Escolar Documentos
Profissional Documentos
Cultura Documentos
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra
Lineal 08-2
SEMANA 1: MATRICES
1.
1.1.
Matrices
Definiciones basicas
Definici
on 1.1 (Matriz). Una matriz A, de m filas y n columnas con
(en este apunte
ser
a
o
) es una tabla de
coeficientes en el cuerpo
doble entrada:
a11
..
A= .
am1
a1n
.. ,
.
aij
... amn
K,
i = 1, . . . , m, j = 1, . . . , n.
Construimos una estructura algebraica sobre Mmn ( ) a partir de las operaciones definidas en el cuerpo . Se define la suma de dos matrices como
sigue:
A, B Mmn ( ), A + B = (aij + bij )
K
K
Por ejemplo, en ( , +, ):
1
2
3
0 1
+
0 1 2
3
1
Es facil verificar que
2
1 1
=
2
3 0
5
.
0
Proposici
on 1.1. (Mmn ( ), +) tiene estructura de grupo Abeliano.
n. La suma es asociativa y conmutativa, como herencia de
Demostracio
las mismas propiedades en el cuerpo .
El neutro aditivo es
0 ... 0
...
Mmn ( )
Definici
on 1.2 (Igualdad de matrices). Dadas dos matrices A Mmn ( ), B
Mm n ( ), diremos que son iguales si y s
olo si:
matriz
R C
A=B
vector de
Kn
A+B
0 Mmn ( )
i
0 0
i 0 0
+
=
1 i 0
1 i 0
ii
0+0 0+0
0 0 0
=
=
= 0.
1 1 i + i 0 + 0
0 0 0
Luego
i
0 0
1 i 0
i 0 0
1 i 0
.
Definici
on 1.3 (Producto de matrices). Dadas A = (aij ) Mmr ( ), B =
(bij ) Mrn ( ) se define el producto C = AB como aquella matriz
C Mmn ( ) tal que
cij =
r
X
aik bkj ,
i = 1, . . . , m, j = 1, . . . , n.
k=1
Claramente C Mmn ( ).
Ejemplos:
1. En ( , +, ),
1
A=
1
1
C = AB =
1
1 0
M23 (
2 1
1 2
1 0
0 2
2 1
1 0
1 2
), B = 0 2
1 0
1 0
1 0
1 0 =
2 6
1 1
2. En ( , +, ),
1 0
1 0 M34 ( )
1 0
0 0
M24 ( ).
4 1
A = (i, i, 0) M13 ( )
i
B = 1 M31 ( )
0
C = AB = i i + i 1 + 0 0 = 1 + i M11 ( ).
Observaci
on: La multiplicaci
on de matrices no es conmutativa.
Por ejemplo en M22 ( ) :
1 0
0 0
0 0
0 0
1 0
0 0
=
,
=
.
0 0
2 0
0 0
2 0
0 0
2 0
AB
Proposici
on 1.2.
1. Asociatividad: Si A Mmn ( ), B Mnq ( ), C Mqs ( ), entonces:
A(BC) = (AB)C Mms ( ).
K
K
A(B + C) = AB + AC Mms ( ).
De igual manera se tiene la distributividad por el otro lado.
n. Demostremos la distributibidad, quedando la asociativiDemostracio
dad de ejercicio. Denominando E = A(B + C), se tiene:
eij =
n
X
k=1
Como la multiplicaci
on distribuye con respecto a la suma en
eij =
=
n
X
k=1
n
X
K:
k=1
n
X
aik ckj .
k=1
De la definici
on de multiplicaci
on matricial, se obtiene E = AB + AC.
1 0 0
0 1 0
0 si i 6= j
= (ij ), con ij =
I =
..
1 si i = j.
.
0 0 1
a11
..
AI =
.
an1
1
a1n
0
..
... ann
0
...
0
1
..
.
0
0
0
n
X
=(
aik kj ) = (aij jj ) = (aij ) = A.
k=1
Ejercicio
matriz cuadrada
I
Definici
on 1.4 (Matriz invertible). A Mnn ( ) es invertible si y
s
olo si existe B Mnn ( ) tal que:
AB = BA = I.
