Algebra Lineal Strang

Algebra lineal y Sus aplicaciones cuarta edicién Gilbert Strang Massachusetts Institute of Technology Revisi6n técnica: Edmundo Palacios Pastrana Universidad Iberoamericana UTN - FRCU Dpto. Biblioteca ‘Algebra lineal y sus aplicaciones HAN RAARE E 11736 THOMSON —+*—___. Australia + Brasil » Canada + Espafia « Estados Unidos « México * Reino Unido SingapurPreakdente de Thomson Learning \beroamarioa: Javier Arellano Gulérrez Director editorial tberoamérica: José Tomas Pérez Bonila Gerente editorial y de producelén: Ulla Moreno Olvera Editor de doserrolto: Podro de la Garza Rosales COPYRIGHT © 2007 por Intemational Tomson Editores, S.A. 60 C.V,, una division de Thomson Leaming, inc. ‘Thomson Leaming™ es une marca registrada usadia bajo permiso. Impreso en México Printed in Mexico 123.4.0908 07 06 Para mayor informacién ccontdctencs ent Corporativo Santa Fe ‘Av. Santa Fo, aim. 508, pico 12, (Col, Cruz Manea, Sants Fe CP. 05849, Delegacién Cusiimalpa México, 0. F. Pade visiter nuestro sito on bitpu/wwwthomson.com.rmx México y América Central THOMSON —+ Aigebra tineal y aus splicactones, 4a. 4. Giver Strang Coordinador de manutactura: larael Robles Martinez Editora de produceién: ‘Abril Voga Orozco Diseto de portada: Grupo Insigne O.TA., S.A, de CY. DERECHOS RESERVADOS. ‘Queda prohibida la reproduccion © transmision total 0 parcial del texto de la presente cbra bajo ualesquiera formas, slectrénica ‘9 mecdiica, incluyendo fotocopiado, ‘imacenamiento on algin sistema do recuperacién de informacion, 0 ‘grabado aln al coneetimionto previo Y Por eserto del ecto, Divieién beroamertcana ‘Huge vilagémez Composicién tipogrifies: Juan Castro (TROGAS) Lectores ortotipogriticos: David Garcia Vazquez Felipe Martinez Martinez Traducido del loro Linear Algebra and its Appfcations, 4th. publcado ‘en inglés por Brooks Cole, © 2006 ISBN 0-09-010567-6 ‘Datos para catalogacién biblogrifica: ‘Strang, Gilbert. Algebra fineal y ‘us aplicaciones, 4a. 6d. (SBN 070-696-600-4 Contenido: 1. Maticas y ellminacién gsussiana, 2. Espacios vectoralee, 2. Orogonallded. 4. Determinantes. 5. Valores carscteristicos y vectores caracterticos. 6. Matrices positives defnidas. . Céloulos con matrices. 8, Programacién lineal y teora de juegos. ‘Thomson Laaming. Corporative Santa Fo ‘Av. Santa Fe, nd. 805, piso 12 Cot Cruz Manca, Santa Fe (C-P 05349, Delegacién Cusjimaipa Maxico, OF Tol. (52-55) 1500 6000 Fax (62-58) 1500 6019 ‘edtor@ thomsoaleaming.com.me £1 Caribe ‘Thomson Leaming Metro Oftes Park'3 Suite 201 St. 1 Lota Guaynabo, Puerte Roo Zp Code: 00968-1705, Toh. (707) G41 N12 Fox (787) 641 1119 ‘Cone Sur Buenos Alres, Argentina thomson@ thomeonleaming.com ar ‘28018 Mada Espana ‘ol. 4 (0) 91 446 3350, Fax 34 (0) 91 445 6218 lentes @ paraninio.esOB abla te contenido... UNIVER ICA HACIONAL NCHAL 293 Ing. PEREVAA Sis sceecion DEL URUGUAY ENTRE RIGS = AEP ARGENTINA ——.- Votap as. Gee Se re6” HE Capitulo 1 MATRICES Y ELIMINACIGN GAUSSIANA = 1 1.1. Introducci6n 1 1.2 Geometria de las ecuaciones lineales 3 1.3 Un ejemplo de eliminacién gaussiana 11 1.4 Notacién matricial y multiplicacién de matrices 19 1.5. Factores triangulares e intercambios de renglones 32 1.6 Inversas y traspuestas 45 1.7. Matrices especiales y aplicaciones 58 Ejercicios de repaso 65 HE Capitulo 2 ESPACIOS VECTORIALES 69 2.1 Espacios y subespacios vectoriales 69 2.2 Cémo resolver Ax =OyAx=b 77 2.3. Independencia lineal, base y dimensién 92 2.4 Los cuatro subespacios fundamentales 102 2.5 Gréficas y redes 114 2.6 Transformaciones lineales 125 Ejercicios de repaso. 137 EE Capitulo 3 ORTOGONALIDAD 141 3.1 Vectores y subespacios ortogonales 141 3.2 Cosenos y proyecciones sobre rectas 152 3.3. Proyecciones y mfnimos cuadrados 160 3.4 Bases ortogonales y Gram-Schmidt 174 3.5 La transformada discreta de Fourier 188 Ejercicios de repaso 198 EE Capitulo 4 DETERMINANTES 201 4.1 Introduccién 201 4.2, Propiedades del determinante 203 4.3. Formulas para el determinante 210 4.4 Aplicaciones de los determinantes 220 Ejercicios de repaso 230iv * Tabla de contenido ME Capitulo 5 VALORES CARACTERISTICOS Y VECTORES CARACTERISTICOS 233 5.1 Introduccién 233 5.2 Diagonalizacion de una matriz 245 5.3 Ecuaciones en diferencias y potencias AX 254 5.4 Ecuaciones diferenciales ye’ 266 5.5 Matrices complejas 280 5.6 Transformaciones de semejanza 293 Ejercicios de repaso 307 ME Capitulo 6 MATRICES POSITIVAS DEFINIDAS 311 6.1 Minimos, méximos y puntos silla 311 6.2 Pruebas para comprobar si una matriz es positiva definida 318 6.3 Descomposicién del valor singular 331 6.4 Principios minimales 339 6.5 El método del elemento finito 346 EE Capitulo 7 CALCULOS CON MATRICES 351 7A Introduccién 351 7.2, Norma de una matriz y némero de condicién 352 7.3, Célculo de valores caracteristicos 359 7.4 Métodos iterativos para Ax = b 367 HE Capitulo 8 PROGRAMACION LINEAL Y TEORIA DE JUEGOS 377 8.1 Desigualdades lineales 377 8.2 El método simplex 382 8.3 El problema dual 392 8.4 Modelos de redes 401 8.5 Teorfa de juegos 408 ME Apéndice A INTERSECCION, SUMAY PRODUCTO DE ESPACIOS © 415 ME Apéndice8 + LAFORMADE JORDAN 422 Soluciones a ejercicios seleccionados 428 Factorizaciones matriciales 474 Glosario: Un diccionario de digebra lineal 476 Cédigos de ensefanza MATLAB 481 Indice 482 Algebra lineal en pocas palabras 488Prefacio.. La revisiOn de este libro de texto ha sido un desafio especial por una razén bastante agra- dable. Mucha gente ha lefdo este libro, ensefiado a partir de 1 e ificlusive 1o ha querido. Quizé el espirita del libro no cambie jamés. Este texto fue escrito como ayuda para que nuestra ensefianza del Algebra lineal mantenga la importancia crucial de este tema, que sigue creciendo. Ciertamente, un paso era posible y aconsejable: aadir nuevos problemas. Tantos afios de ensefianza requirieron cientos de reactivos de examen nuevos (especialmente con interrogantes que impliquen el uso de la red). Considero que el lector aprobaré la amplia gama de problemas. Los reactivos siguen siendo una mezcla de explicacién y cdlculo: los dos métodos complementarios para aprender este hermoso tema. Personalmente considero que mucha més gente necesita algebra lineal que célculo. {Isaac Newton podria no estar de acuerdo! Sin embargo, 1 no estd ensefiando mateméticas en el siglo 204 (y quiz4 no fue un gran profesor, aunque le otorgaremos el beneficio de 1a duda). Ciertamente, las leyes de la Fisica se expresan bien mediante ecuaciones diferenciales. Newton requirié del célculo, lo cual esté bien, Pero el alcance de la ciencia, la ingenie- ra y la administracién (asf como de la vida) actualmente es mucho més grande, y el dlgebra lineal se ha desplazado a un sitio nodal. Podrfa decir algo més, ya que muchas universidades atin no ajustan el equilibrio hacia el Algebra lineal. Al trabajar con lineas curvas y superficies curvas, el primer paso siempre es linealizar. Sustituir la curva por su recta tangente, ajustar la superficie por un plano y entonces el problema se vuelve lineal. El poder de este tema se hace evidente cuando se tienen 10 variables, 0 1000, en vez de dos. ‘Quizé el lector piense que estoy exagerando cuando uso la palabra “hermoso” para un. curso bésico de mateméticas. En absoluto. Este curso empieza con dos vectores v y w que apuntan en direcciones distintas. El paso clave es tomar sus combinaciones lineales. Se mi!- tiplica para obtener 3u y 4w, y se suma para obtener una combinacién particular 3u + 4w. Este nuevo vector esté en el mismo plano que v y w. Cuando se toman todas las combinaciones, se est enando todo el plano. Si v y w se dibujan en esta pégina, sus combinaciones cv + dw Henan la pagina (y més all4), pero no salen de la pagina. En el lenguaje de las ecuaciones lineales, cu + dw = b puede resolverse exactamente cuando el vector b estd en el mismo plano que v y w. Matrices Se avanzar4 un poco més para convertir combinaciones de vectores tridimensionales al Algebra lineal. Si los vectores son v = (1,2, 3) y w = (1, 3, 4), se escriben en una matriz columna: ane nuePracio Para encontrar combinaciones de estas columnas, la matriz se “multipliea” por un vector fd 1 1p. ¥ 1 Combinaciones linealescv + dw |2 3 (4 =c|2] +a 3]. 3 4 Estas combinaciones llenan un espacio vectorial, denominado espacio columna de la ma- ttiz. (Para estas dos columnas, dicho espacio es un plano.) Para decidir si b = (2, 5. 7) estd en ese plano, se cuenta con tres componentes para lograrlo. Asf, hay que resolver tres ecuaciones: fa 2, c+ d=2 23 (il = |5] significa 2¢+3¢ =5 34 7 Be + 4d ‘Se deja que el lector las resuelva. El vector b = (2, 5, 7) no esté en el plano de vy w. Si el 7 se cambia por cualquier otro némero, entonces b no esté en el plano; de hecho, no ninguna combinacién de v y w, por lo que las tres ecuaciones no tienen solucién. ‘Ahora es posible describir la primera parte del libro, sobre ecuaciones lineales Ax = b. La matriz A tiene n columnas y m renglones. El digebra lineal se desplaza de manera continua hacia n vectores en el espacio m-dimensional. Siguen buscéndose combinaciones de las columnas (en el espacio columna). Siguen obteniéndose m ecuaciones para producir (una por cada renglén). Estas ecuaciones pueden o no tener una solucién. Siempre tienen una solucién por minimos cuadrados. La interacci6n de las columnas y los renglones constituye el nticleo del élgebra lineal, Noes totalmente fécil comprenderlo, aunque tampoco es tan dificil. A continuacién se enu- ‘meran cuatro de los conceptos més importantes: 1. Elespacto columna (todas las combinaciones de las columnas). 2, El espacto renglén (todas las combinaciones de los renglones). 3. El rango (el ntimero de columnas independientes) (0 renglones). 4. Eliminacién (la forma idénea para encontrar el rango de una matriz). YY aqui me detengo para permitirle iniciar el curso. Paginas web Quizé sea titil mencionar las paginas de la red conectadas con este libro. Recibimos muchos mensajes con sugerencias y palabras de aliento, por lo que espero que el lector utilice todo con libertad. Puede acceder directamente a Attp://web.rmit.ediu/18.06, que se ac- tualiza constantemente para el curso que se imparte cada semestre. Algebra lineal también esté en el sitio del MIT OpenCourseWare http://ocw.mit.edu, donde 18.06 se volvié excep- ional al incluir videos de las conferencias (que, por supuesto, usted no tiene que ver...) ‘A ccontinuacién se menciona una parte del material disponible en la red: 1. Programa de conferencias y tareas y exAmenes actuales con soluciones. 2. Los objetivos del curso, asf como preguntas conceptuales. 3. Demos interactivos Java (ahora ya se cuenta con audio para los valores caracteristi- 08). 4, Cédigos de ensefianza del Algebra lineal y problemas MATLAB. 5. Videos de todo el curso (tal y como se ensefia.en un aula real). La pégina del curso se ha convertido en un vinculo valioso para la clase y un recurso para los estudiantes. Estoy bastante optimista sobre el potencial de las gréficas sonoras. El an-Prefacio. vii cho de banda para la voz en off es bajo, y FlashPlayer estd disponible de manera gratuita. Esto ofrece un repaso répido (con experimentos activos), y es posible bajar todas las conferencias. Espero que los profesores y estudiantes de todo el mundo encuentren titiles estas paginas web. Mi objetivo es hacer este libro lo més til posible con todo el material del curso que puedo proporcionar. Nota importante: La administracién de estas paginas Web y de otras mencionadas dentro del libro no esté a cargo de Thomson Learning Iberoamérica, por lo que la editorial no es responsable de las modificaciones en el contenido y los cambios en las politicas y formas de acceso que pudieran ocurrir. Le recomendamos visitar frecuentemente estos sitios a fin de estar al tanto de cualquier actualizacién. Complementos Este libro cuenta con complementos para el profesor, los cuales estn en inglés y s6lo se proporcionan a los docentes que adopten la presente obra como texto para sus cursos. Pa- ra mayor informacién, favor de comunicarse con las oficinas de nuestros representantes 0 a los siguientes correos electrénicos: Thomson México y Centroamérica clientes @thomsonlearning.com.mx. ‘Thomson América de! Sur cliente @thomsonlearning.com Thomson Caribe amy.reyes@thomsonlearning.com Estructura del curso Los dos problemas fundamentales son Ax = b y Ax = Ax para matrices cuadradas A. El primer problema Ax = b tiene una solucién cuando las columnas de A son independientes. El segundo problema Ax = Ax es para vectores caracteristicos independientes. Una parte crucial de este curso es aprender el significado de “independencia Considero que !a mayorfa de nosotros aprendemos primero a partir de ejemplos. Pue- de ver que 112 af 2 |] no tiene columnas independientes. 13 4 La columna 1 més la columna 2 es igual a la columna 3. Un teorema maravilloso del digebra establece que los tres renglones tampoco son independientes. El tercer renglén debe estar en el mismo plano que los dos primeros renglones. Con alguna combinacién de los renglones | y 2 se obtiene el renglén 3. Quizé el lector pueda encontrar répidamente esta. combinacién (yo no pude). Al final nuve que usar eliminacién para descubrir que la com- binacién correcta utiliza 2 veces el renglén 2, menos el renglén 1. La.eliminacién es la forma simple y natural para entender una matriz al producir bastan- tes elementos iguales a cero. Por tanto, el curso empieza aqui. ;Pero no se quede demasiado aqui! El lector debe proceder de combinaciones de los renglones a independencia de los. renglones a la “dimensi6n del espacio renglén”. Este es el objetivo clave, abordar todos los espacios de los vectores: el espacio renglén, el espacio columna y el espacio nulo. ‘Otro objetivo es comprender la manera en que actiia la matriz. Cuando A se multiplica por x se obtiene el auevo vector Ax. Todo el espacio de vectores se mueve; es “transfor- mado” por A. Transformaciones especiales se obtienen de matrices particulares, y aquéllas son las primeras piedras del lgebra lineal: matrices diagonales, matrices ortogonales, matrices triangulares, matrices simétricas.vil ayia 1 Maices.y eliminacion goussiana Los valores caracteristicos de estas matrices también son importantes. Considero que Jas matrices de 2 por 2 constituyen ejemplos contundentes de la informacién que pueden proporcionar los valores caracteristicos 2. Las secciones 5.1 y 5.2 ameritan una lectura cui- dadosa para ver la manera en que Ax = Ax es de utilidad. Ahf se presenta un caso en que matrices pequefias permiten la obtencién de muchfsimo conocimiento, En forma global, la belleza del Algebra lineal puede apreciarse de varias maneras: 1. Visualizacién, Combinaci6n de vectores. Espacios de vectores. Rotacién, reflexién y proyeccién de vectores. Vectores perpendiculares. Cuatro subespacios fundamentals. 2. Abstraccién. Independencia de vectores. Base y dimensién de un espacio vectorial. ‘Transformaciones lineales. Descomposicién del valor singular y la mejor base. 3. Céleulo. Eliminacién para producir elementos cero. Gram-Schmidt para producir vectores ortogonales. Valores caracteristicos para resolver ecuaciones diferenciales y en diferencias. 4, Aplicaciones. Solucién por minimos cuadrados cuando Ax = 6 tiene demasiadas ecuaciones. Ecuaciones en diferencias que aproximan ecuaciones diferenciales. Matrices de probabilidad de Markov (jla base para Google!). Vectores caracterfsticos ortogonales como ejes principales (y més... .). Para continuar con estas aplicaciones, se mencionan los libros publicados por Welles- ley-Cambridge Press. Todos aparentan ser de algebra, aplicados al procesamiento de seiia~ les, a ecuaciones diferenciales parciales y a célculos cientificos (e inclusive GPS: Sistema de Posicionamiento Global). Si el lector consulta la pagina http:/www.wellesleycambride. ‘com, vers parte de la raz6n por la que el Algebra lineal es tan utilizada. Después de este prefacio, el libro hablaré por sf mismo. De inmediato observaré el es- piritu. El énfasis se pone en la comprensi6n: intento explicar, mds que deducir. Este ¢s un libro sobre matemsticas verdaderas, no un ejercicio interminable. En clase, constantemente trabajo con ejemplos para ensefiar lo que necesitan los estudiantes. Agradecimientos Disfruté la redaccién de este libro, y ciertamente espero que el lector disfrute leyéndolo. ‘Mucho de este placer proviene por haber trabajado con amigos. Recibf una ayuda mara- villosa de Brett Conley, Cordula Robinson y Erin Maneri, quienes crearon los archivos IST X y trazaron todas las figuras. Sin el apoyo constante de Brett nunca hubiera podido terminar esta nueva edicién. Steven Lee y Cleve Moler me proporcionaron ayuda previa con los cédigos de ensefianza. Ellos siguieron los pasos descritos en el libro: MATLAB, Maple y Mathematica son ms répidos para matrices grandes. Todos pueden utilizarse (de manera opcional) en este ‘curso. Hubiera podido afiadir “Factorizaci6n” a la lista anterior, como una quinta avenida para la comprensién de las matrices: [L.U,P] = lu(A) para ecuaciones lineales [Q.R] = ar(A) para hacer ortogonales a las columnas [S.€] = eig(A) para encontrar vectores caracteristicos y valores caracteristicos. Al dar las gracias, nunca me olvido de la primera dedicatoria de este libro, hace afios. ‘Aquélla fue una oportunidad especial para agradecer a mis padres por haberme proporcio- nado tantos presentes generosos. Su ejemplo es una inspiracién en mi vida. Y también agradezco al lector, esperando que le agrade este libro. Gilbert Strang044-738 M atric egy" aces eliminacién gaussiana Ez 1.1 INTRODUCCION Este libro empieza con el problema central del algebra lineal: la solucién de ecuaciones lineales. El caso més importante, y el més sencillo, es cuando el atimero de incégnitas es igual al ntimero de ecuaciones. Se tienen n ecuaciones en n incdgnitas, empezando conn = 2: Dos ecuaciones Ix + 2y = 3 Dos ineégnitas ar + Sy = 6 Las inc6gnitas son x y y. Para resolver estas ecuaciones requiero, describir dos métodos e! de eliminacién y el de determinantes. Ciertamente, x y y estén determinadas por los nuimeros 1, 2, 3, 4,5, 6. La cuesti6n es c6mo utilizar estos seis ntimeros para resolver el sistema. a 1. Eliminacién De la segunda ecuacién, réstese 4 veces la primera ecuacién. Asf se elimina x de la segunda ecuaci6n, y queda una ecuacién para y: (ecuacién 2) — 4(ecuacién 1) =3y = 2) De inmediato se sabe que y = 2. Luego, x se conoce a partir de la primera ecuacién, le+2y=3: als @ Con sustitucién hacia atrés 1x +2(2)=3 se obtiene Procediendo cuidadosamente, se comprueba que x y y también resuelven la segunda ecuaci6n. Esto debe funcionar, como es el caso: 4 veces (x = —1) mas 5 veces (y = 2) es igual a6. 