O A Algebra Matricial

Anexo A.
- 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.
Matriz fila y Matriz columna

Si n=1 la matriz A se reduce a una fila:
A = a11
y se le llama matriz fila.
a12
.. a1 j
.. a1m
(A.2)
Anexo A.- lgebra Matricial
En forma anloga, si m = 1 la matriz A queda:
a11
a
12
:
A=
ai1
:

a n1
(A.3)
Y se le llama matriz columna. A este tipo de matrices tambin se les da el nombre de

vector: y usualmente se denominan en letras minsculas ( a ). El orden de una matriz fila
con m componentes es 1 x m y el de una matriz columna o vector con n componentes es n
x 1.
Matriz nula (matriz cero)
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
en que I ii = 1 y I ij = 0 para i = 1,2,..., n, j = 1,2,..., n
Matriz de permutaciones
Es una matriz identidad en la que se han permutado (intercambiado) filas o columnas.

1
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
Matriz Triangular (superior o inferior)
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)
Tambin se puede llamar a A simplemente matriz en cuyo caso A11 , A12 , A 21 y A 22 se

denominan submatrices.
La hipermatriz tambin se puede originar de una particin de una matriz. Por ejemplo:
a11
A = a 21
a 31
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:
cij = aij + bij
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
cij = aij bij
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
La matriz traspuesta de una matriz A es aquella formada a partir de la matriz A

intercambiando sus filas y columnas:
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
De este modo si la matriz A es de orden n x m, entonces la matriz A es de orden m x n.

Es de hacer notar que se cumplo la siguiente relacin:
(A )
T T
Para matrices simtricas se cumple que:
=A
(A.14)
A =A
T
(A.15)
Multiplicacin de una matriz por un escalar
Si es un nmero escalar cualquiera entonces y si C y A son dos matrices del mismo

orden (n x m)
C = A
cij = aij
i = 1,2,..., n
j = 1,2,..., m
(A.16)
Multiplicacin entre matrices
Dos matrices A y B pueden ser multiplicadas entre s solo si el nmero de columnas de

A es igual al nmero de filas de B . En este caso se dice que las matrices son
conformadas para la multiplicacin. En caso contrario la operacin de multiplicacin no
est definida.
La multiplicacin de dos matrices A (n x p) y B (p, m) entrega una matriz C (n x m)
cuyos elementos se calculan de la siguiente forma.
cij = k =1 a ik bkj
p
i = 1,2,..., n
j = 1,2,..., m
(A.17)
en que a ik y bkj son elementos de la matriz A y B respectivamente.

Ejemplo
1 2 3 1 3 26 4
4 5 6 2 1 = 56 13
3 1 2 7 1 19 10
La multiplicacin de matrices es asociativa y distributiva, manteniendo el orden de la

multiplicacin:
A (B C ) = ( A B ) C = A B C
(A.18)
A (B + C ) = A B + A C
(A.19)
La multiplicacin de matrices en general no es conmutativa. Si A y B son matrices

rectangulares en que la operacin A B esta definida, la operacin B A ni siquiera est
definida. Para matrices A y B , cuadradas en general.
A B BA
(A.20)
Si A es una matriz cuadrada de orden n y I es la matriz identidad de orden n se cumple

que
AI = IA= A
(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
Traspuesta de un producto de matrices

Si A y B son dos matrices conformes para la multiplicacin (el producto A B est
definido) entonces se cumple que:
( AB )T
Por extensin:
=B A
T
(A.22)
( ABC...H )T
= H ...C B A
T
(A.23)
Casos especiales de productos de matrices

Si a y b son dos matrices columnas que usualmente se denominan vectores entonces
existen 2 productos especiales entre ellos:
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)
Dos vectores a y b de orden n son ortogonales si se cumple que:
= a T b = bT a = 0
(A.25)
La norma de un vector se obtiene mediante el producto escalar:
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
El producto didico no es conmutativo:

ab b a
T
Determinante de una matriz

El determinante de una matriz se define solo para matrices cuadradas y se escribe
a11
a 21
a12
a 22
.
.
.
.
.
.
a1n
a2n
.
.
A=
(A.28)
a n1
a n1
a nn
y se define formalmente como:
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
Propiedades de los determinantes

a) El determinante de una matriz es idntico al de su transpuesta:
A= A
(A.30)
11
b) Al intercambiar 2 filas o columnas de una matriz A cambia el signo del determinante

c) Si dos filas o dos columnas de una matriz son idnticas el determinante es cero
d) Si todos los elementos de una fila o columna de una matriz son cero entonces su
determinante es cero.
e) Al multiplicar los elementos de una fila o columna de una matriz A por un factor c
entonces el determinante es c A .
f) Al modificar una matriz A sumndole a una fila (o columnas) otra fila (o columnas)
multiplicada por un constante, no cambia el determinante.
g) De las propiedades anteriores se deduce que si dos filas (o columnas) de una matriz A
son linealmente dependientes entonces su determinante es cero.
h) El determinante de un producto de matrices es igual al producto de los determinantes:
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
resultado se llama cofactor de aij y se designa como Aij :

