Professional Documents
Culture Documents
1
1.1 Primeras definiciones
11 12 1
21 22 2 1.1
=[ ]
1 2
La matriz se dice que tiene tamao (se lee por ) por tener filas y
columnas, escribiendo en ocasiones ; en el caso particular en que se
cumpla = , la matriz se llama cuadrada y se dice que es de orden . En este
caso, los elementos con subndices repetidos
11 , 22 , , 1.2
() = = 11 + 22 + + 1.3
=1
que es un escalar de .
Una matriz formada por una sola columna se llama matriz columna;
anlogamente, una matriz formada por una sola fila se llama matriz fila. La
notacin para las matrices columna suele ser mediante letras latinas minsculas:
, , , mientras que para las matrices fila se usa una notacin en la que aparece
una columna con el supra ndice T a la derecha: , , Esta notacin
particular ayuda a distinguir inmediatamente si se est trabajando con filas o
columnas. Aunque ms adelante se identificar T con el operador trasposicin.
Ejemplo 1.1
La matriz
1.2 Suma matricial
1
2
= [] 1.4
= [1 2 ] 1.5
Una matriz que slo contiene un elemento se identifica con el elemento que
contiene. As la matriz
= [] 1.6
Una matriz con todos sus elementos iguales a cero se llama matriz nula y se
denota por , donde es el tamao de esa matriz
0 0 0
0 0 0
= [ ] 1.7
0 0 0
1 0 0
0 1 0
1 = [ ] , 2 = [ ] , , = [ ] 1.9
0 0 1
= + , , 1.10
1.3 Producto por escalares
esto es, los elementos de la matriz suma son el resultado de sumar los
elementos de y que ocupan los mismos lugares, guardando en esos lugares
los resultados (ver figura 1.1).
+ = [ ] + [ ] = [ + ]
=
Figura 1.1
La notacin se lee para todo.
Propiedades:
1. ( + ) + = + ( + ) Asociativa
2. + =+ Conmutativa
3. + = Matriz nula
4. + () = Matriz opuesta
Se ha supuesto en las expresiones anteriores que las matrices con las que se
opera tienen el mismo tamao.
= , , 1.11
esto es, los elementos del producto obtenido son el resultado de multiplicar
por los elementos de , guardando en los mismos lugares los resultados (ver
figura 1.2).
= [ ] = [ ] =
Figura 1.2
1.4 Conjugacin matricial
Propiedades:
5. () = () Asociativa
6. ( + ) = + Primera distributiva
7. ( + ) = + Segunda distributiva
8. 1 = Producto por la unidad
= 1.12
= + 1.13
Los nmero reales se caracterizan por tener su parte imaginaria igual a cero,
o lo que es lo mismo, coinciden con su conjugado, como es muy fcil probar.
= ( )( + ) = 2 + 2 = ||2 1.14
lo que significa que el producto del conjugado de un nmero complejo por ese
nmero complejo coincide con el cuadrado del valor absoluto del citado
complejo.
= + 1.15
siendo y matrices reales, esto es, formadas por slo nmeros reales. La
matriz recibe el nombre de parte real de y la matriz recibe el nombre de
parte imaginaria de
Ejemplo 1.2
1.5 Trasposicin matricial
1 3 2 + 5 1 2 3 5
[ ]=[ ]+[ ]
2 3 0 3 2 0
Pues bien, conjugar una matriz significa conjugar todos sus elementos. As, si
es una matriz compleja de tamao , la conjugada de , escrita es una
matriz compleja del mismo tamao que tal que
= ,
, 1.16
= [ ] = [ ]=
Figura 1.3
Propiedades:
9.
+ = + Conjugada de la suma
=
10. Conjugada del producto por
11. = Conjugada de la conjugada
12. es real si y slo si = Matriz real
Trasponer una matriz significar intercambiar columnas por filas, esto es, las
columnas de la matriz original pasan a ser filas de la matriz traspuesta.
= [ ] = [ ] =
Figura 1.4
1.5 Trasposicin matricial
Ejemplo 1.3
es la fila
= [1 2 ] 1.19
Propiedades:
= , , 1.20
= , , 1.21
Ejemplo 1.4
La matriz
1 2 3
[2 4 5 ]
3 5 6
es simtrica, mientras que la matriz
1.6 Trasposicin hermtica
0 1 2
[1 0 3]
2 3 0
es antisimtrica
= = 1 1 + 2 2 + + , , 1.23
=1
1
= 1 =
[ ][ ]
1.7 Producto matricial
= =
[ ]
Figura 1.5
Ejemplo 1.5
+ + + +
[ ] [ ] = [ ]
+ + + +
Se van a presentar en lo que sigue las propiedades del producto matricial:
Propiedades:
17. () = () Asociativa
18. ( + ) = + Primera distributiva
19. ( + ) = + Segunda distributiva
20. = = Producto por la identidad
21. , No conmutatividad
22. () = () = () Producto con escalares
=
23. Conjugada del producto
24. () = Traspuesta del producto
25. () = Traspuesta hermtica del producto
Puede suceder que el producto de por sea la matriz nula , sin necesidad de
que o sean nulas, como se prueba con el siguiente ejemplo:
Ejemplo 1.6
1 1
1 1 0 0 0
[ ] [ 1 1] = [ ]
0 1 1 0 0
1 1
Se dice que las matrices y conmutan si = . Para que dos matrices
conmuten es necesario, no suficiente, que sean cuadradas. El conmutador de
y es por definicin la matriz .
Ejemplo 1.7
1.7 Producto matricial
Las matrices
1 2 2 3
=[ ] y =[ ]
0 1 0 2
conmutan, pues
2 7
= = [ ]
0 2
y su conmutador es la matriz nula.