(1.1)
Proposici
on 1.3. De existir una matriz B que satisfaga (1.1), esta es
u
nica. Por ende la notaremos B = A1 .
=
0 1
2x1 + 4x3 2x2 + 4x4
(Mnn ( ), +, ) es
anillo con unidad
invertible
A1
x2 + 2x4 = 0
2x1 + 4x3 = 0
2x2 + 4x4 = 1
De la primera ecuaci
on multiplicada por 2, obtenemos: 2(x1 + 2x3 ) =
2. Pero de la tercera ecuaci
on, 2x1 + 4x3 = 0. De esta contradicci
on
conclumos que el sistema no tiene solucion.
En efecto:
O bien, en M22 ( ),
0
1
0 1
1 0
1
0
1
i
0
0 i
0 1
1 0
1
0 1
1 0
1
0
i
0
0
1
0
i
lo que se verifica r
apidamente.
1.2.
Matrices Particulares
Definici
on 1.5. Diremos que A Mnn ( ) es:
i 6= j:
1. Diagonal si y s
olo si aij = 0
A=
a11
diagonal
0
a22
..
ann
a11
0
A=
...
0
a12
a22
..
.
a1n
a2n
.
..
.
ann
3. Triangular inferior si y s
olo si aij = 0 si i < j:
5
x1 + 2x3 = 1
triangular inferior
a11
a21
A=
an1
Ejemplos:
0
A = 0
0
1 2
A = 0 0
0 0
0
a22
..
.
..
.
an2
0
0
.
0
ann
0 0
1 0 0
2 0 , I = 0 1 0 son matrices diagonales
0 3
0 0 1
3
0 0 0
son matrices triangulares, superior e inferior
1, B = 1 2 0
respectivamente.
2
2 1 3
Ejercicio
Notaci
on:
Dada una matriz A Mmn ( ) notaremos su i-esima fila como:
a
1j
a2j
=
..
.
amj
A1
A2
A=
... ,
correspondiente a la notaci
on por filas.
Am
Ai
Aj
Ejercicio
Qu
e hay de las filas de AB?
Definici
on 1.6 (Matriz ponderada). Dada una constante
nimos la matriz A ponderada por :
K, defi-
A = (aij ).
Ejemplo:
En M23 ( ):
3
1
2
1 0
2 1
3
6
3 0
6 3
1
2
1 2
0 1
2
6
2 4
0 3
2 0 0
1
1
2
2 1 6
AD =
0 1 0 =
2 0 1
4 0 3
0 0 3
1
0
a
11
.
..
n
an1
0
..
1 a11
a1p
2 a21
.. =
. ..
.
anp
n an1
1 a1p
2 a2p
..
.
n anp
b11
...
bp1
b1n
1
..
.
bpn
0
..
1 b11
= ...
1 bp1
2 b12
..
.
2 bp2
n b1n
..
.
n bpn
Proposici
on 1.4. Si D = diag(1 , . . . , n ) Mnn ( ), A Mnp ( ), B
Mmn ( ), se tiene que
1 A1
DA = ... ,
(1.2)
n An
BD = (1 B1 , ..., n Bn ).
(1.3)
Sea
D=
0
..
luego,
(DA)ij =
n
X
= (dij );
con dij =
i
0
si i = j
si i =
6 j
k=1
y por lo tanto
AD =
1 a11
...
..
.
1 a1p
n an1
n anp
a11
0
T1 =
...
0
a22
..
.
b11
a1n
a2n
0
, T2 =
..
...
.
0
ann
8
b22
..
.
b1n
b2n
.
..
.
bnn
Ejercicio
j=1
k=i
1.3.
Definimos por recurrencia las potencias de una matriz cuadrada, como sigue:
Definici
on 1.7 (Potencias de una matriz). Dada A Mnn ( )
A0 = I, An = AAn1 ,
n 1.
Ejemplo:
0 1
A = 2 0
1 1
se tendra
0 1
A2 = AA = 2 0
1 1
0
A3 = AA2 = 2
1
1
0
1
2
0,
2
2
0 1
02 0
2
1 1
2
4 2
00 2
2
4 3
2
4
0 = 0
2
4
2 4
2 4
3 6
4
8 8 16
4 = 8 4 8 .
