Matrices Especiales y Sistemas Tridiagonales

Universidad Técnica de Ambato
Facultad de Ingeniería en Sistemas, Electrónica e Industrial

Ingeniería Industrial en procesos de automatización
Métodos Numéricos
Tema:
Matrices Especiales y Sistemas Tridiagonales
Área Académica:
Electrónica y Automatización
Curso y Paralelo:
Cuarto “A”
Integrantes:
Arcos Miguel Ángel
Morales Cunalata Jonathan David
Padilla Diego
Pico Gordón Juan Pablo
Docente:
Ing. Mg. Jaime Ruíz
Fecha:
Diciembre 18 de 2017
UNIVERSIDAD TÉCNICA DE AMBATO
FACULTAD DE INGENIERÍA EN SISTEMAS, ELECTRÓNICA E INDUSTRIAL
PERÍODO ACADÉMICO: Marzo – Agosto/2017
I. Título
Matrices Especiales y Sistemas Tridiagonales
II. Objetivos
III. Palabras Clave: (Matriz, Tridiagonales)
IV. Resumen
V. Introducción
La importancia de las matrices en álgebra es conocida y existen numerosos
teoremas que las caracterizan o que las emplean como herramienta. Pero,
además, si trabajamos con matrices especiales, esto es, con matrices que
cumplen determinadas características, obtenemos otros resultados
interesantes o importantes por sus aplicaciones. Veamos un ejemplo:
Dada la matriz regular A de dimensión n x n tiene todos los menores
principales no singulares, entonces admite una factorización LU. En este
caso, para resolver computacionalmente el sistema
Ax=b
se necesitan
2 3
𝑛
3
operaciones en punto flotante, mientras que si usamos la descomposición QR
se necesitan
4 3
𝑛
3
Es decir, usando la descomposición LU se requiere la mitad de operaciones

respecto la descomposición QR.
En esta sección presentamos los tipos básicos de matrices según su forma

(definición y propiedades inmediatas): identidad, diagonal, traspuesta,
adjunta, simétrica, antisimétrica, definida positiva, diagonalmente dominante
y Hessenberg.
VI. Marco Teórico
MATRICES ESPECIALES
a) Matriz identidad
Llamamos matriz identidad a la matriz cuadrada (mismo número de filas

que de columnas) formada por unos en la diagonal y ceros en las demás
entradas (posiciones). La representamos por In donde n es la dimensión de la

matriz.
Propiedades:
 Es el neutro del producto de matrices. Es decir, para toda matriz A de

dimensión m x n,
 Es idempotente, es decir, sus potencias son ella misma
 Es regular y su inversa es ella misma.

 Es una matriz permutación.
 Sólo tiene un autovalor (valor propio), que es 1, con multiplicidad
algebraica la misma que la dimensión de la matriz.
Notaciones habituales:
b) Matriz diagonal
Todos los elementos son nulos excepto los de la diagonal, esto es, los
elementos que tienen el mismo número de fila que de columna.
Una matriz A diagonal de dimensión m x n que tiene por elementos de la

diagonal a los elementos del vector v se le denota por
Ejemplos
Propiedades:
 Son un caso particular de las matrices triangulares.

 La matriz traspuesta de una matriz diagonal de dimensión m x n es
la matriz diagonal de dimensión n x m con la misma diagonal.
 En las matrices cuadradas, el determinante es el producto de los
elementos de la diagonal:
con lo que son regulares si, y sólo si, todos los elementos de la
diagonal son distintos de 0. En tal caso,
 Potencias (para las cuadradas)
 Producto de matrices diagonales: Sean las matrices A y B diagonales

de dimensiones respectivas m x n y n x t, su producto es una matriz
diagonal de dimensión m x t
 Los autovalores (valores propios) de las matrices diagonales

cuadradas son los elementos de la diagonal.
c) Matrices triangulares
Distinguimos dos tipos:
 triangular superior: todos los elementos por debajo de la diagonal

