Professional Documents
Culture Documents
Primeras definiciones
Una matriz es una coleccin de escalares, organizados en filas y
columnas de la forma que se indica
11
21
=[
1
12
22
1
2
]
1.1
() = = 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
1.4
1.5
0
0
1
1.2
1.9
Suma matricial
Sean y dos matrices del mismo tamao . La matriz , de tamao
, es la suma de y , y se escribe = + , si
= + , ,
1.10
+ = [
]
+
[
]
=
[
Figura 1.1
1.
2.
3.
4.
( + ) + = + ( + )
+ =+
+ =
+ () =
Asociativa
Conmutativa
Matriz nula
Matriz opuesta
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
] =
5.
6.
7.
8.
() = ()
( + ) = +
( + ) = +
1 =
Asociativa
Primera distributiva
Segunda distributiva
Producto por la unidad
Conjugacin matricial
Conjugar un nmero complejo , de la forma = + , donde y son
nmeros reales e = 1 la unidad imaginaria, significa cambiar de signo a la
parte imaginaria de , manteniendo la parte real de . As pues, el nmero
complejo
=
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.
Ntese adems que:
= ( )( + ) = 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.
Toda matriz formada por nmeros complejos se puede escribir de la forma
= +
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 3
2
1
2 + 5
]=[
0
3
2
3 5
]+[
]
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.
+ = +
=
10.
11. =
Conjugada de la suma
Conjugada del producto por
Conjugada de la conjugada
Matriz real
Trasposicin matricial
Trasponer una matriz significar intercambiar columnas por filas, esto es, las
columnas de la matriz original pasan a ser filas de la matriz traspuesta.
Dada la matriz de tamao , la traspuesta de , que se escribe , es
la matriz de tamao cambiado tal que
= , ,
1.17
(Ver figura 1.4).
= [
] = [
Figura 1.4
] =
1.18
es la fila
= [1
1.19
Propiedades:
13. ( + ) = +
14. () =
15. () =
( )
16. ( ) =
Traspuesta de la suma
Traspuesta del producto por
Traspuesta de la conjugada
Traspuesta de la traspuesta
1.20
1.21
es antisimtrica
1.6
Trasposicin hermtica
La propiedad 15 del apartado anterior permite definir la traspuesta hermtica de
, que se denota por , mediante
1.22
= () =
( )
Los operadores trasposicin y conjugacin conmutan entre s, y forman un nuevo
operador de trasposicin hermtica H.
En el campo complejo se consideran las matrices hermticas, que cumplen la
condicin = y las matrices antihermticas, que verifican = .
Ejemplos y propiedades de estas matrices sern objeto de ejercicios.
1.7
Producto matricial
Vamos en este apartado a definir el producto matricial entre dos matrices,
cumpliendo una condicin previa de tamaos.
El producto de la matriz de tamao por la matriz de tamao es
la matriz de tamao de modo que
= = 1 1 + 2 2 + + , ,
1.23
=1
= 1
[
][
=
]
=
[
=
]
Figura 1.5
Ejemplo 1.5
+ + + +
] = [
]
[
]
+ + + +
Se van a presentar en lo que sigue las propiedades del producto matricial:
Propiedades:
17. () = ()
18. ( + ) = +
19. ( + ) = +
20. = =
21. ,
22. () = () = ()
=
23.
24. () =
25. () =
Asociativa
Primera distributiva
Segunda distributiva
Producto por la identidad
No conmutatividad
Producto con escalares
Conjugada del producto
Traspuesta del producto
Traspuesta hermtica del producto
1 1
1 1 0
0 0
] [ 1 1] = [
]
0 1 1
0 0
1 1
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
1
1 0
] , = [1
1 1
1
1
2]. Se tiene
3
1
2 3
= [
] , = [1
2 5
1
2 1
3 2]
4 3
siendo
() = () = 7
1.24
Se tiene que
1 = 0 = =
2 = 1
3 = 2
y, en general, se demuestra por induccin que
+1 =
1.25
= = +
1.26
Se tiene adems
( + ) = ( )
1.27
( 1)( 2) ( + 1)
!
( )=
=
!
! ( )!
1.28
=0
siendo
1 0
0 1].
0 0
1
0 0 0
0] y 3 = [0 0 0]
0
0 0 0
0
0] , 3
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 0
[0 1
0 0
0
0
0] + [0
1
0
0
0
( 1) 2
=
2
0
0 0
] + [
0 0
0
0 0
( 1)
2
]=
0
0
1
[
0 1
0 0
1.9
1.29
1
1
] es una inversa por la izquierda de la matriz =
1 1
pues
1
= [
0
1 1
1
1
1
] [1 2] = [
1 1
0
1 1
0
] = 2
1
1.30
1 1] ya
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.