() = = ( )
=1 =1 =1
() = = ( )
=1 =1 =1
() = ()
Ejemplo 1.8
1 1
1 1 0
Sean las matrices = [ ] , = [1 2]. Se tiene
0 1 1
1 3
1 2 1
2 3
= [ ] , = [1 3 2]
2 5
1 4 3
siendo
() = () = 7
1.8 Potencias de matrices cuadradas
0 = 1.24
Se tiene que
1 = 0 = =
2 = 1
3 = 2
+1 = 1.25
Se tiene adems
= = + 1.26
( + )2 = ( + )( + ) = 2 + + + 2
( + )2 = 2 + 2 + 2
siendo
( 1)( 2) ( + 1) !
( )= = 1.28
! ! ( )!
1.8 Potencias de matrices cuadradas
Ejemplo 1.9
1 1 0
= [0 1 1 ]
0 0 1
y un nmero natural.
0 1 0
= [0 0 1].
0 0 0
La matriz identidad conmuta con cualquier matriz cuadrada de su mismo
orden, en particular con . Se puede por tanto usar la frmula del binomio de
Newton para calcular = ( + ) . Adems
0 0 1 0 0 0
2 = [0 0 0] y 3 = [0 0 0]
0 0 0 0 0 0
de lo que se deduce, tambin por induccin sobre , que
0 0 0
= [0 0 0] , 3
0 0 0
Se tiene, usando la frmula del binomio de Newton, ya que son nulas las
potencias de mayores que dos,
= ( + ) = ( ) 0 + ( ) 1 1 + ( ) 2 2
0 1 2
esto es
( 1) 2
= + + =
2
( 1)
1 0 0 0 0 0 0
[0 1 0] + [0 0 ] + [ 2 ]=
0 0 0
0 0 1 0 0 0
0 0 0
1.9 Inversas de una matriz
( 1)
1
[ 2 ]
0 1
0 0 1
= 1.29
Ejemplo 1.10
1 1 1
La matriz = [ ] es una inversa por la izquierda de la matriz =
0 1 1
1 1
[1 2]
1 1
pues
1 1
1 1 1 1 0
= [ ] [1 2] = [ ] = 2
0 1 1 0 1
1 1
Anlogamente, se dice que es una inversa por la derecha de si
= 1.30
Ejemplo 1.11
1
La matriz = [1] es una inversa por la derecha de la matriz = [1 1 1] ya
1
que
1
= [1 1 1] [1] = 1 = 1
1
Las inversas por la izquierda o por la derecha no tienen por qu existir; ms an,
caso de existir no tienen por qu ser nicas.
Demostracin:
= = () = () = =
Proposicin 1.3: Caso de que existan ambas clases de inversas para la matriz ,
la citada matriz debe ser cuadrada
() = ( ) =
() = ( ) =
pero
() = (),
luego =
= y = 1.31
1 = y 1 = 1.32
Ejemplo 1.12
1 2 1 2
La matriz = [ ] es la inversa de la matriz = [ ] pues
0 1 0 1
1 2 1 2 1 0
= [ ][ ]=[ ] = 2
0 1 0 1 0 1
y tambin
1 2 1 2 1 0
= [ ][ ]=[ ] = 2
0 1 0 1 0 1
Proposicin 1.4: La inversa de una matriz cuadrada , cuando existe, es nica
1.10 La matriz inversa
Propiedades:
Nota: En las propiedades donde aparece la inversa de una matriz, se supone que
esa matriz tiene inversa.
La propiedad 26 afirma algo, que tambin es verdad para los nmeros reales o
complejos: que la inversa de la suma no es suma de inversas, en general; la
propiedad 30 afirma que la inversa del producto es producto de inversas, pero
cambiando el orden de escritura.
Una matriz cuadrada que tiene inversa se llama regular; si una matriz cuadrada
no tiene inversa, se llama singular.
= (1 ) 1.33
Ejemplo 1.13
1 2 3
1 2
Dada la matriz = [4 5 6] , la matriz = [ ] es el bloque definido
7 8
7 8 9
mediante las filas 1, 3 y las columnas 1, 2 de
Ejemplo 1.14
La matriz
1 0 1 1 1
0 1 1 1 2
=[ ]
1 1 1 0 1
1 1 0 1 2
1 0 1 1 1
0 1 1 1 2
=[ ]
1 1 1 0 1
1 1 0 1 2
12 13
= [ 11 ]
21 22 23
con
1 0
11 = 22 = [ ] = 2
0 1
1 1
12 = 21 = [ ]
1 1
1.11 Matrices particionadas
1
13 = 23 = [ ]
2
Ntese en este ejemplo que la matriz sin particionar es de tamao 4 5 pero
particionada es de tamao por bloques 2 3, pues tiene dos filas de bloques y
tres columnas de bloques. A veces el tamao por bloque se resalta con un
subrayado. En este ejemplo 2 3.
Para operar con matrices particionadas se utilizan las misma reglas que para
operar con matrices sin particionar, pero teniendo en cuenta que los elementos
que se manejan son a su vez matrices.
Ejemplos 1.15
+
1) [ ] + [ ] = [ ]
+
2) [ ] = [ ]
3) [ ] = [ ]
4) [ ] = [ ]
5) [ ] [ ] = +
6) [ ] [ ] = [ ]
7) [1 2 ] = [1 2 ]
1
8) [1 2 ] [ 2 ] = 1 1 + 2 2 + +
Ejemplo 1.16
=[ ]
1.12 Matrices cuadradas especiales
en funcin del bloque , donde los bloques son todos cuadrados del mismo
orden. es la matriz identidad y la matriz nula.