2. Determinantes La solucién y = 2 depende completamente de los seis niimeros en las ecuaciones. Debe haber una f6rmula para y (y también para x). Se trata de una “razén. de determinantes”, que espero, el lector me permita escribir directamente: @Captulo 1 Matices y elminacin gaussiana Lo anterior puede parecer algo misterioso, a menos que el lector ya conozca algo sobre de~ terminantes de 2 por 2. Estos determinantes proporcionan la misma respuesta y = 2, proveniente de la misma razén de ~6 a3. Si nos quedamos con los determinantes (lo cual no pensamos hacer), hay una férmula semejante para calcular la otra inc6gnita, x. -L. 6) 32 —_ 6 5|_ 3:5=2:6° 3 12 : 45 ‘A continuaci6n se compararin ambos métodos, pensando en futuros problemas reales en los que n es mucho més grande (n = 1000 es un tamaiio bastante moderado en célculos cientificos). Lo cierto es que el uso directo de la férmula de los determinantes para 1000 ecuaciones puede ser un desastre total, ya que el millén de némeros a la izquierda se utiliza- rfa correcta pero ineficazmente, Esta formula se encontraré en el capitulo 4 (regla de Cramer), aunque en el capitulo 1 se presenta un método aceptable para resolver 1000 ecuaciones. Este método aceptable es la eliminacién gaussiana. Se trata del algoritmo que suele aplicarse de manera constante para resolver grandes sistemas de ecuaciones. A partir de los ‘ejemplos en un libro de texto (n = 3 se aproxima al {mite superior de la paciencia del autor y del lector), quizé el lector no puede apreciar mucha diferencia, En las ecuaciones (2) y (4) se siguieron esencialmente los mismos pasos para encontrar y = 2. Ciertamente, x se ‘conocié mas répido por la sustitucién hacia atrés en la ecuaci6n (3) que la raz6n en (5). Pa- ran més grande, no hay caso. Gana la eliminacién (e incluso este método es el mejor para calcular determinantes). La idea de eliminaci6n es engafiosamente simple: el lector la dominaré luego de unos ccuantos ejemplos. Constituye la base de la mitad de este libro, simplificando una matriz. de ‘modo que sea posible comprendetia, Junto con la mecénica del algoritmo, en este capitulo es necesario explicar cuatro aspectos més profundos. Estos son: 1. Las ecuaciones lineales evan a la geometria de planos. No es facil visualizar un pla- ‘no nueve-dimensional en un espacio de diez dimensiones. Es més dificil ver diez de estos planos, que se cortan en la solucién de diez ecuaciones, aunque de alguna manera esto es casi posible. Nuestro ejemplo tiene dos rectas en la figura 1.1, que se encuentran en el punto (x, y) = (—1, 2). El Algebra lineal mueve esta imagen hacia diez dimensiones, donde la intuiciéa debe imaginar la geometrfa (y la obtiene correctamente) 2. Pasamos a la notacién matricial al escribir las n inc6gnitas como un vector x y las n ecuaciones como Ax = b. Multiplicamos A por “matrices de eliminacién” con la finalidad de obtener una matriz triangular superior U. Con lo anterior, A se factoriza en L veces U, donde L es triangular inferior. 4x + 5y =6 4x +8y =6 4x + By = 12 Una solucién (x,y) =(- 1,2) Paralelas: no hay solucién —_Recta completa de soluciones Figura 1.1 El ejemplo tiene una solucién. Los casos singulares no tienen solucién, o tienen demasiadas soluciones.1.2 Geometria de tas ecuacioneslinesles 3 Accontinuacién se escribirén A y sus factores para nuestro ejemplo, y se explicarén en su debido momento: 45 4 1}lo -3 Primero es necesario presentar las matrices, los vectores y las reglas de la multiplica- cién. Toda matriz tiene una fraspuesta AT. Esta matriz, tiene una inversa A~*. 3. En la mayor parte de los casos, la eliminaciGn se realiza sin dificultades. La matrz tiene una inversa, y el sistema Ax = b tiene una solucién. En casos excepcionales e! mé- todo falla; ya sea que las ecuaciones se escribieron en orden equivocado, lo cual se arregla fécilmente al intercambiarlas, o las ecuaciones no tienen una solucién tnica. El caso singular aparece si 8 se sustituye por 5 en nuestro ejemplo: Caso singular lx + 2y = 3 Dos rectas paralelas 4x + By = 6. Factorizacién, ani 3)-[: al [3 3] eves o. © Mm La eliminacién resta simplemente 4 veces la primera ecuacién de la segunda. Sin em- argo, jobserve el resultado! (ecuacién 2) ~ 4(ecuacién 1) Este caso singular no tiene solucién. Otros casos singulares tienen una infinidad de soluciones. (Cambie 6 a 12 en el ejemplo, y la eliminacién produciré 0 = 0. Ast, ¥ puede asumir cualquier valor.) Cuando la eliminacién falla, se quiere encontrar toda solucién posible. 4, Se requiere una estimaci6n aproximada del niimero de pasos de eliminacién necesarios para resolver un sistema de tamaiio n. El costo de cémputo a menudo determina la precisiéa det modelo. Cien ecuaciones requieren alrededor de 300 000 pasos (multiplicaciones y restas). La computadora es capaz de hacer estos pasos répidamente, pe- 10 no es asf para el caso de varios billones de pasos. Y después de un millén de pasos, elerror por redondeo puede ser significativo. (Algunos problemas son sensibles; otros no.) Sin entrar en todos los detalles, pretendemos considerar grandes sistemas que se presentan en la préctica, asf como la manera en que se resuelven realmente. El resultado final de este capftulo, es un algoritmo de eliminacién que es casi lo més eficaz posible. Se trata del algoritmo que suele usarse en una nuimerosa variedad de aplicaciones. ¥ al mismo tiempo, comprenderlo en térmainos de matrices —la matriz de coeficientes A, las matrices E y P para la eliminaci6n ¢ intercambio de renglones, respectivamente, y los factores finales L y U—es un fundamento esencial de la teorfa. Espero que el lector disfrute este libro y su curso. 1.2. GEOMETRIA DE LAS ECUACIONES LINEALES La forma de comprender este tema es mediante un ejemplo. Se empieza con dos ecuaciones extremadamente simples, reconociendo que el lector puede resolverias sin necesidad de llevar un curso de flgebra lineal. No obstante, espero que le dé una oportunidad a Gauss: de -y=l xty=s. Este sistema puede abordarse por renglones 0 por columnas. Queremos abordarlo en am- ‘bas formas.Capitulo t (Mavices y elminecién gaussiana El primer método se centra en las ecuaciones por separado (los renglones). Es el més conocido, y en dos dimensiones se hace répidamente. La ecuacién 2x —y = ta por una linea recta en el plano x-y. La recta pasa por los puntos x = l,y = Lyx y = 0(y también por (2, 3) y todos los puntos intermedios). La segunda ecuacién, x + y = 5, produce una segunda recta (véase la figura 1.2). Su pendiente es dy/dx = —1 y cor- taa la primera recta en la solucién. El punto de interseccién pertenece a ambas rectas. Se trata de la nica solucién de las dos ecuaciones. El punto x = 2 y y = 3 se encontrar pronto por “eliminacién”. = 2(columna 1) al 9) = 43 (columns 2) Se(4s2) (<1, (2,1) = columna 1 a) Las rectas se cortan en 6) Las columnas se combinan con 2 y 3 z=2y=3 Figura 1.2 Representaci6n por renglén (dos rectas) y representacién por columna (se combinan columnas). El segundo método considera las columnas del sistema lineal. Las dos ecuaciones por separado en realidad son una ecuacién vectorial: =1) ft off El problema consiste en encontrar la combinacién de los vectores columna en el miembro izquierdo que produce el vector del miembro derecho. Los vectores (2, 1) y (—1, 1) se re- resentan con las Ifneas gruesas en la figura 1.2b. Las incdgnitas son los nimeros x y y que ‘multiplican a los vectores columna. Toda la idea puede verse en esa figura, donde 2 veces la columna 1 se suma a3 veces la columna 2. Geométricamente, asf se obtiene un famoso pa- ralelogramo. Algebraicamente, se obtiene el vector correcto (1, 5), en el miembro derecho de las ecuaciones, La representaci6n por columnas confirma que x = 2 y y = 3. Puede dedicarse mAs tiempo a este ejemplo, aunque se prefiere pasar al caso en que n= 3. Tres ecuaciones siguen siendo manipulables, y presentan mucha mayor variedad: Forma de columna «ff e+ vt we 5 ‘Tres planos 4u — 6y =-2 a Wut Ty +2w= 9. De nuevo, es posible estudiar los renglones las columnas, de modo que se empieza con los renglones. Cada ecuacién describe un plano en tres dimensiones. El primer plano es 2u + v + w =5, y se muestra en la figura 1.3. Contiene a los puntos ($ , 0, 0) y (0, 5,0) y (0, 0, 5). Es determinado por cualesquiera tres de sus puntos, suponiendo que no son colineales. Al cambiar 5 a 10, el plano 2u + v + w = 10 debe ser paralelo al anterior. Contie- ne a (5, 0, 0) y (0, 10, 0), y (0, 0, 10) que esté dos veces més lejos del origen, que es elO1l 1.2 Geometva de las ecuaciones inaalts 5 I wo o " Jos dos primeros planos Figura 1.3 La representacién por renglén: tres planos que se cortan, provenientes de tres ecuaciones lineales. punto central u = 0, v = 0, w = 0. Al cambiar el miembro derecho, el plano paralelo se mueve a sf mismo, y el plano 2u + v + w = 0 pasa por el origen. El segundo plano es 4u ~ 6v = ~2. Se traz6 verticalmente porque w puede asumir cualquier valor. El coeficiente de w es cero, aunque sigue siendo un plano en el espacio tridimensional, (La ecuacién 4u = 3, 0 incluso el caso extremo u = 0, sigue describien- do un plano.) En la figura se muestra la interseccién del segundo plano con el primero. Esta interseccién es una recta. En tres dimensiones, una recta requiere dos ecuaciones; en n dimensiones requiere n — 1. Finalmente, el tercer plano corta a la recta en un punto. El plano (no esté dibujado) representa la tercera ecuacién, —2u + 7v + 2w = 9, y corta ala recta en u = 1,v = I, w = 2. Este punto de interseccién triple (1, 1, 2) resuelve el sistema lineal. {.Cémo se extiende hasta n dimensiones esta representaci6n por renglones? Las n ecuaciones contienen n incégnitas. La primera ecuacién sigue determinando un “plano”, que ya no es un plano bidimensional en el espacio tridimensional; de alguna manera, su “dimensign” es n — 1. Debe ser plano y extremadamente delgado en un espacio n-dimensional, aunque nos parezca s6lido. Siel tiempo es la cuarta dimensién, entonces el plano s = O corta al espacio tetradimensional y produce el universo tridimensional en que vivimos (o més bien, el universo como eran t = 0). Otro plano es z = 0, que también es tridimensional; se trata del plano normal X-y que se considera todo el tiempo. ;Estos espacios tridimensionales se cortan! Comparten. el plano normal x-y en t = 0. Si se desciende a dos dimensiones, el siguiente plano deja una recta. Por tiltimo, un cuarto plano deja un solo punto, Se trata de! punto de interseccién de 4 planos en 4 dimensiones, y resuelve las 4 ecuaciones subyacentes. Si continuamos con este ejemplo proveniente de la relatividad, estaremos en problemas. La cuestiGn es que el élgebra lineal es capaz de operar con cualquier mtimero de ecuaciones. La primera ecuacién produce un plano (n ~ 1) dimensional en n dimensiones. ElCaputo 1 Matrices y eiminacién gaussiana segundo plano lo corta (esperamos) un conjunto més pequefio de ““dimensién n — 2”, Su- poniendo que todo va bien, todo plano nuevo (toda ecuacién nueva) reduce Ia dimensién en una unidad. Al final, cuando se hayan tomado en cuenta todos los 7 planos, la dimen- sién de la interseccién es cero. Se trata de un punto, que pertenece a todos los planos, y sus coordenadas satisfacen a todas las n ecuaciones. jEsta, es la solucién! Vectores columna y combinaciones [ineales Ahora volvemos a las columnas. Esta vez la ecuacién vectorial (la misma ecuaci6n que (1)) z Y 1 s Forma decolumna u} 4/ + |-6/ +w /o| = |-2] =o. @ +2. 7 2 9 Estos son vectores columna tridimensionales. El vector b se identifica con el punto cuyas coordenadas son 5, -2, 9. Todo punto en el espacio tridimensional se hace corresponder con un vector, y viceversa. Esta, era la idea de Descartes, quien transforms la geometria en. Algebra al trabajar con las coordenadas del punto. Es posible escribir el vector en una co lumna, 0 sus componentes pueden enumerarse como b = (5, —2, 9), 0 incluso puede re- presentarse geométricamente mediante una flecha a partir de su origen. Pueden elegirse la flecha, o el punto © los tres nuimeros. En seis dimensiones, quiz es mAs conveniente ele- ‘gir los seis niimeros, Cuando los componentes se enumeran horizontalmente, suele utilizarse paréntesis y comas, y cuando el vector colummna se indica verticalmente se usan llaves (sin comas). Lo que realmente importa es la suma de vectores y la multiplicacién por un escalar (un nimero). En Ja figura 1.4a se muestra una suma vectorial, componente por componente: me SE [3] = combinant 5 Ele 2 (columna 3) LI-E} columnas 1+ 2 LI 4) Los vectores se suman a ) Se suman las columnas 1 +2 + (3+ 3) Jo largo de los ejes Figura 1.4 La representacién por columna: la combinacién lineal de las columnas es igual a b.DA HACIONAL cope 1,2. Geometria de las ecvaciones lineales. 1 man oEe EL UnUaUAY «iis, AA REININA En la figura de la'aéieha' hay una’ mildiplicacion por 2 (y si el vector hubiese sido multiplicado por -2, entonces el vector hubiera invertido su direccién): aman od “ff ‘También en la figura de la derecha se observa una de las ideas centrales del élgebra, Utiliza las dos operaciones bésicas: los vectores se multiplican por niimeros y luego se su- ‘man. El resultado se denomina combinacién lineal, y esta combinacién resuelve nuestra come [3] [4] ff -H La ecuaci6n (2) requirié multiplicadores u,v, w, que producen el miembro derecho b. Estos ngmeros son u = 1, v = 1, w = 2. Y proporcionan la combinacién correcta de las columnas. También proporcionaron el punto (1, 1, 2) en la representacién por renglén (donde se cortan los tres planos). ‘Nuestro verdadero objetivo es ir més allé de dos o tres dimensiones, hasta n dimensiones. Con n ecuaciones en n incOgnitas, en la representacién por rengl6n hay n planos. En Ja representacién por columna hay n vectores, més un vector b en el miembro derecho. La ecuacién pide una combinacién lineal de las n columnas que sea igual a b. Para ciertas ecuaciones esto ¢s imposible. Paradéjicamente, la mejor manera de entender el caso bue- ‘no €s estudiando el caso malo. Por consiguiente, consideraremos la geometria, justo cuando falla, en el caso singular. Representacién por renglén: interseccién de planos Representaci6n por columna: combinacién de columnas El caso singular ‘Suponga que nuevamente estamos en tres dimensiones, y que tres planos en la representa- cién por renglén no se cortan. {Qué puede estar mal? Una posibilidad es que dos planos pueden ser paralelos. Las ecuaciones 2u + v + w = Sy 4u + 2v + 2w = 11 son inconsistentes, y planos paralelos no dan solucién (en la figura 1.5a se muestra una vista del extremo). En dos dimensiones, la nica posibilidad de falla la constituyen las rectas paralelas. Sin embargo, tres planos en tres dimensiones pueden estar en problemas sin ser paralelos. La dificultad més frecuente se muestra en la figura 1.5b. A partir de la vista del extremo, los planos forman un trigngulo. Cada par de planos se corta en una recta, y estas, RAAN dos planos no hay recta de todos los planos paralelos interseccién interseccién son paralelos a) 8) °) d) Figura 1.5 Casos singulares: no hay solucién para a), 6), 0 d), una infinidad de solucio- nies para c).Capitulo 1 Mavices y eliinacion gaussian rectas son paralelas. El tercer plano no es paralelo a los otros planos, pero es paralelo a su inea de intersecci6n. Esto corresponde a un sistema singular con b = (2, 5, 6): utu+ w=2 No hay soluciones, como en la figura l.5b = 2u +3w a5 @) Buty + dw =6. ‘Sumados, los dos primeros miembros izquierdos son iguales al tercero. En el miembro de- echo falla eso: 2 + 5 # 6.Laecuaci6n 1 menos la ecuaci6n 2 menos la ecuacién 3.¢s la afirmacién imposible 0 = 1. Asi, las ecuaciones son inconsistentes, como la eliminacién gaussiana descubre sisteméticamente. Ow sistema singular, préximo a éste, tiene una infinidad de soluciones. Una vez que el 6 en la Gltima ecuacién se vuelve 7, las tres ecuaciones se combinan para dar 0 = 0. Asf, Ja tercera ecuacién es la suma de las dos primeras. En ese caso, los tres planos tienen toda una recta en comtin (véase la figura 1.5c). Al cambiar los miembros derechos, los planos de la figura 1.56 se moverdn en sentido paralelo a s{ mismos, y para b = (2, 5, 7), repeati- namente la figura es diferente. El plano inferior se movi6 para encontrar a los otros, y hay ‘una recta de soluciones. El problema 1.5c sigue siendo singular, pero ahora adolece de demasiadas soluciones, en vez de tenet unas cuantas. El caso extremo lo constituyen tres planos paralelos. Para la mayor parte de miembros derechos no hay solucién (véase la figura 1.5d). Para miembros derechos especiales (jco- mob = (0, 0, 0)!), hay todo un plano de soluciones, ya que los tres planos paralelos se mue- ven para convertirse en el mismo. {Qué ocurre con la representacién por columna cuando el sistema es singular? Debe estar mal, aunque la pregunta es c6mo. En el miembro izquierdo de las ecuaciones sigue ha- biendo tres columnas, y se intenta combinarlas para obtener b. Se queda con la ecuacién (3): Caso singular: representacién por columna F] | E] u}2] + ]o| +w |3| =o ) ‘Tres columnas en el mismo plano 2 0 3 Facil de resolver s6lo para en ese plano 3 1 4. Para b = (2, 5, 7) era posible esto; para b = (2, 5, 6) no lo era. La raz6n de esto es que estas tres columnas estén en un plano. Entonces cualquier combinacién también estd en el plano (que pasa por el origen). Si el vector b no esté en ese plano, ninguna solucién es posible (véase la figura 1.6). Este es por mucho el evento més probable; un sistema singular 3 columnas \ 3 columnas en un plano b no est en el plano a) no hay solucién >) infinidad de soluciones Figura 1.6 Casos singulares: b fuera o dentro de! plano con todas las tres columnas.1.2. Gaometta de is ecvacioneslneales 9 en general no tiene soluci6n. Sin embargo, hay una posibilidad de que b esré en el plano de las columnas. En ese caso hay demasiadas soluciones; las tres colurnnas pueden combinarse en una infinidad de formas para producir b. Esa representacién por columna de a figura 1.66 corresponde a la representaci6n por renglén de la figura 1.5c. {Cémo se puede saber que las tres columnas estén en el mismo plano? Una respuesta consiste en encontrar una combinacién de las columnas cuya suma sea cero. Después de algunos célculos, esta combinaci6n es u = 3, v = —1, w = —2. Tres veces la columna 1 es igual a dos veces la columna 2 més dos veces la columna 3. La columna 1 esté en el plano de las columnas 2 y 3. S6lo dos columnas son independientes. El vector 6 = (2, 5, 7) esté en ese plano de las columnas: es 1a columna 1 més la co- jumna 3, de modo que (1, 0, 1) es una solucién. Es posible sumar cualquier muiltiplo de la combinacién (3, —1, -2) que produzca b = 0. Ast, hay toda una recta de soluciones, como se sabe a partir de la representacién por renglén. La verdad es que se sabfa que las columnas deben combinarse para obtener cero, ya que eso ocurrfa con los renglones. Este hecho pertenece a las mateméticas, no a los célcu- los, y sigue siendo verdadero en la dimensin n. Si los n planos no tienen ningtin punto en comin, 0 comparten una infinidad de puntos, entonces las n columnas estén en el mismo plano. Si Ia representacién por renglén falla, entonces también falla la representacién por columna. Esto hace la diferencia entre el capitulo 1 y el capftulo 2. En el capftulo 1 se estudia el problema mds importante: el caso no singular, donde hay una solucién que es necesario ‘encontrar. En el capitulo 2 se estudia el caso general, donde puede haber muchas soluciones ‘© ninguna. En ninguno de estos dos casos es posible continuar sin tener una notacién (nota- cién matricial), y un algoritmo (eliminacién) idéneos. Después de los siguientes ejercicios se abordaré la eliminacién. Conjunto de problemas 1.2 1. Para las ecuaciones x + y = 4, 2x — 2y = 4, trace Ia representacién por renglén (dos rectas que se cortan), y la cepresentacién por columna (combinacién de dos columnas igual al vector columna (4, 4) en el miembro derecho). 