Se tienen las siguientes proposiciones:
1.31
1.32
Ejemplo 1.12
1
La matriz = [
0
2
1
] es la inversa de la matriz = [
1
0
= [
2
] pues
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
Inversa de la suma
Inversa del producto por
Inversa de la conjugada
Inversa de la traspuesta
Inversa del producto
Inversa de la inversa
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.
La propiedad 28 permite concluir que la conjugada de una matriz regular es
regular; anlogamente, la propiedad 29 permite afirmar que la traspuesta de una
matriz regular es regular.
La propiedad 30 garantiza que el producto de matrices regulares es regular, as
como la propiedad 31 garantiza que la inversa de una matriz regular es regular.
Para matrices regulares se define la potencia a un nmero entero negativo de la
forma siguiente
1.33
2
] es el bloque definido
8
0
1
1
1
1
1
1
0
1
1
0
1
1
2
]
1
2
1
1
1
0
1
1
0
1
1
2
]
1
2
0
1
1
1
= [ 11
21
12
22
13
]
23
con
11 = 22 = [
1 0
] = 2
0 1
12 = 21 = [
1 1
]
1 1
1) [ ] + [ ] = [
]
+
2) [ ] = [ ]
3) [ ] = [ ]
4) [ ] = [
5) [
] [ ] = +
6) [ ] [
7) [1
8) [1
] = [
] = [1
] [ 2 ] = 1 1 + 2 2 + +
Ejemplo 1.16
Se pide hallar la inversa de una matriz particionada de la forma
=[
1 = [
][
]=[
1 = [
0
22
0
0
]
0
cumpliendo = 0, para
0
22
0
0
].
Ejemplo 1.17
Las matrices
1 0
= [2 3
4 5
0
1 1 2
1 0 0
0] , = [0 3
3 ] , = [0 2 0 ]
6
0 0 4
0 0 3
Ejemplo 1.18
La matriz
=[
es ortogonal pues
1 = [
3) Matrices idempotentes
] =
1/2 1/2
]
1/2 1/2
es idempotente ya que
1/2 1/2
2 = [
]=
1/2 1/2
4) Matrices nilpotentes
0
0] =
0
Ejemplo 1.21
La matriz
=
1 1 2 2
[2 1 2]
3
2 2 1
es involutiva al cumplirse
1
2 = [0
0
0 0
1 0]
0 1
6) Matrices de permutacin
Una matriz se dice de permutacin si resulta de la matriz identidad al
intercambiar de orden sus filas (o sus columnas).
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
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.
1 1 + 2 2 + + + + =
1 1 + 2 2 + + + + =
2.1
=
1
[1
12
22
1
2
1
2
]
2.2
[ ]
2.3
[ ]
2.4
2 4 5
]
2 4 6
= [ 2]
3
El sistema general 2.1 se puede escribir de forma ms sencilla por su
representacin matricial
=
2.5
[ 1
12
22
1
2
1 1
1
2 2
2
] [ ] [ ]
2.6
0 =
0
[0 ]
2.7
0 =
2.8
satisface la identidad
2.9
Operaciones elementales
Ya sabemos que un sistema de ecuaciones lineales est representado por la
ecuacin matricial = , y de un modo todava ms sencillo se puede
representar por su matriz ampliada [ ], que resulta de ampliar la matriz
del sistema con la columna de trminos independientes.
Las ecuaciones del sistema se corresponden directamente con las filas de la
matriz ampliada, de modo que cualquier operacin sobre las ecuaciones del
sistema se refleja en la correspondiente operacin sobre las filas de la ampliada;
y recprocamente.
Vamos a tratar aqu de tres clases de operaciones elementales sobre las
ecuaciones (o filas de la matriz ampliada) que respetan el conjunto de soluciones,
esto es, transforman un sistema en otro equivalente.
2 3
| ]
5 6
representa al sistema
1 + 22 = 3
41 + 52 = 6
El intercambio entre s de las filas primera y segunda de la matriz ampliada es
una operacin de clase I, cuya matriz asociada es
0 1
1,2 = [
].
