Professional Documents
Culture Documents
1.1
MATRICES
est en
2.3.-
Notas de curso
lgebra Lineal
si
se obtiene de
Ejemplo 2.
Si
entonces
es una submatriz de .
Definicin 4. Una matriz cuyas todas componentes son iguales a cero se llama matriz
nula o matriz cero
Ejemplo 3.
1.2.-
3.-
Ejemplo 4.
1.2.-
Nota:
Si =
es una matriz de orden n, entonces los elementos
,1
elementos diagonales y se dice que constituyen la diagonal principal de
se llaman
Notas de curso
lgebra Lineal
2.3.-
si
, si el orden de
dos
es igual al
Ejemplo 6.
y
entonces
Definicin 8. Sea
una matriz de orden , se dice que
si los elementos no diagonales de son todos ceros.
Ejemplo 7.
1.-
2.-
es diagonal
3.-
no es diagonal
4.-
es diagonal
Definicin 9. Sea
una matriz cuadrada de orden . Se dice que
matriz triangular superior si
para
Definicin 10. Sea
una matriz cuadrada de orden . Se dice que
matriz triangular inferior si
para
Notas de curso
es triangular si
es una
es una
es triangular superior o
lgebra Lineal
Nota:
Si es una matriz triangular superior y triangular inferior entonces
diagonal.
es una matriz
Ejemplo 8.
1.-
1 2 3
1 0
3.- L
es una matriz triangular inferior
2 3
0 0 0
3.-
diagonal
x , entonces
Ejemplo 9.
1.- Si
entonces
2.- Si A 1 1 y B 1 1 entonces A B 2 0
3.- Si
Notas de curso
lgebra Lineal
1 0
4.- Si A
1 2
1 1
2 1
y B
, entonces A B
1 0
0 2
Nota:
Los elementos del campo
griegas minsculas:
Ejemplo 10.
2 5 3
2 5 3
1.-Si 1 y A
entonces A
A
1 4 0
1 4 0
2.- Si
1
0
y A entonces A
1
0
1
i
3.- Si i y A entonces A
1
i
Propiedades:
Si A aij , B bij y C cij
de orden
de
lgebra Lineal
una matriz de
es la matriz de orden
es de orden 2x3 y
es de orden 3x2
Entonces
Por lo que
Propiedades:
Sean A aij , B bij y C cij tres matrices de rdenes tales que las operaciones
indicadas a continuacin tengan sentido y sea un escalar, entonces:
1. A BC AB C
2. A B C AB AC
3.
A B C AC BC
4. AB A B A B
Notas de curso
lgebra Lineal
MATRIZ TRANSPUESTA
Definicin 15.- Sea
es una matriz de orden
denotada
es una matriz de orden x dada por
x , entonces la transpuesta de
Ejemplo 12.
2
1.-Si A 2 4 6 entonces A 4
6
t
2.-Si
entonces
Propiedades:
Sean A aij y B bij dos matrices de rdenes tales que las operaciones
indicadas a continuacin tengan sentido y sea un escalar, entonces:
1.
2.
A B
3.
4.
AB
A
t
At Bt
At
Bt At
MATRIZ SIMTRICA
Definicin 16.- Sea
.
es simtrica si
Notas de curso
entonces
es simtrica ya que
es decir
lgebra Lineal
2.-Si
, entonces
MATRIZ ANTISIMTRICA
Definicin 17.- Sea
antisimtrica si
se dice que
es una matriz
Nota.
Si
, de donde
antisimtrica son ceros.
tenemos que
Ejemplo 14.
0 2 5
0 2 5
t
Consideremos la matriz A 2 0 6 , vemos que A 2 0 6 A ,
5 6 0
5 6 0
MATRIZ CONJUGADA
Definicin 18.- Sea
una matriz de orden x , entonces la matriz conjugada
de denotada es la matriz
del mismo orden de
Ejemplo 15:
1.-Si
2.- Si
entonces
entonces
MATRIZ ADJUNTA
Definicin 19.- Si es una matriz de orden x con componentes en los complejos, la
adjunta de denotada , es una matriz de orden x dada por
Ejemplo 16:
4i
5
4i 5 2i
5
*
5
1.-Si A
entonces A 4i
4 i 5 2 3i
5 2i 2 3i
Notas de curso
lgebra Lineal
i
2.- Si B i i entonces B*
i
Propiedades:
Sean A aij y B bij dos matrices de rdenes tales que las operaciones
indicadas a continuacin tengan sentido y sea un escalar, entonces:
1.
