Professional Documents
Culture Documents
- lgebra Matricial
lgebra Matricial
A.1
Notacin y definiciones
Matrices
Una matriz es un arreglo rectangular de smbolos o cantidades numricas ordenadas en
filas y columnas. El arreglo se encierra entre parntesis cuadrados, de manera que si tiene
n filas y m columnas la matriz se representa como:
a11 a12
a
21 a22
a31 a32
.
.
.
.
.
A= .
a
a2
1
.
.
.
.
.
.
an1 an 2
a13
. . . a1 j
a23 . . . a2 j
a33 . . . a3 j
.
. . .
. . .
.
a3
. . .
. . .
.
aij
. . .
.
.
. . .
. . .
.
.
an 3 . . . anj
. . . a1m
. . . a2 m
. . . a3m
. . . .
. . . .
. . . .
. . . aim
. . . .
. . . .
. . . .
. . . anm
(A.1)
En que cada elemento, por ejemplo aij , tiene 2 ndices, el primero indica la fila (i) y el
segundo indica la columna (j) donde se ubica el elemento en la matriz. Una matriz con n
filas y m columnas se define como una matriz de orden n x m. El smbolo A representa
el arreglo completo y se subraya para indicar que se trata de una matriz.
A = a11
y se le llama matriz fila.
a12
.. a1 j
.. a1m
(A.2)
a11
a
12
:
A=
ai1
:
a n1
(A.3)
Si todos los elementos de una matriz son iguales a cero, la matriz se llama matriz nula o
matriz cero y se escribe 0 . En lgebra matricial la matriz cero cumple la misma funcin
que el cero en el lgebra ordinaria.
Matriz cuadrada
Si m = n, la matriz A posee igual nmero de filas y columnas y se llama matriz cuadrada.
Las matrices cuadradas ocupan un rol importante en el lgebra matricial pues solo ellas (si
sus elementos cumplen ciertas condiciones) pueden tener inversas.
Matriz diagonal
Una matriz diagonal es una matriz cuadrada cuyos elementos fuera de la diagonal
principal son nulos. Esto significa que aij = 0 para i j y no todos los aii son nulos.
Matriz identidad
Es una matriz diagonal especial en que todos los elementos de una diagonal son iguales a
uno. Normalmente se utiliza el smbolo I n para una matriz identidad de orden n:
[ ]
I n = I ij
Matriz de permutaciones
I4 =
P4 =
(A.4)
Matriz simtrica
Es una matriz cuadrada en que los elementos sobre la diagonal principal son iguales a los
elementos ubicados bajo dicha diagonal. Esto es:
aij = a ji
i = 1,2,..., n , j = 1,2,..., n
Una matriz triangular superior es una matriz cuadrada especial en que todos los elementos
bajo la diagonal principal son nulos. En forma anloga se define la matriz triangular
inferior, en la que los elementos sobre la diagonal son nulos.
Llamando U (upper) a la matriz triangular superior y L (lower) a la matriz triangular
inferior, estas son de la forma:
O
U=
0 O
O 0
L=
O
(A.5)
Matriz de banda
Matriz de banda o bandeada es una matriz cuadrada en la que sus elementos se agrupan
alrededor de la diagonal principal.
a11
a
21
a31
O
0
A= 0
0
0
..
..
a12
a 22
a13
a 23
O
a 24
0
O
0
0
a32
a33
a34
a35
a 42
O
a 43
a53
a 44
a54
a 45
a55
a 46
a56
O
O
..
..
..
0
0
0
0 .. .. .. 0
O 0 .. ..
a57 O
O
O
O
O
O
O
O
O
0
0
..
..
..
..
..
..
(A.6)
Un caso especial lo constituyen las matrices de banda simtricas. En ese caso solo es
necesario conocer los elementos de la diagonal y de la parte superior (o inferior) de la
banda por lo que usualmente se almacena la mitad del ancho de banda. La matriz de
rigidez es una estructura cuyos nudos han sido numerados en forma adecuada (poca
diferencia de numeracin de los nudos de cada elemento) es una matriz bandeada
simtrica.
Hipermatriz
Es una matriz cuyos elementos son matrices:
A11
A=
A 21
A12
A 22
(A.7)
a12
a 22
a32
a13
A11
q 23 =
A
a33 21
A12
A 22
(A.8)
en que:
a
A11 = 11
a12
a12
a 22
a
A12 = 13
a 23
A 21 = [a31
a32 ]
A 22 = [a 33 ]
Matriz hiperdiagonal
Es una hipermatriz diagonal, esto es, una matriz diagonal en que los elementos de la
diagonal son matrices:
a 1
diag {a j } =
a2
a3
a n
(A.9)
Igualdad
Dos matrices son iguales si son del mismo orden (n x m) y todos sus elementos son
idnticos:
A=B
aij = bij
i = 1,2,..., n ,
j = 1,2,..., m
(A.10)
Suma
Una matriz C (n x m) se llama suma de dos matrices A (n x m) y B (n x m) si se cumple
que:
C = A+ B
Ejemplo:
i = 1,2,..., n
j = 1,2,..., m
(A.11)
3 2
A = 0 4
5 2
1 6
B = 2 3
1 2
4 8
C = 2 7
6 0
Resta
En forma similar a la suma
C = A B
i = 1,2,..., n
j = 1,2,..., m
(A.12)
Ejemplo: Con las matrices A y B del ejemplo anterior se tiene que C sera.