1 0
Esta matriz procede de intercambiar entre s las filas primera y segunda de la
matriz identidad
1 0
2 = [
]
0 1
La nueva matriz ampliada obtenida despus del intercambio
4
[
1
5 6
| ]
2 3
5 6
| ]
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
La nueva matriz ampliada es
[
4 5 6
| ]
4 8 12
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 3
4 5 6
| ]=[
| ]
5 6
1 2 3
1 0 4
][
0 4 1
5 6
4 5 6
| ]=[
| ]
2 3
4 8 12
0
[
1
[
[
1 0 4
][
1 1 4
4
]=[
8 12
0
|
5 6
| ]
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 ). =
. +. =
La eliminacin Gaussiana
La eliminacin Gaussiana es la tcnica con la que se elimina una incgnita en
una ecuacin, aprovechando la existencia de esa misma incgnita en una
ecuacin distinta con un coeficiente distinto de cero que llamaremos pvot.
Operando ordenadamente, se espera reducir el sistema de ecuaciones lineales
dado a un sistema simplificado equivalente, del que sea sencillo hallar todas sus
soluciones. Esta tcnica la veremos en accin en los mtodos de Gauss y de
Gauss-Jordan.
Supongamos que la ecuacin de un sistema lineal, en la que aparece manifiesta
la incgnita , esto es, 0, (el pvot) fuera la siguiente:
1 1 + 2 2 + + + + =
2.10
2.11
2.12
( ) = = 0
Ejemplo 2.8
Podemos usar la primera ecuacin para eliminar la primera incgnita de la
segunda ecuacin del sistema
2 1 + 32 = 1
41 + 52 = 6
El pvot vale 2 y el mltiplo de Gauss es = 4/2 = 2. Si a la segunda fila le
restamos por tanto la primera multiplicada por 2 se obtiene
2 1 + 32 = 1
2 = 4
Desde el punto de vista de las matrices ampliadas pasamos de la matriz
2
[
4
a la matriz [
2.4
3 1
| ]
5 6
2 3 1
| ] que tiene un cero debajo del primer pvot
0 1 4
El mtodo de Gauss
El mtodo de Gauss es un mtodo sistemtico de eliminacin de incgnitas de
un sistema de ecuaciones lineales en dos fases: la primera, fase de eliminacin,
persigue llegar a un sistema equivalente reducido de forma triangular; y la
segunda, fase de vuelta atrs, partiendo del sistema reducido, permite obtener
la solucin o soluciones, caso de que stas existan.
El mtodo utiliza la tcnica de la eliminacin Gaussiana. La fase de eliminacin
funciona por etapas y se trabaja sobre la matriz ampliada del sistema. Cada etapa
viene marcada por una determinada columna de la matriz del sistema.
El mtodo empieza por la primera columna de la matriz del sistema. Si no hay
pvot en esa columna se pasa a la siguiente y as hasta encontrar una columna
con pvot. El pvot se sita en el nivel ms alto posible, por debajo de las filas que
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
0
0 0
0 0
0
0 0]
2.13
Figura 2.1
2
2
2
6
2 4
2 8
4 6
8 18
0
0
[
0
0
2
0
0
0
2
2
2
0
3 2
0
(1)
6
4
0
] [
10 8
0
19 10
0
4 3
6 10
2 7
4 3
0
0
[
0
0
2
0
(3)
16
0
] [
10
0
6
0
2
0
0
0
2
0
0
0
2
0
0
0
2
0
2
2
4 3
4 3
2 7
6 10
2
(2)
6
]
10
16
2 4
3 2
(4)
2 6 10 16
]
0 4 3 6
0 4
3
6
2 4
3 2
2 6 10 16
]
0 4 3 6
0 0
0
0
2
0
0
0
2 4
3 2
2 6 10 16
]
0 4 3 6
0 0
0
0
6 + 35 3 3
= 2
4
2 4
16 64 105
3 3
7 11
= 8 3 ( 2 ) 52 =
2
2 4
2 4 2
2 23 44 35
7 11
3 3
3
= 1 ( 2 ) 2 ( 2 ) 2
2
2 4
2 4
2
Operando se llega a
2 =
15 11
+ 2
2
4
15 11
7 11
3 3
+ 2 , 3 = 2 , 4 = 2 , 5 = 2
2
4
2 4
2 4
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.
9
=1
9
6 42
=1
2
La solucin nica es 1 = 1, 2 = 1
Ejemplo 2.13
Veamos cmo el siguiente sistema carece de solucin
21 + 42 = 6
41 2 = 3
21 + 52 = 0
Trabajando con el mtodo de Gauss
2
4 6
2 4
6
2
[ 4 1 | 3] [0 9 | 9] [0
2 5 0
0 9
6
0
4
6
9 | 9]
0 3
El mtodo de Gauss-Jordan
Una vez estudiado el mtodo de Gauss abordamos en este apartado la variante
de Gauss-Jordan. Las diferencias con el mtodo de Gauss son las siguientes:
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
0
0
0
[0
0
0
0
0
0
0
1 0
0 0 0 1
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0
0
0
0
0 0
0 1
0 0
0 0
2.1
4
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).