2.
A B
3.
4.
AB
A
*
A* B*
A*
B* A*
MATRIZ HERMITIANA
Definicin 20.- Sea
una matriz con entradas complejas de orden
que es una matriz hermitiana si
Se dice
Nota:
Si
En particular, si
tenemos que
de donde
o sea,
,
Ejemplo 17:
5 2i
2
1.-Determina si la matriz A es hermitiana donde A
.
4
5 2i
Solucin. Tenemos que
5 2i
5 2i
5 2i
2
2
2
t
A
, entonces A
, entonces A
4
4
4
5 2i
5 2i
5 2i
Entonces A* A .
Por lo tanto A es hermitiana.
1 2i 1 2i
2.- Es la matriz B
hermitiana?
2
1 2i
Notas de curso
lgebra Lineal
b11 1 2i
, entonces B no es hermitiana.
A , (el
Ejemplo 18.
2 0 0
Si A 0 3 0 , Calcula A3 .
0 0 4
2
2 0 0 2 0 0 2
Solucin: A2 AA 0 3 0 0 3 0 0
0 0 4 0 0 4 0
22
Entonces A3 A2 A 0
0
0
32
0
23 0
Por lo tanto A3 0 33
0 0
0
43
0
32
0
0
42
0 2 0 0 23 0
0 0 3 0 0 33
42 0 0 4 0 0
0
43
MATRIZ IDEMPOTENTE
Definicin 22.- Se dice que una matriz cuadrada
de orden , es idempotente si
Ejemplo 19.
1.- La matriz I n es idempotente porque I n I n I n
Notas de curso
10
lgebra Lineal
2 3 5
2 3 5 2 3 5 2 3 5
A AA 1 4 5 1 4 5 1 4 5 A
1 3 4 1 3 4 1 3 4
MATRIZ NILPOTENTE
Definicin 23.- Sea
existe
tal que
es nilpotente si
Ejemplo 20.
1 1 3
La matriz A 5 2 6 es nilpotente.
2 1 3
1 1 3 1 1 3 0 0 0
En efecto: A AA 5 2 6 5 2 6 3 3 9
2 1 3 2 1 3 1 1 3
0 0 0 1 1 3 0 0 0
A A A 3 3 9 5 2 6 0 0 0 0
1 1 3 2 1 3 0 0 0
MATRICES INVERTIBLES
Definicin 24.- Sea A una matriz de orden n, se dice que A es invertible si existe una
matriz B de orden n tal que AB BA I n .
Nota. En caso de que exista la matriz B de la definicin anterior, B se conoce como
una matriz inversa de A.
Notas de curso
11
lgebra Lineal
Ejemplo 21.
1.- La matriz I n es invertible porque I n I n I n I n I n .
2.- La matriz 0n no es invertible porque no existe matriz alguna B tal que 0B I n .
3 5
2 5
3.- La matriz A
es invertible porque existe B
tal que
1 2
1 3
3 5 2 5 1 0
AB
I2
1 2 1 3 0 1
2 5 3 5 1 0
BA
I2
1 3 1 2 0 1
Teorema 1.- Si A es una matriz invertible, entonces su inversa es nica.
Demostracin.- Como A es una matriz invertible, entonces existe una matriz B tal que
AB BA I .
P.D. B es nica.
Supongamos que existe otra matriz C tal que AC CA I
Ahora B BI , por una propiedad de I
B( AC ) , porque AC I (C es inversa de A)
( BA)C , por la propiedad asociativa del producto de matrices
IC , porque BA I (B es inversa de A)
Entonces B C
Por lo tanto B es nica.
Y ya.
Nota. Si A es invertible, se prob que la inversa de A es nica. Se denotar con A1 a la
matriz inversa de A.
invertible y A1
Notas de curso
A.