1 = [ ]
con , , , y bloques incgnita, se debe cumplir
[ ][ ]=[ ]
De lo que se deduce fcilmente que
= = , = , =
de ah que
1 = [ ]
Vamos a tratar aqu de una serie de matrices cuadradas, todas ellas de orden ,
de especial relevancia en las aplicaciones.
11 0 0
21 22 0
=[ ]
1 2
11 0 0
0 22 0
=[ ].
0 0
cumpliendo = 0, para
Ejemplo 1.17
Las matrices
1 0 0 1 1 2 1 0 0
= [2 3 0] , = [0 3 3 ] , = [0 2 0 ]
4 5 6 0 0 4 0 0 3
son, respectivamente, triangular inferior, triangular superior y diagonal.
Ejemplo 1.18
La matriz
=[ ]
es ortogonal pues
1 = [ ] =
3) Matrices idempotentes
Ejemplo 1.19
La matriz
1/2 1/2
=[ ]
1/2 1/2
es idempotente ya que
1/2 1/2
2 = [ ]=
1/2 1/2
4) Matrices nilpotentes
1.12 Matrices cuadradas especiales
Ejemplo 1.20
La matriz
0 1 0
= [0 0 1]
0 0 0
es nilpotente de ndice de nilpotencia tres, pues
0 0 1 0 0 0
2 = [0 0 0] , 3 = [0 0 0] =
0 0 0 0 0 0
5) Matrices involutivas
Ejemplo 1.21
La matriz
1 1 2 2
= [2 1 2]
3
2 2 1
es involutiva al cumplirse
1 0 0
2 = [0 1 0]
0 0 1
6) Matrices de permutacin
Ejemplo 1.22
La matriz
0 1 0 0
1 0 0 0
=[ ]
0 0 0 1
0 0 1 0
es de permutacin, pues se obtiene de la identidad
1 0 0 0
0 1 0 0
=[ ]
0 0 1 0
0 0 0 1
1.12 Matrices cuadradas especiales
7) Matrices normales
Ejemplo 1.23
Las matrices simtricas reales, las antisimtricas reales, las hermticas, las
antihermticas, las ortogonales reales y las unitarias son todas casos particulares
de matrices normales
1.12 Matrices cuadradas especiales
1.12 Matrices cuadradas especiales
Los sistemas de ecuaciones lineales son la clave para resolver la mayor parte de
problemas que se plantean en lgebra Lineal. Apenas se encuentra un problema
que no necesite resolver algn sistema lineal. En este Captulo se estudian
fundamentalmente las tcnicas Gaussianas: El mtodo de Gauss y su variante de
Gauss-Jodan. Seguidamente se analiza la relacin que hay entre las soluciones
de un sistema general y las soluciones del sistema homogneo asociado. Se
contina con el estudio de las inversas (por la izquierda y por la derecha) de y
su relacin con las soluciones de la ecuacin matricial = . Se explica el
mtodo para invertir una matriz mediante Gauss-Jordan; se sigue con la
descomposicin de una matriz cuadrada y sus variantes, y se termina el
Captulo con referencias al costo computacional.
2.1 Sistemas de ecuaciones lineales
11 1 + 12 2 + + 1 + + 1 = 1
21 1 + 22 2 + + 2 + + 2 = 2
2.1
1 1 + 2 2 + + + + =
1 1 + 2 2 + + + + =
11 12 1 1
21 22 2 2
= 2 2.2
1
[1 2 ]
1
2
= 2.3
[ ]
Ejemplo 2.1
21 + 42 53 = 1
21 + 42 + 63 = 8
2 4 5
=[ ]
2 4 6
y como columna de trminos independientes
1
=[ ]
8
La columna incgnita es
1
= [ 2]
3
= 2.5
satisface la identidad
0 = 2.8
Ejemplo 2.2
El sistema
1 + 32 53 = 1
21 + 42 + 63 = 8
= 0 2.9
Ejemplo 2.3
El sistema
1 + 32 53 = 0
21 + 42 + 63 = 0
Esta operacin tiene una matriz elemental asociada que resulta de intercambiar
esas filas entre s en la matriz identidad . La denotaremos por , cuando las
ecuaciones (o filas) que se intercambian son la con la , siendo .
Ejemplo 2.4
La matriz ampliada
1 2 3
[ | ]
4 5 6
representa al sistema
1 + 22 = 3
41 + 52 = 6
4 5 6
[ | ]
1 2 3
representa al nuevo sistema
4 1 + 5 2 = 6
1 + 22 = 3
que es equivalente con el inicial
2) Operacin clase II: Multiplicar una ecuacin (o fila) por un nmero distinto
de cero.
Esta operacin tiene una matriz elemental asociada que resulta de multiplicar
por la correspondiente fila de la matriz identidad . La denotaremos por .
cuando la fila que se multiplica por es la fila .
2.2 Operaciones elementales
Ejemplo 2.5
La matriz ampliada
4 5 6
[ | ]
1 2 3
representa al sistema
4 1 + 5 2 = 6
1 + 22 = 3
Si multiplicamos la segunda fila por 4, hacemos una operacin elemental de
clase II, cuya matriz asociada es
1 0
4.2 = [ ]
0 4
la cual resulta de multiplicar por 4 la segunda fila de 2
3) Operacin clase III: Restar a una ecuacin (o fila) otra ecuacin (o fila)
distinta, previamente multiplicada por un nmero .
Esta operacin tiene una matriz elemental asociada que resulta de hacer lo
mismo sobre la matriz identidad . La denotaremos por . cuando a la fila
le restamos por la fila , con .
Ejemplo 2.6
La matriz ampliada
4 5 6
[ | ]
4 8 12
representa el sistema
4 1 + 5 2 = 6
.