6
12 10 20
Definici
on 1.8 (Traspuesta). Dada una matriz A = (aij ) Mmn ( ),
se define la traspuesta de A como aquella matriz de nm que denotaremos
por At tal que (At )ij = aji .
Esto corresponde a intercambiar el rol de las filas y columnas. M
as claramente, la primera fila de At es la primera columna de A y as sucesivamente.
n
P
An
At , traspuesta
1 2
A = 0 1
1 1
0 0
0 1,
0 1
1
2
t
A =
0
0
0
1
0
1
1
1
.
0
1
1
1
A = (1, 1, 0, 0, 1), At = 0 .
0
1
1 2 1
1 2 1
A = 2 0 1 , At = 2 0 1 .
1 1 4
1 1 4
En el u
ltimo caso vemos que A = At .
Definici
on 1.9 (Matriz sim
etrica). Diremos que una matriz A Mnn ( )
es sim
etrica si y s
olo si
A = At
Es f
acil verificar que A es simetrica si y s
olo si:
i, j = 1, .., n
aij = aji
2. (AB)t = B t At .
n
P
ajk bki
k=1
(B )ik (A )kj =
k=1
n
X
bki ajk =
k=1
sim
etrica
(AB)t = B t At
n
X
Ejemplo:
n
X
k=1
t
(A1 )1 = A
3. n 0, (An )1 = (A1 )n .
(AB)1 = B 1 A1
(An )1 = (A1 )n
(At )1 = (A1 )t
Ejercicio
Ejercicio 1.3: En general el problema de saber si una matriz es invertible o no es un problema difcil. Tendremos que esperar a saber
resolver ecuaciones lineales para obtener un algoritmo eficiente que nos
permitira decidir si una matriz en particular es invertible y obtener su
inversa.
Por el momento nos contentaremos con el siguiente resultado, propuesto
como ejercicio.
Sea A = (aij ) una matriz de permutaci
on, es decir una matriz de
n n con solo 0 y 1 tal que tiene un y s
olo un 1, por cada fila y
columna.
Se tiene que A es invertible y su inversa es A1 = At .
11
permutaci
on
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra
Lineal 08-2
Ejercicios
1. Demuestre la asociatividad de la multiplicacion de matrices. Es decir, si
A Mmn ( ), B Mnq ( ), C Mqs ( ), entonces:
Problemas
d1
P1. Sea D =
..
dn
y A, B, M, S Mnn ( ).
Semana 1
Ingeniera Matematica
Proposici
on 1.2
Ejercicio 1.1
Ejercicio 1.2
Ejercicio 1.3
P3. (a) Sea A = (aij ) Mnn ( ) una matriz cualquiera. Se define la traza
de A, denotada por tr(A), como la suma de los elementos de la
diagonal principal, es decir,
tr(A) =
n
X
aii .
i=1
R, donde
f (A) = tr(AA ).
Pruebe que:
(1) Dadas A, B Mnn ( ),
tr(AB) = tr(BA).
P = Im M (M t M )1 M t ,
13
1 1
0
0 ... ... 0
0 1
1
0 . . . . . . 0
..
.. . .
..
..
..
.
.
.
.
.
.
..
.
.
.
.
.
..
..
..
. . ..
.
C=
.
..
..
.
.
1
1
0
.. . . . . . . . . .
0
1 1
..
. ... ... ...
0
0 1
Ingeniera Matematica
SEMANA 2: MATRICES
1.4.
Matrices elementales
matrices elementales
Definici
on 1.10 (Matriz elemental de permutaci
on). Una matriz elemental de permutaci
on tiene la siguiente estructura:
1
0
..
.
0
fila p
0 1
..
..
.
1
.
Ipq =
1
..
..
.
1
.
fila q
1 0
..
.
0
0
de las filas p y q.
Ejemplo:
En M44 ( ):
I24
1
0
=
0
0
0
0
0
1
0
0
1
0
0
1
,
0
0
I13
0
0
=
1
0
0
1
0
0
1
0
0
0
0
0
.
0
1
Notemos que toda matriz elemental de permutacion es una matriz de permutacion, pero no al reves. Puedes dar un ejemplo?.