de la matriz son 0, es decir,
 triangular inferior: todos los elementos por arriba de la diagonal de

la matriz son 0, es decir,
Ejemplos
Triangular superior Triangular inferior
Propiedades de las matrices triangulares
 La matriz traspuesta de una triangular superior es triangular inferior

y viceversa.
 Si la matriz es cuadrada, su determinante es el producto de los
elementos de la diagonal
Por tanto, es regular si, y sólo si, los elementos de la diagonal son
distintos de 0. En tal caso,
 La inversa de una matriz triangular superior (inferior) es una matriz

triangular superior (inferior).
 El producto de matrices triangulares superiores (inferiores) es una
matriz triangular superior (inferior).
 Los autovalores (valores propios) de una matriz cuadrada triangular
son los elementos de la diagonal.
d) Matriz traspuesta
La matriz traspuesta de una matriz A de dimensión m x n es una matriz de

dimensión n x m que tiene por columnas a las filas de A. Se denota como AT
(o A' si la matriz es real).
Ejemplos
Propiedades de la matriz traspuesta
 Traspuesta de la traspuesta
 Traspuesta de la suma
 Traspuesta del producto

 Una matriz es igual que su traspuesta si, y sólo si, es simétrica
 El determinante de una matriz regular es igual al de su traspuesta
e) Matriz adjunta
Sea A una matriz de cuadrada de dimensión n
se define su matriz adjunta como
donde Ai , j es la matriz que resulta al quitar la fila i y columna j a A.
Al elemento ad i , j se le denomina ( i , j )- cofactor (o adjunto) de la matriz

A.
Propiedades de la matriz adjunta:
 Adjunta de la identidad
 Adjunta de la traspuesta
 Adjunta del producto
 Si A es de dimensión n y k un escalar
 Si A es regular, su inversa es
Esta propiedad se usa con frecuencia para el cálculo de la inversa:

ejemplos.
Ejemplo de matriz adjunta
f) Matriz simétrica
Una matriz A cuadrada es simétrica si es igual a su traspuesta. Es decir,
Ejemplo
Propiedades de las matrices simétricas
 La inversa de una matriz simétrica regular es simétrica.

 La adjunta de una simétrica es simétrica.
 La suma de simétricas es simétrica. El producto lo es si, y sólo si,
también es conmutativo.
 Los autovalores (valores propios) de una matriz cuadrada, real y
simétrica son reales.
 Auto vectores (vectores propios) de autovalores distintos de una
matriz cuadrada y real son ortogonales.
 Una matriz cuadrada y real, A, es simétrica si, y sólo si, es
diagonalizable mediante una matriz de paso ortogonal, Q. Es decir,
g) Matriz antisimétrica
Una matriz cuadrada A es antisimétrica si es igual a la opuesta de su

adjunta, es decir
h) Matriz definida positiva
Una matriz A de dimensión m x n es definida positiva si para todo vector x

= ( x1 ,…, xn ) se cumple
Si la desigualdad se cumple con el signo ≥, diremos que es semi definida

positiva.
i) Matriz (estrictamente) diagonalmente dominante por filas o

columnas
Una matriz A de dimensión m x n es diagonalmente dominante por filas si
diremos que los es por columnas si
Diremos que los son estrictamente si la desigualdad se cumple de forma

estricta: >.
j) Matriz Hessenberg
Una matriz cuadrada A de dimensión n > 1 diremos que es Hessenberg

superior si todos los elementos por debajo de la diagonal -1 son nulos.
Recordamos que la diagonal -k es el diagonal número k por debajo de la
diagonal (principal).
Una matriz cuadrada A de dimensión n > 1 diremos que es Hessenberg

inferior si todos los elementos por arriba de la diagonal -1 son nulos.
Recordemos que la diagonal k es el diagonal número k por arriba de la
diagonal (principal) [1].
Ejemplos
Hessenberg superior
Hessenberg inferior
SISTEMAS TRIDIAGONALES
Un sistema lineal de ecuaciones tridiagonal tiene la forma
que podemos escribir como A x=b, donde A es la matriz tridiagonal