41 + 82 = 12
Si a la segunda fila le restamos la primera, hacemos una operacin de clase III. La
nueva matriz ampliada es
4 5 6
[ | ]
0 3 6
y el nuevo sistema equivalente al inicial es
4 1 + 5 2 = 6
32 = 6
La matriz asociada es, en este caso, evidentemente
2.2 Operaciones elementales
1 0
21.1 = [ ]
1 1
Proposicin 2.1: Si se premultiplica (o multiplica por la izquierda) una matriz
cualquiera por una matriz , asociada a una operacin elemental por filas, se
obtiene una nueva matriz que resulta de hacer esa misma operacin elemental
sobre las filas de la matriz
Ejemplo 2.7
Aplicando la proposicin 2.1 a las matrices ampliadas de los ejemplos 2.4, 2.5 y
2.6, se tiene
0 1 1 2 3 4 5 6
[ ][ | ]=[ | ]
1 0 4 5 6 1 2 3
1 0 4 5 6 4 5 6
[ ][ | ]=[ | ]
0 4 1 2 3 4 8 12
1 0 4 5 6
4 5 6
[ ][ |
]=[ | ]
1 1 4 8 12 0 3 6
Proposicin 2.2: Las matrices asociadas a las operaciones elementales sobre las
ecuaciones (o filas) son regulares y sus inversas estn asociadas a operaciones
elementales de la misma clase
Demostracin: Las matrices asociadas son regulares, pues es muy fcil probar
que
, 1 = ,
. 1 = ( 1 ). , 0
. 1 = +. = ().
ya que se cumple
, , =
. ( 1 ). =
. +. =
2.3 La eliminacin Gaussiana
Existe un tratamiento anlogo de todo lo afirmado sobre las filas de una matriz
que se repite para las columnas, pero no se introduce en este Captulo, en el que
las filas son lo relevante. Las filas estn directamente relacionadas con las
ecuaciones de la matriz ampliada de los sistemas de ecuaciones lineales.
1 1 + 2 2 + + + + = 2.10
1 1 + 2 2 + + + + = 2.11
= 2.12
Ejemplo 2.8
2 1 + 32 = 1
41 + 52 = 6
2 1 + 32 = 1
2 = 4
2 3 1
[ | ]
4 5 6
2 3 1
a la matriz [ | ] que tiene un cero debajo del primer pvot
0 1 4
0 0
0 0 0 0 0
0 0 0 0 0 0 0 0
2.13
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0
[0 0 0 0 0 0 0 0 0 0 0 0]
Figura 2.1
Aunque la reducida de Gauss no es nica, sin embargo se puede probar que son
invariantes el nmero de pvots y el hecho de ser distinto de cero o igual a
cero (o de no existir ).
pueden tomar valores cualesquiera; no as las que tienen pvot, que dependen
directamente de las anteriores (o toman valores constantes), como se
comprender mejor cuando se hable de la vuelta atrs del mtodo de Gauss.
Hay solucin o soluciones en este caso y el sistema es compatible.
Ejemplo 2.9
0 2 2 4 3 2 0 2 2 4 3 2
(1) (2)
0 2 2 8 6 4 0 0 0 4 3 6
[ ] [ ]
0 2 4 6 10 8 0 0 2 2 7 10
0 6 8 18 19 10 0 0 2 6 10 16
0 2 2 4 3 2 0 2 2 4 3 2
(3) (4)
0 0 2 6 10 16 0 0 2 6 10 16
[ ] [ ]
0 0 2 2 7 10 0 0 0 4 3 6
0 0 0 4 3 6 0 0 0 4 3 6
0 2 2 4 3 2
0 0 2 6 10 16
[ ]
0 0 0 4 3 6
0 0 0 0 0 0
Ejemplo 2.10
La vuelta atrs del mtodo de Gauss consiste en despejar las incgnitas pivotales
en funcin de las libres, comenzando por la ltima hasta llegar a la primera
pivotal.
A las incgnitas libres se les suele asignar una nueva letra para indicar que hacen
el papel de parmetros independientes del conjunto de soluciones (cuando hay
solucin).
Ejemplo 2.11
0 2 2 4 3 2
0 0 2 6 10 16
[ ]
0 0 0 4 3 6
0 0 0 0 0 0
22 + 23 + 44 + 35 = 2
23 + 64 + 105 = 16
44 35 = 6
1 = 1
5 = 2
6 + 35 3 3
4 = = 2
4 2 4
Despejamos ahora 3 de la segunda ecuacin
16 64 105 3 3 7 11
3 = = 8 3 ( 2 ) 52 =
2 2 4 2 4 2
2 23 44 35 7 11 3 3 3
2 = = 1 ( 2 ) 2 ( 2 ) 2
2 2 4 2 4 2
Operando se llega a
15 11
2 = + 2
2 4
Las soluciones son por tanto de la forma
15 11 7 11 3 3
1 = 1 , 2 = + 2 , 3 = 2 , 4 = 2 , 5 = 2
2 4 2 4 2 4
Se trata de un sistema compatible e indeterminado. Los dos parmetros del
conjunto de soluciones son 1 y 2 .
Ejemplo 2.12
21 + 42 = 6
41 2 = 3
21 + 52 = 3
Fase de eliminacin:
2 4 6 (1) 2 4 6 (2) 2 4 6
[ 4 1 | 3] [0 9 | 9] [0 9 | 9]
2 5 3 0 9 9 0 0 0
(1) El primer pvot est en la primera fila y primera columna. Se forman
ceros debajo de l.
(2) El segundo pvot est en la segunda fila y segunda columna. Se forma un
cero debajo de l.