Proposicin 2.3: La reducida de Gauss-Jordan es nica para una matriz ampliada
dada
Demostracin: Se omite la demostracin.
Como el mtodo de Gauss-Jordan requiere la fase de eliminacin de Gauss, el
nmero de pvots que aparecen en la reducida de Gauss-Jordan (y en cualquier
reducida de Gauss) para una matriz es un invariante de esa matriz.
Ejemplo 2.14
En este ejemplo veremos cmo se trabaja con el mtodo de Gauss-Jordan.
2
2
2
6
2 4
2 8
4 6
8 18
3
6
10
19
2
0
4
0
] [
8
0
10
0
2
0
0
0
2 4
3 2
2 6 10 16
]
0 4 3 6
0 0
0
0
1
0
0
0
0
1
0
0
0
0
1
0
11/4
11/4
3/4
0
15/2
7/2
]
3/2
0
1 = 1 , 2 =
15 11
7 11
3 3
+ 2 , 3 =
2 , 4 = 2 , 5 = 2
2
4
2 4
2 4
Figura 2.3
5
[2
sern de la forma
19
19
1+
1
5
5
= 0 + = [1] + 2
=
2
1
+
1
5
5
[ ]
[ 1+ ]
2.7
Inversas de y la ecuacin =
Sea una matriz de tamao general y una columna de elementos.
Qu implica para la ecuacin matricial = la existencia de inversa por la
izquierda de ? La respuesta la aporta la siguiente proposicin:
Proposicin 2.5: Si = tiene solucin, y si existe inversa por la izquierda
de , entonces la solucin es nica
Demostracin: Sea 0 una solucin de = . Debe cumplirse 0 = . Si
existiera otra solucin 1 se debera cumplir 1 = . Restando miembro a
miembro ambas identidades se tiene
(1 0 ) = 0
Multiplicando por la izquierda por
(1 0 ) = 0
(1 0 ) = 0
1 0 = 0
1 = 0
lo que significa que la solucin 0 es nica
Nota: En la proposicin 2.5 es crucial la existencia de solucin, no basta con que
exista ; si no hubiera solucin no cabe hablar de solucin nica.
Ejemplo 2.16
El sistema
1 + 2 = 3
1 + 22 = 5
1 + 2 = 3
1
1
]
1 1
2.15
Ejemplo 2.18
1
La matriz = [
1
1
2 1
] tiene como matriz inversa 1 = [
]. El sistema
2
1
1
1 + 2 = 7
1 + 22 = 9
5
tiene como solucin nica 0 = [ ] que se puede obtener de
2
0 = 1 = [
2 1 7
5
][ ] = [ ]
1
1 9
2
1 =
] = [1 2
1 = 1
2 = 2
}
=
Lo que significa que 1 es la solucin nica de = 1; 2 es la solucin nica de
= 2 ; y as sucesivamente, es la solucin nica de = . Todos los
sistemas, por tener la misma matriz del sistema, se resuelven con las mismas
operaciones elementales por filas sobre la correspondiente matriz ampliada
[ ] [
1 ]
2 ]
n ]
Podemos resolver todos los sistemas a la vez ampliando con las columnas de
utilizando las misma operaciones elementales
[
] [
En definitiva,
[
1 ]
] [
2.16
2
] mediante Gauss-Jordan.
4
Veamos:
[
[
1
0
2 ] = [1 2 1
3 4 0
1
2
1 3/2
0
1
2
1 0
][
]
1
0 2 3 1
0
1
][
1/2
0
1
0 2
] = [2
1 3/2 1/2
1 ]
luego
1 = [
2
1
]
3/2 1/2
] = [
2 1 ] = [
En particular
2 1 =
Despejando
0 ]
0 ]
2.9 Descomposicin de
= 11 21 1 = 1 2
donde las matrices tambin son elementales (por ser inversas de
elementales).
Nota: Un resultado similar se obtiene para matrices asociadas a operaciones
elementales sobre columnas.
2.9
Descomposicin de
Se pretende ahora resolver en este apartado el problema de descomponer una
matriz cuadrada como el producto de una matriz triangular inferior por una
matriz triangular superior ; la primera con su diagonal principal formada por
unos y la segunda con su diagonal principal formada por nmeros distintos de
cero, de modo que
=
2.17
Ejemplo 2.20
1
Se pide hallar la descomposicin de la matriz = [
3
Lo que se busca es una matriz de la forma = [
forma = [
1
=[
3
2
1
]=[
4
0
][
1 0
2
].