2 4
C = 2 1
4
4
Trasposicin de una matriz
B=A
bij = aij
i = 1,2,..., m
j = 1,2,..., n
(A.13)
Ejemplo:
a
A = 11
a 21
a12
a 22
a13
a 23
a11
A = a12
a13
a 21
a 22
a 23
(A )
T T
=A
(A.14)
A =A
T
(A.15)
cij = aij
i = 1,2,..., n
j = 1,2,..., m
(A.16)
i = 1,2,..., n
j = 1,2,..., m
(A.17)
3 1 2 7 1 19 10
(A.18)
A (B + C ) = A B + A C
(A.19)
(A.20)
(A.21)
En el producto A B se pude decir que B est premultiplicada por A , o bien que A est
post - multiplicada por B .
La operacin de multiplicacin de matrices puede ser extendido a matrices particionadas
en submatrices, siempre que estas sean conformadas para la multiplicacin:
A11
AB =
A 21
A12 B 11
A 22 B 21
B 12 A11 B 11 + A12 B 21
=
B 22 A 21 B 11 + A 22 B 21
A11 B 12 + A12 B 22
A 21 B 12 + A 22 B 22
( AB )T
Por extensin:
=B A
T
(A.22)
( ABC...H )T
= H ...C B A
T
(A.23)
a) Producto escalar:
T
Si los 2 vectores a y b son del mismo orden n el producto a b es un nmero escalar:
= a T b = b T a = i =1 ai bi
n
(A.24)
= a T b = bT a = 0
(A.25)
a = a a = i =1 ai2
T
(A.26)
b) Producto didico
El producto de un vector a de orden n y la traspuesta de un vector b de orden m es una
matriz (nxm) de la forma:
a1
a
2
a3
T
ab = . [b1
.
.
a
n
b2
b3
a1b1
a b
2 1
.
. . . bm ] =
.
.
a n b1
a1b2
a n b2
a1bm
a n bm
(A.27)
10
a12
a 22
.
.
.
.
.
.
a1n
a2n
.
.
A=
(A.28)
a n1
a n1
a nn
A = (a1i
a2 j
a 3k
. . .)
(A.29)
en que los ndices de las filas aparecen en el orden normal (1, 2, 3, ....... n) mientras que
los ndices de las columnas i, j, k,... aparecen como permutaciones del orden normal. El
signo positivo o negativo depende de si el orden i, j, k se obtuvo mediante un nmero par
o impar de permutaciones del orden natural. La suma se extiende por n! permutaciones
Ejemplo
a11
a 21
a12
= a11 a 22 a12 a 21
a 22
A= A
(A.30)
11
AB = A B
(A.31)
Menores y Cofactores
El primer menor de un determinante A correspondiente al elemento aij se define
como el determinante de la matriz obtenida eliminando la fila i y la columna j de la matriz
A . Por lo tanto si A es un polinomio de orden n, entonces el primer menor es de orden
n1. Esta definicin puede ser extendida eliminando 5 filas y 5 columnas de la matriz,
hablndose en dicho caso se in menor de orden n5. El primer menor correspondiente al
elemento aij se denomina M ij . Si el primer menor M ij se multiplica por (1) i + j , el
(A.32)
12
(A.33)
j =1
o bien
n
(A.34)
i =1
Ejemplo
a11
a12
a 21
a 31
a 22
a32
a13
a
a 23 = a11 21
a32
a33
a 23
a33
a 21
a12
a13
a 32
a 33
+ a 31
a12
a13
a 22
a 23
a
j =1
ij
a
j =1
ij
A si i = k
Akj =
0 si i k
(A.35)
A si j = k
Aik =
0 si j k
(A.36)
L = l 11l 22 ...l nn = l ii
(A.37)
i =1
U = u11u 22 ...u nn = u ii
(A.38)
i =1
A11
A
12
A13
A = .
.
.
A
1n
13
A21
A22
A31
.
.
.
.
.
.
.