2.4 El mtodo de Gauss
9
2 = =1
9
6 42
1 = =1
2
La solucin nica es 1 = 1, 2 = 1
Ejemplo 2.13
21 + 42 = 6
41 2 = 3
21 + 52 = 0
2 4 6 2 4 6 2 4 6
[ 4 1 | 3] [0 9 | 9] [0 9 | 9]
2 5 0 0 9 6 0 0 3
se llega a que = 3 0. No hay solucin, pues la tercera ecuacin
01 + 02 = 3
1. Los pvots deben valer la unidad. Para ello se normalizan las filas con
pvot, esto es, se dividen por el pvot en caso de que no valga la unidad.
2. Se forman ceros tambin encima de los pvots mediante operaciones
elementales de clase III.
3. No hay fase de vuelta atrs. Las incgnitas pivotales se despejan
directamente, sin necesidad de seguir un orden dado, en funcin de las
incgnitas libres.
Se trata por tanto de un mtodo en que todo es eliminacin. Se llega a una matriz
simplificada, llamada la reducida de Gauss-Jordan, que toma la forma normal
escalonada por filas siguiente (ver figura 2.2).
0 0 1 0 0
0 0 0 0 0 1 0
0 0 0 0 0 0 0 0 0
2.1
0 0 0 0 0 0 0 0 1 4
0 0 0 0 0 0 0 0 0 0 0
[0 0 0 0 0 0 0 0 0 0 0 0]
Figura 2.2
Donde vale la unidad y encima de todo ceros (no hay solucin) o vale cero
y encima de valores cualesquiera o finalmente, no existe (hay solucin).
Ejemplo 2.14
0 2 2 4 3 2 0 2 2 4 3 2
0 2 2 8 6 4 0 0 2 6 10 16
[ ] [ ]
0 2 4 6 10 8 0 0 0 4 3 6
0 6 8 18 19 10 0 0 0 0 0 0
0 2 2 4 3 2 0 1 1 2 3/2 1
0 0 2 6 10 16 0 0 1 3 5 8
[ ] [ ]
0 0 0 4 3 6 0 0 0 1 3/4 3/2
0 0 0 0 0 0 0 0 0 0 0 0
A continuacin se forman ceros encima de cada pvot, empezando por el ltimo
hasta el primero
0 1 1 2 3/2 1 0 1 1 0 0 4
0 0 1 3 5 8 0 0 1 0 11/4 7/2
[ ][ ]
0 0 0 1 3/4 3/2 0 0 0 1 3/4 3/2
0 0 0 0 0 0 0 0 0 0 0 0
0 1 0 0 11/4 15/2
0 0 1 0 11/4 7/2
[ ]
0 0 0 1 3/4 3/2
0 0 0 0 0 0
1 = 1
5 = 2
de modo que
15 11
2 =
+ 2
2 4
7 11
3 = 2
2 4
3 3
4 = 2
2 4
obteniendo las mismas soluciones
15 11 7 11 3 3
1 = 1 , 2 = + 2 , 3 = 2 , 4 = 2 , 5 = 2
2 4 2 4 2 4
2.6 Estructura del conjunto de soluciones de =
1. No hay solucin si 0
2. Hay solucin si = 0 o no existe, en cuyo caso
a. La solucin es nica si el nmero de pvots es igual al nmero de
incgnitas
b. Hay ms de una solucin si el nmero de pvots es estrictamente
menor que el nmero de incgnitas.
Figura 2.3
2.6 Estructura del conjunto de soluciones de =
Para ello hace falta probar dos afirmaciones: todo elemento del primer conjunto
est en el segundo y, recprocamente, todo elemento del segundo conjunto est
en el primero.
Ejemplo 2.15
El sistema general
1 + 32 53 = 1
21 + 42 + 63 = 8
1
es compatible, pues tiene al menos la solucin 0 = [1]. El sistema homogneo
1
asociado
1 + 32 53 = 0
21 + 42 + 63 = 0
2.7 Inversas de y la ecuacin =
19
5
tiene las soluciones = [2 ] por lo que las soluciones del sistema general
5
sern de la forma
19 19
1+
1 5 5
= 0 + = [1] + 2 = 2
1 1 +
5 5
[ ] [ 1+ ]
(1 0 ) = 0
(1 0 ) = 0
(1 0 ) = 0
1 0 = 0
1 = 0
Ejemplo 2.16
El sistema
1 + 2 = 3
1 + 22 = 5
1 + 2 = 3
2.7 Inversas de y la ecuacin =
1 1
1
tiene la solucin 0 = [ ]. La matriz = [1 2] tiene a la matriz
2
1 1
1 1 1
=[ ]
0 1 1
como inversa por la izquierda, luego la citada solucin 0 es nica
0 = () = () = =
Ejemplo 2.17
El sistema
1 2 + 3 = 1
2 3 = 2
1 1 1 1
tiene a = [ ] como matriz del sistema y a = [ ] como columna
0 1 1 2
1 1
de trminos independientes. La matriz = [1 2] es una inversa por la derecha
1 1
1 1 3
1
de , luego 0 = = [1 2] [ ] = [5] es una solucin del sistema (no la
2
1 1 3
nica).
0 = = 1 2.15
Ejemplo 2.18
1 1 2 1
La matriz = [ ] tiene como matriz inversa 1 = [ ]. El sistema
1 2 1 1
1 + 2 = 7
1 + 22 = 9
5
tiene como solucin nica 0 = [ ] que se puede obtener de
2
2 1 7 5
0 = 1 = [ ][ ] = [ ]
1 1 9 2
La cuestin de cundo existe , o bien, cundo existe ser resuelta ms
adelante. Se requiere la nocin de rango matricial que se ver en el Captulo 5.