Veamos ahora lo que sucede al multiplicar una matriz A, por la derecha
o izquierda, por una matriz elemental de permutacion Ipq : En el ejemplo
a11
a21
I24
a31
a41
a12
a22
a32
a42
a13
1
a23 0
=
a33
0
a43
0
0
0
0
1
0
0
1
0
0
a11
1 a21
a31
0
0
a41
14
a12
a22
a32
a42
a13
a11
a23 a41
=
a33
a31
a43
a21
a12
a42
a32
a22
Ipq
Ejercicio
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra
Lineal 08-2
a13
a43
.
a33
a23
B M34 ( ):
b11
b21
b31
b12
b22
b32
b13
b23
b33
1
b14
0
b24
0
b34
0
0
0
0
1
0
0
1
0
0
b
1 11
= b21
0
b31
0
b14
b24
b34
b13
b23
b33
b12
b22 .
b32
1 0
0 1
E2,4 () =
0 0
0
0
0
1
0
0
0
0
1
a11
a21
E2,4 ()
a31
a41
a12
a22
a32
a42
a13
1 0
a23 0 1
=
a33
0 0
a43
0
a11
a21
=
a31
a21 + a41
0
0
1
0
a12
a22
a32
a22 + a42
0
a11
0 a21
0
a31
1
a41
a12
a22
a32
a42
a13
a23
a33
a23 + a43
a13
a23
=
a33
a43
15
Ipq A
BIpq
Ep,q () =
0
.
..
..
.
0
col. p
..
col. q
0
1
..
..
.
..
.
..
.
0
.
1
1
1
..
0
.
1
.
p<q
0
a11
0
..
.
1
a
p1
..
..
.
1
.
aq1
1
..
1
.
..
.
an1
1
a11
a1s
..
..
.
.
ap11
ap1s
..
..
=
.
.
.
..
..
.
.
an1
ans
o, en notaci
on por filas:
1
..
C = Ep,q ()A =
Ep,q ()
Ep,q () A
Ci = Ai
i 6= q
Cq = Ap + Aq
Se tiene entonces que el efecto, sobre A, de la premultiplicacion por Ep,q ()
es una matriz que s
olo difiere de A en la fila q: Esta es la suma de la fila p
ponderada por y la fila q.
Es importante observar que la matriz Ep,q () es triangular inferior, que
tiene unos en la diagonal y ademas:
16
Definici
on 1.11 (Matriz elemental). Definimos la matriz elemental Ep,q ()
Mnn ( ) como:
a1s
..
.
aps
..
.
aqs
..
.
ans
= (0 . . . 0 0 . . . 0) + (0 . . . 0 . . . 0 1 0 . . . 0).
1.5.
+ x3 + x4 = 1
(1)
(2)
(3)
(Ep,q ())1 =
Ep,q ()
Proposici
on 1.8. Ep,q () es invertible. Su inversa es la siguiente:
1
..
.
0
..
..
1
(Ep,q ()) =
.
1
1
.
..
.
.
1
.
..
..
..
.
.
0
0
0 1
x1 + 2x2 + x3 + x4 = 2
7x2 + x3 + 2x4 = 3
x1
+ x3 + x4 = 1
= 1
x1 =
18
a11 x1 + + a1n xn = b1
..
..
..
.
.
.
am1 x1 + + amn xn = bm
en donde los coeficientes, aij , y el lado derecho, bj , son elementos del cuerpo
K.
Definiendo la matriz:
a11
..
A=
.
am1
a1n
..
Mmn ( )
.
amn
x1
b1
..
..
m
, x=
b=
.
.
xn
bm
Kn
1 2 1 1 2
2 3 1 0 1
(A|b) =
1 0 1 1 1
1 2 1 1 2
1 2 1 1 2
(A|b) 0 7 1 2 3 0 7 1 2 3
1 0 1 1 1
0 2 0 0 1
1 2 1 1 2
b)
0 7 1 2 3 = (A|
2
1
4
0 0 7 7 7
19
Definici
on 1.12 (Sistema de ecuaciones). Un sistema de m ecuacionesy n inc
ognitas consiste en el siguiente conjunto de ecuaciones en las variables x1 , ..., xn :
sistema de ecuaciones
Ax = b
matriz aumentada,
(A|b)
De la definici
on de matrices elementales sabemos que esto es equivalente
a premultiplicar por la izquierda por la matriz Ep,q (). Veamos esto en el
mismo ejemplo.