12
lgebra Lineal
Demostracin.- Tenemos que A es una matriz invertible, entonces existe A1 tal que
AA1 A1 A I .
Entonces A1 es invertible, por definicin, y su inversa es A.
A.
Y ya.
AB
invertible y
B 1 A1 .
A1 AB B 1 A1 A B B 1IB B 1B I .
AB
B 1 A1 .
Y ya.
A1 A2 ... An es invertible y que ( A1 A2 ... An )1 An1 An11... A21 A11 . Usa induccin sobre n.
A
n
A n .
Notas de curso
13
lgebra Lineal
A 1 A1 1 AA1 1I I ,
A1 A 1 A1 A 1I I
A1 .
Y ya.
Teorema 4.- Si A es una matriz invertible, entonces At es invertible y
A
t
A1 .
Entonces existe A1
y adems
At A1 A1 A I t I y
A
1
At AA1 I t I
A
t
A1 .
Y ya.
es una matriz de
x , entonces tenemos:
Notas de curso
14
lgebra Lineal
MATRICES EQUIVALENTES
Definicin 26.- Se dice que la matriz de orden x es equivalente a la matriz de
orden x , lo cual se denota A B , si se puede obtener a partir de efectuando en
sta una sucesin finita de operaciones elementales.
Nota. La relacin de la definicin anterior que se ha establecido entre las marices,
A B , es de hecho una relacin de equivalencia, es decir, es reflexiva, simtrica y
transitiva.
Ejemplo 22.
1 3 2
Si A 3 9 2
0 3 2
A mediante una
continuacin:
4
1
8 y B 0
0
1
sucesin finita
3 2 4
1 3 2 4
1 3 2 4
1 3 2 4
A 3 9 2 8
0 0 4 4 R R 0 3 2 1 1 R
R
3
R
3
1
0 3 2 1 2
2
4 3
0 3 2 1
0 0 4 4
1 3 2 4
0 3 2 1 B
0 0 1 1
MATRICES ELEMENTALES
Definicin 27.- Se dice que la matriz E de orden es una matriz elemental si E se
obtiene de la matriz identidad I n realizando en sta una sola operacin elemental.
Ejemplo 23.
Notas de curso
15
lgebra Lineal
0 0 1
1 0 0
0 0 1
I3 0 1 0
0 1 0 E1 .
0 0 1 R1 R3 1 0 0
1 0 0
1 0 0
1 0 0
I3 0 1 0
0 5 0 E2 .
0 0 1 5R2 0 0 1
1 0 4
1 0 0
1 0 4
I3 0 1 0
0 1 0 E3 .
0 0 1 R1 4 R3 0 0 1
0 5
Ejercicio.- Es la matriz E
una matriz elemental?
1 0
1 0
0 1
0 5
Respuesta: Vemos que I 2
R R
5R
E
0 1 1 0
0 1 1
2 1
Notas de curso
16
lgebra Lineal
Ejemplo 24.
2 4 6 8
1 0 2
20 4 8 12
Sea A 1 3 5 7 y E 0 1 0 , entonces EA 1 3 5 7
0 0 1
9 0 1 2
9 0 1 2
p,
Notas de curso
17
lgebra Lineal
Ejemplo 25.
0 0 1
0 0 1
1
1.- La matriz E 0 1 0 es elemental, su inversa E 0 1 0 , porque
1 0 0
1 0 0
1 0 0
0 0 1
I3 0 1 0
0 1 0 E 1 .
0 0 1 R1 R3 1 0 0
Ntese que la inversa de una matriz elemental del tipo 1 es ella misma
1 0
0
1 0 0
0 0 3
0 0 1
1 0 0
1 0 0
0 1
I 3 0 1 0 1
0 E 1 .
0 0 1 3 R3
0 0 1
1 0 2
1 0 2
1
3.- La matriz E 0 1 0 es elemental, su inversa es E 0 1 0 , porque
0 0 1
0 0 1
1 0 0
1 0 2
I3 0 1 0
0 1 0 E 1 .
0 0 1 R1 2 R3 0 0 1
Teorema 7.- Si A
I entonces A es invertible.
