 . 1
210 . 1 14 . 24
2
1
x
x
(

=
(

338 . 5
93 . 22
338 . 5 000 . 0
210 . 1 14 . 24
2
1
x
x
(

=
(

000 . 1
000 . 1
2
1
x
x
04693 . 0
14 . 24
133 . 1
21
= = m
Procedimiento de Pivoteo
(
(
(
(
(
(
(
(
(
(
(
(

) ( ) ( ) (
) ( ) ( ) (
) ( ) ( ) (
) 3 (
3
) 3 (
3
) 3 (
3
) 3 (
33
) 2 (
2
) 2 (
2
) 2 (
2
) 2 (
23
) 2 (
22
) 1 (
1
) 1 (
1
) 1 (
1
) 1 (
13
) 1 (
12
) 1 (
11
0 0 0
0 0 0
0 0 0
0 0
0
i
nn
i
nj
i
ni
i
jn
i
jj
i
ji
i
in
i
ij
i
ii
n j i
n j i
n j i
a a a
a a a
a a a
a a a a
a a a a a
a a a a a a









24
Parte
Eliminada
Columna Pivotal
Fila
Pivotal
Pivoteo por fila
Ms comnmente llamado procedimiento de
pivoteo parcial
Busque la columna pivotal
Encuentre el mas grande elemento en magnitud
Luego intercambie esta fila con la fila pivotal.
25
Pivoteo por filas
(
(
(
(
(
(
(
(
(
(
(
(

) ( ) ( ) (
) ( ) ( ) (
) ( ) ( ) (
) 3 (
3
) 3 (
3
) 3 (
3
) 3 (
33
) 2 (
2
) 2 (
2
) 2 (
2
) 2 (
23
) 2 (
22
) 1 (
1
) 1 (
1
) 1 (
1
) 1 (
13
) 1 (
12
) 1 (
11
0 0 0
0 0 0
0 0 0
0 0
0
i
nn
i
nj
i
ni
i
jn
i
jj
i
ji
i
in
i
ij
i
ii
n j i
n j i
n j i
a a a
a a a
a a a
a a a a
a a a a a
a a a a a a









26
Intercambio
de filas
El ms grande en magnitud
Pivoteo Completo
(
(
(
(
(
(
(
(
(
(
(
(

) ( ) ( ) (
) ( ) ( ) (
) ( ) ( ) (
) 3 (
3
) 3 (
3
) 3 (
3
) 3 (
33
) 2 (
2
) 2 (
2
) 2 (
2
) 2 (
23
) 2 (
22
) 1 (
1
) 1 (
1
) 1 (
1
) 1 (
13
) 1 (
12
) 1 (
11
0 0 0
0 0 0
0 0 0
0 0
0
i
nn
i
nj
i
ni
i
jn
i
jj
i
ji
i
in
i
ij
i
ii
n j i
n j i
n j i
a a a
a a a
a a a
a a a a
a a a a a
a a a a a a









27
Ms grande
en magnitud
Intercambie
estas columnas
Intercambie
estas filas
Pivoteo por filas en Descomposicin
LU
Cuando dos filas de A se
intercambian, las filas de
b deben tambin ser
intercambiadas.
Use un vector pivote.
Vector pivote inicial son
enteros desde 1 hasta n.
Cuando dos filas (i y j)
de A son
intercambiadas, aplicar
esto al vector pivote.
(
(
(
(
(
(
(
(
(
(
(
(

=
n
j
i p

3
2
1
28
(
(
(
(
(
(
(
(
(
(
(
(

=
n
i
j p

3
2
1
Modificando el vector b
Cuando se realiza la
descomposicin LU de
A, el vector pivote nos
da el orden de las filas
despus del
intercambio.
Antes de aplicar la
sustitucin hacia
adelante para resolver
Ly=b, modificar el orden
del vector b de
acuerdo a las entradas
del vector pivote.
(
(
(
(
(
(
(
(
(
(
(
(

=
9
5
7
6
8
4
2
3
1
p
29
(
(
(
(
(
(
(
(
(
(
(
(

=
9 . 6
5 . 3
7 . 2
2 . 5
6 . 9
8 . 4
2 . 1
6 . 8
3 . 7
b
(
(
(
(
(
(
(
(
(
(
(
(