Ejemplo:
1. Producir un cero en la posici
on
1 0
E1,2 (2)(A|b) = 2 1
0 0
1 2
= 0 7
1 0
(2,1) de (A|b):
0
1 2 1 1 2
0
2 3 1 0 1
1
1 0 1 1 1
1 1
1 2
1 1
2
3
1
1 0 0
1 2
E1,3 (1)E1,2 (2)(A|b) = 0 1 0 0 7
1 0 1
1 0
1 2 1
= 0 7 1
0 2 0
1 1
1 2
1 1
2
3
1
1 1
2 3
0 1
1 2 1 1 2
1 0 0
E2,3 ( 72 )E1,3 (1)E1,2 (2)(A|b) = 0 1 0 0 7 1 2 3
0 2 0 0 1
0 27 1
1
= 0
0
2
7
0
1
1
1
2
2
7
4
7
2
3
17
= b.
As, el sistema inicial es equivalente al sistema Ax
Conviene se
nalar que en el procedimiento anterior la operaci
on de base ha
sido:
1 0 0 0
1 1 1 1
1 1 1 1
0 0 0 10 0 1 1 0 2 0 1
I24 (A|b) =
=
,
0 0 1 0
0 1 0 1
0 1 0 1
0 1 0 0
0 2 0 1
0 0 1 1
..
A=
a
sis
a la matriz A, como
a
1n
a
2n
..
a
sn .
21
1 1 1 1
0 0 1 1
(A|b) =
0 1 0 1
0 2 0 1
matriz escalonada, A
pivotes
22
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra
Lineal 08-2
Ejercicios
1. Encuentre un ejemplo de una matriz que sea de permutacion, pero no
sea matriz elemental de permutaci
on.
2x1 + 4x2 x3 + x5 = 0
x1 x3 x4 + 43 x5 = 1
x4 + x1 = 3
1
(x
x
)
+
x
x5 = 20
1
3
4
3
x1 ( 1)x2 + x3 x4 = 2
7x2 + x3 = + , con , .
(c)
= 3
3 x1 x2 + x4
2x1 = 1
4x2 = 2
(d)
9x3 = 0
3
2 x4 = 1
R
C
(a) I12 E13 (1, 1), en M44 ( ). (d) E23 (0, 3i)1 E12 (1, i)E34 ( 12 , 3),
en M44 ( ).
(b) I34 E23 (i, 2)I34 , en M44 ( ).
(c) E12 (2, 1)E13 (1, 1), en M33 ( ).
Problemas
1
..
P1. Sea J Mnn ( ) tal que J = .
..
.
(b) Sea 6=
(c) Sea =
1
n.
1
n,
1
1
.. y e = .. .
.
.
1
Gua
Semana 2
Ingeniera Matematica
Pag. 12
Propiedad 1.1
A = B x Mn1 ( ) xt Ax = xt Bx.
(b) Demuestre que si una matriz cuadrada A verifica Ak = I, para
alg
un natural k 1, entonces A es invertible y determine su
inversa.
x y
(c) Encuentre todas las matrices de la forma A =
que cum0 y
plen A2 = I (x, y, z ).
x2
2x2
4x2
+
+
+
+
x3
x3
x3
2x3
+
+
2x4
2x4
3x4
4x4
= 1,
= 1 ,
= 2,
= 5.
(a) Escriba el sistema de forma matricial Ax = b. Especifique claramente A, b y x, junto con sus dimensiones.
(b) Resuelva es sistema lineal escalonando la matriz aumentada (A|b).
P4. Considere el siguiente sistema lineal:
x1
x1
+
+
2x1
2x2
x2
3x2
x2
3x3
+
+
3x3
3x3
x4
x4
2x4
= 1,
= 1,
= 0,
= 2 .
(a) Escriba el sistema de forma matricial Ax = b. Especifique claramente A, b y x, junto con sus dimensiones.
(b) Resuelva es sistema lineal escalonando la matriz aumentada (A|b).