4
0
] y una matriz de la
1
] =
2.9 Descomposicin de
=[
1 0
1 2
], = [
]
3 1
0 2
Ejemplo 2.21
0 1
] es fcil darse
2 3
cuenta de que se llega a un sistema de ecuaciones incompatible. Luego esta
matriz no tiene descomposicin .
Caso de que se pida la descomposicin de la matriz = [
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:
Si se cumplen las condiciones anteriores, la matriz triangular inferior , con unos
en la diagonal principal, est formada, en el tringulo estrictamente inferior, por
los mltiplos de Gauss que se hayan utilizado para convertir en la matriz
mediante slo operaciones elementales de clase III sobre las filas de . El
mltiplo de Gauss que se usa para formar un cero en la posicin (, ), con > ,
es el elemento de .Ntese que en la diagonal principal de estarn los
pvots (que son no nulos). Estas afirmaciones se dejan sin demostrar.
El siguiente ejemplo ayudar a comprender mejor lo anterior.
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
21 = 2
3
1
1
3
1
1
=[ 6
[ 0
0
4]
2 2]
9 11 9
9 11 9
2.9 Descomposicin de
31 = 3
3
1
1
3 1
1
[0
[0 2 2 ]
2 2]
9 11 9
0 8 12
(2,2)y
El segundo pvot aparece en la posicin
con l formamos un cero debajo
32 = 4
3 1
1
3 1 1
[0 2 2 ]
[0 2 2] =
0 8 12
0 0 4
con lo que se logra la matriz .
Los mltiplos de Gauss utilizados 21 , 31 , 32 en el proceso forman el tringulo
estrictamente inferior de la matriz que viene dada por
1 0 0
= [ 2 1 0]
3 4 1
Si se hace el producto , con las matrices y obtenidas, se obtiene la
matriz .
Veamos ahora unas variantes de la descomposicin de :
0
0
Esta matriz tiene inversa (por ser los pvots no nulos)
11 1
0
0
1
0
22
0
1 =
[ 0
0
1 ]
2.19
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 ) =
con lo que se ha llegado a la descomposicin de
=
2.21
Ejemplo 2.23
Hallar la descomposicin de la matriz del ejemplo 2.22.
Partimos de las matrices y ya obtenidas, de modo que
1
=[ 2
3
0 0
3 1 1
1 0] = [0 2 2]
4 1
0 0 4
0 0
2 0]
0 4
Se construye como
1/3
0
0 3 1
1/2
0 ] [0 2
=[ 0
0
0
1/4 0 0
1 1/3 1/3
1
2] = [0
1
1 ]
4
0
0
1
2.22
Ejemplo 2.24
2
Hallar la descomposicin de la matriz simtrica = [
4
Veamos:
2
=[
4
4
]
16
21 = 2
1 0
=[
],
2 1
2
[
0
2
=[
0
4
]=
8
0
]
8
4
]
16
2.9 Descomposicin de
Si se hace el producto se obtiene .
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
2
=[
0
0
]
8
de modo que los pvots 2 y 8 son mayores que cero. En este caso ser
1 = [2 0 ]
0 8
y
= 1 = [
1 0 2
0 ] = [ 2
0 ]
][
2 1 0 22
22 22
2.9 Descomposicin de
Vamos a terminar este apartado con el uso de la descomposicin LU de A a la
hora de resolver el sistema representado por la ecuacin = . Veamos:
Las matrices cuadradas que poseen son regulares. Luego el sistema =
es de Cramer (solucin nica). Si se conoce la descomposicin de se
puede aprovechar para resolver el sistema = del siguiente modo:
=
() =
() =
= , =
Primero se resuelve el sistema triangular inferior
=
2.25
2.26
1
4]
9
1 1
2 2]
0 4
2.10 Descomposicin de
1 = 8
21 + 2
= 18
31 + 42 + 3 = 4
del que se deduce 1 = 8, 2 = 2, 3 = 12, esto es
8
0 = [ 2 ].
12
El sistema 2.26 se puede escribir
31 + 2 + 3 = 8
22 + 23 = 2
43 = 12
del que se deduce 3 = 3, 2 = 2, 1 = 1, esto es
1
0 = [2]
3
que es la solucin del sistema inicial.
La descomposicin de es muy interesante para resolver muchos sistemas
que compartan la misma matriz del sistema pero con columnas de trminos
independientes diferentes; es suficiente hacer dos sustituciones, una hacia
adelante y otra hacia atrs, para cada columna.