1 =
[1 2 ] = [1 2 ]
1 = 1
2 = 2
}
=
[ 1 ] [ 1 ]
[ 2 ] [ 2 ]
}
[ ] [ n ]
Podemos resolver todos los sistemas a la vez ampliando con las columnas de
utilizando las misma operaciones elementales
[ 1 2 ] [ 1 2 ]
En definitiva,
[ ] [ 1 ] 2.16
Ejemplo 2.19
1 2
Se pide obtener la inversa de la matriz = [ ] mediante Gauss-Jordan.
3 4
Veamos:
[ 2 ] = [1 2 1 0
][
1 2 1 0
]
3 4 0 1 0 2 3 1
1 2 1 0 1 0 2 1
[ ][ ] = [2 1 ]
0 1 3/2 1/2 0 1 3/2 1/2
luego
2 1
1 = [ ]
3/2 1/2
2 1 [ ] = [ 0 ]
[ 2 1 2 1 ] = [ 0 ]
En particular
2 1 =
Despejando
2.9 Descomposicin de
= 11 21 1 = 1 2
2.9 Descomposicin de
= 2.17
Ejemplo 2.20
1 2
Se pide hallar la descomposicin de la matriz = [ ].
3 4
1 0
Lo que se busca es una matriz de la forma = [ ] y una matriz de la
1
forma = [ ], con 0, 0 tal que
0
1 2 1 0
=[ ]=[ ][ ] =
3 4 1 0
De esta ecuacin matricial con incgnitas , , , se obtiene el sistema
=1
=2
= 3
+ = 4
=3
=1
=2
= 2
y de ah
2.9 Descomposicin de
1 0 1 2
=[ ], = [ ]
3 1 0 2
Ejemplo 2.21
0 1
Caso de que se pida la descomposicin de la matriz = [ ] es fcil darse
2 3
cuenta de que se llega a un sistema de ecuaciones incompatible. Luego esta
matriz no tiene descomposicin .
En lo que sigue vamos a establecer, sin justificar, las condiciones que se deben
cumplir para que exista la descomposicin de una matriz cuadrada de
orden y el mtodo de obtencin de las matrices y :
Condiciones de existencia de la :
1) Que la matriz tenga n pvots, lo que significa que es regular (por tener
un nmero de pvots igual a su orden).
2) Que al utilizar slo operaciones elementales de clase III sobre las filas de ,
para convertir en una matriz triangular superior , esos pvots aparezcan
secuencialmente en las posiciones (1,1), (2,2), , (, ).
Mtodo:
Ejemplo 2.22
3 1 1
Hallar la descomposicin de la matriz = [ 6 0 4].
9 11 9
Veamos: El primer pvot aparece en la posicin (1,1) y con l formamos dos
ceros debajo
3 1 1 21 = 2 3 1 1
=[ 6 0 4] [ 0 2 2]
9 11 9 9 11 9
2.9 Descomposicin de
3 1 1 31 = 3 3 1 1
[0 2 2] [0 2 2 ]
9 11 9 0 8 12
El segundo pvot aparece en la posicin (2,2)y con l formamos un cero debajo
3 1 1 32 = 4 3 1 1
[0 2 2 ] [0 2 2] =
0 8 12 0 0 4
1 0 0
= [ 2 1 0]
3 4 1
Si se hace el producto , con las matrices y obtenidas, se obtiene la
matriz .
Se construye la matriz
= 1 2.20
Es fcil probar que esta matriz es triangular superior con unos en su diagonal
principal. Se tiene
2.9 Descomposicin de
= = = (1 ) = (1 ) =
= 2.21
Ejemplo 2.23
1 0 0 3 1 1
=[ 2 1 0] = [0 2 2]
3 4 1 0 0 4
La matriz procede de la diagonal principal de
3 0 0
= [0 2 0]
0 0 4
Se construye como
2) Variante
= 2.22
Ejemplo 2.24
2 4
Hallar la descomposicin de la matriz simtrica = [ ]
4 16
Veamos:
21 = 2
2 4 2 4
=[ ] [ ]=
4 16 0 8
1 0 2 0
=[ ], =[ ]
2 1 0 8
2.9 Descomposicin de
3) Variante de Cholesky
Se parte de una matriz que es simtrica, real, con pvots mayores que cero y
que tiene descomposicin . Se tiene
= = =
Denotando con 1 una matriz diagonal, con elementos diagonales mayores que
cero, tal que 12 = , se tiene
= = (1 1 ) = (1 )(1 ) = (1 )(1 ) =
donde
= 1 2.23
es una matriz triangular inferior, en cuya diagonal principal se hallan las races
cuadradas positivas de los pvots de .
Se ha llegado a la descomposicin
= 2.24
Ejemplo 2.25
1 0 2 0
=[ ], =[ ]
2 1 0 8
de modo que los pvots 2 y 8 son mayores que cero. En este caso ser
1 = [2 0 ]
0 8
1 0 2 0 ] = [ 2 0 ]
= 1 = [ ][
2 1 0 22 22 22
() =
() =
= , =
= 2.25
= 0 2.26
Ejemplo 2.26
3 1 1
=[ 6 0 4]
9 11 9
del ejemplo 2.22 para resolver el sistema = con
8
= [ 18 ]
4
Veamos: Se conocen ya las matrices y
1 0 0 3 1 1
= [ 2 1 0] , = [0 2 2]
3 4 1 0 0 4
El sistema 2.25 se puede escribir
2.10 Descomposicin de
1 = 8
21 + 2 = 18
31 + 42 + 3 = 4
8
0 = [ 2 ].
12
El sistema 2.26 se puede escribir
31 + 2 + 3 = 8
22 + 23 = 2
43 = 12
1
0 = [2]
3
que es la solucin del sistema inicial.