24
Indicaci
on: Calcule etj Aei donde ej = (Im )j y ei = (In )i . Im
y In son las identidades de tama
nos m y n respectivamente.
(2) Sean A, B matrices de nn simetricas con coeficientes reales.
Pruebe que
Ingeniera Matematica
SEMANA 3: MATRICES
1.6.
a
11
a
1i2
0 0 a
2i2
..
..
..
..
.
.
.
.
b) =
(A|
0
0
0
a
sis
0 0
0
.
.
..
..
0
a
1n
..
.
..
.
a
sn
0
..
.
0
b1
..
.
..
.
bs .
bs+1
..
.
bm
calonada, A, un pelda
no de largo superior o igual a dos. De no ser as se
25
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra
Lineal 08-2
sistema compatible
pelda
nos
escalones
de donde m = n.
a
11
0
.
A = ..
.
..
0
a
12
a
22
0
..
.
0
..
.
0
a
1n
a
2n
..
.
..
.
a
mn
sistema homog
eneo
Dimensiones
N
umero Soluciones
Sistema Homogeneo (b = 0)
nm
n>m
1,
Sistema no-Homogeneo (b 6= 0)
nm
n>m
0, 1,
0,
Ejemplo:
Resolvamos el sistema
1 1
1 2
0 1
1 1
Escalonando:
x1
1 1 1
1
x2
0 1 0 0
x =
1 0 1 3
0
x4
1 1 0
1
x5
1 1 1
1 1 1 1 1 1
0 1 1
0 3 1 0 1 1
0 1 0
0 0 23 0 32 31
0 0 23 0 13 32
0 1 0
1 1 1 1 1 1
0 3 1 0 1 1
0 0 32 0 23 13
0 0 0 0 1 1
Obtenemos que los pelda
nos medidos desda la fila 1 son sucesivamente:
1,1,2,1. De la u
ltima ecuaci
on despejamos x5 = 1.
Con esta informaci
on en la tercera ecuaci
on dejamos libre x4 y despejamos x3 . En la segunda ecuaci
on despejamos x2 y finalmente de la
primera despejamos x1 , para obtener.
1 1
0 3
(A|b)
0 1
0 2
x5 = 1
x4 :
1
1
1
0
libre
3 1 2
1
1
1
x3 = ( x5 ) = x5 = + 1 =
2 3 3
2
2
2
1
1
1
1
x2 = (1 x3 x5 ) = (1 + 1) =
3
3
2
2
1 1
x1 = 1 x2 x3 x4 x5 = 1 x4 + 1 = 1 x4
2 2
26
tendra
1.7.
Supongamos que el n
umero de ecuaciones es igual al n
umero de inc
ognitas
(n = m), en este caso el sistema se escribe:
Ax = b,
A Mnn ( ), x, b
Kn
a
11 a
1n
.
..
..
A =
.
0
a
nn
n
Q
i=1
a
ii 6= 0.
Algoritmo de Gauss
n
Q
a
ii 6= 0, esto quiere decir que los elementos dia-
i=1
!
a
11
0
Y
Y
.
.
.
..
.. = Ej A
D = ..
Fk ,
j
k
0 a
nn
donde las matrices Fk son del mismo estilo que las matricesQelementales
que hemos usado. Sabemos entonces que las matrices D, E = j Ej y F =
Q
1
DF 1 concluimos que A tambien es
k Fk son invertibles y como A = E
invertible.
Como corolario importante de lo demostrado en esta parte es que:
a11
0
r
Y
.
.
..
.. = (
Ej )A,
A = ..
.
j=1
0 ann
donde r es el n
umero de pasos tomados por el algoritmo y las matrices
elementales Ej son del tipo Epq (, 1). Notar que los pivotes son los
elementos de la diagonal de A. Como la inversa de cada Ej es del
mismo tipo se deduce que
A=(
1
Y
(Ej )1 )A.
j=r
1 (
A1 = (A)
r
Y
Ej ),
j=1
y por lo tanto la inversa de A es triangular inferior y ademas sus elementos diagonales son 1/aii i = 1, .., n. Notar que el producto de las
inversas en la expresi
on anterior est
a tomado en sentido opuesto:
(
r
Y
Ej )1 =
1
Y
j=r
j=1
28
(Ej )1 .