Aij = (1) i + j M ij
(A.32)
Clculo del determinante por cofactores

Se puede demostrar que el determinante de una matriz A puede ser calculado utilizando
los elementos de una fila (o columna) cualquiera y sus correspondientes cofactores.
12
A = a i1 Ai1 + ai 2 Ai 2 + ... + ain Ain = a ij Aij
(A.33)
j =1
o bien
n
A = a1 j A1 j + a 2 j A2 j + ... + a nj Anj = a ij Aij
(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
a11 (a 22 a 33 a 23 a32 ) a 21 (a12 a33 a13 a32 ) + a31 (a12 a 23 a13 a 22 )

En forma ms general se pude comprobar que:
n
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)
Determinante de una matriz triangular

De (A.33) y (A.34) se deduce fcilmente que para el caso de matrices triangulares
superiores e inferiores se cumple que el determinante es igual al producto de los
elementos de la diagonal:
n
L = l 11l 22 ...l nn = l ii
(A.37)
i =1
U = u11u 22 ...u nn = u ii
(A.38)
i =1
En que L es una matriz triangular inferior y U es una matriz triangular superior.

Matriz adjunta y matriz inversa
Se define como matriz adjunta A de una matriz cuadrada A a la matriz traspuesta de la

matriz de los cofactores, esto es:
A11
A
12
A13
A = .
.
.
A
1n
13
A21
A22
A31
.
.
.
.
.
.
.
A23
A2 n
An1
An 2
An 3
Ann
(A.39)
En que Aij representan a los cofactores de la matriz A de acuerdo a la definicin (A.32)

El producto de una matriz A por su adjunta A es:
B = A A
(A.40)
En que de acuerdo a la frmula (A.17) de la multiplicacin de matrices, los lementos de la

matriz B son:
n
bij = aik A jk
(A.41)
k =1
En que los subndices j,k de la matriz A aparecen permutados debido a su definicin

(A.39).
Comparando (A.41) con (A.35) y (A.36) se deduce que:
A si i = j
bij =
0 si i j
(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)
En que I es la matriz identidad de orden n (mismo orden de A ). Como A es un escalar,

la relacin (A.43) se puede dividir por A quedando:
14
A A
=I
A
(A.44)
A
A
(A.45)
=I
(A.46)
Definiendo una matriz A :

1
A =
Se observa que
AA
La matriz A se define como matriz inversa de la matriz A . Por lo tanto el producto de

una matriz por su inversa es igual a la matriz identidad. De la definicin (A.45) se observa
que si A = 0 no existe la inversa de la matriz A y en dicho caso se dice que la matriz es
singular. Si A 0 existe la matriz inversa y se dice que la matriz es no singular o
regular.
Si se hubiera partido formando el producto B= A A se habra llegado al mismo resultado

por lo tanto se cumple que:
1
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
(43) (62) (94) 1 4 5

Por lo tanto
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
Inversa de un producto de matrices
En forma anloga a la transposicin de un producto de matrices (A.23), tambin se

cumple para la inversin de un producto de matrices:
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 :
X A X > 0 para todo X 0

(A.48)
T
Ejemplo
[x1
1
x 2 ]
x1
= x12 +( + ) x1 x 2 +2 x 22 > 0
x 2 x 2
Esta condicin se cumple para todo x1 , x 2 0 , slo si = = 0 . En dicho caso la

ecuacin:
16
x12 + 2 x 22 = cte > 0

representa la ecuacin de una elipse en el plano x1 , x 2 .
Se puede demostrar que si A es una matriz definida positiva, la funcin X A X = cte es
una funcin convexa, como en el ejemplo de la elipse.
T
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).
Rango de una matriz
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
En el caso de la matriz de equilibrio de una estructura a con n filas y m columnas en que

nm el rango r de dicha matriz es igual a n ya que todas las filas (corresponden a
ecuaciones de equilibrio) son linealmente independientes.
Una matriz cuadrada A de orden nm tendr un rango r<n s y slo s el determinante
de A es cero.
Solucin de Sistemas de Ecuaciones
Un sistema de n ecuaciones lineales con n incgnitas x1 , x1 ,...x n es de la forma:
17
a11 x1 +a12 x 2 +....+ a1n x n =b1

a 21 x1 + a 22 x 2 +....+a 2 n x n =b2
....
....
....
a n1 x1 +a n 2 x 2 +....+ a nn x n =bn
(A.49)
se representa matricialmente de la forma:
Ax=B
(A.50)
en que A es la matriz de coeficientes

a11
a
A = 21
.
a n1
a12
a 22
.
an2
... a1n
... a 2 n
... a nn
(A.51)
el vector x es el vector de las incgnitas y B es el vector de la parte derecha del

sistema de ecuaciones (en estructuras usualmente el vector de cargas)
x1
x
x= 2
.