= det() = = 1 = = 11 22
2.10 Descomposicin de
= 2.27
=
2.11 Costo computacional
Ejemplo 2.27
0 0 1
La matriz regular = [0 2 3] no tiene , pero s en cambio la matriz
4 5 6
4 5 6 0 0 1 0 0 1
[0 2 3] = = [0 1 0 ] [0 2 3]
0 0 1 1 0 0 4 5 6
En este caso tan sencillo es
0 0 1 1 0 0 4 5 6
= [0 1 0] , = [0 1 0] , = [0 2 3]
1 0 0 0 0 1 0 0 1
Caso de ser
1
b=[5]
15
se tiene
0 0 1 1 15
= = [0 1 ]
0 5[ ] = [ 5 ].
1 0 0 15 1
15 1
De = se obtiene 0 = [ 5 ] y de = 0 se halla 0 = [1]
1 1
1 + 2 + + 1 +
es necesario realizar
1 2.28
a) Producto fila-columna
El producto de una fila por una columna, ambas de elementos, conduce a una
expresin de la forma
1 1 + 2 2 + + 1 1 +
Hacen falta
1
} 2.29
( 1)
2
( 1) 2.32
2
}
2
que es de orden cuadrtico ( 2 ), muy inferior al cbico.
3
2 2 2.33
3 2
+ }
2 2
3
El problema vuelve a ser cbico, de orden ( 2 ), pero comparado con el mtodo
de Gauss el mtodo de Gauss-Jordan es ms lento: en concreto un 50% ms lento,
ya que
2.11 Costo computacional
3 3 3
= 2.34
2 2 3
e) Mtodo de Gauss-Jordan para invertir una matriz regular
3 22 +
} 2.35
3
f) Descomposicin de Cholesky
(2 1)
6
(2 1)
2.36
6
( 1)
2
}
( 1)
( 1) } 2.37
2
2.11 Costo computacional
2.11 Costo computacional
Determinantes
3
3.1 Definiciones
= (1)() 3.1
Ya podemos dar una definicin, un tanto terica, del determinante de una matriz
cuadrada de orden mediante la expresin
Ejemplo 3.1
1 = 1,2 1 = 1
2 = 2,1 2 = 1
= 1 11 22 + (1) 12 21 = 11 22 12 21 3.3
Ejemplo 3.2
= 11 22 33 + 12 23 31 + 13 21 32
3.4
12 21 33 13 22 31 11 23 32
Ejemplo 3.3
1 2 3
= [4 5 6 ]
7 8 9
vale cero, pues es el resultado que se obtiene por la regla de Sarrus
= 1 5 9 + 2 6 7 + 3 4 8
2 4 9 3 5 7 1 6 8 = 0
3.2 Propiedades
3.2 Propiedades
() = ([1 2 ]) = 3.5
Propiedades:
1. ([1 2 + ]) = ([1 2 ]) +
([1 2 ])
2. ([1 2 ]) = ([1 2 ])
3. ([1 2 ]) = ([1 2 ])
4. ( ) = ([1 2 ]) = 1
([1 2 ]) = 0 3.6
esto es, cuando en la matriz hay dos columnas iguales, el determinante se anula.
Consecuencias:
entonces
([1 2 ]) = 0 3.8
7. () =
8. () =
9. (1 ) = 1/ , supuesto regular
3.3 Menores
3.3 Menores
(1 , 2 , , ; 1 , 2 , , )
Ejemplo 3.4
Dada la matriz
1 2 3 4
= [5 6 7 8]
9 10 11 12
Es
6 8
(2, 3; 2, 4) = [ ] = 8
10 12
Para matrices cuadradas es interesante definir un menor principal de orden
como un menor de orden que resulta de fijar filas y las mismas columnas
de . Se simplifica la notacin a (1 , 2 , , ).
Ejemplo 3.5
Dada la matriz
1 2 3
= [4 5 6 ]
7 8 9
el menor
5 6
(2,3) = [ ] = 3
8 9
es un menor principal de .
Ejemplo 3.6
1 2 3
= [4 5 6 ]
7 8 9
el menor
1 2
(1,2) = [ ] = 3
4 5
es un menor principal angular de .
Ejemplo 3.7
Dada la matriz
1 2 3
= [4 5 6 ]
7 8 9
el menor complementario del elemento 12 = 2 es
4 6
12 = [ ] = 6
7 9
Se llama adjunto del elemento de la matriz cuadrada al menor
complementario de afectado del coeficiente (1)+ . El adjunto se denota
por de modo que
= (1)+ 3.10
Ejemplo 3.8
Dada la matriz
1 2 3
= [4 5 6 ]
7 8 9
3.4 La matriz adjunta
12 = (1)1+2 12 = (6) = 6
Ejemplo 3.9
La adjunta de la matriz
1 2 3
= [4 5 6 ]
7 8 9
es la matriz
3 6 3
= [ 6 12 6]
3 6 3
Se van a enunciar dos proposiciones sin demostracin:
1 1 + 2 2 + + = 3.12
1 1 + 2 2 + + = 0, 3.13
Obsrvese que las dos identidades 3.12 y 3.13 se pueden condensar en una nica
identidad
3.5 Las matrices regulares
1 1 + 2 2 + + = 3.14
1, =
= { 3.15
0,
= 3.16
Demostracin:
1
= [1 ] [ ] =
[ ] = [ ] =
Demostracin:
( ) =
de donde
1 = 3.17
luego es regular
Demostracin:
(1 ) = ( )
(1 ) = 1 3.18
1
(1 ) = 3.19
Ejemplo 3.10
La inversa de la matriz
1 2 0
= [3 0 2 ]
0 3 1
es la matriz
Ntese que si
3.6 La regla de Cramer
10
20
= [1 2 ], 0 = [ ]
0
y 0 es la solucin de = se tiene
10
20
= 0 = [1 2 ] [ ] = 10 1 + 20 2 + + 0 + + 0 =
0
0 +
[1 2 ] = [1 2 0 + ] =
[1 2 0 ] + [1 2 ]
= 0 [1 2 ] + 0 = 0
y de ah se despeja 0
[1 2 ]
0 = 3.20
donde toma todos los valores de 1 a
Ejemplo 3.11
1 2 0
= [3 0 2 ]
0 3 1
y la columna
12
= [24]
48
3.7 Clculo prctico de determinantes
12 2 0
[24 0 2]
[ 2 3 ] 48 3 1 = 6
10 = =
12
1 12 0
[3 24 2]
[1 3 ] 0 48 1 = 9
20 = =
12
1 2 12
[3 0 24]
[1 2 ] 0 3 48 = 21
30 = =
12
esto es,
6
0 = [ 9 ]
21
La frmula 3.12
1 1 + 2 2 + + =
Ejemplo 3.12
0 2 0 0
1 2 3 4
[ ].