que tiene como valores
La eliminación de Gauss nos permite obtener un sistema bidiagonal superior

si hacemos ceros en la subdiagonal principal mediante combinaciones lineales
de las ecuaciones del sistema.
Por ejemplo, para eliminar el término multiplicado por a2 le restaremos a la
segunda ecuación la primera multiplicada por a2/d1. Procediendo de esta
manera con las sucesivas ecuaciones obtendremos tras (n−1) pasos, el sistema
El cálculo de estos coeficientes se denomina iteración hacia adelante o

progresiva. Estudiaremos
en detalle este cálculo. La primera fila ha de quedar inalterada
Supongamos que hemos realizado (k−1) pasos de eliminación de elementos

subdiagonales. En el k-ésimo, tendremos las siguientes ecuaciones en las filas
(k−1) y k-ésima,
Eliminaremos el elemento subdiagonal ak si le restamos a la k-ésima ecuación

la (k−1)-ésima multiplicada por ak/αk−1, lo que conduce a
Aplicaremos este procedimiento para k= 2,3, . . ., n.

La solución del sistema la podemos obtener resolviendo el sistema bidiagonal
superior
obtenido mediante sustitución hacia atrás o regresiva,
El número de operaciones realizadas en la iteración hacia adelante es de 2

(n−1) divisiones, 2 (n−1) productos y 2 (n−1) sumas, y en la iteración hacia
atrás 1 división (si los números 1/αk se guardan durante la iteración hacia
adelante), 2n+ 1 productos y n−1 sumas. Es decir, n divisiones, 5n−2
productos y 3 (n−1) sumas de bloques. En total se requieren O (8n)
operaciones aritméticas. Esta expresión es lineal en el tamaño de la matriz n.
En cuanto a almacenamiento, necesitamos solamente 4 vectores (4 n
elementos) ya que en el paso hacia adelante podemos almacenar el vector αk
en el vector ak y el βk en el bk. Además, es usual almacenar 1/αk en lugar de αk
con objeto de evitar calcular dos veces los números 1/αk , hecho que hemos
utilizado en el cálculo del número de operaciones previamente presentado.
También podemos resolver un sistema tridiagonal por factorización LU, por
ejemplo, de Doolittle. Escribiendo
Comparando el producto de Ly U con A se obtienen fácilmente las relaciones

de recurrencia
Una vez obtenidas las matrices bidiagonales L y U, para obtener la

solución de A x=b, se resuelven los sistemas L y=b, y U x= y. Este
procedimiento es completamente equivalente a
la eliminación de Gauss previamente presentada y su coste es exactamente el
mismo.
Un análisis de errores hacia atrás para este procedimiento es sencillo.
Aplicando el modelo estándar de la aritmética y el modelo modificado,
y por tanto se cumplen las cotas de error
Este resultado de análisis de errores regresivo se escribe matricialmente de la forma

siguiente
La solución del sistema tridiagonal A x=mediante factorización LU conduce a

una solución numérica que cumple las siguientes cotas de error regresivo
La demostración, sencilla por otro lado, de estas expresiones se deja como

ejercicio para el lector. Se pueden estudiar las matrices tridiagonales para las
que la cota de error regresivo es de la forma |∆ A| ≤c(u)|A|, es decir, para las
que |L || U| ≤ c|L̂U|, donde
c es una constante. Entre ellas destacan las matrices tridiagonales sin
estrictas definidas positivas (c= 1) y las diagonalmente dominantes por filas
(c= 3) [2].
VII. Resultados
VIII. Conclusiones
IX. Recomendaciones
X. Bibliografía
Bibliografía
[1] L. J., «Matefacil.com,» Matefacil.com, [En línea]. Available:

https://www.matesfacil.com/matrices/matrices-especiales.html. [Último acceso: 18 12
2017].
[2] J. W. Stewart, Matrix Algorithms, Philadelphia: SIAM, 1998.