2, Resuelva lo siguiente para encontrar una combinacién de las columnas que sea igual a b: unv-wab Sistema triangular vtwb w= by 3. (Recomendado) Describa la intersecci6n de los tres planos u + u + w+z=6yut w+z=4yut w= 2 (todos en el espacio tetradimensional). {Es una recta, un pun- to.0 un conjunto vacfo? {Cudl es la interseccién si se incluye el cuarto plano u = —17 Encuentre una cuarta ecuacién que deje Ja situacién sin solucién, Trace las tres rectas siguientes, y decida si las ecuaciones son de fécil soluci6n: x+2y=2 Sistema de3por2 x — y ye {Qué ocurre si todos los miembros izquierdos son cero? {Hay alguna opcién diferente de cero de miembros derechos que permita que las tres rectas se cortan en el mismo punto? 5, Encuentre dos puntos en la recta de interseccién de los tres planos t = 0 y x+y+z+1= 1 enel espacio de 4 dimensiones. =oyCaplnd 1 Matrices y eieinacin gaussiana 6. Cuando b = (2, 5, 7), encuentre una solucién (u, v, w) de la ecuacién (4) distinta de Ja solucién (1, 0, 1), mencionada en el texto. 7. Proporcione dos miembros derechos mAs, aparte de b = (2, 5, 7) para los cuales la ecuacién (4) pueda resolverse. Proporcione dos miembros derechos ms, aparte de b = (2,5, 6) para los cuales la ecuacién (4) no pueda resolverse. 8. Explique por qué el sistema ut vt w=2 w+ 2v + 3w =1 v+2w=0 ¢s singular, encontrando una combinacién de las tres ecuaciones que produzca 0 = 1 {Qué valor debe sustituirse en el dltimo cero del miembro derecho para que las ecuaciones tengan soluciones, y cudl es una de las soluciones? 9, La representaci6n por columna del ejercicio anterior (sistema singular) es dd ‘Demuestre que las tres columnas de la izquierda estén en el mismo plano, expresando la tereera columna como una combinacién de las dos primeras. {Cudles son las soluciones (u, v, w) si b es el vector cero (0, 0, 0)? 10. (Recomendado) {Bajo qué condicién sobre y,, yz, y3 los puntos (0, y,), (1s ¥a)s (2s Ys) estén en una Kinea recta? 11. Es cierto que la solucién de las siguientes ecuaciones es x = y = 0. ,Para qué valores de a hay toda una recta de soluciones? ax +2y 2x + ay 12, Empezando con x + 4y = 7, encuentre la ecuacién de la recta paralela que pasa por x = 0,y = 0. Encuentre la ecuaci6n de otra recta que corta a la primera en x = 3, y = 1. Los problemas 13 a 15 son un repaso de las representaciones por renglén y por columna. 13. Trace las dos representaciones en dos planos para las ecuaciones x —2y = 14. Para dos ecuaciones lineales en tres incégnitas x, y, z, la representaci6n por renglén muestra (2.0 3) (rectas 0 planos) en un espacio (bi o tri) dimensional. La representa- ci6n por columna es en un espacio (bi o tri) dimensional. Las soluciones normalmen- teestinenun___. x+y = 6. 15. Para cuatro ecuaciones lineales en dos incégnitas x y y, la representaci6n por renglén muestra cuatro La representacién por columna est4 en un espacio dimensional. Las ecuaciones no tienen solucién, a menos que el vector del miembro derecho sea una combinacién de __. 16. Encuentre un punto con z en la recta de interseccién de los planos x + y + 3z = 6yx—y +z= 4. Encuentre el punto con z = Oy un tercer punto a la mitad entre los dos puntos anteriores.1.3. Un ejemplo de eliinscién gaussiane " 17. La primera de las siguientes ecuaciones més la segunda es igual a la tercera: xt yte xt2yt 253 Qe +3y +22 Los dos primeros planos se encuentran a lo largo de una recta. El tercer plano contie~ ‘ne a esta recta, ya que si x, y, z satisfacen las dos primeras ecuaciones, entonces tam- bién ____. Las ecuaciones tienen una infinidad de soluciones (toda la recta L). En- cuentre las tres soluciones. 18. Mueva el tercer plano en el problema 17 hasta un plano paralelo 2x + 3y + 2z = 9. Ahora, las tres ecuaciones no tienen soluci6n; ,por qué? Los dos primeros planos se encuentran a lo largo de la recta L, pero el tercero no esa recta. 19. Enel problema 17, las colurmnas son (1, 1, 2) y (1, 2,3)y (1, 1, 2). Este es un “caso singular” porque la tercera columna es __. Encuentre dos combinaciones de las columnas que proporcionen 6 = (2, 3, 5). Esto s6lo es posible para b = (4,6, ¢) sic =__. 20. Normalmente, 4 “planos” en el espacio tetradimensional se cortan en un Nor- malmente, 4 vectores columna en el espacio de 4 dimensiones pueden combinarse para producir b. ,Qué combinacién de (1, 0,0, 0), (1, 1,0, 0), (1, 1, 1,0), (1, 1, 1, 1) pro duce b = (3,3, 3, 2)? {Cuéles son las 4 ecuaciones que esti resolviendo para x, y, z,?, 21. Cuando la ecuacién 1 se suma a la ecuacién 2, ,cusl de las siguientes opciones cambia: los planos en la representaci6n por rengl6n, la representacién por colurnna, la matriz de coeficientes, la solucién? Si (a, b) es un milltiplo de (c, d) con abcd # 0, demuestre que (a, c) es un miltiplo de (6, d). Esto es sorprendentemente importante: denominela pregunta de desafio, Primero puede usar mimeros para ver c6mo estén relacionados a, b, c y d. La pregunta leva a: Si A [i ‘] tiene renglones dependientes, entonces tiene columias dependientes. 23. Enestas ecuaciones, la tercera colunna (que multiplica a w) es la misma que el miembro derecho b. La forma en columna de las ecuaciones, ,qué solucién para (u,v, w) proporciona de inmediato? 6u + 7v + Bw =8 4u + 5u + 9w =9 2u —2v + Tw =7. 1.3 UN EJEMPLO DE ELIMINACION GAUSSIANA La forma de entender la eliminacién es por medio de un ejemplo. Se empieza en tres dimensiones: ut ut w= 5 Sistema original 4u — 6 =-2 a + Tut 2w= 9. El problema consiste en encontrar los valores inc6gnitos de u, v, y w, de modo que se aplicaré eliminacién gaussiana. (Gauss es reconocido como el més grande de los matemé- ticos, aunque no ciertamente debido a este invento, que quizé le lev6 10 minutos. IrSnica- mente, és el concepto més frecuentemente utilizado que leva su nombre.) El método em-12 Capito 1 Matvces y eiminacién gaussiana pieza por restar miiltiplos de la primera ecuacién a las otras ecuaciones. El objetivo es eliminar u de las dos tltimas ecuaciones. Para lograt este objetivo se requiere lo siguiente: 4) restar 2 veces la primera ecuacién de la segunda ) restar -1 vez la primera ecuacién de la tercera. mrt vt we 5 Sistema equivalente —8v — 2w = -12 @ Bu+3w= 14, El coeficiente 2 es el primer pivote. La eliminacién consiste en dividir constantemente €] primer pivote entre los niimeros que estén abajo de él, con la finalidad de encontrar los multiplicadores idéneos. El pivote de la segunda etapa de la eliminacién es -8. Ahora se ignora la primera ecuacién. Un miltiplo de la segunda ecuacién se restaré de las ecuaciones que quedan (en este caso s6lo queda la tercera) con la finalidad de eliminar v. La segunda ecuacién se su- maa Ia tercera 0, en otras palabras, ) se resta I vez la segunda ecuaciGn de la tercera. Ahora el proceso de eliminacién est completo, por lo menos en la direccién “hacia ade- Jante”: wt vt we 5 Sistema triangular —8y — 2w = -12 ) w= 2. Este sistema se resuelve hacia atras, de abajo arriba. La tiltima ecuaci6n da w = 2. Al sustituir en la segunda ecuacién, se encuentra v = 1. Luego, la primera ecuaci6n da u = 1. Este proceso se denomina sustitucién hacia atrds. Para repetir: con la eliminacién hacia adelante se obtuvieron los pivotes 2, —8, 1. En este método se restan miltiplos de cada rengién de los renglones de abajo para llegar al sistema “triangular” (3), que se resuelve en orden inverso. Luego, cada nuevo valor calculado se sustituye en las ecuaciones restantes. Observacién Una forma aceptable de escribir los pasos de la eliminacién hacia adelante es incluir el miembro derecho como una columna adicional. No es necesario copiar u y v y wy = en cada paso, por lo que se trabaja con lo mfnimo indispensable: 2 1 1 5 2s a) 4 ~6 0 -2}+]0 -8 -2 -12}+]o0 -8 -2 -12 2072°2~«9 o 8 3 14 o o 1 2 Al final se llega al sistema triangular, que ya est4 listo para la sustitucién hacia atrés. Qui- 2 el lector prefiera esta disposicién, que garantiza que las operaciones en el miembro quierdo de la ecuacién también se realizan en el miembro derecho, ya que ambos miembros estan juntos abt. En un problema més grande, la eliminaci6n hacia adelante requiere més esfuerzo. Se usan miltiplos de la primera ecuacién para producir ceros abajo del primer pivote. Luego, la segunda columnna se limpia abajo del segundo pivote. El paso hacia adelante se finaliza ‘cuando el sistema es triangular; la ecuacién n s6lo contiene a la ultima incégnita multipli- ‘cada por el tiltimo pivote.Ejemplo 2 13 tag. FES Set URUGUAY La sustituci6n hacia’ atrés-produce la'sbludver tdhipfeta en orden opuesto: se empieza con la Ultima incégnita, luego se resuelve de la siguiente hasta la tltima, terminando con la primera. Por definiciGn, los pivotes no pueden ser cero. Es necesario dividir entre ellos. La falla de la eliminacién zEn qué circunstancias es posible que falle el proceso? Algo debe estar mal en el caso singular, y algo puede estar mal en el caso no singular. Esto podria parecer algo prematu- 10; después de todo, apenas se ha logrado tener funcionando al algoritmo. Sin embargo, la posibilidad de fala ilumina al método en sf. La respuesta es: con un conjunto completo de n pivotes, s6lo hay una solucién. El sistema es no singular, y se resuelve por eliminacién hacia adelante y sustituciGn hacia atrés. Pero si en una posicién pivote aparece un cero, es necesario detener la eliminacién, ya sea ‘temporal o permanentemente. El sistema puede o no ser singular. ‘Si el primer coeficiente es cero, en la esquina superior izquierda, la eliminaci6n de u de las otras ecuaciones es imposible. Lo mismo es cierto en toda etapa intermedia. Obser- ‘ve que en una posicién pivote puede aparecer un cero, aun si el coeficiente original en ese sitio no era cero. En términos generales, no se sabe si aparecerd un cero sino hasta que se intenta, al realizar en verdad el proceso de eliminacién. En muchos casos este problema puede restablecerse, por lo que la eliminacién puedé continuar. Un sistema asf sigue siendo no singular; es s6lo el algoritmo lo que requiere re- paraci6n. En otros casos es inevitable la falla. Estos sistemas incurables son singulares; no tienen solucién o tienen una infinidad de éstas, por lo que no es posible encontrar un conjunto completo de pivotes. No singular (restablecido al intercambiar las ecuaciones 2 y 3) ut vt wa ut vt wa utvt wa 2Qu + 2v + Sw 4u + 6v + Bw — awe 2u + 4w Qu + 4w = 3w EI sistema es triangular, y puede resolverse con sustitucién hacia atrés. ‘Singular (caso incurable) ut vt we utut ws Qu +2v+Sw = — 3w = _ 4u + 4u + Bw = dw =_ No existe ningiin intercambio de ecuaciones que pueda evitar el cero en la segunda posi- cién pivote. Las ecuaciones mismas pueden ser 0 no faciles de resolver. Si las dos tltimas ecuaciones son 3w = 6 y 4w = 7, no hay soluci6n. Si ocurre que estas dos ecuaciones son consistentes, como con 3w = 6 y 4w = 8, entonces este caso singular tiene una infinidad de soluciones. Se sabe que w = 2, pero la primera ecuaci6n no puede decidir ambas u y v. En la seccién 1.5 se abordarén los intercambios de renglén cuando el sistema es no singular. Asf, los intercambios producen un conjunto completo de pivotes. En el capitulo 2 se estudia el caso singular. El 3w atin puede eliminar a 4w, por lo que el segundo pivote es 3. (No habré un tercer pivote). Por ahora se confia en que todos los n elementos pivote son diferentes de cero, sin cambiar el orden de las ecuaciones. Este es el mejor caso, que seré continuado.4 Capito 1 Matrices y elrinacén gaussiana El costo de la eliminacién La otra pregunta es muy préctica. ,Cudntas operaciones aritméticas requiere la elimina. ccidn para n ecuaciones en n incégnitas? Si n es grande, una computadora puede realizar el proceso de eliminacién. Debido a que se conocen todos los pasos, debe ser posible poder pronosticar el nimero de operaciones. Por el momento se ignoraréin los miembros derechos de las ecuaciones, y s6lo se con- tarin las operaciones a la izquierda. Estas operaciones son de dos clases. Se divide entre el pivote para encontrar qué milltiplo (por ejemplo £) de la ecuacién pivote debe restarse. Una vvez que se realiza esta sustraccién, continuamente se encuentra una combinacién “multiplicar-restar”; los términos de la ecuacién pivote se multiplican por ¢, y luego se restan de otra ecuacién, Suponga que cada divisi6n, y cada multiplicacién-sustraccién se denomina una ope- racién. En la columna 1, se requieren n operaciones por cada cero que se obtiene: una para encontrar el miltiplo £, y la otra para encontrar los nuevos elementos a lo largo del rengl6n. Abajo del primer renglén hay n ~ 1 renglones, de modo que la primera etapa de la eliminaci6n requiere n(n ~ 1) = n? ~ n operaciones. (Otra forma de llegar an? — nes ésta: es necesario cambiar todos los n* elementos, excepto los n en el primer renglén). Las eta- pas posteriores son més répidas porque las ecuaciones son més cortas. ‘Cuando la eliminaci6n se realiza con k ecuaciones, para limpiar la columna que esti aba- _jo del pivote se requieren s6lo i? — k operaciones, por el mismo razonamiento que se aplicé en la primera etapa, cuando k era igual a n. Al reunir todo lo anterior, se encuentra que el ni- ‘mero total de operaciones es la sumatoria de — k sobre todos los valores k desde I hasta n: n(n + 1Qn +1) _ n(n ty 6 2 Miembro izquierdo 1? + +++ +n®) —(1+-++ +n) = 3 Estas férmulas son normales para encontrar las sumatorias de los n primeros mimeros y los n primeros cuadrados. Al sustituirn = 1 yn = 2yn = 100en la formula } (n° —7), lacli- minaci6n hacia adelante puede no requerir ningéin paso, requerir dos pasos o requerir alrededor de un millén de pasos: Sin no es grande en absoluto, una buena estimacién para el niimero de operaciones es 4n>. Si el tamafio se duplica, y pocos de los coeficientes son cero, entonces el costo se multiplica por 8 La sustitucién hacia atrés es considerablemente més répida. La ultima incégnita se encuentra en s6lo una operacién (una divisi6n entre el titimo pivote). Para encontrar la ante- pentltima incégnita se requieren dos operaciones, y asf sucesivamente. Entonces, el total para la sustitucién hacia atrés es 1+ 2 +--+. La eliminaci6n hacia adelante también acta sobre el miembro derecho (restando los mismos miltiplos que en la izquierda con la finalidad de preservar las ecuaciones correctas). Empieza con 7 — 1 sustracciones de la primera ecuaci6n. Junto con el miembro derecho es responsable de n* operaciones: mucho menos que las 7°/3 a la izquierda. El total para la eliminaci6n hacia adelante y la sustitucién hacia atrés es Miembro derecho [(n = 1) + (n —2) +--+ +1] +[1+24-+- +n] Hace 30 afios, casi cualquier matemético hubiera conjeturado que un sistema general de orden n no podia resolverse con mucho menos que n?/3 multiplicaciones. (Incluso ha- 2O1173 8, 1.3-_Un ejemplo de eliminacién gaussiana bia teoremas para demostrarlo, aunque no tomaban en cuenta a todos los métodos posibles).. ‘Sorprendentemente, se ha demostrado que esa conjetura és errénea. ;En la actualidad existe un método que requiere s6lo Cn'*ts7 multiplicaciones! Depende de un simple hecho: pa~ rece que dos combinaciones de dos vectores en el espacio bidimensional requieren 8 multiplicaciones, aunque es posible hacerlas en 7. Lo anterior redujo el exponente de log, 8, que 53, a log, 7 ~ 2.8. Este descubrimiento provocé bastante actividad para encontrar la potencia minima posible de n. El exponente finalmente cayé (en IBM) debajo de 2.376. Afor- tunadamente para la eliminacién, la constante Ces tan grande y el cédigo es tan dificil que el nuevo método es bastante (0 completamente) interesante desde el punto de vista tedrico. El problema més reciente es el costo con muchos procesadores en paralelo. Conjunto de problemas 1.3 Los problemas 1 a 9 son sobre eliminacién en sistemas de 2 por 2. 1. {Qué miltiplo de ¢ de la ecuaci6n 1 debe restarse de la ecuacién 2? 2et+3y=1 10x + 9y = 11. Después de este paso de eliminaci6n, escriba el sistema triangular superior e identifique los dos pivotes. Los ntimeros 1 y 11 no afectan tales pivotes. 2. Resuelva por sustituci6n hacia atrés el sistema triangular del problema 1, y antes que x. Compruebe que x multiplicado por (2, 10) més y por (3, 9) es igual a (1, 11). Si el miembro derecho cambia a (4, 44), ,cudl es la nueva solucién? 3, {Qué milltiplo de la ecuaci6n 2 debe restarse de la ecuacién 3? 2x ay =6 —x+5y =0. Después de este paso de eliminacién, resuelva el sistema triangular. Si el miembro derecho cambia a (—6, 0), ,cudl es la nueva solucién? 4, {Qué milltiplo de € de la ecuacién 1 debe restarse de la ecuacién 2? ax + by cxtdy =g. E] primer pivote es a (se supone que es cero). {Qué formula para el segundo pivote produce la eliminacién? {Qué es y? El segundo pivote falta cuando ad = bc. 5S. Escoja un miembro derecho que no proporcione ninguna soluci6n, y un miembro de- echo que no proporcione una infinidad de soluciones. {Cules son dos de estas soluciones? 3x +2y = 10 6x +4y=_. 6. Escoja un coeficiente b que haga singular este sistema. Luego, escoja un miembro derecho g que lo haga fécil de resolver. Encuentre dos soluciones en ese caso singular. 2x + by =16 4x +8y =@.16 Capiuio 1 Mavices y elirinacién goussiona 7. (Para qué niimeros a la eliminacién falla a) permanentemente, y 6) temporalmente? -3 6. ax +3y ax + 6y = Resuelva para xy y después de fijar la segunda falla por un intercambio de renglén. 8. (Para cudles tres ntimeros k falla la eliminacién? {Cust es fijada por un intercambio de renglén? En cada caso, el ntimero de soluciones, ,es 0 0 1 0 00? ket3y= 6 3x thy =-6. 9. {Qué prueba sobre b, y b, decide si estas dos ecuaciones permiten una solucin? {Cuéntas soluciones tienen? Trace la representacién por columna. 3x -2y =h 6x — 4y = bp. Los problemas 10 a 19 estudian Ia eliminacién en sistemas de 3 por 3 (y Ia falla posible). 10. Reduzca el siguiente sistema a forma triangular superior, mediante dos operaciones en renglones: dx +3yt 2= 8 4x + Ty +5z=20 —2y+2z2= 0. dentifique los pivotes. Resuelva por sustituci6n hacia atrés para z, y, x LL, Aplique eliminacin (identifique los pivotes) y sustituci6n hacia atrés para resolver 2x-3y 53 4x —Syt+ iz de y-32=5. Enumere las tres operaciones en renglones: Restar veces el renglén del renglén 12, (Cudl mimero d obliga a un intercambio de renglén, y cudl es el sistema triangular (no singular) para ese d? ,Cudl d hace singular a este sistema (no el tercer pivote)? De +Sy+z=0 4xtdy+z=2 yr253. 13. {Cul nilmero d leva posteriormente a un intercambio de renglén? {Cul nimero lleva posteriormente a un pivote faltante? En ese caso singular, encuentre una solu- cién x, y, z diferente de cero. xtby aod -z ytz1.3. Un ejemplo de efminacitn gaussiana 7 14. a) Escriba un sistema de 3 por 3 que requiera dos intercambios de renglones para alcanzar una forma triangular, y una solucién. +) Escriba un sistema de 3 por 3 que requiera un intercambio de renglones para funcionar, y que falle después. 1. Silos renglones 1 y 2 son los mismos, hasta dénde es posible tegar con la elimina- cién (permitiendo intercambio de renglones)? Si las columnas 1 y 2 son las mismas, {cual pivote falta? d-ytzr=0 2x +2y+2=0 de-ytz=0 4x t+4y+2=0 ax ty+z=2 6x + 6y +2 =2. 