1 4 0 6
3 5 0 7
0 2 00
1 3 4
1 2 43
[ ] = 2 (1) [1 0 6]
1 4 60
3 0 7
3 5 70
1 6
= 2 (1) 3 [ ] = 6 (11) = 66
3 7
2) De matrices triangulares
11 0 0
21 22 0
=[ ]
1 2
= 11 22 3.21
22 0
= 11 [ ]
2
Ejemplo 3.13
1 2 3
= [4 5 6].
7 8 9
Veamos:
1 2 3 1 2 3
[4 5 6] = [0 3 6 ] =
7 8 9 0 6 12
1 2 3
[0 3 6] = 1 (3) 0 = 0
0 0 0
En este ejemplo slo se han usado operaciones elementales de clase III sobre las
filas de la matriz.
Ejemplo 3.14
1 1 1
Dada la matriz = [1 1 1] se pide calcular el determinante de .
1 1 1
Veamos:
1 1 1 3 3 3
( ) = [ 1 1 1 ] = [ 1 1 1 ]=
1 1 1 1 1 1
1 1 1 1 1 1
(3 ) [1 1 1 ] = (3 ) [0 0 ]=
1 1 1 0 0
(3 )()2 = 3 + 32
4) Matrices tridiagonales
0 0 0
0 0
0 0 0
0 0 0
[0 0 0 ]
poseen un determinante que se puede obtener recursivamente conociendo
los dos determinantes de rdenes inmediatamente inferiores 1 y 2, pues
desarrollando por la primera fila de se tiene
0 0 0 0
0
= =
0 0 0 0
[0 0 ] [0 0 ]
1 2
En definitiva,
= 1 2 3.22
a) , en cuyo caso
= 1 + 2 3.23
b) = , en cuyo caso
= 1 + 2 1 3.24
Ejemplo 3.15
3 2 0 0 0
1 3 2 0 0
0 1 3 0 0
= det
0 0 0 3 2
[0 0 0 1 3]
3.8 El determinante de Vandermonde
= 1 1 + 2 2
Como 1 = 3 y 2 = 7, se tiene
1 = 1 + 22 = 3
2 = 1 + 42 = 7
deducindose
1 = 1, 2 = 2
de donde
= 1 + 2+1
5) Matrices triangulares por bloques
11
22
[ 21 ] = 11 22 3.25
1 2
Ejemplo 3.16
1 1 1 0 0
1 2 2 0 0
= 1 2 3 0 0
5 6 7 1 2
[8 9 10 3 4]
Tiene dos bloques cuadrados diagonales por lo que
1 1 1
1 2
= [1 2 2] [ ] = 1 (2) = 2
3 4
1 2 3
1 1 12 12 11
1 2 22 22 21
= 1 3 32 32 31
2 2 1
1 1 1 1 1
[1 2 2 1 ]
Se puede probar que
= ( ) 3.26
>
Ejemplo 3.17
1 2
= [1 2]
1 2
= 3 = (3 2 )(3 1 )(2 1 ) = ( )( )( )
(1 , 2 , , ; 1 , 2 , , )
de orden de que se pueden obtener con esas filas y columnas, con 1 <
2 < < . En total ( ) menores.
Denotaremos con
(1 , 2 , , ; 1 , 2 , , )
(1 , 2 , , ; 1 , 2 , , ) =
1 +2 ++ + 3.27
= (1) 1 +2 ++ (1 , 2 , , ; 1 , 2 , , )
=
3.2
= (1 , 2 , , ; 1 , 2 , , ) (1 , 2 , , ; 1 , 2 , , ) 8
11 <2 <<
esto es, el valor del determinante es la suma de los productos de los menores
procedentes de fijar filas por sus correspondientes adjuntos.
Ejemplo 3.18
1 2 0 0 1
3 4 0 0 1
= 1 2 3 4 5
5 4 3 2 1
[1 0 1 1 0]
Comenzamos, fijadas las filas primera y segunda, se tienen tres menores de
orden dos distintos de cero
1 2 1 1 2 1
[ ] = 2, [ ] = 2, [ ] = 2
3 4 3 1 4 1
3.10 Rango y determinantes
3 4 5
(1)6 [3 2 1] = 12 ,
1 1 0
2 3 4
(1)9 [4 3 2] = 6
0 1 1
1 3 4
(1)10 [5 3 2] = 18
1 1 1
luego
Ejemplo 3.19
1 2 3
= [4 5 6]
7 8 9
Veamos: Hay un menor de orden dos distinto de cero, por ejemplo
1 2
det [ ] = 3
4 5
Ejemplo 3.20
El sistema = con
1 2 3 6
= [4 5 6] , = [15]
7 8 9 24
() = ([ ]) = 2 < 3 = ,