Notas de curso
18
lgebra Lineal
p3
p1
p2
pr 2
pr 1
pr
A
A1
A2
...
Ar 2
Ar 1
Ar I .
A1 E1 A
A2 E2 A1
Ar 1 Er 1 Ar 2
I Ar Er Ar 1
pi .
Entonces I Er Er 1
Entonces
1
1
E21
Entonces E11E21
Er11Er1 Er Er 1
E2 E1 A
Er11Er1 A
Nota.- La demostracin del teorema 7) anterior nos permite deducir un mtodo para
hallar la inversa de una matriz invertible. ste se conoce como el mtodo de GaussJordan.
Si A
Entonces Er Er 1
Entonces Er Er 1
E2 E1 A I
E2 E1 A A1 IA1
E2 E1 A1
A I p E A E p E E A E E p
1
Notas de curso
pr
E2 E1 A Er
E2 E1 I A1
19
lgebra Lineal
A I
I A .
1
Ejemplo 26.
1 2 0
a)
b)
c)
d)
1 2 0 1 0 0
A I 3 6 1 0 1 0 R 3R
1
0 1 0 0 0 1 2
1 2 0 1 0 0
0 0 1 3 1 0 R R
3
0 1 0 0 0 1 2
1 2 0 1 0 0
0 1 0 0 0 1 R 2R
2
0 0 1 3 1 0 1
1 0 0 1 0 2
1
0 1 0 0 0 1 I A
0 0 1 3 1 0
Notas de curso
20
lgebra Lineal
1 0 2
Por lo tanto A 0 0 1
3 1 0
b) Solucin.
1 0 0
1 0 0
I 0 1 0
3 1 0 E1
0 0 1 R2 3R1 0 0 1
1 0 0
1 0 0
I 0 1 0
0 0 1 E2
0 0 1 R2 R3 0 1 0
1 0 0
1 2 0
I 0 1 0
0 1 0 E3
0 0 1 R1 2 R 2 0 0 1
1 2 0 1 0 0 1 0 0 1 2 0 1 0 0
E3 E2 E1 A 0 1 0 0 0 1 3 1 0 3 6 1 0 1 0 I
0 0 1 0 1 0 0 0 1 0 1 0 0 0 1
c) Solucin.
1 0 0
1 0 0
I 0 1 0
3 1 0 E11
0 0 1 R2 3R1 0 0 1
1 0 0
1 0 0
I 0 1 0
0 0 1 E21
0 0 1 R2 R3 0 1 0
1 0 0
1 2 0
I 0 1 0
0 1 0 E31
0 0 1 R1 2 R 2 0 0 1
Y adems
1 0 0 1 0 0 1 2 0 1 2 0
3 1 0 0 0 1 0 1 0 3 6 1
0 0 1 0 1 0 0 0 1 0 1 0
Notas de curso
21
lgebra Lineal
Es decir A E11E21E31
d) Solucin.
1 2 0 1 0 0 1 0 0 1 0 2
E3 E2 E1 0 1 0 0 0 1 3 1 0 0 0 1 A1
0 0 1 0 1 0 0 0 1 3 1 0
Es decir A1 E3 E2 E1
1 2
2.- Usando el mtodo de Gauss-Jordan halla, si existe, B 1 , donde B
.
3 6
1 2 1 0
1 2 1 0
Solucin. B I
3 6 0 1 R2 3R1 0 0 3 1
MATRIZ ESCALONADA
Definicin 28.- Una matriz E de orden m n con renglones Ei * y columnas E* j se
dice que es escalonada si se cumplen las dos condiciones siguientes:
1) Si un rengln Ei * consta solo de ceros, entonces todos los renglones por debajo
de l constan tambin solo de ceros.
2) Si la primera entrada no cero en el rengln Ei * est en la j-sima columna de E ,
entonces todas las entradas por debajo del rengln Ei* en las columnas
E*1, E*2,..., E* j son cero.
Ejemplo 27.