16. Escriba un ejemplo de 3 por 3 que tenga 9 coeficientes distintos en el miembro izquierdo, pero que los renglones 2 y 3 se vuelvan ceto en la eliminaci6n. Cuéntas soluciones tiene este sistema con b = (1, 10, 100), y cudntas tiene con & = (0, 0, 0)? 17. {Cus ndimero q hace singular al siguiente sistema, y con qué miembro derecho fel sistema tiene una infinidad de soluciones? Encuentre la solucién que tiene z = 1. xt4y-2z=1 x+Ty 62 =6 By tqzat. 18. (Recomendado) Es imposible que un sisterna de ecuaciones lineales tenga exactamente dos soluciones. Explique por qué. @) Si (x,y, 2) (K, ¥, Z) son dos soluciones, jcudl es otra? ) Si 25 planos se encuentran en dos puntos, d6nde mis se encuentran? 19. Puede ocurrir que tres planos fallen en tener un punto de intersecci6n, cuando ningtin par de ellos es paralelo. El sistema es singular si el rengl6n 3 de A es una_ de los. primeros dos renglones. Encuentre una tercera ecuaciGn que no sea posible resolver si xtytz=Oyx-2y-z=1. En los problemas 20 a 22 se abordan sistemas de 4 por 4, y den por n. 20. Encuentre los pivotes, y las soluciones de las cuatro siguientes ecuaciones: + y =0 xt2y+z =0 yr2et 1=0 z+2r=5. 21. Siel problema 20 se extiende siguiendo el patrén 1, 2, 1 0 el patron -1, 2, 1, ;cudl es el quinto pivote? {Cudl es el n-ésimo pivote? 22. Aplique eliminacién y sustitucién hacia atrés para resolver 2u + 3v =0 4u+su+ w=3 Qu v-3w=5. {Cudles son los pivotes? Enumere las tres operaciones en las que el miiltiplo de un renglén se resta de otro renglén.Capt 1 Matrices y eiminacién goussions 23. 26. Para el sistema utvtw ut3v+3w 4 +3v + Sw =2, {.Cudl es el sistema triangular después de la eliminacién hacia adelante, y cudl es la so- Tuci6n? Resuelva el siguiente sistema, y encuentre los pivotes cuando Qu v =0 —u+2u- w =0 —u+2w- 2=0 -w +22=5. Es posible llevar el miembro derecho como una quinta columna (y asf omitir escribir 4, v, w, z hasta la solucién al final). ‘Aplique eliminacién al sistema ut vtw=-2 3ut+3u-w= 6 ur vtwerd ‘Cuando en la posicién pivote aparezca un cero, intercambie esa ecuacién por la que est abajo, y continde. {Qué coeficiente de v en la tercera ecuaci6n, en lugar del —1 actual, harfa imposible continuar, y forzar a una falla en la eliminacién? Resuelva por eliminacién el siguiente sistema de ecuaciones z- y= 0 3x + 6y = 18. ‘Trace una gréfica que representa cada ecuaci6n como una linea recta en el plano x — y; las rectas se cortan en la soluci6n. También, agregue una recta més: la gréfica de una ‘nueva segunda ecuacién que aparece después de la eliminacién. Encuentre tres valores de a para los cuales falle la eliminacién, temporal o permanentemente, en au+ vel 4u + av =2. La falla en el primer paso puede establecerse intercambiando renglones, pero en el tl- timo paso no hay falla. Falso 0 verdadero: 4) Si la tercera ecuacién inicia con un coeficiente cero (empieza con Ou), entonces ningin miltiplo de la ecuacién 1 se resta de la ecuacién 3. b) Si el segundo coeficiente de la tercera ecuacién es cero (contiene a 02), entonces rningtin miiltiplo de la ecuacién 2 se resta de la ecuacién 3. c) Si la tercera ecuacién contiene a Ou y a Ov, entonces ningtin miiltiplo de la ecuacién 1 0 de la ecuacién 2 se resta de la ecuacién 3.1.4 Notacin matical y mutipicacin de matrices 19 29, (Bastante opcional). Normalmente la multiplicacién de dos ntimeros complejos (a + ibXc + id) = (ac — bd) + i(be + ad) implica las cuatro multiplicaciones por separado ac, bd, bc, ad. Ignorando a i, :puede caleular ae —bd y be + ad con s6lo tres multiplicaciones? (Puede realizar sumas, como formar a + b antes de multiplicar, sin ninguna penalizacién.) Aplique eliminacién para resolver ut vt w= 6 utotw=7 u+2Qu+2w=11 yw +2u+2w= 10 Qu +3u~4w = 3 Qu +3u—4w = 3. 31. {Para cudles tres niimeros a Ia eliminacién fracasa en proporcionar tres pivotes? ax +2y +32 =; ax +ay +42 = ax +ay +az =bs. 32. Encuentre experimentalmente el tamafio medio (valor absoluto) de los pivotes primero, segundo y tercero para MATLAB con lu(rand(3, 3)). El promedio del primer pivote a partir de abs(A(1, 1)) debe ser 0.5. 1.4 NOTACION MATRICIAL Y MULTIPLICACION DE MATRICES Con el ejemplo de 3 por 3 es posible escribir por completo todas las ecuaciones. Es posible enumerar los pasos de la eliminacién, los cuales restan un miltiplo de una ecuacién a otra para llegar a una matriz triangular. Para un sistema grande, esta forma de mantener el rastro de Ia eliminacién serfa intl; se requiere un registro mucho més conciso. ‘A continuacién se presenta la notacién matricial para describir el sistema original, y a multiplicacién de matrices para describir las operaciones que lo hacen mis sencilld. Observe que en el ejemplo aparecen tres tipos distintos de cantidades: —— Qu+ vt we S ‘Tres incégnitas alee ‘Tres miembros derechos. ~24 * 7” + 2w = a) En el miembro derecho esté el vector columna b. En el miembro izquierdo estan las incég- nitas u, v, w. En el miembro izquierdo también estin nueve coeficientes (de los cuales uno es cero). Resulta natural representar las tres incégnitas por medio de un vector: u 1 Laincégnitaesx=|v| Lasoluciénes x = |1/. w. 2 Los aueve coeficientes estén en trés renglones y tres columnas, con lo que se obtiene una matric de 3 por 3: Matriz de coeficientes A [20 Capitulo 1 Matrices y eiminacién gaussiana Aces una matriz cuadrada, porque el niimero de ecuaciones es igual al nimero de incégni- tas. Si hay n ecuaciones en 7 incégnitas, se tiene una matriz cuadrada de n por n. De ma- rnera més general, podrfa haber m ecuaciones y n inc6gnitas. En este caso, A es rectangu- Jar, con m renglones y n columnas. Se dice que es una “matriz de m por n”. Las matrices se suman entre sf, 0 multiplican por constantes numéricas, exactamente como ocurre con los vectores: elemento por elemento. De hecho, los vectores pueden con- siderarse como casos especiales de las matrices; son matrices con una sola columna. Ast ‘como con los vectores, la suma de dos matrices sélo es posible si tienen la misma forma: 21 12 3.3 21 42 AdicionA +B = 13 of +|-3 1|=|o i] 2]3 of =]o of. Multiplicaci6n 24 19 4 12] bb 6 o 4} |o 8 ‘Muhtplicacién de una matriz por un vector Es necesario volver a escribir las tres ecuaciones con las tres incégnitas u, v, w en la forma matricial simplificada Ax = b. Escrita completamente, la multiplicacién de una matriz por un vector es igual al vector: 2 1 1) fw 3 Forma matricial Ax = 5 be a OI ae @Q) -207 2) lw 9 EI miembro derecho b es el vector columna de los “términos no homogéneos”. El miembro izquierdo es A por x. Esta multiplicaci6n se define exactamente de modo que repro- duzca el sistema original. La primera componente de Ax se obtiene al “multiplicar” el primer renglén de A en el vector columna x: Renglén maltipticado por columna [2 1 fe] -teeeei = @ La segunda componente del producto Ax es 4u ~ 6v + Ow, del segundo renglén de A. La ecuacién matricial Ax = b es equivalente a las tres ecuaciones simmulténeas en la ecuacién (1). El renglén por columna es fundamental para todas las multiplicaciones de matrices. A partir de dos vectores produce un solo némero. Este nimero se denomina producto interno de los dos vectores. En otras palabras, el producto de una matriz de 1 por n (un vector renglén) y una matriz de n por 1 (un vector columna) es una matriz. de 1 por 1: Producto interno [2 1 1] [H}-easeasea 0 Esto confirma que la solucién propuesta x = (1, 1, 2) satisface la primera ecuacién. Hay dos formas de multiplicar una matriz A y un vector x. Una forma es multiplicar renglén por renglén. Cada rengl6n de A se combina con x para obtener una componente de ‘Ax. Cuando A tiene tres renglones, se tienen tres productos. 1 1 6) [2 1-24+1-5+6-0] [7 Ax multipticado por rengiones | 3 0 1] /5| = |3-2+0-5+3-0] = [6]. 4) 11 4] fo 1e2+1-5+4-0] [7114 Notacin matical y multipicacén de maticas a ‘Asf es como suele explicarse Ax, aunque la segunda forma es igualmente importante. De hecho, jes més importante! Realiza la multiplicacién de una columna a la vez. El produc- to Ax se encuentra de una vez, como una combinacién de las tres columnas de A: el La respuesta es dos veces la colurmna 1 més 5 veces la columna 2. Esto corresponde a la “representacién por columna” de las ecuaciones lineales. Si el miembro derecho b tiene las componentes 7, 6, 7, entonces la solucién tiene componentes 2, 5, 0. Por supuesto, la re- presentacién por renglén coincide con aquélla (y finalmente se tienen las mismas multiplicaciones). La regla de las columnas se utilizaré una y otra vez, de modo que para recalcarla se repite a continuacién: S es ‘Ax multiplicado por columnas 2 [ 1A ‘Too producto Ax puede encontarsé vsando “Geliacion (5).-Por Consiguiente, Ax eS una Para multiplicar A por x en n dimensiones, se requiere una notacién para los elementos individuales en A. El elemento en el renglén iy en la columna j siempre se denota por 4y. El primer subindice proporciona el niimero de rengl6n, y el segundo subindice indica la columna. (En la ecuacién (4), a2, €s 3 y a3 €s 6.) Si A es una matriz de m por n, entonces el indice i va desde 1 hasta m, ya que hay m renglones, y el indice j va desde 1 hasta n. En total, la matriz tiene mn elementos, y dn, esté en la esquina inferior derecha. Para denotar un vector basta un {ndice. La j-sima componente de x se denota x). (La multiplicacién anterior tenfa x, = 2, x. = 5,.x3 = 0.) Normalmente, x se escribe como un vector columna; es decir, como una matriz de n por 1. Pero algunas veces se escribe en tuna Linea, como en x = (2, 5, 0). Los paréntesis y las comas recalcan que no es una matriz de 1 por 3. Se trata de un vector columna, que sélo se ha escrito temporalmente en forma horizontal. Para deseribir el producto Ax se utiliza el simboto “sigma” Z para sumatorias: Notacién sigma ia Esta suma se leva el i-€simo rengléa de A. El indice de la columna j toma cada valor desde 1 hasta n y los resultados se suman: la suma es anxy + dat, +° ++ + Gigke De nuevo se observa que la longitud de los renglones (el mimero de columnas en A) debe corresponder a la longitud de x. Una matriz de m por n multiplica un vector n- j @) una matiz simétrica sesgada: ay = —ay para toda iy j. 8. Las siguientes subrutinas, ,multiplican Ax por renglones o por columnas? Empiece con BD) = DO101=1.N DO10J =1.N DO10S=1.N DO101=1N 10 BO) =BM + AAD + XQ) 10 BO =Bd + Ad) + XV14 Nowa marcy matsiacie hokes? 3 6 oy Las salidas Bx = Ax son las mismas. El segundo cédigo es ligeramente més eficaz en FORTRAN, y mucho més eficaz en una méquina vectorial (el primero cambia los ele- ‘mentos simples B (I), mientras el segundo es capaz de actualizar vectores completes). 9. Si los elementos de A son ay, use notacién de subindices para escribir 4) El primer pivote. ) El multiplicador ¢,, det renglén 1 que debe restarse del renglén ©) El nuevo elemento que sustituye a a, después de la sustraccién. 4) El segundo pivote. 10. {Falso 0 verdadero? Cuando sea falso, proporcione un contraejemplo. @) Si las columnas 1 y 3 de B son las mismas, también las columnas 1 y 3 de AB son las mismas. 5) Silos renglones 1 y 3 de B son los mismos, también los renglones 1 y 3 de AB son los mismos. ©) Si los renglones 1 y 3 de A son los mismos, también los renglones | y 3 de AB son los mismos. @) (ABY = A? BP 11. El primer renglén de AB es una combinacién lineal de todos los renglones de B. ;Cu4- les son los coeficientes en esta combinacién? y cual es el primer renglén de AB, si 1a aay a-fo dh 10 12. El producto de dos matrices triangulares inferiores es nuevamente triangular inferior (todos sus elementos arriba de la diagonal principal son cero). Confirme esto con un ejemplo de 3 por 3, y luego explique por qué este hecho se deduce a partir de las leyes de la multiplicacién de matrices. 13. Por ensayo y error, encuentre ejemplos de matrices de 2 por 2 tales que =I, donde A s6lo tiene elementos reales. 0, aunque B x 0. ©) CD = —DC, no permitiendo el caso CD = 0. 4d) EF = 0, aunque ningtin elemento de E 0 F es cero. 14, Describa los renglones de EA y las columnas de AE si e-[o i] 15. Suponga que A conmuta con toda matriz de 2 por 2 (AB = BA), y en particular ufe 2 _[l 0 _fo 1 a=[2 2] couse a= [! 2] 7 a-[% 3h Demuestre que a = dy b 0. Si AB = BA para todas las matrices B, entonces A es un méltiplo de la identidad. 16. Sea x el vector columna (1, 0, , 0). Demuestre que la regla (AB)x = A(Bx) obliga a ‘que la primera columna de AB sea igual a A multiplicada por la primera columna de B. 17, {Cusl(es) de la(s) siguiente(s) matrices garantizan ser iguales a (A + B)*? A? 4+2AB + B%, A(A +B) +B(A +B), (A+B B+A), A? +AB+BA + B?28 Captuo 1 Matrices y ominacion gausiane 18. SiAy B son matrices de n por n con todos los elementos iguales a 1, encuentre (AB), La notacién de la sumatoria transforma el producto AB, y la ley (AB)C = A(BC), en Lam (Sau) on=Dau (= wer). Calcule ambos miembros de C si también es den por n, con todo cy = 2. 19. Una cuarta forma de multiplicar matrices es multipicando las columnas de A por los renglones de B: (columna 1)(rengléa 1) + - - - + (columna n)(cenglén n) = suma de matrices simples. Proporcione un ejemplo de 2 por 2 de esta importante regla para la multiplicacién de matrices. 20, La matriz que rota el plano x-y en un éngulo 6 es cos @ —sen@ sen cos 6 (AB) AQ) = ‘Compruebe que A(@,)A(82) = A(@, + 82) a partir de las identidades para cos(6, + 82) y sen(@, + 83). :A.qué es igual A(9) multiplicada por A(—8)? 21. Encuentre las potencias A”, A? (A? multiplicada por A), y B?, B’, C*, C°. Qué son A*, By C? . fi 0 a | Los problemas 22 a 31 son sobre matrices de eliminacién. 22. Escriba las matrices de 3 por 3 que producen los siguientes pasos de eliminacién: a) E, resta 5 veces el renglén 1 del renglén 2. b) Ey resta ~7 veces el renglén 2 del renglén 3. ©) P intercambia los renglones 1 y 2, y luego los renglones 2 y 3. (23. En el problema 22, al aplicar E>, y luego E32 a la columna b = (1, 0, 0) se obtiene EnExb ‘Al aplicar Ey, antes que E>, se obtiene E,,E;2b = ___. Cuando se aplica primero Ey, el rengl6n ___ no se ve afectado por el reaglén 24, {Cudles son las tres matrices Ez,, E3,, E32 que hacen de A una forma triangular U? 110 A=| 461! y EnEykna=U. 220 Multiplique estas matrices E para obtener una matriz M que haga la eliminacién: MA =U. 25. Suponga que a5 = 7 y que el tercer pivote es 5. Si asy se cambia a 11, el tercer pivo- tees ‘Si dy cambia a___, en la posicién pivote hay un cero, 26. Si cada columna de A es un miltiplo de (1, 1, 1), entonces Ax siempre es un miltiplo de (1, 1, 1), Escriba un ejemplo de 3 por 3. {Cudntos pivotes se producen por eliminacién? 27. {Qué matriz Es, resta 7 veces el renglén 1 del renglén 3? Para invertir este paso, Ryy debe 7 veces el renglén al renglén___. Multiplique Es, por Ry.1.4 Notacién matical y mutipicacion de matrices 29 28. a) Ep, resta el renglén 1 del renglén 2 y luego Pay intercambia los renglones 2 y 3. {Qué matriz M = P,s£,, realiza ambos pasos a la vez? b) P2y intercambia los renglones 2 y 3 y luego Es, resta el rengl6n 1 del renglén 3. {Qué matriz M = Es,Pz, realiza ambos pasos a la vez? Explique por qué las matrices M son las mismas pero las matrices E son distintas. 29, a) {Qué matriz Ey; de 3 por 3 suma el renglén 3 al rengién 1? +b) {Qué matriz suma el rengl6n | al rengl6n 3 y al mismo tiempo suma el renglén 3 al rengl6n 1? ¢) {Qué matriz suma el rengl6n | al rengl6n 3 y luego suma el rengl6n 3 al renglén 1? Multiplique tas siguientes matrices: 0.0) eis 2: aii fo on 1 010] (fl 2) 3) o1o0f|4 5 6{{o 1 of y J-1 1 of fa 3 a] 10 of [7 8 9fl1 0 o -1 0 1fl1 40 31. {Cudles matrices de eliminacién Ey, E32 y E43 requieren la siguiente matriz de 4 por 4? 2-1 0 0 eet 2.1 A= o -1 2 -1f 0 o-1 2 Los problemas 32 a 44 son sobre la obtencién y multiplicacién de matrices. 32, Escriba estos problemas clésicos en forma matricial de 2 por 2 para Ax = by resuél- valos: 4) X es dos veces més viejo que ¥ y la suma de la edad de ambos es igual 2 39. b) (x,y) = (2, 5) y (3, 7) esté en la recta y = mx + ¢. Encuentre m y c. 33. La parébola y = a + bx + cx? pasa por los puntos (x, y) = (1, 4) y (2, 8) y (3, 14). Encuentre y resuelva una ecuacién matricial para las inc6gnitas (a, b, ). 34, Multiptique las siguientes matrices en los érdenes EF, FE y E?. 1010) 100 E=|a2 10 F=|o 1 of. bol Oc 4) Suponga que todas las columnas de B son las mismas. Entonces todas las columnas de EB son las mismas, ya que cada una es E raultiplicada por_. b) Suponga que todos los renglones de B son [1 2 4]. Demuestre con un ejemplo que todos los renglones de EB no son (1 2 4]. Es cierto que todos estos renglones son Si E suma el renglén 1 al renglén 2, y F suma el renglén 2 al rengl6n 1, jes cierto que EF es igual a FE? ‘37. La primera componente de Axes E ay x; = ay, +--+ Giq%q. Escriba formulas para la tercera componente de Ax y el elemento (1, 1) de A?. Ty BC 39. Aes 3 por 5, Bes 5 por 3, Ces 5 por 1, y Des 3 por 1. Todos los elementos son 1. {Cudles de las siguientes operaciones matriciales son permitidas, y cudles son los resultados? splique la ley asociativa para demostrar que A = C. BA AB ABD DBA A(B +0).Ceptuio 1 ‘Matcesy eliminacién gaussiana 40. {Qué renglones, columnas o matrices es necesario multiplicar para encontrar, 4) la tercera columna de AB? by el primer renglén de AB? ) el elemento en el renglén 3, columna 4 de AB? 4) el elemento en el renglén 1, columna 1 de CDE? (Matrices de 3 por 3) Escoja la tinica B de modo que para toda matriz A, a) BA = 4A, 6) BA = 4B. ©) BA tiene invertidos los renglones 1 y 3 de A y el renglén 2 sin cambio. 4) Todos los renglones de BA son los mismos que el renglén 1 de A. 42, (Falso 0 verdadero? 4) Si A? esté definida, entonces A es necesariamente cuadrada. b) SiAB y BA estén definidas, entonces A y B son cuadradas. ©) SiAB y BA estén definidas, entonces AB y BA son cuadradas. ) Si AB = B, entonces A = I. 43, Si A es de m por n, jcudntas multiplicaciones por separado estén implicadas si 4) A multiplica un vector x con n componentes? 6) A multiplica una matriz B de n por p? Entonces AB es m por p. ©) A se multiplica a sf misma para producir A?? Aqui m =n. 41, 44, Para demostrar que (AB)C = A(BC), use los vectores columna b,, ‘mero suponga que C tiene una sola columna ¢ con elementos ¢1, AB tiene columnas Aby, +++, Ab, y Bc tienen una columna cb, +--+ + Cybqe Entonces (AB)c = cyAby + +++ + CqAbg 65 igual a A(cyb, + +++ + Cqb,) = A(Bc). La linealidad proporciona la igualdad de estas dos sumas, y (AB)c = A(Bc). Lo mismo es cierto para todos (todas) los (las)_de C. En consecuencia, (AB)C = A(BC). En los problemas 45 a 49 se utiliza multiplicacién columna-renglén, y multiplicacién en bloque. 45, Multiplique AB usando multiplicacién de columnas por renglones: Lo r : ‘lt 3 ‘]- flea = . 