= '
9 . 6
6 . 9
7 . 2
2 . 5
5 . 3
8 . 4
6 . 8
2 . 1
3 . 7
b
Descomposicin LU
algoritmo con pivoteo parcial
30

For c=k+1 to n
k r
k
rk
k
kk
k
rk k r
m a
a a m
,
) 1 (
) ( ) (
,
/
=
=
+
) (
,
) ( ) 1 ( k
kc k r
k
rc
k
rc
a m a a =
+
r p then = >
pk rk
a a
t a a a a t
pc pc kc kc
= = = , ,
Columna para una
entrada mxima
Intercambio
de filas
Actualizando la matriz L
Actualizando la
matriz U
Ejemplo
31
(
(
(

=
(
(
(

=
(
(
(

=
3
2
1
3
5
12
2 4 1
1 2 4
2 3 0
p b A
(
(
(

=
(
(
(

=
'
3
1
2
2 4 1
2 3 0
1 2 4
p A
Intercambio de columnas: Mxima magnitud segunda fila
Intercanbio de la 1
era
y 2
da
fila
Ejemplo (continuacin)...
32
(
(
(

=
(
(
(

=
'
3
1
2
2 4 1
2 3 0
1 2 4
p A
Elimacin de a
21
y a
31
usando a
11
como elemento pivotal
A=LU en forma compacta (en una sola matriz)
(
(
(

=
(
(
(

=
'
3
1
2
75 . 1 5 . 3 0
2 3 0
1 2 4
p A
Multiplicadores (matriz L) l
21
=0; l
31
=-0.25
Ejemplo (continuacin)...
33
(
(
(

=
(
(
(

(
(
(

=
'
1
3
2
5 . 3 0 0
75 . 1 5 . 3 0
1 2 4
1 5 . 3 / 3 0
0 1 25 . 0
0 0 1
p A
(
(
(

=
'

(
(
(

=
(
(
(

=
12
3
5
3
5
12
1
3
2
b b p
Ax=b LUx=b
Ux=y
Ly=b
Ejemplo (continuacin)...
34
(
(
(

=
(
(
(

3
2
1
3
2
1
x
x
x
Sustitucin
Directa
(
(
(

=
(
(
(

5 . 10
75 . 1
5
3
2
1
y
y
y
Sustitucin
Inversa
(
(
(

=
(
(
(

(
(
(

5 . 10
75 . 1
5
5 . 3 0 0
75 . 1 5 . 3 0
1 2 4
3
2
1
x
x
x
Ux=y
(
(
(

=
(
(
(

(
(
(

12
3
5
1 5 . 3 / 3 0
0 1 25 . 0
0 0 1
3
2
1
y
y
y
Ly=b
Eliminacin de Gauss-Jordan
Los elementos sobre la diagonal se
convierten y por debajo de la diagonal
son ceros.
35
(
(
(
(
(

) 1 ( ) 1 ( ) 1 (
2
) 1 (
1
) 1 (
2
) 1 (
2
) 1 (
22
) 1 (
21
) 1 (
1
) 1 (
1
) 1 (
12
) 1 (
11
n nn n n
n
n
b a a a
b a a a
b a a a

(
(
(
(
(

) 2 ( ) 2 ( ) 2 (
2
) 2 (
2
) 2 (
2
) 2 (
22
) 1 (
1
) 1 (
1
) 1 (
12
) 1 (
11
0
0
n nn n
n
n
b a a
b a a
b a a a

(
(
(
(
(

) ( ) (
) 1 (
2
) 2 (
22
) 1 (
1
) 1 (
11
0 0
0 0
0 0
n
n
n
nn
n
n
b a
b a
b a

(
(
(
(
(

) 3 ( ) 3 (
) 2 (
2
) 2 ( ) 2 (
22
) 2 (
1
) 2 ( ) 1 (
11
0 0
0
0
n nn
nn
nn
b a
b a a
b a a

Eliminacin de Gauss-Jordan
Casi 50% mas de operaciones aritmticas que la
Eliminacin Gaussiana.
Gauss-Jordan (GJ) Eliminacin es preferible
cuando la inversa de una matriz es requirido.