0
1.- La matriz E
0
Notas de curso
0 0 0 0
0 2 1 0
es escalonada
0 0 0 1
0 0 0 0
22
lgebra Lineal
0 1 0 0 0
0
3.- La matriz A
0
4 6 8
0 6 10
no es escalonada
0 0 0
0 0 2
0
4.- La matriz B
0
0 2 4 5
1 4 0 3
es escalonada
0 3 0 1
0 0 0 4
Notas.
1.- Los pivotes son las primeras entradas no cero en cada rengln.
2.- Debido a la flexibilidad en la eleccin de las operaciones rengln para reducir una
matriz A a una forma escalonada E , las entradas en E no estn determinadas de
manera nica, es decir, pueden haber varias escalonadas correspondientes a una matriz
A , pero el nmero de pivotes y la posicin de los pivotes es nica.
RANGO DE UNA MATRIZ
Definicin 29.- Supongamos que una matriz A de orden m n se reduce mediante
operaciones rengln a una matriz escalonada E . Entonces el rango de A es:
Rango de A = nmero de pivotes en E
= nmero de renglones no cero de E
= nmero de columnas bsicas de A
Donde las columna bsicas de A son aquellas columnas de A que contienen las
posiciones de los pivotes.
Ejemplo 28.
Notas de curso
23
lgebra Lineal
2
1.- Dada la matriz A
1
2 1 3 5
4 0 1 6
, reduce A a una forma escalonada E , halla
2 3 5 9
4 0 4 9
el rango de A y determina las columnas bsicas de A .
1
2
Solucin: A
1
2
1
0
0
0
E
0
2 1 3 5
1
R 2R
4 0 1 6 2
1 0
2 3 5 9 R3 R1 0
4 0 4 9 R4 2 R1 0
2 1 3 5
1
0 2 5 4
0
0
0 0 3 0
0 0 3 3 R4 R3 0
2 1 3 5
0 2 5 4
0 2 2 4 R3 R2
0 2 2 1 R4 R2
2 1 3 5
0 2 5 4
E
0 0 3 0
0 0 0 3
2 1 3 5
0 2 5 4
0 0 3 0
0 0 0 3
1 2 1 1
Notas de curso
24
lgebra Lineal
Ejemplo 29.
1.- Determina E A , deduce el rango de A e identifica las columnas bsicas de A , donde:
2
A
3
2 2 3 1
4 4 6 2
.
6 6 9 6
2 4 5 3
Solucin:
2
A
3
1
1
0
0
2 2 3 1
1
R 2R
4 4 6 2 2
1 0
6 6 9 6 R3 3R1 0
2 4 5 3 R4 R1 0
2 2 3 1 R1 R3 1
0 1 1 1 R2 R3 0
0
0 0 0 1
0 0 0 0
0
0
EA
0
2 2 3 1
1
0 0 0 0 R2 R4 0
0
0 0 0 3
0 2 2 2
0
2 2 3 0
1
0 1 1 0 R1 2 R2 0
0
0 0 0 1
0 0 0 0
0
2 2 3 1
1
0 2 2 2 2 R2
0 0 0 3 1 R
3 3
0 0 0 0
2 0 1 0
0 1 1 0
EA
0 0 0 1
0 0 0 0
2 0 1 0
0 1 1 0
0 0 0 1
0 0 0 0
1
2
1
2
4
2
Notas de curso
25
lgebra Lineal
Demostracin.
1) Vamos a proceder suponiendo que j es la ltima componente no cero de la
columna no bsica E*k .
Como E*k es no bsica, j no es pivote, entonces en el rengln j debe haber a la
izquierda de j algn pivote 1.
0
0
1 rengln j
0
0
E*b1
1
0
0
1
0 , E*b2 0 , ... , E*b j1
0
0
0
0
1 rengln j 1
0
0
Entonces a la izquierda de E*k estn las columnas bsicas E*b1 , E*b2 ,..., E*b j
Notas de curso
26
lgebra Lineal
1
1
0
0
2
0
1
0
j 1 0 2 0 ... j 1
0
0
0
0
0
0
0
0
Es decir E*k 1E*b1 2 E*b2 ... j E*b j
2) Tarea para el alumno.
Y ya.
Ejemplo 30.