46. La multiplicacion en bloque separa las matrices en bloques (submatrices). Si sus formas hacen posible la multiplicacién en bloque, entonces es permitida. Sustituya las siguientes.x por mimeros, y confirme que la multiplicaciéa en bloque es exitosa. [A 8] [§] = l4c+a) y [: : ‘| [i : :} AB car xx |= 47. Trace los cortes en A y B y AB para mostrar c6mo cada una de las cuatro reglas de la multiplicaci6n es en realidad una multiplicaci6n en bloque para encontrar AB: a) La matriz A multiplicada por las columnas de B. ) Los renglones de A multiplicados por ta matriz B.une SIDA NACIONAL 1 Watery muted de mics an Gu unuauay ponavin i "3 [Gs renglouessde .multiplieadossponianc slurs 2 B. 4) Las columnas de A multiplicadas por los renglones de B. 48, La multiplicacién en bloque indica que la eliminacién en la columna 1 produce 1 O0)fa b)_fa 6 eLote IEE a) -[ 2} 49. Eliminacién para una matriz en bloque de 2 por 2: Cuando A~'A = I, el primer ren- gl6n en bloque se multiplica por CA~" y se resta del segundo renglén, para encontrar el “complemento de Schur” S: [-an [é a]-[0 5 50. Con # = —1,el producto (A + iB)(x + iy) es Ax + iBx + iAy ~ By. Use bloques para separar la parte real de la parte imaginaria que multiplica i: A -B] [x] _ [Ax — By] parte real ? Ly. Parte imaginaria SI. Suponga que resuelve Ax = 6 para tres miembros derechos especiales de b: ee ee Si las soluciones x,, x, 3 son las columnas de una matriz X, ,qué es AX? 52, Si las tres soluciones en el problema $1 son x, = (1, 1, I)y m= © 1, Dy ty = (0,0, 1), resuelva Ax = b cuando b = (3, 5, 8). Pregunta de desafio: {Qué es A? Encuentre todas las matrices _fao bd 11 an [ft §] ewan a[! 2]=[1 {] 54, Siuna matriz noroeste A se multiplica por una matriz sureste B, qué tipo de matrices son AB y BA? “Noroeste” y “sureste” significa ceros abajo y arriba de la antidiagonal que va de (I. n) a (m1). 5S. Escriba 2x + 3y + z + St = 8 como una matriz A (;cudntos renglones tiene?) multiplicando el vector columna (x, y, z, 1) para obtener b. Las soluciones Henan un plano enel espacio tetradimensional. El plano es tridimensional sin volumen de 4-dimensiones. 56. ,Cudl es la matriz, P, de 2 por 2 que proyecta el vector (s, y) sobre el eje x para producir (x, 0)? {Cudl es 1a matriz P, que proyecta el vector (x, y) sobre el eje y para producir (0.y)? Si se multiplica (5, 7) por P; y luego se multiplica por P,, se obtienen(__) y CH. Escriba el producto interno de (L, 4, 5) y (x, ¥, 2) como una multiplicacién de matrices Ax. A tiene un renglén, Las soluciones de Ax = 0 estén en un __ perpendicular al vector___. Las columnas de A sGlo estén en el espacio __dimensional. 58, En notacién de MATLAB, escriba los comandos que definen la matriz A y los vectores columna x y 6. ,Cudl es el comando que prueba si Ax = 6 0 10? Bal os2] of]Capftulo 1 Matices yeiminacion geussiana 59. Los comandos MATLAB A = eye(3) y v = [3:5] producen la matriz. identidad de 3 pot 3 y el vector columna (3, 4, 5). {Cudles son las salidas de A * vy v’ * v2 (jNo se requiere computadora!) Si pregunta por v * A, ,qué ocurre? 60. Si la matriz de 4 por 4 integrada s6lo por unos A = ones(4, 4) se multiplica por la columna v = ones(4, 1), gqué es A * v? (No se requiere computadora) Si B = eye(4) + ones(4, 4) se multiplica por w = zeros(4, 1) + 2* ones(4, 1), .qué es B * w? 61. Escriba una matriz mAgica M de 3 por 3 con elementos 1, 2, ..., 9. La suma de todos los elementos de los renglones, de las columnas y de la diagonal debe ser igual a 15. El primer renglén podria ser 8, 3, 4. ;Cugnto es M por (1, 1, 1)? ,A qué es igual el vector rengién [1, 1, 1] multiplicado por M? 1.5 FACTORES TRIANGULARES E INTERCAMBIOS DE RENGLONES Se desea considerar nuevamente la eliminaci6n para ver lo que significa en términos de matrices. El punto de partida fue el sistema modelo Ax = b: (E48 Luego habja tres pasos de eliminacién, con multiplicadores 2, —1, ~ Paso 1. Restar 2 veces la primera ecuacién de la segunda. Paso 2. Restar —1 vez la primera ecuacién de la tercera. Paso 3. Restar ~1 vez la segunda ecuacién de la tercera. El resultado era un sistema equivalente Ux a) on una nueva matriz de coeficientes U: 2 1 ‘Triangular superior Ux = 3 -8 @ o 0 Esta matriz U es triangular superior: todos los elementos debajo de la diagonal son cero. El nuevo miembro derecho c se obtuvo a partir del vector original b siguiendo los mismos pasos que llevan de A a U. La eliminacién hacia adelante equivale a tres operaciones en renglones: Empezar con A y b; Aplicar los pasos 1, 2, 3 en ese orden; Terminar con Uy c. Ux = ¢ se resuelve por sustituci6n hacia atrés. Aquf nos centramos en relacionar A con U. Las matrices E para el paso 1, F para el paso 2, y G para el paso 3 se presentaron en la secci6n precedente. Se denominan matrices elementales, y es fécil ver c6mo trabajan. Para restar un miiltiplo ¢ de la ecuaci6n j de la ecuacién i, el niimero —€ se escribe en la osicién (i, ). En caso contrario, se preserva la matriz identidad, con 1s en la diagonal y Os fuera de ésta. Luego, la multiplicacién de matrices realiza la operacién en los renglones.1.5 Factores wiangulares e intercambias de renglones 33 El resultado de todos los tres pasos es GFEA = U. Observe que E es la primera en multiplicar a A, luego es F, y por tiltimo G. Puede multiplicarse GFE entre s{ para encontrar una simple matriz que lleve A a U (y también b a c). Es una matriz triangular inferior (Se omiten los ceros): 1 1 1 1 DeAaU GFE 1 1 21 f=j-21 @) raytoo4 1 -1 1 Esto es bueno, pero la pregunta més importante es exactamente lo opuesto: ,Cémo puede regresarse de U aA? ¢Cémo pueden deshacerse los pasos de la eliminacién gaussiana? Deshacer el paso 1 no es dificil. En lugar de restar, se suma dos veces el primer ren- #l6n al segundo. (jNo dos veces el segundo rengléa al primero!) El resultado de realizar tanto la sustraccién como la adicién es recuperar la matriz identidad: La inversa de 100 100 100 Ja sustracci6n 2:1 0] ]-2 1 0] =]o 1 oO}. @) es la adicién ooiflLoor oo1 Una operaci6n cancela la otra. En términos matriciales, una matriz es la inversa de la otra, Si la matriz elemental E contiene al nimero —£ en la posici6n (i, /), entonces la inversa E- contiene a +£ en esa posici6n. Por tanto, E~'E = 7, que es la ecuacién (4). Cada paso de la eliminacién puede invertirse, usando E~' y F~" y G~'. Considero que no es malo abordar las inversas ahora, antes de la siguiente seccién. El problema final es deshacer todo el proceso de una vez, y ver qué matriz regresa Ua A. Debido a que el paso 3 fue el iltimo yendo de Aa U, su matriz G debe ser la primera en ser invertida en la direccién opuesta. {Las inversas se presentan en orden opuesto! El segundo paso en reversa es F~' y el dltimo es E~': RegresoaAdesdeU = E“'F"'G'U =A es LU=A. 6) Es posible sustituir GFEA por U con la finalidad de ver, cémo las inversas eliminan los pasos originales. Luego se reconoce la matriz. L que regresa Ua A. Se denomina L porque es triangular inferior. Y posee la propiedad especial de que s6lo puede verse, multiplicando las tres matrices inversas en el orden correcto: 1 1 1 1 E*F'G"= 12 1 1 1 =,[2 1 =L. © jt-1 1 -1a) [+1 -11 La cuestiGn especial ¢s que los elementos abajo de la diagonal son los multiplicadores = 2, -1,y -1. Cuando se multiplican matrices, suele no haber una forma directa de leer Ja respuesta. Aqui las matrices se presentan justo en el orden correcto, de modo que su producto puede escribirse de inmediato. Si la computadora almacena cada multiplicador ,, el iimero que multiplica el renglén pivote j cuando se resta del renglén i y produce un cero en la posicién i, j, entonces estos multiplicadores proporcionan un registro completo de la eliminaci6n. Los ntimeros ty tienen cabida perfecta en la matriz L que Weva U de nuevo a A.Copitlo 1 Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Matrices y elminacién gaussiana pa [it oy ce ie 2 _fi 0 . a=[} 2] Swtioma u=[5 2] co c= [} ©] toe or = Lo cual necesita un intercambio de renglones A= [3 4] no puede factorizarse en A = LU. (on todos los pivotes y multiplicadores iguales a 1) et 10-0 tl A=/1 2 2]}=/1 1 0] Jo 1 1] =u. 123 riifloo. De Aa U hay restas de renglones. De U a A hay sumas de renglones. (cuando U es la identidad y L es la misma que A) 1 0 0 Caso triangular inferior A= | 1 0 en fn 1 Los pasos de eliminacin en esta A son féciles: i) E resta £2, veces el renglén 1 del renglén 2, ii) F resta é5, veces el renglén 1 del renglén 3, y ili) G resta €52 veces el renglén 2 del rengl6n 3. El resultado es la matriz identidad U = I. Las inversas de E, F, y G producen de rTegreso A: E~' aplicada a F~' aplicada a G~' aplicada a / produce A. Multi- [1 e [1 0 0 plicada 1 igual |f 1 0 & Por 32 a fn én 1 El orden es correcto para que los és estén en su posicién. {Esto ocurre siempre! Observe que los paréntesis en E~'F-'G™' no fueron necesarios debido a la ley asociativa, A= LU: Bl cason porn La factorizacién A = LU es tan importante que es necesario comentar més acerca de ella. ‘Normalmente se la ignoraba en cursos de élgebra lineal cuando la orientacién de éstos era la parte abstracta. © quizé se pensaba que era demasiado dificil, pero es necesario abordarla. Si el dltimo ejemplo 4 permite cualquier Ven vez de la U particular U = I, es posible perca- tarse de c6mo trabaja la regla en general. La matriz L, aplicada a U, regresa A: 10 07 [renglén 1 de U” A=LU 1 1 0 | rengién2de U| = A original. a fn Ga 1] [ renglén3 de U15 Factores triangular e intercambios de rengones 35 La demostracién es aplicar los pasos de eliminacién. En el miembro derecho, éstos levan Aa U. Enel miembro izquierdo reducen L a I, como en el ejemplo 4. (El primer paso resta £2, veces (1, 0, 0) del segundo renglén, con lo cual se elimina £21.) Ambos miembros de (7) terminan iguales a la misma matriz U, y todos los pasos para llegar abi son reversi- bles. En consecuencia (7) es correcta y A = LU. ‘A= LU es tan crucial, y tan bella, que el problema 8 al final de esta seccién sugiere un segundo método. Aqui se estén escribiendo matrices de 3 por 3, aunque el lector puede darse cuenta de la forma en que los razonamientos se aplican a matrices més grandes. ‘A ccontinuacién se proporciona otro ejemplo, y luego se empieza a utilizar A = LU. (A = LU, con ceros en los espacios vacios) 1-1 1 1-1 oie 2 al = 1-1 102-1 -1 1 1-1 -1 2 -11 1 Esto demuestra cémo una matriz A con tres diagonales tiene factores L y U con dos diagonales. Este ejemplo proviene de un problema importante en ecuaciones diferenciales (véa- se la secci6n 1.7), La segunda diferencia en A es la diferencia hacia atrés L multiplicada por una diferencia hacia adelante U. Un sistema lineal = Des sistemas triangulares Hay un punto préctico importante que mencionar sobre A = LU. Es més que un simple registro de pasos de eliminacién; L y U son las matrices derechas para resolver Ax = b. De hecho, jes posible descartar a A! De b a c se va por eliminaci6n directa (que utiliza L), y de ¢ ax se va por sustitucién hacia atrés (que usa U/). Esto puede y debe hacerse sin A: SeparaciéndeAx =5 Primero Le=b yluego Ux @) La segunda ecuacién se multiplica por L para obtener LUx = Le, que es Ax = b. Cada sistema triangular se resuelve répidamente. Esto es exactamente lo que un buen cddigo de eli- minacién hace: La separacién entre Factoriza y Resuelve significa que es posible procesar una serie de bs. La subrutina Resuelve obedece la ecuacién (8): dos sistemas triangulares en 7/2 pasos cada uno. La solucién para cualquier miembro derecho nuevo b puede encontrarse en s6lo n operaciones. Esto es mucho menos que los n°/3 pasos necesarios para factorizar A en el miembro izquierdo.Capitulo 1 Ejemplo 6 Mavices yeliminaci6n gaussian Esta es la matriz previa A con miembro derecho b = (1, 1, 1, 1). ne 1 mA + dno xs | seseparaen Le=b y Ux=e 1 ea ningun primer pivote A 00¢ a =0 => ningiin segundo pivote def ¢ = 0 ==> ningdn tercer pivote Sid = 0, entonces el problema es incurable y esta matriz es singular. No hay esperanza de una solucién tnica de Ax = b. Si d no es cero, un intercambio P,3 de los renglones 1 y 3 mueve d al pivote. No obstante, Ia siguiente posicién pivote también contiene un cero. El néimero a estd ahora abajo del cero (el e arriba del cero es inttil). Si a no es cero, entonces se requiere otro intercambio de renglones Ps: ool 100 def Pa=]0 10 y Py=]0 01 ¥ PaPpA=|]0 @ b 0.0) (0. 10 0.0 Una cuestion mAs: La permutaci6n Ps 3 realiza los dos intercambios de renglones ala vez: 10 0]foo1 a Piz actia primero PyPj3=|0 0 1] {0 1 Of =|1 0 0] =P, o 1 of l1 00 010 De haberlo sabido, hubiera sido posible multiplicar A por P en primer lugar. Con los renglones en el orden correcto PA, cualquier matriz no singular esté lista para el proceso de eliminacién. Eliminacién en pocas palabras: PA = LU La cuesti6n més importante es la siguiente: Si la eliminacién puede completarse con ayuda de intercambios de renglones, entonces es posible suponer que estos intercambios se realizan primero (por P). La matriz PA no requiere intercambios de renglones. En otras palabras, PA permite la factorizacién normal en L multiplicada por U. La teorfa de Ia elimi- tania gnssiana poede resumiree on unes cua Linea: ‘que Bios Ge Apes Evi le seals ea a ei Yet tiene una solucién iinica: Hee “Enel caso singular, ninguna P poede produéir ua conjunto completo e pivotes: cewekEjemplo 7 1S Factores tanguares e intercabios de renglones 39 En la préctica, también es posible considerar un intercambio de renglones cuando el pivote original esta préximo a cero: aun cuando no sea exactamente igual a cero. Cuando se elige un pivote mds grande se reduce el error por redondeo. Debe tenerse cuidado con L. Suponga que la eliminaciGn resta el renglén 1 del ren- 216n 2, creando 2, = 1. Luego suponga que intercambia los renglones 2 y 3. Si este intercambio se realiza de antemano, el multiplicador cambia a £5, = 1 en PA = LU. ri. tit raid A 11 3{+]0 0 2)+]0 3 6/ =u. (10) 258 036 00 2 Ese intercambio de renglones recupera LU, pero no £5, = Ly £1 10 0 100 P=|0 01; y L={2 10] y Puy. ay 0 10 101 En MATLAB , A({r_k].:) intercambia el renglén k con el renglén r abajo del renglén k (donde se ha encontrado el k-ésimo pivote). Las matrices L y P se actuslizan de la misma manera. Al principio, P = y signo = +1: A(fr K]. 2) = ACK U({r k],U:k-1) = L({k F].:k-1): P((r kK], : ) = Pk r]. sign = -sign El “signo” de P indica si el ntimero de intercambios de renglones es par (signo = +1) 0 impar (signo = —1). Un intercambio de renglones invierte el signo. El valor final del signo es el determinante de P y no depende del orden de los intercambios de renglones. En resumen: Un buen cédigo de eliminacién ahorra L y U y P. Estas matrices contie- ‘nen Ia informaci6n que originalmente estaba en A. y la contienen en una forma més utiliza- ble. Ax = b se reduce a dos sistemas triangulares. Este es el equivalente prictico del célculo que se presenta a continuacién: encontrar la matriz inversa A~' y la soluci6n x = A~'b. Conjunto de problemas 1.5 1, {Cuando es no singular una matriz triangular superior (un conjunto completo de pivotes)? 2. {Qué milltiplo 232 del renglén 2 de A resta la eliminacién del renglén 3 de A? Use la forma factorizada 20 0) (5) 28 A= |2 1 of ]o 23 14 if [oo 6 {Cudles son los pivotes? {Se requiere un intercambio de renglones? 3. Multiplique la matriz L = E~'F~'G~' en la ecuacién (6) por GFE en la ecuacion (3): 1 00 100 2 1 0| multiplicada por |-2 1 0}. a eee -l 1 ‘También multiplique en orden opuesto. ;Por qué las respuestas son iguales??Capo 1 ative y ebrinacingausona 4. Aplique eliminacién para obtener los factores Ly U de Sin a-[E a] x anfiat yA 113 5. Factorice A en LU, y escriba el sistema triangular superior Ux de la eliminaci6n, para EHIEE 1 1 1 at Eo a o1 Feloo1 Crlo 21 H=loo1 ooo ooo oo21 8 (Segunda demostracién de A = LU) El tercer renglén de U proviene del tercer renglén de A al restar miiltiplos de los renglones 1 y 2 (jde U!): tenglén 3 de U = rengl6n 3 de A — £5,(rengl6n 1 de U) — ésa(renglén 2 de U). 4) {Por qué se restan renglones de U y no de A? Respuesta: Debido a que en ese momento se utiliza un renglén pivote _. +) La ecuacién anterior es la misma que tenglén 3 de A = ¢5,(renglén | de U) — €sa(renglén 2 de U) + I(renglén 3 de U). Qué regla de la multiplicaci6n de matrices multiplica por U este rengl6n 3 de L? Los otros renglones de LU coinciden de manera semejante con los renglones de A. 9. a) {En qué condiciones el siguiente producto es no singular? 1 0 Ol fa 1-1 0 Ae iei 10) ad o 1 =r oO -1 1 a}[o o 1 b) Resuelva el sistema Ax = b empezando con Le = 1 0 0] fa 0 1 Of Jeo] = Jo} =. —1 1 [es, 1 10. a) {Por qué para resolver cada uno de los sistemas Le = by Ux = c se requieren aproximadamente 17/2 pasos de multiplicacién-sustracci6n? ) {Cudntos pasos requiere 1a eliminacién para resolver 10 sistemas con la misma ma- ttiz de coeficientes A de 60 por 60?1.5 Factores wiangularese intercambios de renglones a 11. Resuelva lo siguiente como dos sistemas triangulares, sin multiplicar LU para encontrar A: 10 0] [2 4 4] fu 2] Lux={1 1 0} |o 1 2{ Jv] = jo}. 10 1} [0 0 1f lw} [2 12, ,Cémo es posible factorizar A en un producto UL, triangular superior multiplicado por un sistema triangular inferior? {Tendrian los mismos factores que en A = LU? 13, Resuelva lo siguiente por eliminaci6n, intercambiando renglones cuando sea necesario: u + ay + Qw = -2 v+w=0 —tu-Bvt3w= 32 y uty =O vt wel etutwel Qué matrices de permutaci6n se requieren? 14, Escriba todas las matrices de permutacién de 3 por 3, incluyendo P = J. Identifique sus inversas, que también son matrices de permutaci6n. Las inversas satisfacen PP-' = 1, y estén en ja misma lista. 15, Encuentre (y compruebe) las factorizaciones Pa = LDU para 1 121 A 1 y A=|2 42 4 paid 46. Encuentre una matriz de permutacién de 4 por 4 que requiera tres intercambios de renglones para llegar al final de la eliminaci6n (que es U = 2). 17. La forma menos conocida A = LPU intercambia renglones solo al final: tad rid 10 0)f111 a=|1 1 3} +2L7a=|0 0 2|=Pu=|0 0 1] 0 3 6). 258 036 0 1 oj lo 0 2 {Cul es Len este caso? Al comparar con PA = LU en el recuadro 1J, ahora los multiplicadores permanecen en su sitio (2, €5 1 y £5, ¢s 2 cuando A = LPU). eo wor 48. Decida si los siguientes sistemas son singulares 0 no singulares, y si no tienen solu- ci6n, una solucién o una infinidad de soluciones: vowa2 v-w=0 v+wel un 2 y un-v youty 1 a -wa2 x -w=0 a tweak 19. {Cuéles ntimeros a, b, c conducen a intercambios de renglones? {Cudles hacen singular a la matriz? 120 A=la 8 3 y a~[é 3} Ob SsCapitulo 1 Mavices y elminacién gaussiana En los problemas 20 a 31 se calcula la factorizacién A = LU (y también A = LDU). 20. La eliminacién hacia adelante cambia{! !]x = 6 auna triangular [! 1] xty xt ya5 11s) _. fias x+2y= y=2 127 o12 Ese paso resté €2) = veces el renglén 1 del renglén 2. El paso inverso suma ¢2, veces el renglén 1 al renglén 2. La matriz para ese paso es L = ___. Al multiplicar esta L por el sistema triangular [5 |] x = [3] se obtiene . En otras palabras, L multiplica a Ux = c para obtener_. 21. (Cambio a 3 por 3) La eliminacién hacia adelante cambia Ax = b a un sistema triangular Ux = c: xt yt 255 xt yt zs5 xt yt rs5 x+2y +3257 yr yt2zs2 x+3y +6251 2y +52 =6 a2 La ecuacién z = 2 en Ux = c proviene de la ecuaci6n original x + 3y + 6z = Ilen Ax = bal restar £5, = veces la ecuacién 1 y 32 = veces la ecuacién final 2. Lo anterior se invierte para recuperar {1 3 6 Il]en(A 5) dela(1 1 1 5}final y 0 1 2 2}y{0 0 1 2jen(U ch: Renglén 3 de [A ] = (25; renglén 1 + £52 renglén 2 + 1 renglén 3) de [U cl En notacién de matrices, esto es una multiplicacién por L. Ast, A = LU y b = Le. 22, ,Cudles son los sistemas triangulares de 3 por 3 Le = b y Ux = c del problema 21? Compruebe que c = (5, 2, 2) resuelve el primero. ;Cual es el vector x que resuelve el segundo? 