Aunque no se ha estudiado todava la nocin de determinante, es bueno
adelantar este nuevo resultado: Cuando la matriz tiene descomposicin
se tiene la identidad
= det() = = 1 = = 11 22
esto es, el determinante de es el producto de los pvots.
2.10 Descomposicin de
Puede suceder que una matriz regular no tenga descomposicin , debido a
que los pvots no aparecen en las posiciones debidas. Siempre es posible, sin
embargo, desordenar las filas de mediante una matriz de permutacin de
modo que la nueva matriz regular tenga descomposicin .
=
Para resolver el sistema
=
2.27
0 1
2 3] no tiene , pero s en cambio la matriz
5 6
0
4 5 6
[0 2 3] = = [0
1
0 0 1
0 1 0 0
1 0 ] [0 2
0 0 4 5
1
3]
6
0 1
1 0
1 0] , = [0 1
0 0
0 0
0
4 5
0] , = [0 2
1
0 0
6
3]
1
Caso de ser
1
b=[5]
15
se tiene
0 0
= = [0 1
1 0
1 1
15
]
[
]
=
[
0 5
5 ].
0 15
1
1
15
De = se obtiene 0 = [ 5 ] y de = 0 se halla 0 = [1]
1
1
2.11 Costo computacional
Las operaciones tienen un costo computacional derivado del tiempo que
requieren para realizarse. Este tiempo conecta con el que necesita la unidad de
procesamiento central del ordenador que se utilice para ejecutar las
correspondientes operaciones.
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
+ 2 }
3
3
3
2
}
2.32
3 2
+
}
2
2
2.33
2.34
2.35
6
( 1)
2
}
2.36
2.37
Determinantes
3
3.1 Definiciones
3.1
Definiciones
Una permutacin de los primeros nmeros naturales 1, 2, , est
formada por esos nmeros (1), (2), , () , pero posiblemente
cambiados de orden. As, para = 4 , los nmeros 4, 3, 1, 2 forman una
permutacin de los nmeros 1, 2, 3, 4. En general, hay un total de ! ( factorial)
permutaciones de nmeros sin repeticin. En el caso de = 4 habr un total
de 4! = 1 2 3 4 = 24 permutaciones. Denotaremos, en general, con
al conjunto de todas las permutaciones de los primeros nmeros naturales
1, 2, , .
Se dice que en la permutacin (1), (2), , (), , (), , () hay una
inversin si < pero () > (). Por ejemplo, en la permutacin 4, 3, 1, 2 el
nmero 4 presenta tres inversiones con los nmeros 3, 1, 2 y el nmero 3
presenta 2 inversiones con los nmeros 1, 2. Se denotar con () el nmero
total de inversiones de la permutacin . As, en nuestro ejemplo, hay un total
de 5 inversiones.
Se define el signo de la permutacin mediante
= (1)()
3.1
3.2
21
12
22 ]
3.1 Definiciones
Se tiene = 2. Hay dos permutaciones de los nmeros 1,2:
1 = 1,2 1 = 1
2 = 2,1 2 = 1
En este caso, segn 3.2
= 1 11 22 + (1) 12 21 = 11 22 12 21
3.3
12
22
32
13
23 ]
33
1,2,3:
3.4
3.2 Propiedades
De todo lo explicado se puede afirmar que el determinante de una matriz
cuadrada es un nmero, perteneciente al campo numrico de la citada matriz,
que depende de los elementos de la misma, segn la frmula indicada en 3.2
3.2
Propiedades
En lo sucesivo nos conviene pensar en una funcin determinante, denotada
, que acta sobre las columnas de una matriz cuadrada de orden ,
dando como resultado el determinante de definido anteriormente
() = ([1 2 ]) =
3.5
1. ([1 2 + ]) = ([1 2 ]) +
([1 2 ])
2. ([1 2 ]) = ([1 2 ])
3. ([1 2 ]) = ([1 2 ])
4. ( ) = ([1 2 ]) = 1
3.2 Propiedades
Las propiedades 1, 2 y 3 permiten afirmar que la funcin determinante es una
forma multilineal alternada. De la propiedad 3 se deduce inmediatamente que
([1 2 ]) = 0
3.6
esto es, cuando en la matriz hay dos columnas iguales, el determinante se anula.
Finalmente, la propiedad 4 afirma que el determinante de la matriz identidad
vale la unidad.
Consecuencias:
De las propiedades que definen la funcin determinante se pueden extraer,
entre otras, las siguientes consecuencias (de las que se omite la demostracin):
1. Si una columna de es combinacin lineal de las dems columnas de ,
el determinante se anula. Lo que significa que si hay una columna de
de la forma
= 1 1 + 2 2 + + 1 1 + +1 +1 + +
3.7
entonces
([1 2 ]) = 0
3.8
8. () =
9. (1 ) = 1/ , supuesto regular
3.3 Menores
En los ejercicios resueltos de este Captulo se comprender mejor el alcance de
las propiedades y consecuencias.