1.- Escribe cada columna no bsica como una combinacin lineal de columnas no
2 4 8 6 3
bsicas de A , donde: A 0 1 3 2 3
3 2 0 0 8
2 4 8 6 3
A 0 1 3 2 3
3 2 0 0 8
...
1 0 2 0 4
0 1 3 0 2 EA
0 0 0 1 1 2
Notas de curso
27
lgebra Lineal
Nota: Dado un sistema de m ecuaciones lineales con n incgnitas ste puede ser
representado por matrices como se muestra a continuacin:
independientes, b K m
sistema.
Notas de curso
28
lgebra Lineal
Definicin 33.- Se dice que dos sistemas de ecuaciones lineales son equivalentes si
tienen el mismo conjunto solucin.
E | c
Ejemplo 31.
1.- Resolver el sistema de ecuaciones lineales siguiente:
2 x1 x2 x3 1
6 x1 2 x2 x3 1
2 x1 2 x2 x3 7
Solucin:
2 1 1
( A | b) 6 2 1
2 2 1
1
2 1 1
1 R2 3R1 0 1 2
7 R3 R1 0 3 2
1
2 1 1
4
0 1 2
8 R3 3R2 0 0 4
4 E | c
4
x2
x2
2 x3
4 x3
x3
Notas de curso
29
lgebra Lineal
1
Entonces s 2 es una solucin del sistema dado y tenemos que el sistema tiene
1
1
Solucin:
2 1 1
( A | b) 6 2 1
2 2 1
1
2 1 1
1 R2 3R1 0 1 2
7 R3 R1 0 3 2
1
2 1 1
4
0 1 2
8 R3 3R2 0 0 4
2 1 1
0 1 2
0 0 1
1 R1 R3 2 1 0
4 R2 2 R3 0 1 0
0 0 1
1
0
2 1 0
2 (1) R2 0 1 0
0 0 1
1
2 0 0
0 1 0
0 0 1
Notas de curso
2 1 2 R1 1 0 0
2
0 1 0
0 0 1
1
4
4 1 4 R3
0 R1 R2
2
1
2 ( E A | c)
1
30
lgebra Lineal
0.
Ahora, ( E | c) tiene un rengln de la forma 0 0 ... 0 | con 0, si y solo si
( A | b)
rango A rango A b
Por otra parte si b es una columna no bsica, entonces b es combinacin lineal de las
columnas bsicas de A .
En resumen:
Un sistema Ax b con matriz aumentada ( A | b) y escalonada ( E | c) es consistente si y
solo si ( E | c) no tiene ningn rengln de la forma 0 0 ... 0 | con 0 .
Si y solo si b es una columna no bsica de ( A | b) .
Si y solo si b es combinacin lineal de las columnas bsicas de A .
Si y solo si rango( A) rango( A | b) .
Notas de curso
31
lgebra Lineal
Ejemplo 33.
1.- Determina si el siguiente sistema es consistente:
x1
2 x1
x2
2 x2
2 x3
4 x3
2 x4
4 x4
x5
3x5
1
1
2 x1
3x1
2 x2
5 x2
4 x3
8 x3
4 x4
6 x4
2 x5
5 x5
2
3
Solucin:
2
( A | b)
2
1 2 2 1 1
2 4 4 3 1
2 4 4 2 2
5 8 6 5 3
0
0
1 2 2 1 1
2 2 0 2 0
( E | c)
0 0 0 1 1
0 0 0 0 0
0 ... 0 | con 0 .
x1
2 x1
x1
2 x2
4 x2
2 x2
x3
0
3x3
3x4
4 x4
5 x4
5
6
9
2 x1
4 x2
4 x4
Notas de curso
32
lgebra Lineal
Ejemplo 34.
1.- Resolver el sistema siguiente:
x1
2 x2
2 x3
3x4
2 x1
4 x2
x3
3x4
3x1
6 x2
x3
4 x4
Solucin:
Escalonando la matriz tenemos:
1 2 2 3
1 2 2 3
A 2 4 1 3 ... 0 0 3 3 E
3 6 1 4
0 0 0 0
As obtenemos el sistema:
x1 2 x2
2 x3
3x4
0 ...