23. ,Cudles son las dos matrices de eliminacién E2) y Ey2 que transforman ta matriz. A en Ja forma triangular superior E52E2,A = U? Multiplique por E3;' y £;;' para factorizar Aen LU E;!' EU: raid a=|2 4 5s]. 040 24, ;Cudles son las tres matrices de eliminacién E>, Es, ¥ Es que transforman la matriz Aen la forma triangular superior E32E3,E2,A = U? Multiplique por E3;', E5\' y £3)! para factorizar A en LU, donde L = E;\'E5,' Ex}. Encuentre L y U: 101 A222)" 3 4 25. Cuando en Ia posici6n pivote aparece un cero, i pivotes diferentes de cero d, LU no es posible! (Se requieren en U.) Demuestre directamente por qué los dos casos siguientes son imposibl el- IE 3] 7 ol Slee 7 ae eo ,r2t mnal 26. ;,Qué ntimero c produce un cero en la segunda posicién pivote? Se requiere un intercambio de renglones y A = LU no es posible. {Qué ntimero c produce un cero en la - =oOL11736 1.5 Factores triangulares e intercambios de renglones 43 tercera posicién pivote? Asf, un intercambio de renglones no puede ayudar y la elimi- nacién falla: le 0 a=|2 4 1}. 3.5 1 27. (Cudles son Ly D para esta matriz. A? {Cudl es Ven A = LU y cuiles la nueva Ven A= LDU? 248 A=|o 3 9]. oo7 28. A y B son simétricas a través de la diagonal (porque 4 = 4). Encuentre sus factorizaciones triples LDU, y escriba cémo esté relacionada U con L para estas matrices simé- oe ed 4 29, (Recomendado) Caleule L y U para la matriz simétrica a L oan abe eno Bee oeoos aoe RoOoA ce Encuentre cuatro condiciones sobre a, b, c, d para obtener A = LU con cuatro pivotes. Encuentre L y U para la matriz no simétrica: A= BARD eeos oan ANOS © Encuentre cuatro condiciones sobre a, b, ¢, d, r,s, t para obtener A = LU con cuatro pivotes. 31. Las matrices rridiagonales tienen elementos iguales a cero, excepto en la diagonal principal y en las dos diagonales adyacentes. Factorice lo siguiente en A = LU y A = LDV: 110 aoa 0 a=|1 21] y A=le ate & |. 012 0b bte 32. Resuelva el sistema triangular Le = b para encontrar c. Luego, resuelva U: encontrar x: 10 _f2 4 _[2 L iB tt y v=[3 al y o- [i Por seguridad, encuentre A = LU y resuelva Ax = cuando Io vea. para como de costumbre. Identifique 33, Resuelva Le = b para encontrar c. Luego resuelva Ux = ¢ para encontrar x. ,Cuél era la matriz A? 100 bait 4 Le|ii ol] y u=joril y o=]5}. raid oo1 6.opine 1 Matrices y eiminacién gaussiana 34, SiAy B tienen elementos distintos de cero en las posiciones indicadas con x, .qué ce- 0s siguen siendo ceros en sus factores L y U? xox gx xxx 0 xx x0 xx Ox A=lo xz x] % Br lr ox x ooxx Oxx x 35. (Lmportante) Si A tiene pivotes 2, 7, 6 sin intercambios de renglones, ,cudles son los pivotes para la parte superior izquierda de la submatriz B de 2 por 2 (sin el renglén 3 y la columna 3)? Explique su respuesta. 36. Empezando con una matriz A de 3 por 3 con pivotes 2, 7, 6, aflada un cuarto renglén y una cuarta columna para obtener M. {Cudles son los tres primeros pivotes de M, or qué? ;,Cudles son el cuarto renglén y la cuarta columna que aseguran la obtencién de un 9 en el cuarto pivote? 37. Use chol(pascal(5)) para encontrar los factores triangulares de pascal(5) de MATLAB. ilntercambios de renglones en (L, U] = lu(pascal(S)) arruinan el patron de Pascal! 38. (Repaso) {Para qué niimeros c es imposible A = LU con tres pivotes? 12) 0) =|3.¢1 Ofte 39. Calcule la diferencia temporal para cada nuevo miembro derecho b cuando n = 800. Establezca A = rand(800), b = rand(800,1) y B = rand(800,9). Compare los tiempos de tic; A\b; toc y tic A\B; toc (que resuelve para 9 miembros derechos). Los problemas 40 a 48 son sobre matrices de permutacién. 40. Hay 12 permutaciones “pares” de (1, 2, 3, 4) con un niimero par de intercambios. Dos de éstas son (1, 2, 3, 4) sin intercambios y (4, 3, 2, 1) con dos intercambios. Enumere los otros 10. En vez de escribir cada matriz de 4 por 4, use los nimeros 4, 3, 2, 1 pa- a proporcionar Ja posicién del 1 en cada rengl6n. 41. {Con cudntos intercambios se permuta (5, 4, 3, 2, 1) de vuelta a (1, 2, 3, 4,5)? ,Cudn- tos intercambios son necesarios para ir de (6, 5, 4, 3, 2, 1) a(1, 2, 3,4, 5,6)? Unoes par y el otro es impar. Para ir de (n,..., 1) a(1,...,), demuestre que n = 100 y 101 son pares, y que n = 102 y 103 son impares. 42, Si P, y P; son matrices de permutaci6n, también lo es P,P. Esta tltima matriz sigue teniendo los renglones de Jen algin orden. Proporcione ejemplos con P,P2 ¥ P2P; ¥ PyPa = PePy. 43. (Intente responder esta pregunta). {Cuél es la permutacién que hace triangular superior a PA? ;Cudl es la permutaci6n que hace triangular inferior a P, AP;? Al multiplicar A por la derecha por P; se intercambia el de A. 00 6 Ais 273) 045 44, Encuentre una matriz de permutacién de 3 por 3 con P? = J (pero no P = 2). Encuen- ‘re una permutaci6n de 4 por 4 B con P* x /.1.8 versas y waspuestas 45 45. Si se toman potencias de una permutacién, ,por qué alguna P* termina siendo igual a 7? Encuentre una permutacién de 5 por 5 P de modo que la menor potencia que es igual a es P*. (Este es un problema de desafio. Combine un bloque de 2 por 2 con un bloque de 3 por 3.) La matriz P que multiplica a (x, y, z) para obtener (z, x, y) también es una matriz de rotaci6n, Encuentre P y P?, El eje de rotacién (1, 1, 1) no se mueve, y es igual a Pa, {Cual es el Angulo de rotacién de v = (2, 3, -5) a Pv = (~5, 2,3)? 47. Si P es cualquier matriz de permutaci6n, encuentre un vector x diferente de cero de modo que (I- P)x = 0. (Esto significa que /- P no tiene inversa, y que su determi- ante es cero). 48. Si P tiene 1s en su antidiagonal desde (1, n) hasta (n, 1), describa PAP. 1.6 INVERSAS Y TRASPUESTAS La inversa de una matriz de n por n es otra matriz de n por n. La inversa de A se denota por A™* (lo cual se lee “A inversa”). La propiedad fundamental es sencilla: Si se multiplica por Ay luego se multiplica por A~*, se regresa a la posicién inicial: Matriz inversa Si b = Ax, entonces A~'b = As{, A~!Ax = x. La matriz A~! multiplicada por la matriz A es la matriz identidad. No todas las matrices tienen inversas. Una inversa es imposible cuando Ax es cero y x es diferente de cero. Por tanto, A~' deberia tener que regresar de Ax = 0 a x. Ninguna matriz ‘puede multiplicar ese vector cero Ax y producir un vector x diferente de cero. Los objetivos son definir la matriz inversa, calcularla y aplicarla, cuando A~' existe, yy luego comprender cudles matrices no tienen inversas. 4K La inversa de A es triz B tal que BA = Ty AB = J; Hay cuando mucho. una B, y ésta'se denota por A's ere ATARI Cy? AAt= REND Gy Nota 1 La inversa existe si y s6lo si la eliminacién produce n pivotes (se permiten intercambios de renglones). La eliminacién resuelve Ax = b sin encontrar explicitamente A~!, ‘Nota 2 La matriz.A no puede tener dos inversas distintas. Suponga que BA = I'y también que AC = I. Entonces B = C, segiin la siguiente “demostraci6n por paréntesis”: B(AC) = (BA)C proporciona BI = Esto demuestra que una inversa izquierda B (que multiplica por la izquierda) y una inversa derecha C (que multiplica a A por la derecha para obtener AC = 1) deben ser la misma matriz. IC, que es B = C. @ Nota3 Si Aes invertible, la sola y Unica solucién de Ax = bes x= A~'b: OS Ste = 2 se maltiges por A~, entonces x = A" tax = A“*. Nota 4 (Imporante) Suponga que hay un vector x diferente de cero tal que Ax = 0. En- tonces A no puede tener inversa. Para repetir: Ninguna roatriz es capaz de regresar el 0 a x. SiA es invertible, entonces Ax = 0 s6lo puede tener la soluci6n x = 0.Capito 1 Matrices y elminacion gaussina Nota $ Una matriz de 2 por 2 es invertible si y s6lo si ad ~ be es diferente de cero: ) “1 Inversa de 2 por 2 i 4] = El niimero ad — be es el determinante de A. Una matriz es invertible si su determinante es distinto de cero (véase el capitulo 4). En MATLAB, la prueba de invertibilidad consiste en encontrar n pivotes diferentes de cero. La eliminacién produce estos pivotes antes de que aparezca el determinante. ‘Nota 6 Una matriz diagonal tiene una inversa en el supuesto de que ninguno de los elementos diagonales es cero: ‘a i/dy SiA= entonces A~ a 1/4, Cuando estén implicadas dos matrices, no hay mucho que hacer sobre Ia inversa de A + B. La suma puede o no ser invertible. En vez de lo anterior, la férmula clave en célcu- los matriciales es la inversa de su producto, AB. Los niimetos normales son los mismos: (@ + by” es dificil de simplificar, mientras I/ab se separa en V/a veces 1/b. Sin embargo, para matrices el orden de la multiplicacién debe ser correcto: si ABx = y, entonces Bx = Av'yyx = B”'A™'y, Las inversas se presentan en orden opuesto. AL Un producto AB de matrices invertibies es invertido por B‘A~?: Inversa de AB (AB)"' = Bo'A"'. (4) Demostracién Para demostrar que B~'A~ es la inversa de AB, las matrices se multiplican y se aplica la ley asociativa para quitar los paréntesis. Observe que B se escribe al la do de B>': BB! A-! = AIA! = AA“! = I 'AAB = BB = BB (ABXB™'AT') (B'A- (AB) Una regla semejante se cumple para tres 0 més matrices: Inversa deABC (ABC)"'= C"'B"'A™!. Este cambio de orden se vio cuando las matrices de eliminacién E, F, y G se invirtieron para regresar de Ua A. En la direcci6n hacia adelante, GFEA era U. En la direccién hacia atrés, L = E~'F-'G" era el producto de las inversas. Debido a que al iiltimo aparece G, entonces G~! aparece primero. Por favor compruebe que A~! seria U~'GFE. Célculo de A~*: El método de Gauss-Jordan Considere la ecuacin AA~' = J. Si se toma una columna a la vez, la ecuaciGn determina cada columna de A~'. La primera columna de A~' se multiplica por A, para producir la primera columna de la identidad: Ax, = ¢,. De manera semejante, Ax, = ¢, ¥ At = ey; las ¢s son las columnas de /. En un ejemplo de 3 por 3, A multiplicada por A~' es I: 6 2h al tO) Ax = &% 4-6 Of |x: x2 xs} = Jer er es) =|0 1 207 2 00 29,Ejemplo 1 1.8 lovers y traspuestes a1 Asf, se tienen tres sistemas de ecuaciones (o n sistemas). Todos tienen la misma matriz de coeficientes A. Los miembros derechos ¢,, 2, ¢3, son diferentes, aunque la eliminacién es posible en todos los sistemas de manera simultdnea. Este es el método de Gauss-Jordan. En vez de detenerse en U y cambiar a sustitucién hacia atrés, continda restando méltiplos de un renglén de los renglones de arriba. Esto produce ceros arriba de la diagonal, y tam- bin abajo de ésta. Cuando llega a la matriz identidad, se ha encontrado A~'. EI siguiente ejemplo preserva todas las tres columnas e,, €, €3, y opera sobre renglones de longitud igual a seis: Aplicar el método de Gauss-Jordan para encontrar A~! 21110 0 [A ee es] 4-6 0 0 1 0 272001 Pivote = 21110 0 > |0-8-2-2 1 0 0 8 3 101 21 110 Pivote =—8— |0 -8 -2 -2 1 o Oo 1-1 1 (u 2 Esto completa la eliminacién hacia adelante, de la primera mitad. La triangular superior U aparece en las tres primeras columnas. Las otras tres columnas son las mismas que en L7'. Este es el efecto de aplicar las operaciones elementales GFE a la matriz identidad). Luego, la segunda mitad regresa de U a / (al multiplicar por U~'). Esto leva L~' a U7'L"", que es A~'. Creando ceros arriba de los pivotes se lega aA~!: 2 1 0 2-1 -1 Segunda mitad [UV L-']> ]0 -8 0-4 3 2 eee 1 oo ceros arriba de los pivotes > |0 —8 oo1 10 se divide entre los pivotes > |0 1 0 0 En el tiltimo paso, los renglones se dividieron entre sus pivotes 2 y —8 y 1. La matriz de coeficientes en el miembro izquierdo se transforms en la identidad. Debido a que A se con- virtié en [, las mismas operaciones en el miembro derecho deben llevar / a A“. En consecuencia, se ha calculado la inversa. ‘Una nota para el futuro: El lector puede ver el determinante 16 que aparece en los de- norninadores de A~'. El determinante es el producto de los pivotes (2)(—8)(1). Entra al final cuando los renglones se dividen entre los pivotes.Copia Matias y eiinacion gaussana Observacién 1 A pesar de este brillante éxito al calcular A~', no lo recomiendo. Admito que A~' resuelve en un paso Ax = b. Dos pasos triangulares son mejores: x= A“'b se separa en Le = by Ux = c. Puede escribirse c = Lb y luego x = U-'c = U-'L™'b, Sin embargo, observe que estas matrices L~' y U~" no se formaron de manera explicita, y en el célculo verdadero, no deben formarse. Hacerlo seria una pérdida de tiempo, ya que s6lo se requiere sustitucién hacia atrés para x (y la sustituci6n hacia adelante produjo c). Una observacién semejante es vélida para A~'; la multiplicacién A~'b seguirfa requi- riendo n? pasos. Lo que se busca es la solucién, no todos los elementos de la inversa. Observacién 2 S6lo por curiosidad, podria contarse el niimero de operaciones necesa- ras para encontrar A~', La cuenta normal para cada nuevo miembro derecho es n”, la mitad en la direccién hacia adelante y la mitad en la sustitucién hacia atrés. Con n miembros derechos ¢y,..., € esto hace n°. Luego de incluir las n°/3 operaciones sobre A misma, parece que el total es 4n°/3. Este resultado ¢s ligeramente elevado debido a los ceros en los ¢,. La eliminacién hacia adelante cambia s6lo los ceros que estén debajo del 1. Esta parte s6lo tiene n — j componentes, de modo que la cuenta para las ¢, cambia efectivamente a (n ~ /)?/2. Al sumar sobre todas las j, el total para la eliminacién hacia adelante es n°/6, Esto debe combinarse con las 1B operaciones de costumbre que se aplican a A, y los n(7"/2) pasos de la sustitucién hacia atrés que finalmente producen las columnas x, de A~', La cuenta final de multiplicaciones para calcular A" es n?: 2 eR Conteo de operaciones Be pee(S) 0 Este conteo es extraordinariamente bajo. Debido a que la multiplicacién de matrices consume 7° pasos, jrequiere tantas operaciones para calcular A? como las necesarias para calcular A~'! Este hecho parece casi increfble (y calcular A? requiere el doble, hasta donde puede verse). A pesar de lo anterior, si A~' no es necesaria, no debe calcularse. Observacién 3 En el célculo de Gauss-Jordan, siempre se fue en busca de U, antes de inicia el procedimiento hacia atrés para obtener ceros arriba de los pivotes. Esto es como la climinacién gaussiana, aunque también son posibles otros érdenes. Hubiera podido utilizarse el segundo pivote cuando se estaba ahf antes, con la finalidad de obtener un cero arriba el pivote, asi como también abajo de él. Esto no es inteligente. En ese instante el segundo rengl6n esté virtualmente leno, mientras cerca del extremo tiene ceros provenientes de las operaciones en renglones hacia arriba que ya se habfan realizado. Invertible = No singular (n pivates) En ltima instancia, lo que se quiere saber es cudles matrices son invertibles y cules no lo son, Esta cuestiGn es tan importante que tiene muchas respuestas. jConsulte la tiltima pd- ‘gina del libro! En cada uno de los cinco primeros capftulos se proporciona una prueba diferente (aunque equivalente) para comprobar la invertibilidad. Algunas veces las pruebas se ex- tienden a matrices rectangulares ¢ inversas por un lado: el capitulo 2 investiga el tema de renglones y columnas independientes. En el capitulo 3 se invierte AAT 0 ATA, En los otros capitulos se abordan los determinantes diferentes de cero, los valores caracteristicos di- Jerentes de cero 0 los pivotes diferentes de cero. Esta siltima prueba es la que se encuen- traen la eliminacién gaussiana. Se quiere demostrar (en unos cuantos pérrafos tedricos) que la prueba de los pivotes es exitosa.1.6 lnversas y taspuestas 49 ‘Suponga que A cuenta con un conjunto completo de pivotes. AA~! = J proporciona n sistemas Ax, = e, por separado para las columnas de A~'. Estos sistemas pueden resolverse por eliminaci6n o por Gauss-Jordan. Pueden requerirse intercambios de renglones, pero las columnas de A~' estén determinadas. Hablando estrictamente, es necesario demostrar que la matriz A~' con esas columnas también es autoinversa. Al resolver AA~' = J se resuelve al mismo tiempo A~'A = J, pero, {por qué? Una inversa por un lado de una matriz cuadrada, es autométicamente una inversa por dos lados. Para ver por qué, observe que todo paso de Gauss-Jordan es una ‘multiplicacién por la izquierda por una matriz elemental. Se estén permitiendo tres tipos de matrices elementales: 1. Ey para restar un miltiplo & del renglén j del renglén i. 2. Py para intercambiar los renglones i y j. 3. D(o D™') para dividir todos los renglones entre sus pivotes. El proceso de Gauss-Jordan en realidad es una secuencia gigantesca de multiplicaciones de matrices: (D7! .-- E+ P+ E)A= 1. © La matriz entre paréntesis, a la izquierda de A, jevidentemente es una autoinversa! Por la nota 2, existe, y es igual a la inversa derecha, de modo que toda matriz no singular es in- La conversa también es verdadera: Si A es invertible, tiene n pivotes. En un caso extremo que es claro: A no puede tener toda una columna de ceros. La inversa jamés podria multiplicar una columna de ceros para producir una columna de [. En un caso menos ex- ‘remo, suponga que la eliminacién inicia en una matriz invertible A, pero que falla en la columna 3: dox x x Falla O dx x En la columna 3 no hay pivote 000% 000% Esta matriz no puede tener una inversa, sin importar cudles sean las x. Una demostracién de este hecho es aplicar operaciones en las columnas (;por primera vez?) con la finalidad de hacer cero toda la columna, Al restar miltiplos de la columna 2 y luego de la columna 1, se llega a una matriz que ciertamente no es invertible. En consecuencia, la matriz original A no es invertible. La eliminacién proporciona una prueba completa: Una matriz de n por n es invertible si y sélo si tiene n pivotes. La matriz traspuesta Se requiere una matriz més, y por fortuna es mucho més sencilla que la inversa. La traspuesta de A se denota por A™. Sus columnas se toman directamente de los renglones de A: el i-ésimo rengln de A se convierte en la i-ésima columna de A™: 21 4) ee ‘Traspuesta sia= [5 A 3] enonces 4" 1 oj. Lae) Al mismo tiempo, las columnas de A se convierten en los renglones de A™. Si A es una matriz de m por n, entonces AT es de n por m. El efecto final es doblar la matriz respecto a suCapitulo 1 Mattces yeliminacién gaussione diagonal principal, y el elemento en el rengién i, columna j de AT proviene del elemento que estd en el renglén j, columna i de A: Elementos de AT om La traspuesta de una matriz triangular inferior es triangular superior. La traspuesta de AT leva de regreso a A. Si se suman dos matrices y luego se traspone, el resultado es el mismo que si primero se traspone y luego se suma: (A + B)" es lo mismo que AT + BT. Pero, ja qué es igual la traspuesta de un producto AB o de una inversa A~!? A continuacién se presentan las formulas esenciales de esta secci6n: aM ‘La traspuesta de ABes ©. (AB) = BTAT 2285 £2) La traspuesta de Am" es (AT)? = (AT). ‘Observe el parecido de la f6rmula para (AB)" con el resultado de la formula para (AB). En ambos casos se invierte el orden, con lo que se obtiene BTA y B~'A~'. La demostra- cién para la inversa fue fécil, pero ésta requiere de una paciencia extraordinaria con la mul- tiplicacién de matrices. El primer renglén de (AB)" es la primera columna de AB. As‘, las columnas de A estén ponderadas por la primera columna de B. Esto se suma a los renglones de AT ponderados por el primer renglén de BT. Eso es exactamente el primer renglén de B™AT. Los otros renglones de (4B)" y BAT también coinciden. ae-f VP 3 3]. [8 3 3 Se empieza con 1 ii2 2 2"|[s 5 5 5 5]. 