3.3
Menores
Se llama menor de orden de una matriz (no necesariamente cuadrada) al
determinante de la submatriz cuadrada de que resulta de fijar filas y
columnas de .
Si se fijan las filas 1 , 2 , , y las columnas 1 , 2 , , utilizaremos la notacin
(1 , 2 , , ; 1 , 2 , , )
para denotar el citado menor.
Ejemplo 3.4
Dada la matriz
1 2
= [5 6
9 10
3
7
11
4
8]
12
Es
6
(2, 3; 2, 4) = [
10
8
] = 8
12
(2,3) = [
5 6
] = 3
8 9
es un menor principal de .
Un menor principal de orden se llama menor principal angular si se fijan las
primeras filas y las primeras columnas.
1 2
] = 3
4 5
La matriz adjunta
Se llama menor complementario del elemento de la matriz cuadrada al
menor formado por las 1 restantes filas distintas de la fila y las 1
restantes columnas distintas de la columna de la matriz , o lo que es
equivalente: el determinante de la matriz que resulta de suprimir en la fila y
la columna . El menor complementario de se denota por .
Ejemplo 3.7
Dada la matriz
1 2 3
= [4 5 6 ]
7 8 9
el menor complementario del elemento 12 = 2 es
12 = [
4 6
] = 6
7 9
3.10
1
11
] =[
1
1
]
3.11
Ejemplo 3.9
La adjunta de la matriz
1 2 3
= [4 5 6 ]
7 8 9
es la matriz
3
6
= [ 6 12
3
6
3
6]
3
3.12
3.13
Obsrvese que las dos identidades 3.12 y 3.13 se pueden condensar en una nica
identidad
3.14
3.15
0,
3.16
= [1
3.5
1
] [
] = [
] =
] =
(
) =
de donde
1 =
3.17
luego es regular
La frmula 3.17 permite obtener la inversa de una matriz regular utilizando
determinantes.
3.18
3.19
Ejemplo 3.10
La inversa de la matriz
1 2 0
= [3 0 2 ]
0 3 1
es la matriz
1
3.6
1/2
1 6 2 4
=
=
[3 1 2] = [ 1/4
12
3/4
9 3 6
1/6
1/12
1/4
1/3
1/6 ]
1/2
La regla de Cramer
Se utiliza para resolver sistemas = , con una matriz regular de orden
(sistemas de Cramer), mediante determinantes.
Se sabe que estos sistemas tienen solucin nica 0 = 1 . No se trata aqu de
usar la frmula 3.17 para calcular 1 y luego multiplicar por , que exigira el
tedioso clculo de la matriz adjunta de .
Ntese que si
= [1 2 ],
10
20
0 = [ ]
0
y 0 es la solucin de = se tiene
10
20
= 0 = [1 2 ] [ ] = 10 1 + 20 2 + + 0 + + 0 =
0
0 +
donde se ha escrito primero el sumando y se han agrupado en los dems
sumandos, por lo que es combinacin lineal de las columnas de , a excepcin
de la columna , y ello para una columna dada.
Si sustituimos en [1 2 ] la columna de por la columna se
tiene
[1 2 ] = [1 2 0 + ] =
[1 2 0 ] + [1 2 ]
= 0 [1 2 ] + 0 = 0
y de ah se despeja 0
0 =
[1 2 ]
3.20
12
10
20
30
1 12 0
[3 24 2]
[1 3 ]
0 48 1 = 9
=
=
12
1 2 12
[3 0 24]
[1 2 ]
0 3 48 = 21
=
=
12
esto es,
6
0 = [ 9 ]
21
3.7
Ejemplo 3.12
Se pide calcular el siguiente determinante:
0
1
[
1
3
2
2
4
5
0
3
0
0
0
4
].
6
7
2
2
4
5
0
3
0
0
0
1 3 4
4
] = 2 (1) [1 0 6]
6
3 0 7
7
1 6
= 2 (1) 3 [
] = 6 (11) = 66
3 7
2) De matrices triangulares
De otra parte, las matrices triangulares (inferiores o superiores) tienen un
determinante muy sencillo de calcular, pues resulta de multiplicar los
elementos de la diagonal principal de la matriz, cuestin que se prueba para el
caso de las triangulares inferiores en la siguiente proposicin (se seguira con las
triangulares superiores un razonamiento anlogo):
Proposicin 3.6: El determinante de la matriz triangular inferior
11
21
=[
0
22
0
0
]
3.21
0
]
1
1] se pide calcular el determinante de .