Aplicar eliminacin GJ para convertir A en una
matriz identidad.
36
| | I A
| |
1
A I
Forma de Crout
Clculo de la primera columna de L
Clculo de la primera fila de U
Clculo alternado de las colum. de L y
filas de U
37
1 1 i i
a l =
11
1
1
l
a
u
j
j
=
n j j i
l
u l a
u
n i i j u l a l
ii
i
k
kj ik ij
ij
j
k
kj ik ij ij
, , 3 , 2 ,
, , 2 , 1 ,
1
1
1
1

= s

=
= s =

=
Secuencia de la reduccin de
Crout
38
(
(
(
(

(
(
(
(

=
(
(
(
(

1 0 0 0
1 0 0
1 0
1
0
0 0
0 0 0
34
24 23
14 13 12
44 43 42 41
33 32 31
22 21
11
44 43 42 41
34 33 32 31
24 23 22 21
14 13 12 11
u
u u
u u u
l l l l
l l l
l l
l
a a a a
a a a a
a a a a
a a a a
Una entrada de la matriz A es usada solamente una vez
para calcular la Correspondiente entrada de las matrices
L o U .As las columnas de L y las filas de U pueden ser
almacenadas en la matriz A
1
2
3
4
5
6
7
Factorizacin de Choleski
Si A es simtrica y definida positiva, entonces la
factorizacin LU
Puede ser arreglada para que U = L
T
, la cual se
obtiene de la factorizacin de Choleski
A = LL
T
Donde L es una matriz triangular inferior con
diagonal con entradas positivas
Algoritmo para el clculo puede ser derivado por la
ecuacin correspondiente a las entradas de A y LL
t

En el caso de 2 2, por ejemplo,




Implica que:
39
Solucin de Sistemas Lineales de ecuaciones
Complejas
Cz=w
C=A+jB Z=x+jy w=u+jv
(A+jB)(x+jy)=(u+jv)
(Ax-By)+j(Bx+Ay)=u+jv

40
(

=
(

v
u
y
x
A B
B A
Sistema lineal de ecuaciones reales
Sistemas grandes y Esparcidos
Cuando el sistema lineal es grande y esparcido
(muchas entradas ceros), los mtodos directos
llegan a ser ineficientes por la presencia de
trminos de relleno.
Los trminos de relleno son aquellos que resultan ser
diferentes de cero durante la eliminacin
41
(
(
(
(
(
(

55 53
44 42 41
35 33 31
24 22
14 13 11
0 0 0
0 0
0 0
0 0 0
0 0
a a
a a a
a a a
a a
a a a
(
(
(
(
(
(

'
' '
' ' '
55
45 44
35 34 33
24 22
14 13 11
0 0 0 0
0 0 0
0 0
0 0 0
0 0
a
a a
a a a
a a
a a a
Eliminacin
Trminos
de
relleno
Matrices Esparcidas
La matriz de ecuacin de nodos es una matriz
esparcida.
Matrices Esparcidas son almacenadas
eficientemente almacenando solamente las
entradas no cero.
Cuando del sistema es muy grande (n=10,000) los
trminos de relleno aumentan los requerimientos
de almacenamiento considerablemente.
En tales casos los mtodos de solucin iterativa
debe ser preferidos en lugar de mtodos de
solucin directa.
42
Problema 1
Resolver por Eliminacin Gaussiana con
pivoteo parcial de filas:



E
2
-(3/4)E
1
=>E
2
E
3
-(1/2)E
1
=>E
3
E
4
-(-1/4)E
1
=>E
4



43
(
(
(
(

=
(
(
(
(

(
(
(
(

4
9
14
9
1 1 1 1
1 1 4 2
3 2 2 3
3 2 0 4
4
3
2
1
x
x
x
x
(
(
(
(

=
(
(
(
(

(
(
(
(

25 . 6
5 . 13
25 . 7
9
75 . 1 5 . 1 1 0
5 . 2 2 4 0
75 . 0 5 . 0 2 0
3 2 0 4
4
3
2
1
x
x
x
x
Problema 1
Intercambiamos las Ecuaciones 2 y 3 (E
2
E
3
)