Matrices Especiales y Sistemas Tridiagonales

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Matrices Especiales y Sistemas Tridiagonales

Cargado por

Copyright:

Formatos disponibles

Universidad Técnica de Ambato

Facultad de Ingeniería en Sistemas, Electrónica e Industrial

Es decir, usando la descomposición LU se requiere la mitad de operaciones

En esta sección presentamos los tipos básicos de matrices según su forma

Llamamos matriz identidad a la matriz cuadrada (mismo número de filas

entradas (posiciones). La representamos por In donde n es la dimensión de la

 Es el neutro del producto de matrices. Es decir, para toda matriz A de

 Es idempotente, es decir, sus potencias son ella misma

 Es regular y su inversa es ella misma.

Una matriz A diagonal de dimensión m x n que tiene por elementos de la

 Son un caso particular de las matrices triangulares.

 Potencias (para las cuadradas)

 Producto de matrices diagonales: Sean las matrices A y B diagonales

 Los autovalores (valores propios) de las matrices diagonales

Distinguimos dos tipos:

 triangular superior: todos los elementos por debajo de la diagonal

 triangular inferior: todos los elementos por arriba de la diagonal de

Propiedades de las matrices triangulares

 La matriz traspuesta de una triangular superior es triangular inferior

 La inversa de una matriz triangular superior (inferior) es una matriz

La matriz traspuesta de una matriz A de dimensión m x n es una matriz de

Propiedades de la matriz traspuesta

 Traspuesta del producto

 Una matriz es igual que su traspuesta si, y sólo si, es simétrica

 El determinante de una matriz regular es igual al de su traspuesta

Sea A una matriz de cuadrada de dimensión n

se define su matriz adjunta como

donde Ai , j es la matriz que resulta al quitar la fila i y columna j a A.

Al elemento ad i , j se le denomina ( i , j )- cofactor (o adjunto) de la matriz

Propiedades de la matriz adjunta:

 Adjunta del producto

Esta propiedad se usa con frecuencia para el cálculo de la inversa:

Ejemplo de matriz adjunta

Una matriz A cuadrada es simétrica si es igual a su traspuesta. Es decir,

Propiedades de las matrices simétricas

 La inversa de una matriz simétrica regular es simétrica.

Una matriz cuadrada A es antisimétrica si es igual a la opuesta de su

h) Matriz definida positiva

Una matriz A de dimensión m x n es definida positiva si para todo vector x

Si la desigualdad se cumple con el signo ≥, diremos que es semi definida

i) Matriz (estrictamente) diagonalmente dominante por filas o

Una matriz A de dimensión m x n es diagonalmente dominante por filas si

diremos que los es por columnas si

Diremos que los son estrictamente si la desigualdad se cumple de forma

Una matriz cuadrada A de dimensión n > 1 diremos que es Hessenberg

Una matriz cuadrada A de dimensión n > 1 diremos que es Hessenberg

que podemos escribir como A x=b, donde A es la matriz tridiagonal

La eliminación de Gauss nos permite obtener un sistema bidiagonal superior

El cálculo de estos coeficientes se denomina iteración hacia adelante o

Supongamos que hemos realizado (k−1) pasos de eliminación de elementos

Eliminaremos el elemento subdiagonal ak si le restamos a la k-ésima ecuación

Aplicaremos este procedimiento para k= 2,3, . . ., n.

El número de operaciones realizadas en la iteración hacia adelante es de 2

Comparando el producto de Ly U con A se obtienen fácilmente las relaciones

Una vez obtenidas las matrices bidiagonales L y U, para obtener la

y por tanto se cumplen las cotas de error

Este resultado de análisis de errores regresivo se escribe matricialmente de la forma

La solución del sistema tridiagonal A x=mediante factorización LU conduce a

La demostración, sencilla por otro lado, de estas expresiones se deja como

[1] L. J., «Matefacil.com,» Matefacil.com, [En línea]. Available:

[2] J. W. Stewart, Matrix Algorithms, Philadelphia: SIAM, 1998.

También podría gustarte