xn
b1
b
B= 2
.

bn
(A.52)
El sistema de ecuaciones (A.50) tendr solucin slo si el determinante de A no s cero,

esto es, la matriz A tiene inversa. Premultiplicando (A.50) por la matriz A
que:
1
A A x= A B
x= A B
se tiene
(A.53)
18
En general no es necesario invertir la matriz A para resolver el sistema de ecuaciones

(A.50). Es mucho ms rpido aplicar un algoritmo directo. El mas conocido es el
algoritmo de Gauss.
Algoritmo de Gauss
Se utiliza para resolver el sistema de ecuaciones (A.50) en el que la matriz A es cuadrada

y no-singular. Es un algoritmo especialmente apropiado para clculos manuales.
Punto de partida es el sistema de ecuaciones detallado en (A.49). Primeramente se realiza
un intercambio de filas para asegurar que el elemento a11 resultante sea el mayor
elemento en valor absoluto en la primera columna. Si el elemento a11 resultante es cero
significa que la matriz A es singular y se detiene el algoritmo.
Con a11 0 , la primera fila se va multiplicando sucesivamente por los factores:
ci1 =
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
los dems elementos quedan

aij' = aij a1 j
i = 2, 3,...n
ai1
a11
bi' = bi b1
, j = 2, 3,...n
De este modo el sistema de ecuaciones queda:
ai1
a11
19
a11 x1 + a12 x 2 + a13 x3 +....+a1n x n =b1

'
'
a 22
x 2 +a 23
x3 +....+a 2' n x n =b2'
'
'
a32
x 2 + a33
x3 +....+ a3' n x n =b3'
....
....
....
'
a n' 2 x 2 +a n' 3 x3 +....+ a nn
x n =bn'
Posteriormente se repite el proceso de eliminacin a partir de la segunda fila.

'
Nuevamente se intercambian las filas de manera que el elemento a 22
sea el mayor en
valor absoluto de toda segunda columna (exceptuando el elemento de la primera fila).
'
resultante es cero, la matriz A es singular y se detiene el
Nuevamente, si el elemento a 22
algoritmo.
'
0 se repite el procedimiento anterior multiplicando sucesivamente la segunda
Con a 22
fila por los factores
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
La eliminacin se contina en forma similar hasta que finalmente la matriz A ha sido

transformada en una matriz triangular superior. Denominando u ij a los elementos de la
matriz A modificados y d i a os elementos de la parte derecha:
20
u11 x1 +u12 x 2 +u13 x3 + .... +u1n x n = d1

u 22 x 2 +u 23 x3 + .... +u 2 n x n = d 2
u 33 x3 + .... +u 3n x n = d 3
....
....
u n 1, n 1 x n 1 +u n 1, n x n = d n 1
u nn x n = d n
La solucin del sistema de ecuaciones de esta forma es elemental haciendo un clculo

desde atrs (ltimas incgnitas) hacia delante (primeras incgnitas) en forma sucesiva:
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
Por otra parte, de acuerdo a (A.38), el determinante de A se obtiene como

det ( A) = u11 u 22 u 33 ... u nn
Algoritmo de Cholesky
Se utiliza para resolver el sistema de ecuaciones (A.50) cuando la matriz A es simtrica y

definida positiva. Es un algoritmo especialmente apropiado para su programacin.
Como primer paso se realiza una descomposicin de la matriz en un producto de una
matriz triangular inferior por una matriz triangular superior, esto es:
A= L L
en que L es una matriz triangular inferior.
(A.54)
21
Se puede demostrar fcilmente que los elementos de la matriz L se pueden calcular

sucesivamente utilizando las siguientes expresiones:
i 1
l ii = (aii l 2ik )1/ 2

k =1
j 1
l ij = (aij l ik l jk )/ l jj
i>j
l ij = 0
i<j
(A.55)
k =1
El clculo de L se hace por columnas (partiendo con j=1 e i=j,n)

Como segundo paso, teniendo que
L L x=B
(A.56)
L x= y
(A.57)
L y=B
(A.58)
y definiendo:
T
se tiene que
El sistema de ecuaciones (A.58) se resuelve fcilmente debido a que L es una matriz

triangular inferior:
i 1
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
Inversin de una matriz simtrica y definida positiva
22
23
Si A es una matriz simtrica y definida positiva, se puede utilizar el algoritmo de

Cholesky para su descomposicin:
A= L L
Luego se calcula la inversa de la matriz triangular inferior L .