(3 1). Supongamos
1.8.
Calculo
de la inversa
AZi = ei ,
Kn el sistema Ax =
n1
bn
= b,
alg
un a
ii = 0. Consideremos las filas i e i + 1 de A:
..
.
A
A = i =
Ai+1
..
.
0
0
0
0
..
.
a
ii = 0 a
ii+1
0
a
i+1i+1
..
.
a
in
a
i+1n
Si a
ii+1 = 0, a
i+1i+1 6= 0 habramos permutados las filas y por lo tanto
la matriz escalonada tendra un 0 en la posici
on (i + 1, i + 1), lo que es
una contradicci
on. Si a
ii+1 6= 0 entonces podemos utilizar este elemento
para escalonar hacia abajo y por lo tanto a
i+1i+1 = 0. En cualquier caso
se deduce que a
i+1i+1 = 0, y por un argumento de inducci
on que a
nn = 0,
29
Pasando por la traspuesta podemos deducir que la inversa de una triangular superior tambien es triangular superior.
Definamos
de A a A.
0
0
.
.
b = C 1
. .
0
1
Si consideramos el sistema Ax = b tendremos que al escalonar la matriz
aumentada (A|b) se obtendr
a una matriz escalonada (usando las mismas
operciones elemementales)
!
..
..
.
.
(A|b) = C(A|b) =
,
0 0 1
lo que representa un sistema incompatible y por lo tanto Ax = b no puede
tener solucion. Hemos obtenido una contradicci
on y por lo tanto la u
nica
posibilidad es que i = 1, .., n a
ii 6= 0, y por lo tanto A es invertible. Ahora
de AZ = I se obtiene premultiplicando por A1 que Z = A1 .
Notemos que de paso se ha probado el siguiente resultado interesante
olo si todo
Corolario 1.4. Una matriz A Mnn ( ) es invertible si y s
sistema Ax = b tiene soluci
on.
Lo que a su vez es equivalente a todo sistema Ax = b tiene soluci
on
u
nica, por lo probado anteriormente.
esto es toda la Q
u
ltima fila de A debe ser 0. Consideremos ahora la matriz
invertible C = Ej , donde A = CA, es decir la matriz que permite pasar
Ejercicio
Para saber si una matriz es invertible hemos entonces probado que basta
estudiar n sistemas lineales. Para el c
alculo de la inversa podemos ir un
poco mas lejos. Consideremos el siguiente ejemplo:
Ejemplo:
luego:
0 1 1
A = 1 1 2
1 1 0
0 1 1
(A|I) = 1 1 2
1 1 0
30
1 0
0 1
0 0
0
0
1
1 1 0 0 0 1
1 1 0 0
(A|I) 1 1 2 0 1 0 0 2 2 0
0 1 1 1 0 0
0 1 1 1
1 1 0 0 0 1
0 2 2 0 1 1
0 0 2 1 21 12
0 1
1 1
0 0
1 1 0 0 0 1
1 0 1 0 21 12
0 2 2 0 1 1 0 2 2 0 1 1
0 0 2 1 12 12
0 0 2 1 21 12
1 0 0 21 14 34
1 0 1 0 12 12
0 2 0 1 21 21 0 2 0 1 21 12
0 0 2 1 12 21
0 0 2 1 21 12
Finalmente, premultiplicando por la matriz invertible:
1 0 0
D = 0 21 0
0 0 12
Se tiene:
1 0
= 0 1
(I|I)
0 0
0 12 41 43
0 12 14 41
1 12 14 41
1
3
x11
2
x12
x13
4
4
I x21 = 12 , I x22 =
14 , I x23 = 14 ,
1
1
x31
14
x32
x33
2
4
de donde:
X = A1
1 1
2 4
= 12 41
1
2
En efecto:
AA1
3
4
1
4
1
1
4 4
1 1 3
0 1 1
2 4 4
1
= 1 1 2 12 41 14 = 0
1
1
1
1 1 0
0
2
4 4
0 0
1 0
0 1
Escalonando:
0 2 1 0 0
1
1 2 0 1 0 y 0
0 2 0 0 1
0
1
0
= 1 , Ax
= 0 son
y los sistemas Ax
1
1
1
(A|I) = 1
1
0 2 1 0
1 0 1 1
0 0 1 0
0
0
1
incompatibles.