1
Veamos:
1
( ) = [ 1
1
1
1
1
1
1
(3 ) [1 1
1
1
1
3
]
=
[
1
1
1
1
3
1
1
1
1 1
1 ] = (3 ) [0
1
0 0
3
1 ]=
1
1
0 ]=
(3 )()2 = 3 + 32
En este ejemplo se ha comenzado sumando a la primera fila las filas segunda y
tercera, para lograr un factor comn 3 en la primera fila; una vez extrado, a
la segunda y tercera fila se le restan la primera formada por todo unos,
obteniendo el determinante de una matriz triangular superior. El resto es
evidente.
4) Matrices tridiagonales
Las matrices cuadradas de orden tridiagonales de la forma
0 0
0 0
0 0
]
=
0
[0
0
0
0 0
[0 0
]
1 2
donde el primer determinante es 1 y el segundo se ha desarrollado a su vez
por su primera columna obteniendo 2.
En definitiva,
= 1 2
3.22
3.23
= 1 + 2 1
3.24
b) = , en cuyo caso
0
0
0
2
3]
2 = 2
de donde
= 1 + 2+1
5) Matrices triangulares por bloques
Es frecuente encontrarse con la necesidad de calcular el determinante de una
matriz triangular por bloques, con bloques diagonales cuadrados. Se puede
probar que el citado determinante es igual al producto de los determinantes de
los bloques diagonales. As, por ejemplo,
11
[ 21
22
] = 11 22
3.25
Ejemplo 3.16
Se pide calcular el determinante de la siguiente matriz
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 2
1 2
3.8
1
1 2
] = 1 (2) = 2
2] [
3 4
3
El determinante de Vandermonde
El determinante de Vandermonde es un determinante de orden que
aparece en determinadas ocasiones, por las que se justifica su estudio. Depende
de parmetros 1 , 2 , , . Formulado en trminos de filas, la fila de la
1 1
[1
12
22
32
2
1
2
12
22
32
2
1
2
= ( )
11
21
31
1
1
1 ]
3.26
>
2
2]
2
El mtodo de Laplace
Sea una matriz cuadrada de orden . El mtodo de Laplace consiste en fijar
filas de , por ejemplo 1 , 2 , , , y con columnas de 1 , 2 , , se van
formando todos los menores
Denotaremos con
(1 , 2 , , ; 1 , 2 , , )
el adjunto del menor (1 , 2 , , ; 1 , 2 , , ), definido mediante
(1 , 2 , , ; 1 , 2 , , ) =
1 +2 ++ +
(1) 1 +2 ++ (1 , 2 , , ; 1 , 2 , , )
3.27
(1 , 2 , , ; 1 , 2 , , ) (1 , 2 , , ; 1 , 2 , , )
3.2
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.
El mtodo de Laplace tiene como caso particular el desarrollo de un
determinante por los elementos de una fila o columna (cada elemento es un
menor de orden uno).
Ejemplo 3.18
Calcular el determinante de la siguiente matriz
1
3
= 1
5
[1
2
4
2
4
0
0
0
3
3
1
0
0
4
2
1
1
1
5
1
0]
2
1 1
2
] = 2, [
] = 2, [
4
3 1
4
1
] = 2
1
3
[3
1
2
(1)9 [4
0
1
(1)10 [5
1
4 5
2 1] = 12 ,
1 0
3 4
3 2] = 6
1 1
3 4
3 2] = 18
1 1
luego
= (2) (12) + (2) (6) + (2) 18 = 0
3.10 Rango y determinantes
Sea una matriz de tamao . El rango de es un invariante de la matriz
y se define como: el orden del menor no nulo de A de mayor orden. La
definicin significa que si tiene un menor distinto de cero, de orden , y todos
los menores de orden mayor que valen cero, entonces es el rango de . En
ese caso, bastara con que fueran cero los menores de orden + 1 , para
garantizar que es el rango de , recordando cmo se calcula un determinante
en funcin de los adjuntos (menores con signo) de un orden inferior.
Es evidente que: el rango de no puede ser mayor que el nmero de filas ni
que el nmero de columnas.
Ejemplo 3.19
Se pide calcular el rango de la siguiente matriz
1 2 3
= [4 5 6]
7 8 9
Veamos: Hay un menor de orden dos distinto de cero, por ejemplo
det [
1 2
] = 3
4 5
3
6
6] , = [15]
9
24
]) = 2 < 3 = ,