Llamando L = L
fcilmente de:
*
se tiene que los elementos de la matriz inversa 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
Considerando que para cualquier matriz A no singular se cumple que:

T
A
1
( A ) = =( A ) T
A
1
(A.62)
Tambin se cumple para L :

1
( L ) 1 =( L ) T
T
(A.63)
La inversa de la matriz A se obtiene segn (A.47):

1
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
l *11 =1/ l 11 =1/1=1
24
1 0 0
L = 0 2 0
2 3 1
l *22 =1/ l 22 =1/ 2
l *33 =1/ l 33 =1/1=1
l *21 =l 21 l *11 / l 11 =01/1=0

l *31 =(l 31 l *11 l 32 l *21 )/ l 33 =(2130)/1=2
l *32 =l 32 l *22 / l 33 =(31/ 2)/1=3/ 2
luego
0
0
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
Problema estndar de valores propios
Si A es una matriz cuadrada de orden n, el problema

A x= x
(A.65)
se denomina problema estndar de valores propios de la matriz A . El factor es un
valor escalar llamado valor propio mientras que el vector x asociado a se llama
vector propio. El problema (A.65) se puede escribir tambin como:
( 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)
Si se expande el determinante indicado en (A.67) para una matriz A de orden n se

obtiene:
n + a1n 1 +a 2 n 2 + ... + a n = 0
(A.68)
La ecuacin (A.68) se conoce como ecuacin caracterstica de A . Dicha ecuacin posee n

races 1 , 2 , ... n que son los valores caractersticos o valores propios de la matriz A .
Algunas propiedades de los valores propios son las siguientes:
a) Para cada valor propio i existe un vector propio x i correspondiente. Como el
sistema de ecuaciones (A.66) es homogneo y la matriz ( A i I ) es singular, el
vector x i no aparece determinado en forma nica, sino que slo se determina la
relacin entre sus componentes. Esto es, si x i es el vector propio correspondiente
a i , el vector x i (en que es un escalar cualquiera 0 ) tambin representa al
mismo vector propio.
b) La suma de los valores propios de una matriz A es igual a la traza de la matriz
A
n
=traza( A)
i
i =1
(A.69)
en que la traza de la matriz A se define como la suma de los elementos de su

diagonal:
n
traza ( A)= aii
(A.70)
i =1
c) El producto de los valores propios de A es igual al determinante de A :

n
=
i =1
3 ...n =det ( A)
(A.71)
d) Los vectores propios correspondientes a distintos valores propios son linealmente

independientes.
Ejemplo:
2 1
A=
2 3
Sea
Los valores propios se determinan de la condicin (A.67):

2 1
det ( A I ) = det
= 0
2 3
la ecuacin caracterstica resulta ser
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
=14 =det ( A) = 234=4

i =1
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
esto es, el vector x 1 se puede escribir como

1
x 1 = x11
1
en que x11 es un escalar cualquiera.
En forma similar reemplazando 2 = 4 en (A.66) se obtiene
2 1 x12 0
2 1 x = 0
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
esto es, el vector x 2 se puede escribir como

1
x 2 = x12
2
en que x12 es un escalar cualquiera.
Problema general de valores propios
27
28
Si A y B son dos matrices cuadradas, el problema

A x= B x
(A.72)
o su equivalente
( A B ) x= 0
(A.73)
se denomina problema general de valores propios. La ecuacin caracterstica de este

problema se obtiene de:
det ( A B ) = 0
(A.74)
Si cualquiera de las matrices A B es no singular, por ejemplo si B es no singular, la

ecuacin (A.73) se puede premultiplicar por B 1 resultando
( B 1 A I ) x= 0
(A.75)
que corresponde al problema estndar de valores propios de la matriz B 1 A . Por lo tanto,

las propiedades a), b), c) y d) de los valores propios del problema estndar, tambin son
vlidas para el problema general.
Sin embargo, numricamente no es recomendable transformar el problema (A.73) en el
problema (A.75), debido a que se destruyen posibles caractersticas adecuadas de la
matriz A . Por ejemplo, si A es una matriz simtrica, la matriz B 1 A ya no lo es. Por
otra parte, si la matriz A es una matriz de banda, la matriz B 1 A pierde la estructura de
banda de la matriz A .
Para matrices A y B simtricas existen las siguientes propiedades adicionales de los
valores propios:
e) Si A y B son simtricas los valores propios i son todos nmeros reales.
f) Si A y B son simtricas y A B es definida positiva, los valores propios i son
todos positivos.
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
y se reemplaza en (A.72) quedando:

L L T x= B x
(A.76)
y = LT x
(A.77)
x = ( L -1 ) T y
(A.78)
ii) Definiendo:
se tiene que:
reemplazando (A.77) y (A.78) en (A.76) queda:

L y = B ( L -1 ) T y
(A.79)
premultiplicando (A.79) por L 1 se tiene que:

I y = L 1 B ( L -1 ) T y
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

O A Algebra Matricial

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

O A Algebra Matricial

Uploaded by

Copyright:

Available Formats

Anexo A.

Matriz fila y Matriz columna

Anexo A.- lgebra Matricial

En forma anloga, si m = 1 la matriz A queda:

Y se le llama matriz columna. A este tipo de matrices tambin se les da el nombre de

en que I ii = 1 y I ij = 0 para i = 1,2,..., n, j = 1,2,..., n

Anexo A.- lgebra Matricial

Es una matriz identidad en la que se han permutado (intercambiado) filas o columnas.

Matriz Triangular (superior o inferior)

Anexo A.- lgebra Matricial

Tambin se puede llamar a A simplemente matriz en cuyo caso A11 , A12 , A 21 y A 22 se

Anexo A.- lgebra Matricial

cij = aij + bij

Anexo A.- lgebra Matricial

cij = aij bij

La matriz traspuesta de una matriz A es aquella formada a partir de la matriz A

De este modo si la matriz A es de orden n x m, entonces la matriz A es de orden m x n.

Para matrices simtricas se cumple que:

Anexo A.- lgebra Matricial

Multiplicacin de una matriz por un escalar

Si es un nmero escalar cualquiera entonces y si C y A son dos matrices del mismo

Multiplicacin entre matrices

Dos matrices A y B pueden ser multiplicadas entre s solo si el nmero de columnas de

en que a ik y bkj son elementos de la matriz A y B respectivamente.

La multiplicacin de matrices es asociativa y distributiva, manteniendo el orden de la

Anexo A.- lgebra Matricial

La multiplicacin de matrices en general no es conmutativa. Si A y B son matrices

Si A es una matriz cuadrada de orden n y I es la matriz identidad de orden n se cumple

Traspuesta de un producto de matrices

Anexo A.- lgebra Matricial

Casos especiales de productos de matrices

Dos vectores a y b de orden n son ortogonales si se cumple que:

La norma de un vector se obtiene mediante el producto escalar:

Anexo A.- lgebra Matricial

El producto didico no es conmutativo:

Determinante de una matriz

y se define formalmente como:

Propiedades de los determinantes

Anexo A.- lgebra Matricial

b) Al intercambiar 2 filas o columnas de una matriz A cambia el signo del determinante

resultado se llama cofactor de aij y se designa como Aij :

Clculo del determinante por cofactores

Anexo A.- lgebra Matricial

A = a i1 Ai1 + ai 2 Ai 2 + ... + ain Ain = a ij Aij

A = a1 j A1 j + a 2 j A2 j + ... + a nj Anj = a ij Aij

a11 (a 22 a 33 a 23 a32 ) a 21 (a12 a33 a13 a32 ) + a31 (a12 a 23 a13 a 22 )

Determinante de una matriz triangular

En que L es una matriz triangular inferior y U es una matriz triangular superior.

Se define como matriz adjunta A de una matriz cuadrada A a la matriz traspuesta de la

Anexo A.- lgebra Matricial

En que Aij representan a los cofactores de la matriz A de acuerdo a la definicin (A.32)

En que de acuerdo a la frmula (A.17) de la multiplicacin de matrices, los lementos de la

En que los subndices j,k de la matriz A aparecen permutados debido a su definicin

En que I es la matriz identidad de orden n (mismo orden de A ). Como A es un escalar,

Anexo A.- lgebra Matricial

Definiendo una matriz A :

La matriz A se define como matriz inversa de la matriz A . Por lo tanto el producto de

Si se hubiera partido formando el producto B= A A se habra llegado al mismo resultado

(43) (62) (94) 1 4 5

Anexo A.- lgebra Matricial

Inversa de un producto de matrices

En forma anloga a la transposicin de un producto de matrices (A.23), tambin se

X A X > 0 para todo X 0

l 21 =l 21 l 11 / l 11 =01/1=0