1 1
1 1
1 0
1 1
0 0
0 0
0
1
0
0
1 1 1 1 0
0 0 0 1 1 1
1
0 1 1 1 0
0
0
1
Aca el elemento a
22 = 0, pero podemos, premultiplicando por la matriz
de permutaci
on I23 , intercambiar las filas 2 y 3 obteniendo:
1 1 1 1 0 0
1 0 0 0 0 1
1 0 0 0 0 1
0 1 1 1 0 1 0 1 1 1 0 1 0 1 0 0 1 1
0 0 1 1 1 0
0 0 1 1 1 0
0 0 1 1 1 0
1 0 0 0 0 1
0 0 1
0 1 0 0 1 1 A1 = 0 1 1 .
0 0 1 1 1 0
1 1 0
Ejemplo y ejercicio importante: Descomposici
on LDU .
Supongamos que al escalonar A Mnn ( ) no encontramos pivotes nulos
(no permutamos filas!). Se obtiene entonces
a
11 a
1p
Y
..
= ( Ej )A
.
j
0
a
nn
1
..
.
0
..
.
0
1
32
Ejercicio
LU , LDU
1
..
Y
.
21
1
( Ej ) = L = .
..
..
.
j
n1 nn1
0
..
.
..
.
1
Despejamos entonces A:
a
n
Y
1
A = ( Ej )
j
0
..
.
a
1n
a
nn
21
A= .
..
n1
..
0
..
.
nn1
11
a
..
1
0
.
.
a
nn
a
12
a
11
..
a
1n
a
11
a
n1n
a
n1n
(1.4)
Es decir, A admite una factorizaci
on A = LDU , en donde L es
triangular inferior con unos en la diagonal, D es diagonal (formada por los pivotes del escalonamiento) y U es triangular superior
con diagonal de unos. Esta factorizaci
on se llama descomposici
on
LDU .
3. Demuestre que si A admite la descomposici
on LDU de (1.5), entonces la descomposici
on es u
nica.
4. Demuestre ademas que si A es simetrica, entonces L = U t .
5. Encuentre la descomposici
on LDU de
1 1 1
A = 0 1 1 .
1 2 0
33
..
.
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra
Lineal 08-2
Ejercicios
1. Que puede decir de una matriz cuadrada A para la cual todo sistema
Ax = b tiene a lo mas una solucion?. Debe ser A invertible?. Pruebelo.
Ejercicio 1.4
a
11 a
1p
Y
..
= ( Ej )A
.
j
0
a
nn
LU, LDU
1
..
Y
.
21
( Ej )1 = L = .
..
..
.
j
n1 nn1
0
..
.
..
.
1
Despejamos entonces A:
a
n
Y
A = ( Ej )1
j
0
..
.
a
1n
a
nn
21
A= .
..
n1
..
0
..
.
nn1
a
11
0
..
.
a
nn
1
.
.
a
12
a
11
..
a
1n
a
11
a
n1n
a
n1n
(1.5)
Es decir, A admite una factorizaci
on A = LDU , en donde L es
triangular inferior con unos en la diagonal, D es diagonal (formada
por los pivotes del escalonamiento) y U es triangular superior con
diagonal de unos. Esta factorizaci
on se llama descomposici
on LDU .
34
Gua
Semana 3
Ingeniera Matematica
..
.
e) Encuentre la descomposici
on LDU de
1 1 1
A = 0 1 1 .
1 2 0
Problemas
1 1 1
P1. (a) Sea la matriz de coeficientes reales A = a b c . Demueste
a 2 b 2 c2
que si la ecuaci
on Ax = 0 tiene una u
nica solucion entonces (a 6=
b) (a 6= c) (b 6= c).
(b) Considere el sistema lineal a coeficientes reales siguiente
x1
x1
x1
+
+
x2
x2
x2
+
+
x3
x3
x3
+ x4
+ x4
=
=
=
=
0,
0,
0,
0.
P3. Considere
1
1
A=
0
2
2
1
3
1
3
1
0
1
3 3
b=
0 .
2
36