A23
A2 n
An1
An 2
An 3
Ann
(A.39)
(A.40)
bij = aik A jk
(A.41)
k =1
(A.42)
Por lo tanto la matriz B es una matriz diagonal en que dichos elementos de la diagonal
son iguales a A , esto es:
B = A A = A I
(A.43)
14
A A
=I
A
(A.44)
A
A
(A.45)
=I
(A.46)
A =
Se observa que
AA
A A =A A= I
Ejemplo
3 2 1
A = 2 3 2
1 2 3
A = 3(94) 2(62)+1(43) = 8
(94) (62) (43) 5 4 1
A = (62) (91) (62) = 4 1 4
15
5
5 4 1 8
1
1
1
A = 4 8 4 =
2
8
1 4 5 1
8
Haciendo el producto A A
5
3 2 1 8
2 3 2 1
2
1 2 3 1
1
2
1
8
1
2
5
se comprueba que:
1
2
1
1
2
1
1
2
1
8 1 0 0
1
= 0 1 0
2
5 0 0 1
( A B C ... H ) 1 = H ... C B A
(A.47)
Matriz definida positiva
Una matriz cuadrada A se llama matriz definida positiva si se cumple que para
cualquier vector X :
Ejemplo
[x1
1
x 2 ]
x1
= x12 +( + ) x1 x 2 +2 x 22 > 0
x 2 x 2
16
Las matrices definidas positivas tienen la importante propiedad de que son regulares (no
singulares). La matriz de rigidez de una estructura K tiene dicha propiedad debido a que
la energa de deformacin de una estructura representada por:
1 T
U = r K r > 0 para todo r 0
2
en que r representa un desplazamiento cualquiera de la estructura y la energa de
deformacin U es siempre positiva (al deformar una estructura esta acumula energa).
Se dice que una matriz A de orden nm tiene rango r si contiene por lo menos una
submatriz cuadrada de orden rr cuyo determinante es distinto de cero, mientras que el
determinante de cualquier submatriz cuadrada de orden (r +1)(r +1) es cero. Es evidente
que el rango r de una matriz A de orden nm puede sser a lo sumo igual al menor de los
valores de n y m.
T
17
(A.50)
a n1
a12
a 22
.
an2
... a1n
... a 2 n
... a nn
(A.51)
x1
x
x= 2
.
xn
b1
b
B= 2
.
bn
(A.52)
A A x= A B
x= A B
se tiene
(A.53)
18
Algoritmo de Gauss
ai1
a11
i = 2,3,...n
y dicha fila modificada se resta de la correspondiente fila i. De ese modo aparece una
nueva fila i modificada en que desaparece la primera columna, ya que:
ai1 a11
ai1
=0
a11
i = 2, 3,...n
ai1
a11
bi' = bi b1
, j = 2, 3,...n
ai1
a11
19
....
....
....
'
a n' 2 x 2 +a n' 3 x3 +....+ a nn
x n =bn'
ci 2 =
ai' 2
'
a 22
restando dicha fila modificada a las correspondientes filas i. De ese modo, a partir de la
tercera fila desaparece la segunda columna ya que
'
a i' 2 a 22
ai' 2
=0
'
a 22
i = 3, 4,...n
20
....
u n 1, n 1 x n 1 +u n 1, n x n = d n 1
u nn x n = d n
xn =
dn
u nn
x n 1 =
(d n 1 u n 1, n x n )
u n 1, n 1
...
n
x1 =
(d1 u1r x r )
r =2
u11
Algoritmo de Cholesky
(A.54)
21
j 1
l ij = (aij l ik l jk )/ l jj
i>j
l ij = 0
i<j
(A.55)
k =1
L L x=B
(A.56)
L x= y
(A.57)
L y=B
(A.58)
y definiendo:
T
se tiene que
y i = (bi l ik y j )/ l ii
i =1, 2, ...n
(A.59)
j =1
El paso anterior es un clculo hacia delante, este es partiendo desde las primeras
incgnitas hacia las ltimas.
El tercer paso corresponde a un clculo hacia atrs de las incgnitas, esto es, partiendo
de (A.57) se obtiene que:
n
xi = ( y i l ji x j )/ l ii
i =1, 2, ...n
j = i +1
en que se parte con i=n, siguiendo con i=n-1 hasta llegar a i=1.