5 Con la finalidad de establecer la f6rmula para (A~')", se inicia con AA~' = Ty A~'A = 1, y se toman las traspuestas. En un miembro, /* = /. En el otro miembro, por el inciso i) se conoce la traspuesta de un producto. Puede verse cémo (A~')T es la inversa de AT, lo cual demuestra ii): 324 a TAT = . ‘Traspuesta de mare ls 2{[) i] [3 Inversa de AT = Traspuesta de A-* (A~")TAT = 1. @) Matrices simétricas Una vez que se han establecido estas reglas, ¢s posible presentar una clase especial de matrices; quizé la clase més importante de todas. Una matriz simétrica es una matriz que es igual a su propia traspuesta: AT = A. La matriz. es necesariamente cuadrada. Cada elemento en un miembro de la diagonal es igual a su “imagen especular” en el otro lado: ay = ay. Dos ejemplos sencillos son A y D (y también A~'): pe — al2 1 incluso, puede ser una matriz de ceros. Pero si A~! existe, también es simérica. Con base en la f6rmula ii) anterior, la traspuesta de A~' siempre es igual a (A)~'; para una matriz simétrica Jo anterior es justo A~'. A” ‘es igual a su propia traspuesta; es simétrica siempre que A lo sea. Ahora se ha demostrado que el resultado de muttiplicar cualquier matriz R por R™ es una matriz simétrica. Matrices simétricas a-E al y o-[5 q y aFjemplo 2 1.8 lnversas y uaspuastas 1 Productos simétricos ATR, A AT, y LOL" ‘Sea cualquier matriz R, quiz4 rectangular. Multiplique R™ por R. Entonces el producto R™R es automticamente una matriz simétrica cuadrada: La traspuesta de R™R es R™(R™)™, que es R™R. @) Esta es una demostraci6n répida de simetria para RTR. Su elemento i, j es el producto intemo del renglén i de R¥ (columna i de R) con la columna j de R. El elemento (j, i) es el ‘mismo producto intemo, la columna j con la columna i. Asf, R™R es simétrica. RR" también es simétrica, aunque diferente de R™R. En mi experiencia, la mayor parte de los problemas cientificos que empiezan con una matriz rectangular R terminan con ER, con RRT 0 con ambas. R= [1 2} y at= [2] producen RTR = (t al y RRT= [5]. El producto R™R es de n por n. En orden opuesto, R RT es de m por m. Incluso si m = n, no es muy probable que R™R = R R™. La igualdad puede ocurrir, aunque no es normal. Las matrices simétricas se presentan en todo tema cuyas leyes son justas. “Cada acci6n tiene una reaccién igual y opuesta.” El elemento a,; que proporciona la accién de i sobre j es compensado por ay. Esta simetrfa se veré en la siguiente seccién, para ecuaciones diferenciales. Aquf LU pierde la simetria, pero LDL" la captura perfectamente. _1N. ‘SumngeAe spun tonsdeanadl = LDU sin intercambios de ren- " glones. Entonces Wes la traspuesta de I, La factorizaciém simétrica se vuelve A= LDL". La traspuesta de A = LDU proporciona AT = U"DTLT. Debido a que A = AT, ahora se tienen dos factorizaciones de A en triangular inferior multiplicada por triangular superior (LT ¢ triangular superior con Is en la diagonal, exactamente como U.) Debido a que la facto- rizacién es tnica (consulte el problema 17), L* debe ser idéntica a U. To. = LDL™ 1 O} ft 2) oy prt Lt=U y A=LDL i ale BAIR elle LDL". Cuando se aplica eliminacién a una matriz simétrica, AT = A es una ventaja. Las matrices més pequefias siguen siendo simétricas a medida que procede la eliminacién, de modo que iEs posible trabajar con la mitad de la matriz! El Angulo inferior del miembro derecho sigue siendo simétrico: a b c abe Be be [ a ‘|- eel Gog be 2 eared et El trabajo de la eliminacién se reduce de n°/3 a _n°/6. No es necesario almacenar los elementos de ambos lados de la diagonal, o de almacenar tanto a L como a U.‘Caputo 1 Mabices y elminacién gaussana Conjunto de problemas 1.6 1. Encuentre las inversas (no se requiere ningiin sistema especial) de fo 2 [2 9 — foose -sene anf a) fh] a= [Se “ete 2.) Encuentre las inversas de las matrices de permutacién oo 1 oor P=|0 1 0 y P=l100 i 010) 0) b) Explique para permutaciones, por qué P~' siempre es igual a P™. Demuestre que los 1s estn en los sitios correctos para obtener PPT = 1. 3. A partir de AB = C, encuentre una formula para A~'. También encuentre A~! a partir de PA = LU. 4.a) Si Acs invertible y AB = AC, demuestre répidamente que B = C. b) Si A=[5 8]. encuentre un ejemplo con AB = AC, pero B x C. 5. Si la inversa de A? es B, demuestre que la inversa de A es AB. (Por tanto, A es invertible siempre que A? es invertible.) 6. Aplique el método de Gauss-Jordan para invertir las siguientes matrices 10 0 2-1 0 foo 1 Av=[1 11}, As=|-1 2-1), As=fo rd oo 1 o-1 2 pid 7. Encuentre tres matrices de 2 por 2, que no sean A = Iy A = —I, que sean sus propias inversas: A? = I. 8. Demuestre que A= [} }] notiene inversa, resolviendo Ax = 0, y fallando al resolver Bae d-b i} 9. Suponga que la eliminacién fracasa porque en la columna 3 no hay pivote: Pivotefaltante A = coon cous conn wre Demuestre que A no puede ser invertible. El tercer renglén de A~', multiplicado por A, debe proporcionar el tercer renglén [0 0 1 0] de A~'A =. ;Por qué es imposible esto? 10, Encuentre las inversas (de cualquier manera permitida) de fo oo7 1 0 0 0 lab 0 0 0: 0 2/0) ale 10) 0 Gag00 A=lo 3 0 of =} 6 -2 1 of: 4 J0 0 a of 4000 0 6-3 41 oocdRUGUAY UNI 4 TONAL 21. eres y respuesta 53 lag. PEN y : i + Sta, ay 11. Proporcione ejemplos do y-B tales.que ::-- Avira’ UUOUAY 4) A + B noes invertible, aunque A y B sf lo son. 6) A + Bes invertible, aunque A y B no lo son. ©) Las tres A, B, y A + B son invertibles En el ditimo caso su A-(A+B)B-! = B-+A7! para demostrar que c 12. SiA€s invertible, ,qué propiedades de A siguen siendo verdaderas para A~'? @) Aes triangular. 6) Aes simétrica. c) A es tridiagonal. 4) Todos los elementos de A son niimeros enteros. €) Todos los elementos de A son fracciones (incluso los ntimeros como 13. Si A= [7] y B = [3], calcule AB, BTA, ABT y BAT. 14. Si B es cuadrada, demuestre que A = B + BT siempre es simétrica, y K = B— BT siempre ¢s simétrica sesgada, lo cual significa que KT = —K. Encuentre estas matrices A yKcuando B = [ij], yescriba B como la suma de una matriz simétrica y una matriz simétrica sesgada. 15. a) {Cudntos elementos pueden elegirse independientemente en una matriz simétrica de orden n? 4) {Cudntos elementos pueden clegirse independientemente en una matriz simétrica sesgada (KT = —K) de orden n? diagonal de K es cero! 16. a) Si A = LDU, con 1s en la diagonal de L y U, icudl es la factorizaci6a correspon diente de AT? Observe que A y AT (matrices cuadradas sin intercambios de renglones) comparten los mismos pivotes. 5) {Con qué sistemas triangulares se obtiene la solucién de AT y = 5? 17. SiA = L,D\U, y A = LyDaU>, demuestre que L, = Ly, D, = Dry U, = Uz SiAes invertible, la factorizacién es Gnica. 4) Deduzea la ecuaci6n L7'Z,D; = D,U,Us', y explique por qué un miembro es triangular inferior y el otro es triangular superior. +5) Compare las diagonales principales, y luego compare el resto de las matrices. 18. {Cudles son las condiciones sobre los elementos de A y B para que éstas sean invertibles? abe ab 0 A=|d ¢€ 0 B=|c a oj. if) 00) 00 € 19. Compruebe la factorizacién simétrica LDL™ de 13 5 ’ A=|3 12 18 y a-[ 5} B-' + A~! también es invertible y encuentre una formula para C-', 5 18 30 20, Encuentre la inversa de C 0 0 1 > ql mewn oe.54 Capito 1 Mabices y efminacién gaussiane 21. (Extraordinario) Si A y B son matrices cuadradas, demuestre que J ~ BA es invertible si — AB es invertible. Empiece con B(! - AB) = (I - BA)B. 22, Encuentre las inversas (directamente o a partir de la férmuila de 2 por 2) de A, B, C: jo 3 ale a 3 al a-f go» a-B ol » c-6 4 Resuelva para las columnas de A™! = [5 ‘| 10. 20] fx] _ ft 10.20) {¢] _ fo 20 so}ly}~ fo} ¥% [20 so} le} ~ Lap Demuestre que [} {] no tiene inversa tratando de resolver para la column (x »): 1 2] fe Vf o] incur [1 2] [*] = Gb Jb i] mm & Jb]-bh 25, (Importante) Si A es tal que rengi6n 1 + renglén 2 = rengl6n 3, demuestre que A no es invertible: 4) Explique por qué Ax = (1, 0, 0) no puede tener una solucién. 5) LQué miembros derechos (b,, by, b3) pueden permitir una solucién a Ax = 5? ©) {Qué ocurre al renglén 3 en Ia eliminacién? 26. SiAes tal que columna 1 + columna 2 = columna 3, demuestre que A no es invertible: a) Encuentre una solucién x diferente de cero de Ax = 0. La matriz es de 3 por 3. b) La eliminacién preserva columna 1 + columna 2 = columna 3. Explique por qué no hay un tercer pivote. ‘Suponga que A es invertible y que sus dos primeros renglones se intercambian para obtener B. La nueva matriz B, jes invertible? ;Cémo puede obtenerse B~' a partir de A~'? 2B. Si el producto M = ABC de tres matrices cuadradas es invertible, entonces A, B, C son invertibles. Encueatre una f6rmula para B™' que implique a M~', Ay C. 29. Demuestre que una matriz con una columna de ceros no puede tener una invers 30. Multiplique [2 3] por [_¢ ~2]. {Cua es la inversa de cada matriz si ad # bc? 31. a) 2Qué matriz E tiene el mismo efecto que los siguientes tres pasos? Reste el renglén. 1 del renglén 2, reste el rengién I del renglén 3, y luego reste el renglén 2 del ren- gl6n 3. 5) {Qué simple matriz L tiene el mismo efecto que los siguientes tres pasos inversos? ‘Sume el renglén 2 al renglén 3, sume el rengl6n 1 al renglén 3, y luego sume el ren- gl6n 1 al renglén 2. 32, Encuentre los niimeros ay b con los que se obtiene la inversa de 5teye(4) ones(4, 4) “1 ee oe eee H1 4-1-1] _|b a 6 & ee eee eee Li -1-1 4 bb ba {Cusles son a y b en ta inversa de 6*eye(5) ones(5, 5)?1.8 versas y raspuestas 55 33. Demuestre que A = 4*eye(4) — ones(4, 4) no es invertible: Multiplique A*ones(4,1). 34. Hay 16 matrices de 2 por 2 cuyos elementos son Is y Os. {Cuéntas de estas matrices son invertibles? Los problemas 35 a 39 son sobre el método de Gauss-Jordan para calcular A~*, 35. Transforme Jen A~' a medida que reduce A a I (por medio de operaciones en los ren- slones) n-BF oi] y lB So ff 36. Imite el ejemplo de 3 por 3 del texto, pero con un signo + en A. Elimine por arriba y por abajo de los pivotes para reducir [A Ma [I A~"): BO 0 0 (4 r)=|1 2.1.01 Of. 012001 37. Aplique eliminaci6n de Gauss-Jordan sobre (A 1] para resolver AA~' lab 10 0 0 1 cl |x x2 x] =|0 1 Of. oo1 Oat 38. Invierta las siguientes matrices por eliminacién de Gauss-Jordan, empezando con (A): 10 0 tee A=|2 13] y Asti 2 2]. oo 1 123 39. Intercambie renglones, y prosiga con eliminacién de Gauss-Jordan para encontrar ta n= 3 6 th 40. {Falso o verdadero? (proporcione un contraejemplo si es falso y una explicacién si es verdadero): @) Una matriz de 4 por 4 con un rengl6n de ceros no es invertible. ) Una matriz con 1s abajo de la diagonal principal es invertible. ©) Si Aes invertible, entonces A~' es invertible, ) SiAT es invertible, entonces A es invertible. 41, {Para cules tres mtimeros ¢ la siguiente matriz, no es invertible? {Por qué? Qecec A=|c ce Sec. 42. Demuestre que A es invertible si a ¥ 0 y a * (encuentre los pivotes y A~'): jab B aa bl. aaa A56 Capito 1 Mauices y efminacién gaussiane 43. La inversa de la siguiente matriz es extraordinaria. Encuéntrela por eliminacién sobre [A 2). Extienda lo anterior a una “matriz alternante” de 5 por 5, y conjeture su inversa: Leto .er afo 1-1 1 A=lo 0 1-1 oo 0 1 44. Si B tiene las columnas de A en orden invertido, resuelva (A — B)x = 0 para demostrar que A — B no ¢s invertible, Un ejemplo lo conduciré a x. 45, Encuentre y compruebe las inversas (suponiendo que existen) de las siguientes matrices en bloque: 1 0] {A 0] fo 7 et {ec pl tr py 46. Use inv(S) para invertir la matriz simétrica MATLAB de 4 por 4 S = pascal(4). Ob- tenga la matriz Pascal triangular inferior A = abs(pascal(4,1) y test inv(S) = inv(A’)* inv(A). 47, Si A= ones(4,4) y b= rand(4,1), ;c6mo le hace saber MATLAB que Ax = b no tiene solucién? Si 6 = ones(4,1), ,qué solucién de Ax = b se encuentra por medio de A\b? ‘M7 muestra el cambio en A~' (lo cual es dtl saber) cuando una matriz se resta de A. Compruebe el siguiente inciso 3 cuidadosamente, multiplicando M M~" para obtener I: 1 M=t-wt y Mo =f+wt/a—vw. 2. M=A-uvt y M7 = A+ Aw TA-/( — vA), 3. M=1-UVv y M7 =1,+UU_—VU'V. 4M =A-UWIV y M7 = A} + AmU(W VATU IVA [Las cuatro identidades provienen del bloque 1, 1 luego de que se invierten las siguientes matrices: Tu Aw l U AU vod vw Vv In v wy Los problemas 49 a 55 son sobre las reglas para trasponer matrices. 49, Encuentre AT y AW" y (AT y (AT)! para a) , 1 6 a=[5 ‘| y también a-[} } ‘Compmuebe que (4B)" es igual a B'A™, aunque éstas son diferentes de ATBT: a) af 3 1 3 Ei] e-b i) #6 a En caso de que AB = BA (jlo cual en general no es cierto!), ,c6mo puede demostrar que BAT = A™BT? 51. a) La matriz ((AB)~") proviene de (A~')" y (B77. ¢En qué orden? b)Si U es triangular superior, entonces (U~')T es triangular. Demuestre que A? = 0 es posible pero ATA = 0 no es posible (a menos que A = matriz cero). A1.8 tnversas y raspuestas a7 53. a) Al multiplicar el vector renglén 7 por la columna y, qué mtimero se obtiene? OY) taye(o fh 23 fi] -— 6 4) Este es el renglén x7A = ©) Este es el renglén 27 = {0 1] veces la columna Ay = $4, Cuando se traspone una matriz en bloque M = [4 2], el resultado es MT = Pruébelo. ;Qué condiciones deben imponerse a A, B, C, D para que la matriz en bloque sea simétrica? 5S. Explique por qué el producto interno dex y y es igual al producto interno de Px y Py. Luego, (Px)"(Py) = x7y, indica que P™P = J para cualquier permutacién. Con x = (1, 2,3) yy = (1, 4, 2), escoja P para demostrar que (Px)"y no es siempre igual a x™(PTy), veces la columna y = (0, 1, 0). Los problemas 56 a 60 son sobre matrices simétricas, y sus factorizaciones. 56. SiA = ATy B = BT, icusles de las siguientes matrices son ciertamente simétricas? a) A*- Bb) (A+ BYA~B) ¢) ABA) ABAB 57. SiA = AT requiere un intercambio de renglones, entonces también necesita un intercambio de columnas para permanecer simétrica. En lenguaje de matrices, PA pierde la simetria de A pero recupera la simetria, ‘58. a) {Cuntos elementos de A pueden elegirse independientemente, si A = AT es de 5 por 5? b) {De qué manera pueden L y D (de 5 por 5) proporcionar el mismo nimero de opciones en LDL™? 59. Suponga que Res rectangular (de m por n) y que A es simétrica (de m por m). a) Trasponga RAR para mostrar su simetria. ,De qué forma es esta matriz? +b) Demuestre por qué RTR no contiene niimeros negativos en su diagonal. 60. Factorice las siguientes matrices en A = LDL™. La matriz D es diagonal: 2-1 Of 1 3 1 8) a=[ | y ae[ | y A=P1 2-1). 3 2, bc. ce Los tres siguientes problemas son sobre aplicaciones de (Ax)"y = x™(A7y) 61. Las ciudades de Boston, Chicago y Seattle estén conectadas con cables que conducen energfa eléctrica, Los voltajes que reciben estas ciudades son tp, xc, xs. Con resisten- ccias unitarias entre las ciudades, las tres corrientes estén en yc] fl -1 0] [xe yaax es |yes] =]0 1 -1] |xc]. 1 0-1) [xs ss, ) Encuentre las corrientes totales ATy de las tres ciudades. +) Compruebe que (Ax)"y coincide con x™(AT): hay seis términos en cada una. 62. La produccién de x, camiones y x, aviones requiere x, + 50x, toneladas de acero, 40x, + 1000x, libras de caucho, y 2, + 50x, meses de trabajo. Si los costos unita-Capito 1 Matrices v eiminacin gaussiana ios y1, Ya, ¥3 $00 $700 por tonelada, $3 por libra, y $3000 por mes, :cudles son los valores de un camiéa y un avién? Estas son las componentes de A*y. 63. Ax proporciona las cantidades de acero, caucho y trabajo para producir x en el problema 62, Encuentre A. Luego (Ax)"y es el de entradas, mientras x™(ATy) es el va- lorde__. 64. Acontinuacién se presenta otra factorizaciGn de A en una triangular multiplicada por una simétrica: ‘Se empieza con A = LDU. Luego, A es igual a L(U*)~' por U"DU. {Por qué es triangular L(U")-"? En su diagonal sélo hay Is. :Por qué es simétrica UtDU? 65. Un grupo de matrices incluye a AB y A~' si incluye aA y B. “Los productos y las inversas permanecen en grupos.” {Cudles de los siguientes conjuntos son grupos? Las matrices triangulares inferiores L con 1s en su diagonal, las matrices simétricas S, las matrices positivas M, las matrices diagonales invertibles D, las matrices de permuta- cin P. Invente dos grupos de matrices més. 66. Si todo rengl6n de una matriz de 4 por 4 contiene a los miimeros 0, 1, 2,3 en algiin orden, la matriz puede ser simétrica? ;Puede ser invertible? 67. Demuestre que ningin reordenamiento de renglones ni de columnas puede trasponer una matriz tipica. ‘Una matric noroeste cuadrada B es cero en la esquina sureste, abajo de la antidiagonal que une (1, n) con (n, 1). BT y B, (son matrices noroeste? B™', es noroeste o sureste? ,Cuéles la forma de BC = noroeste multiplicada por sureste? Se permite com- binar permutaciones con las L y U de costumbre (suroeste y noreste). 69. Compare tic; inv(A); toc para A = rand(500) y A = rand(1000). El conteo n? indica que el tiempo de cémputo (medido por tic; toc) debe multiplicarse por 8 cuando n se duplica. {Cree el lector que esta A aleatoria es invertible? 70. 1 = eye(1000); A = rand(1000); B = triu(A); produce una matriz triangular aleatoria B. Compare los tiempos para inv(B) y B\I. La diagonal al revés se somete a ingenie- fa con la finalidad de utilizar los ceros en B, mientras inv utiliza los ceros en / cuando [(B 1] se reduce por Gauss-Jordan. (También compare con inv(A) y A\/ para toda la matriz A.) 71. Demuestre que L~" tiene elementos j/i para i 0, aunque es necesario detenerse en una positiva. En cada punto de la mala, x = jh, la ecuacién ~d7u/dx? = f(x) se sustituye por su andlogo discreto (5). Se multiplic6 por A? para alcanzar n ecuaciones Au = b: eee SD Las ecuaciones primera y iltima (j = 1 y j = n) incluyen up = OY tine = 0, que se conocen a partir de las condiciones a la frontera. Estos valores deben desplazarse al miembro derecho de la ecuacién si se desea que sean distintos de cero. La estructura de estas n ecua- obien, Segunda diferencia @ Ecuacién en diferencias —u,,, + 2uj —uj-) =A? f(jh) para jCapind 1 Matices y eliminacién gaussiana ciones (5) puede visualizarse mejor en forma matricial. Se escoge h = } para obtener una matriz A de 5 por 5: 2-1 on fh) 102-41 on f(2h) Ecuacién matricial -1 02-1 uz) = A? | £(3h) © -1 2-1] Jus F(4h) ea: 24 Lys, (5h), ‘A partir de este momento se trabajard con la ecuacidn (6). Tiene una matriz de coeficientes bastante regular, cuyo orden n puede ser muy grande. La matriz A tiene muchas propiedades especiales, de las cuales tres son fundamentales: 1. La matric A es tridiagonal. Todos los elementos diferentes de cero estén en la diagonal principal y en las dos diagonales adyacentes. Fuera de esta banda todos los ele- ‘mentos son a, = 0, Estos ceros traerén una simplificaci6n considerable para la elimi- nacién gaussiana. 2, Lamatriz es simétrica. Cada elemento ay es igual a su imagen especular ay, de modo que AT . La triangular superior U es Ja traspuesta de la triangular inferior L, y A = LDL", Esta simetria de A refleja la simetria de d*w/dx?. Una derivada impar como duldx 0 Pulds destruirfa la simetrfa. 