3x3
3x4
0 ...
1
2
Resolviendo este ltimo sistema, dejando las variables bsicas en trminos de las libres:
De la ecuacin (2) despejamos la variable bsica: x3 x4
Ahora sustituimos este valor en la ec. (1) y despejamos la variable bsica x1 :
x1
2 x2
2 x4
3x4
x1
2 x2
x4
La solucin general o conjunto de todas las soluciones del sistema homogneo dado
es:
x1
2 x2 x4
2
1
x2
x2
1
0
S x
x
x2
x4 , x2 , x4
x3
x4
0
1
x
x
0
x1
xn
Notas de curso
33
lgebra Lineal
Donde
xl1 , xl 2 ,..., xl n r
h1 , h2 ,..., hnr
son soluciones
Y ya.
E c
y se
Notas de curso
34
lgebra Lineal
x1
x2
S x
x P xl1h1 xl 2 h2 ... xl n r hn r , xli
xn
Donde xl1 , xl 2 ,..., xl n r son todas las variables libres y P, h1 , h2 ,..., hnr son matrices
columna de n1 y P es una solucin particular del sistema no homogneo Ax b .
Ejemplo 35.
1.- Halla el conjunto solucin del sistema no homogneo:
x1
2 x2
2 x3
3x4
2 x1
4 x2
x3
3x4
3x1
6 x2
x3
4 x4
Solucin:
1 2 2 3 4
A b 2 4 1 3 5
3 6 1 4 7
1 2 0 1 2
0 0 1 1 1 EA c
0 0 0 0 0
As obtenemos el sistema:
x1 2 x2
x3
2
1
x4
x4
x1 2 2 x2 x4
x3 1 x4
x1
2 2 x2 x4 2
2
1
x2
x2
0
1
0
S x
x
x2
x4 , x2 , x4
x3
1 x4 1
0
1
x4
0
1
x4
Notas de curso
35
lgebra Lineal
2 x1
x1
x1
4 x2
2 x2
2 x1
4 x2
6 x3
3x3
x3
2
1
3
1
A b 1
4 6 2
2 3 1
0 1 3
4 0 8
0
0
0 0 2
1 0 3
EA c
0 1 1
0 0 0
Notas de curso
36
lgebra Lineal
x1
x2
x3
x1
x3
x2
a) No tiene solucin?
b) Tiene solucin nica?
c) Tiene una infinidad de soluciones?
Ejercicio.- Halla un sistema no homogneo de 3 ecuaciones con 4 incgnitas cuyo
conjunto solucin sea:
x1
1
2
3
x2
0
1
0
S x
x
x2
x4 , x2 , x4
x3
1
0
2
0
0
1
x4
1.2.6 Factorizacin A LU
Teorema 11.- Sea A una matriz de n n tal que nunca se encuentra un posible pivote
cero cuando se aplica la eliminacin Gaussiana con la operacin rengln del tipo 3.
Entonces A puede ser factorizada como el producto A LU , donde:
a) L es triangular inferior y U es triangular superior.
b) lii 1, i y uii 0, i
c) La entrada lij por debajo de la diagonal de L es el mltiplo del rengln j que
se obtiene del rengln i con el fin de eliminar la entrada en la posicin i, j
durante la eliminacin Gaussiana.
d) U es el resultado de aplicar a A el proceso de eliminacin Gaussiana
e) L y U estn determinadas de manera nica por a) y b).
Ejemplo 37.
1.- Hallar la factorizacin A LU , si existe, donde:
2 2 2
A 4 7 7
6 18 22
Solucin:
Notas de curso
37
lgebra Lineal
2 2 2
2 2 2
2 2 2
A 4 7 7 R2 2 R1 2 3 3
2 3 3
6 18 22 R 3R 3 12 16 R 4 R 3 4 4
1
2
3
3
1 0 0
2 2 2
L 2 1 0, U 0 3 3
3 4 1
0 0 4
Ejemplo 38.