(A.60)
Ejemplo
1 0 2 x1 2
0 4 6 x = 1
2
2 6 14 x3 5
Primer paso: descomposicin
l 11 = a11 =1
l 21 =a 21 / l 11 =0/1=0
l 31 =a31 / l 11 =2/1=2
l 22 = a 22 l 221 = 4 =2
l 32 =(a32 l 31l 21 )/ l 22 =(60)/ 2=3
l 33 = a33 l 231 l 232 = 1449 =1
luego:
1 0 0
L = 0 2 0
2 3 1
Segundo paso, clculo hacia adelante:
y1 =b1 / l 11 =2/1=2
y 2 =(b2 l 21 y1 )/ l 22 =(101)/ 2=1/ 2
y 3 =(b3 l 31 y1 l 32 y 2 )/ l 33 =(5223(1/ 2))/1=5/ 2
Tercer paso, clculo hacia atrs:
x3 = y 3 / l 33 =5/ 2/1=5/ 2
x 2 =( y 2 l 32 x3 )/ l 22 =(1/ 235/ 2)/ 2=4
x1 =( y1 l 21 x 2 l 31 x3 )/ l 11 =(20(4)25/ 2)/1=3
22
23
A= L L
se calcula
l *ii =1/ l ii
i 1
l *ij = (l ik l *kj )/ l ii
i>j
l *ij = 0
i<j
(A.61)
k= j
(A.62)
( L ) 1 =( L ) T
T
(A.63)
A = ( L L ) 1 =( L 1 ) T L
Ejemplo
Para la matriz A del ejemplo anterior
(A.64)
1 0 2
A = 0 4 6
2 6 14
24
1 0 0
L = 0 2 0
2 3 1
L = 0 1/ 2 0
2 3/ 2 1
1
por lo tanto
0
0 5
3
2 1
2
1 0
A = 0 1/ 2 3/ 2 0 1/ 2 0 = 3 10/ 4 3/ 2
0 0
1 2 3/ 2 1 2 3/ 2
1
1
( A I ) x= 0
(A.66)
Una solucin no trivial a este problema es slo posible si la matriz ( A I ) es singular (en
caso contrario la nica solucin posible es x= 0 ), por lo tanto se debe cumplir que
25
det ( A I ) = 0
(A.67)
n + a1n 1 +a 2 n 2 + ... + a n = 0
(A.68)
=traza( A)
i
i =1
(A.69)
(A.70)
i =1
=
i =1
3 ...n =det ( A)
(A.71)
Ejemplo:
2 1
A=
2 3
Sea
2 5+4=0
las races de la ecuacin son 1 = 1 y 2 = 4
Comprobacin de (A.69)
2
=1+4=5=a
i =1
11
+ a 22
Comprobacin de (A.71)
2
Reemplazando 1 = 1 en (A.66)
21 1 x11 0
2 31 x = 0
21
en que x11 y x 21 son las componentes del vector propio x 1 (el primer ndice indica la
componente, el segundo ndice el vector propio)
Las ecuaciones resultantes:
26
x11 + x 21 =0
2 x11 +2 x 21 =0
Son linealmente dependientes y el nico resultado que se obtiene es
x 21 = x11
22
en que x12 y x 22 son las componentes del vector propio x 2 , las ecuaciones resultantes
2 x11 + x 21 =0
2 x11 x 21 =0
Son tambin linealmente dependientes y el resultado que se obtiene es:
x 22 =2 x12
27
28
(A.72)
o su equivalente
( A B ) x= 0
(A.73)
(A.74)
(A.75)
29
El programa SMIS contiene la operacin EIGEN que determina los valores y vectores
propios del problema general (A.72) A x= B x en que A es una matriz simtrica y B es
una matriz diagonal. Este clculo es tpico en la determinacin de las frecuencias propias
y modos de vibrar de una estructura. En este caso, la matriz A corresponde a la matriz de
rigidez de la estructura (simtrica y definida positiva) y B corresponde a la matriz de
masas de la estructura cuando se utiliza el modelo de masas concentradas.
Para utilizar la operacin EIGEN para el caso en que A sea una matriz simtrica y
definida positiva (por ejemplo la matriz de rigidez) y B una matriz simtrica cualquiera
(por ejemplo la matriz de masas consistente de una estructura para el problema de
frecuencias propias y modos de vibrar, o bien, la matriz de rigidez geomtrica de la
estructurapara el caso del problema del pandeo) es necesario realizar algunas operaciones
previas para realizar la operacin.
i) Se descompone la matriz A mediante el algoritmo de Cholesky:
A = L LT
(A.76)
y = LT x
(A.77)
x = ( L -1 ) T y
(A.78)
ii) Definiendo:
se tiene que:
(A.79)
iii) Definiendo:
(A.80)
30
~
A = L 1 B ( L -1 ) T
(A.81)
=1/
(A.82)
se tiene que
~
~
A y= y
(A.83)
~
Esta ecuacin representa el problema estndar de valores propios en que la matriz A
definida en (A.81) es simtrica. Este problema puede ser resuelto por la operacin
~
EIGEN que resuelve (A.72). La matriz A en este caso corresponde a A mientras que B
es la matriz unitaria.
~
Al resolver el problema (A.83) se obtienen los valores propios y vectores propios y .
Para obtener los valores y vectores propios del problema original (A.72) se deben utilizar
las relaciones (A.78) y (A.82):
=1/
x = ( L -1 ) T y