E
3
-(-1/2)E
2
=>E
3
E
4
-( 1/4)E
2
=>E
4



44
(
(
(
(

=
(
(
(
(

(
(
(
(

25 . 6
25 . 7
5 . 13
9
75 . 1 5 . 1 1 0
75 . 0 5 . 0 2 0
5 . 2 2 4 0
3 2 0 4
4
3
2
1
x
x
x
x
(
(
(
(

=
(
(
(
(

(
(
(
(

5 . 0
625 . 9
5 . 13
9
5 . 0 5 . 0 0 0
375 . 2 2 0 0
5 . 2 2 4 0
3 2 0 4
4
3
2
1
x
x
x
x
Problema 1
E
4
-(-1/4)E
3
=>E
4





Resolviendo por
sustitucin hacia atrs:





45
(
(
(
(

=
(
(
(
(

(
(
(
(

90625 . 2
625 . 9
5 . 13
9
09375 . 0 0 0 0
375 . 2 2 0 0
5 . 2 2 4 0
3 2 0 4
4
3
2
1
x
x
x
x
(
(
(
(

=
(
(
(
(

5
0
32
31
1
2
3
4
x
x
x
x
Problema 2
Solucin 2

Planteando el producto matricial:











46
(

= =
(

=
22
12 11
21
0
*
1
0 1
*
4 2
1 6
u
u u
l
U L A
(

= =
(

=
= + =
= =
=
=
3 / 13 0
1 6
*
1 3 / 1
0 1
*
4 2
1 6
3 / 13 4
3 / 1 2
1
6
22 22 12 21
21 11 21
12
11
U L A
u u u l
l u l
u
u
Problema 3
Resolver por la factorizacin de Doolite:


Solucin
Del ejercicio anterior ya tenemos la
factorizacin LU:






47
(

=
(

6
5
4 2
1 6
2
1
x
x
(

=
(

=
6
5
3 / 13 0
1 6
*
1 3 / 1
0 1
* *
2
1
x
x
b x U L
Problema 3






48
(

=
(

=
(

=
3 / 13
5
6
5
*
1 3 / 1
0 1
*
2
1
2
1
z
z
z
z
b z L
(

=
(

=
(

=
(

=
1
1
3 / 13
5
3 / 13 0
1 6
*
2
1
2
1
2
1
x
x
z
z
x
x
z x U
Se obtienen dos sistemas triangulares fciles de resolver.
Resolviendo el sistema triangular inferior por sustitucin
directa:
Resolviendo el sistema triangular superior por sustitucin
directa:
Problema 4
Obtener la factorizacin de Crout:



Solucion
Debemos plantear la multiplicacion
matricial:



49
(
(
(

=
12 15 20
15 20 30
20 30 60
A
(
(
(

(
(
(

= =
(
(
(

=
1 0 0
1 0
1
0
0 0
*
23
13 12
33 32 31
22 21
11
33 32 31
23 22 21
13 12 11
u
u u
l l l
l l
l
U L
a a a
a a a
a a a
A
Problema 4




50

21 21
13 11 13
12 11 12
11 11
l a
u l a
u l a
l a
=
=
=
=
(
(
(

(
(
(

= =
(
(
(

=
1 0 0
1 1 0
3 / 1 2 / 1 1
3 / 1 5 20
0 5 30
0 0 60
*
12 15 20
15 20 30
20 30 60
U L A
Problema 6
51
Es evidente que la matriz es simtrica; para
verificar que es definida positiva verificamos si se
satisface el criterio de Silvester:
| | ( )
0
5 . 3 75 . 2 1
75 . 2 25 . 4 1
1 1 4
det
0
25 . 4 1
1 4
det
0 4 det
>
|
|
|
.
|

\
|
(
(
(

>
|
|
.
|

\
|
(

>
Problema 6
52
Dado que los determinantes de todos los menores
principales son positivos podemos afirma que la
matriz es definida positiva y podemos aplicar la
factorizacin de Choleski con seguridad.
U U L L U L A
T T
* * * = = =
(
(
(

(
(
(

= =
(
(
(

=
33
32 22
31 21 11
33 32 31
22 21
11
33 32 31
23 22 21
13 12 11
0 0
0 0
0 0
*
l
l l
l l l
l l l
l l
l
L L
a a a
a a a
a a a
A
T