1.- Resolver el siguiente sistema dado Ax b , donde:
2 2 2
A 4 7 7 ,
6 18 22
12
b 24
12
Solucin:
En el ejemplo 34 ya vimos que la matriz A puede factorizarse como A LU , donde:
1 0 0
L 2 1 0,
3 4 1
2 2 2
U 0 3 3
0 0 4
1 0 0 y1 12
As: 2 1 0 y2 24
3 4 1 y 12
12
y1
2 y1
3 y1
24
y2
4 y2
y3
12
12
y2
y3
24
Notas de curso
38
lgebra Lineal
2 2 2 x1 12
As: 0 3 3 x2 0
0 0 4 x 24
2 x1
2 x2
2 x3
12
3x2
3x3
4 x3
24
x2
x3
6
Entonces x 6
6
Adems como Rango( A) 3 , entonces el sistema dado tiene solucin nica.
6
S 6
6
1.2.7 Factorizacin PA LU
Definicin 35.- Una matriz P de n n se dice que es una matriz permutacin si P
puede escribirse como el producto de matrices elementales del tipo 1.
Teorema 12.- Para cualquier matriz no singular (invertible) A , existe una matriz
permutacin P tal que PA LU , donde L es una matriz triangular inferior con unos
en la diagonal y U es una matriz triangular superior con elementos diagonales todos
diferentes de cero.
Ejemplo 39.
1.- Halla la factorizacin PA LU , donde la matriz A es invertible y
3
A
2
Notas de curso
2 4 17
6 12 3
3 3 2
2 2 6
39
lgebra Lineal
Solucin:
Adjuntaremos a A una columna contadora de permutaciones p que inicialmente tiene
los elementos 1, 2,3, 4 . Las componentes de p se permutan de acuerdo al intercambio
de los renglones que se realizan. La matriz permutacin P se obtiene al ejecutar la
permutacin final residente en p en los renglones de I 4 .
3
2
17 1
1 2 4 17 1
1 2 4 17 1
6 12 3 2 R2 3R1 3 0 0 48 2 R2 R3 2 1 5 32 3
3 0 0 48 2
3 3 2 3 R3 2 R 2 1 5 32 3
2 2 6 4
0 2 2 6 4
0 2 2 6 4 R4 2 R2
2
1 2 4 17 1
1 2 4 17 1
2 1 5 32 3
2 1 5 32 3
3 0 0 48 2 R3 R4 0 2 8 58 4
0 2 8 58 4
3 0 0 48 2
0
P
0
0 0 0
0 1 0
;
0 0 1
1 0 0
1 0
2 1
L
0 2
3 0
0 0
0 0
;
1 0
0 1
1 2 4 17
0 1 5 32
U
0 0 8 58
0 0 0 48
Notas de curso
40
lgebra Lineal
Ejemplo 40.
1.- Usa la factorizacin PA LU para resolver el sistema Ax b , donde:
3
A
2
2 4 17
6 12 3
3 3 2
2 2 6
3
2
b
1
5
Solucin:
Ya vimos en el ejemplo 36 anterior que la matriz A se pudo descomponer como
PA LU , donde:
0
P
0
0 0 0
0 1 0
;
0 0 1
1 0 0
1 0
2 1
L
0 2
3 0
1 2 4 17
0 1 5 32
U
0 0 8 58
0 0 0 48
0 0
0 0
;
1 0
0 1
0
Como Pb
0
1 0
2 1
0 2
3 0
0 0 0 3 3
0 1 0 2 1
.
0 0 1 1 5
1 0 0 5 2
0 0 y1 3
0 0 y2 1
1 0 y3 5
0 1 y4 2
y1
2 y1
3 y1
y2
2 y2
3
1
5
y3
y4
y1 3
y 2 5
y3 5
y 4 7
Notas de curso
41
lgebra Lineal
1 2 4 17 x1 3
0 1 5 32 x2 5
0 0 8 58 x3 5
0 0 0 48 x4 7
x1
2 x2
x2
4 x3
5 x3
8 x3
17 x4
32 x4
58 x4
3
5
5
48 x4
x1 263
x2 479
x3 83
x4 7
96
192
192
48
263
96
479 192
, entonces x
83
192
48
263
96
479
192
Por lo tanto S
83
192
48
Notas de curso
42