3. Lamatriz es positiva definida. Esta propiedad adicional indica que los pivotes son positivos. Los intercambios de renglones son innecesarios en la teorfa y en la prictica. Esto contrasta con la matriz B, al final de esta secci6n, que no es positiva definida. Sin ningiin intercambio de renglones, es totalmente vulnerable al redondeo. La caracteristica de positiva definida retine todo este curso (jen el capitulo 61) Ahora se vuelve al hecho de que A es tridiagonal. ,Cudl es el efecto de esto en Ia eli- minaci6n? La primera etapa del proceso de eliminacién produce ceros abajo del primer pivote: 2-1 2-1 -1 2-1 Oey. 1 Eliminaci6n il -1 2-1 > -1 ee en A: Paso 1 02-1 5 A -1 2 -1 2. En comparacién con una matriz general de 5 por 5, este paso presenta dos simplificaciones importantes: 1. Abajo del pivote sélo hay un elemento diferente de cero. 2. Elrengién del pivote es muy corto. El multiplicador ¢2, = —$ proviene de una divisién. El nuevo pivote, 3, proviene de una simple multiplicaci6n-sustraccién. Adem&s, se preserva el patrén tridiagonal: Toda etapa de la eliminacién acepta las simplificaciones a) y b). El resultado final es la factorizacién LDU = LDL" de A. {Observe los pivotes! 1 3 Lo} - 1 - 2 2 ‘ 31.7 Matrices especiales y apicaciones 61 Los factores Ly U de una matriz tridiagonal son bidiagonales. Los tres factores juntos tienen la misma estructura de banda de tres diagonales esenciales (3n — 2 parémetros) que A. ‘También observe que L y U son traspuestas entre si, como era de esperar por la simetria. Todos los pivotes 2/1, 3/2, 4/3, 5/4, 6/5 son positivos. Su producto es el determinante de A: det A = 6. Resulta evidente que los pivotes convergen a I cuando n se hace grande. Es- tas matrices hacen muy felices a las computadoras. Estos factores holgados L y U cambian por completo el conteo de operaciones de costumbre. La eliminacién en cada colurna requiere slo dos operaciones, como arriba, y hay ncolumnas. En vez de las n°/3 operaciones, sdlo se necesitan 2n. Los sistemas tridiagona- les Ax = b pueden resolverse casi de inmediato. El costo de resolucién de un sistema tridiagonal es proporcional a n. Una matriz de banda tiene ay = 0 excepto en la banda |i — | < w (véase la figura 1.8). El “semiancho de banda” es w = 1 para una matriz diagonal, w = 2 para una matriz tridiagonal, y w = n para una matriz completa. Para cada columna, la eliminaci6n requiere w(w — 1) operaciones: un renglén de longitud w actéa sobre w ~ 1 abajo. La elimina- cidn en las n columnas de una matric de banda requiere alrededor de wn operaciones. Figura 1.8 Una matriz de banda A y sus factores L y U. ‘Cuando w tiende an, la matriz se vuelve completa, y el conteo es aproximadamente n°. Para un conteo exacto, la esquina inferior del miembro derecho ya no tiene espacio para un ancho de banda w. El niimero preciso de divisiones y multiplicaciones-sustracciones que producen L, D, U (sin suponer que A es simétrica) es P = } w(w~ 1)(3n—2w + 1). Para tuna matriz completa con w = n, se recupera P = } n(n ~ 1)(a + 1), Este es un niimero en- tero, ya que n= I, n, ym + 1 son enteros consecutivos, y uno de ellos es divisible entre 3. Este es el titimo conteo de operaciones, y se recalca la cuestién més importante. Una smatriz de diferencias finitas como A tiene una inversa completa. Al resolver Ax = b, en realidad se estd en una peor situacidn si se conoce A~' que si se conocen Ly U. La multipli- cacién de A~! por b requiere n? pasos, mientras para la eliminacién hacia adelante y la sus- titucién hacia atrés que producen x = U~'c = U~'L~'b = A~'b, son suficientes 4n pasos. Esperamos que este ejemplo haya reforzado la comprensi6n que el lector tiene sobre a eliminaci6n (jde la cual ahora suponemos que esté perfectamente entendida!) Se trata de un ejemplo genuino de los grandes sistemas lineales que en realidad se encuentran en la peéctica. En el siguiente captnulo la atencién se centra en la existencia y unicidad de x, para m ecuaciones en n incégnitas. Error por redondeo En teoria, el caso no singular se ha completado. Hay un conjunto completo de pivotes (con intercambios de renglones). En la préctica, mds intercambios de renglones pueden set igualmente necesarios, o bien, la solucién calculada puede convertirse fécilmente en indtil.62 pind 1 Matrices yeiminacién gaussana Dedicaremos dos péginas (completamente opcionales en clase) para hacer més estable la eliminacién: por qué es necesaria y c6mo se lleva a cabo. Para un sistema de tamafio moderado, por ejemplo de 100 por 100, la eliminacién implica alrededor de 330 000 operaciones (; n°). Con cada operacién es necesario esperar un error por redondeo. Normalmente, se mantiene fijo un ntimero de dfgitos significativos (por ejemplo tres para una computadora extremadamente débil). Asf, la adicién de dos némeros de tamafios diferentes proporciona un error: Error por redondeo 0.456 + 0.00123 + 0.457 pierde los digitos 2 y 3. 4Cémo contribuyen todos estos errores individuales al error final en Ax = b? Este problema no es fécil. Fue atacado por John von Neumann, quien era el matemé- tico mas reputado en la época en que las computadoras repentinamente hacfan posible un millén de operaciones. De hecho, la combinaci6n de Gauss y Von Neumann proporciona al simple algoritmo de eliminacién una historia extraordinariamente distinguida, aunque incluso Von Neumann sobreestims el error por redondeo final. Quien encontré la forma co- recta para contestar la pregunta fue Wilkinson, cuyos libros se han convertido en clasicos. Dos ejemplos sencillos ilustrarén tres cuestiones importantes sobre el error por redondeo. Los ejemplo son Pe Mal acondicionado A = [ . oor L nel Bien acondicionado a-[ Aces casi singular, mientras B estd lejos de ser singular. Si el dltimo elemento de A se mo- difica ligeramente a az. = 1, entonces A es singular. Considere dos miembros derechos bastante parecidos: ut v u + 1.0001v 2 ut v=2 2 u + 1.0001y = 2.0001 “ La solucién del primero es u = 2, v = 0. La solucién del segundo es u = v = 1. Un cambio en el quinto digito de b fue amplificado a un cambio en el primer digito de la solucién. Ningiin método numérico es capaz de evitar esta sensibilidad a pequefias perturbaciones. E{ mal acondicionamiento puede desplazarse de un lado a otro, pero no es posible eliminar- Jo. La verdadera solucién es muy sensible, y la solucién calculada no puede dejar de serio. EI segundo punto es como sigue. 10 Inctuso tina matriz bien acondicionada como B puede o= ainda pot algoritmo deficiente. Lamentamos decir que para la matriz B, 1a eliminaci6n gaussiana directa es un algoritmo deficiente. Suponga que .0001 es aceptado como el primer pivote. Luego, 10 000 veces el primer renglén se resta del segundo, El elemento inferior derecho se convierte en -9999, pero el redondeo hasta tres cifras proporcionarfa ~10 000. Cualquier traza del elemento 1 desapareceria: Eliminacién en Bcon —0.0001u + v = 1 0.0001u + v un pivote pequefio utv=2 —9999v 9998. El redondeo produce —10 000: 10 000, 0 bien v = 1. Esto es correcto hasta tres cifras decimales. La sustitucién hacia atrés con el v = .9999 correcto proporciona u = I:1.7 Matrices especiatesy aplicaciones 63 Resultado correcto 0.0001u + 0.9999 En vez de lo anterior, al aceptar » = 1, que es erréneo sélo en la cuarta cifra decimal, se obtiene u = 0: 0 bien, w= 1. Resultado erréneo 0.0001u + 1 = L,o bien, u = 0. La u calculada es completamente errénea. B esté bien acondicionada pero la eliminacién es violentamente inestable. L, D, y U estén completamente fuera de escala con B: ae 1 0] [0.0001 oO 1 10.000] tooo iJ{ 0 -sss9] {0 1 | El pequeito pivote 0.0001 trajo insensibilidad, y el remedio es evidente: intercambiar renglones. AP Un: plwéve peqhefio sblign ava, cambio price ea la eliminacia. Normalmes te, =o Para B, el pivote 0.0001 podria compararse con el pivote posible 1 que esté abajo de él. Un intercambio de renglones tendrfa lugar de inmediato. En términos matriciales, esta es una multiplicaci6n por una matriz de permutacién P = [9 |]. La nueva matriz C = PB tiene buenos factores: c-| 1 ye{ 1 If ° f 0.0001 1} = [0.0001 1] [0 0.9999] |o Los pivotes para C son 1 y 0.9999, mucho mejores que 0.0001 y —9999 para B. La estrategia del pivoteo completo también busca en todas ias titimas columnas el pivote més grande posible. No s6lo podria ser necesario un intercambio de renglones, sino también uno de columnas. (Esto es la posmultiplicaci6n, por una matriz de permutacién). La dificultad al ser tan conservador es el gasto, y el pivoteo parcial es bastante adecuado. Finalmente se ha llegado al algoritmo fundamental del Algebra lineal numérica: la eli- minacién con pivoteo parcial. Algunos refinamientos adicionales, como, ver si es necesario reescalar todo un rengién 0 toda una columna siguen siendo posibles. Pero esencialmente, el lector sabe ahora lo que hace una computadora con un sistema de ecuaciones lineales. En comparacién con esta descripci6n “teérica” —encontrar A“', y multiplicar A7'b— nuestra descripcién ha consumido bastante del tiempo (y paciencia) del lector. Desearfa que hubiese una forma mas fécil de explicar c6mo x se encuentra realmente, aunque no creo que la haya. Conjunto de problemas 1.7 1. Escriba los factores LDU = LDL" de A en la ecuacién (6) cuando n = 4. Encuentre el determinante como el producto de los pivotes en D. 2, Modifique a1; en la ecuacién (6) de ay, = 2.a.ay, = 1, y encuentre los factores LDU de esta nueva matriz tridiagonalCaine 1 Mabicesy elminacidn gaussiana 3. Encuentre la matriz Ao de 5 por 5 (h = $) que aproxima du du du Rr 7 IG EO =F =0, sustituyendo estas condiciones a la frontera por uo = uy Y ug = us. Compruebe que su Ag multiplicada por el vector constante (C, C, C, C, C) produce cero; Ag es singular. De manera semejante, si u(x) es una solucién del problema continuo, entonces también lo es u(x) + C. 4, Escriba la ecuacién de la matriz de diferencias finitas de 3 por 3 (h = @y ~Hheus ae 47? sen 27m, la ecuacién en diferencias (5) es 3 dell Resuelva para u, w2, us y encuentre su error en comparacién con la solucién verdade- mau=sen2nxenx=},x= },yx= 3. u(0) = u(1) = 0. 6. {Cudl es el sistema de 5 por 5 que sustiruye a (6) si las condiciones en la frontera se cambian a u(0) = 1, u(1) = 0? Los problemas 7 a 11 son sobre el error por redondeo y los intercambios de renglones. 77. Calcule H~! en dos formas para la matriz de Hilbert de 3 por 3 1 w=ts 1 3 primero por célculo exacto y luego redondeando cada mimero hasta tres cifras. Esta ‘matriz H est mal acondicionada y los intercambios de renglones no son de utilidad. 8, Para la misma matriz H, compare los miembros derechos de Hx = b cuando las soluciones son x = (1, 1, I) y x= (0, 6, —3.6). Resuelva Hx = b = (1, 0, ... ,0) para la matriz de Hilbert de 10 por 10 con hy = us + j— 1), usando cualquier cédigo de computadora para ecuaciones lineales. Lue- 30, intercambie un elemento de 6 por .0001, y compare las soluciones. 10. Compare Jos pivotes en eliminacién directa con los del pivoteo parcial para la siguiente matriz. aq [0-001 0 i 1000. 9. (En realidad, éste es un ejemplo que requiere reescalamiento antes de la eliminaci6n.) 11, Explique por qué el pivoteo parcial produce multiplicadores y en L que satisfacen |é) 1. {Puede proporcionar un ejemplo de 3 por 3 con todos los jay] = 1 cuyo iiltimo pivote sea 4? Este es el peor de los casos, ya que cada elemento es cuando mucho multiplicado por 2 cuando [é,J = 1jrccios de copase 65 ceptwo MEN Ejercicios de repaso 1. 12 13 14 1s 16 17 18 19 1.10 1 1.12 @) Escriba las matrices de 3 por 3 con elementos ay b) Calcule los productos AB, BA y A? Para las matrices aba] oy e=b i caleule AB y BA y A“ y B-" y (AB)"! Encuentre ejemplos de matrices de 2 por 2.con a;2 = } para las cuales @ A =I by) AT =AT oc) APA, Resuelva por eliminacién y sustitucién hacia atrés. vtw y fo uty =6 uty ute ututw Factorice las matrices precedentes en A = LU o bien PA = LU. @) Hay 16 matrices de 2 por 2 cuyos elementos son 1s y Os. {Cuéntas son invertibles? 5) (Mucho més dificil!) Si al azar se escriben 1s y 0s en los elementos de una matriz de 10 por 10, ;qué es més probable: que la matriz sea invertible 0 que sea singular? Hay 16 matrices de 2 por 2 cuyos elementos son 1s y -1s. {Cudntas son invertibles? {Cémo estén relacionados los renglones de EA con los renglones de A en los casos siguientes? 10 0 na oo 1 E=|0 20 ovien,£ = [f a glo ties. & = 010 401 100 Escriba un sistema de 2 por 2 que tenga una infinidad de soluciones. Encuentre inversas, si existen, por inspeccién o por eliminacién de Gauss-Jordan: tor 21 0 11 -2 Aes |ipete Ole 2 ye Ama)ty 20a ey alo) ie 2. 2 1 i. O11 012 Si E es de 2 por 2 y suma la primera ecuaci6n a la segunda, ;cuéles son las matrices Et y E* y 8E? UFalso 0 verdadero? Proporcione una explicacin si es verdadero y un contragjem- lo si es falso: 1) SiA es invertible y sus renglones aparecen en orden invertido en B, entonces B es invertible.Copitule 1 Matrices yeiminacién geussiana 113 114 Las 1.16 17 118 1.19 1.20 2) SiAy B son simétricas, entonces AB es simétric 3) SiA,y B son invertibles, entonces BA es invertible. 4) Toda matriz no singular puede factorizarse en el producto A = LU de una triangular inferior L y una triangular superior U. Resuelva Ax = b resolviendo los sistemas triangulares Le = b y Ux 10 oO} [2 2 4] 0 A=lu=|4 1 of Jo 1 3}, 6= fo}. 10 1}fo 0 1 1 {Qué parte de A~! encontré con esa b particular? De ser posible, encuentre matrices B de 3 por 3 tales que a) BA = 2A para toda A. ‘b) BA = 2B para toda A. ©) BA tenga los renglones primero y ultimo de A, invertidos. @) BA tenga las columnas primera y tiltima de A, invertidas. - Encuentre el valor de c en la siguiente inversa de n por n. no-tos at cet lon eal ee eles | te. al i A= f = : si "1 Ly) entonees amt = | 1 -1 -1 -1 2 tiie Para qué valores de k el sistema kx ty xtky no tiene solucién, tiene una, solucién, o bien tiene una infinidad de soluciones? Encuentre la factorizacién simétrica A = LDLT de 12 0 A=|2 6 4 y an{f ) 04 ‘Suponga que A es la matriz identidad de 4 por 4, excepto por un vector v en la co- Jumna 2: % v v% % 4) Factorice A en LU, suponiendo v, * 0. b) Encuentre A~', que tiene la misma forma que A. Soo~ ence Hoos Resuelva por eliminacién, o demuestre que no hay solucién: ut v+ w=0 y ut v+3w Bu + Su + Tw utovtw ut 2u +3w 3u + Sv + 7w Las matrices de permutacién de n por n constituyen un ejemplo importante de un “grupo”. Si se multiplican, se sigue permaneciendo dentro del grupo: tienen inversas121 122 1.23 1.24 1.25 1.26 127 1.28 Md dd 8 oy ‘en el grupo; la identidad esté en el grupo; y la ley P\(PP3) = (P,P,)P3 es verdadera, ya que es verdadera para todas las matrices. @) {Cuéntos miembros pertenecen a los grupos de las matrices de permutacién de 4 por 4y den porn? 4) Encuentre una potencia & de modo que todas las matrices de permutacién de 3 por 3 cumplan P* = /, Describa los renglones de DA y las columnes de AD si D = [? $]. a) Si Aes invertible, {cudl es la inversa de AT? 6) SiA también es simétrica, ,cudl ¢s la traspuesta de A~'? ©) lustre ambas formulas cuando A = [? |] Experimente con n = 2 y n = 3, para encontrar oor Bee ie ce jo Oo} eee ee Empiece con un primer plano u + 2v — w guiente: a) El plano paralelo que pasa por el origen. b) Un segundo plano que también contenga los puntos (6, 0, 0) y (2, 2, 0). ©) Untercer plano que se corte con los planos primero y segundo en el punto (4, 1, 0). {Qué miltiplo del renglén 2 se resta del renglén 3 en la eliminacién hacia adelante de A? 0? 0} (il) 2) 0) 2 1 0] Jo 1 5]. 05 i}loo1 4C6mo sabe el lector (sin multiplicar estos factores) que A es invertible, simétrica, y tridiagonal? ;Cudles son los pivotes? @) {Cudl es el vector x que hace Ax = columna 1 de A + 2(columna 3), para una matriz A de 3 por 3? 5) Obtenga una matriz que cumpla columna 1 + 2(columna 3) = 0. Compruebe que Aes singular (menos de 3 pivotes), y explique por qué, éste debe ser el caso. . Para encontrar la ecuacién de lo si- A {Falso 0 verdadero? Proporcione un contraejemplo si es falso, y una explicacién si 8 verdadero: 1) SiL{U; = L,U; (las matrices U son triangulares superiores con diagonal diferente de cero, y las matrices L son triangulares inferiores con diagonal de 1s), entonces Ly = Lz y U; = Uz. La factorizacién LU, es Gnica. 2) SiA? +A = J entonces AT! =A + 1. 3) Si todos los elementos en Ia diagonal de A son cero, entonces A es singular. Al tanteo 0 con la eliminacién de Gauss-Jordan calcule 10 oJ" fi 0 Oo} fi oO 0} £10), €1o0; , €10 mo tl mol Om 168 Capitulo 1 Matices y eiminacion gaussiana 1.29 Escriba las matrices de 2 por 2, tales que 4) » ° a Invierten la direcci6n de cada vector. Proyectan cada vector sobre el ee 2. Hacen girar 90° a cada vector en sentido contrario al sentido de movimiento de as manecillas del reloj Reflejan cada vector a 45° respecto a la recta x, = x2.Capitulo hA Espacios vectoriales Ez 2.1 ESPACIOS Y SUBESPACIOS VECTORIALES La eliminacién puede simplificar, elemento por elemento, el sistema lineal Ax = b. Por fortuna, también simplifica la teorfa. Las preguntas bésicas de existencia y unicidad: jexiste una soluci6n?, ;no existe ninguna solucién?, o bien, existe una infinidad de soluciones? Todas estas preguntas podrén responderse més fécilmente después de aplicar la elimina- ciGn, Para tratar estas interrogantes se requiere una seccién més, con la finalidad de encon- tar todas las soluciones para un sistema de m por n. Asf el ciclo de ideas estard completo. ‘Sin embargo, la eliminaci6n slo produce un tipo de entendimiento sobre Ax = 6. ‘Nuestro objetivo principal es lograr una comprensi6n distinta y mAs profunda. Se trata del corazén del dlgebra lineal. Para la nocién de espacio vectorial, de inmediato se empieza con los espacios més importantes, que se denotan por R', R?, R?, . . . ; el espacio R" consta de todos los vectores columna con n componentes. (Se escribe R porque los componentes son niimeros reales). R? se representa por el plano x-y de costumbre; las dos componentes del vector se convierten en las. coordenadas x y y del punto correspondiente. Las tres componentes de un vector en R? proporcionan un punto en el espacio tridimensional. El espacio unidimensional R' es una recta. Lo importante para el Algebra lineal es que la extensiGn an dimensiones es directa, Pa- 1a.un vector en R” sélo se requieren siete componentes, incluso si es dificil visualizar la geometria. En todos los espacios vectoriales son posibles dos operaciones: Es posible sumar dos vectores cualesquiera, y todos los vectores pueden multiplicarse por escalares. En otras palabras, puede trabajarse con combinaciones lineales. La suma obedece la ley conmutativa x + y = y + x; existe un “vector cero” que cumple 0 +x = x,y hay un vector “—x" que satisface —x + x = 0. Ocho propiedades (incluyendo las tres anteriores) son fundamentales: la lista completa se proporciona en el problema 5 al final de esta secci6n. Un espacio vectorial real es un conjunto de vectores junto con reglas para la suma vectorial y la multiplicacién por niimeros reales. La suma y la mul- tiplicacién deben producir vectores en el espacio, y deben cumplir las ocho condiciones. Normalmente, estos ocho vectores pertenecen a uno de los espacios R"; son vectores columna normales. Six = (1, 0,0, 3), entonces las componentes de 2x (y también de x + x) son 2, 0, 0, 6. La definicién formal permite que otros entes sean “vectores”, en el supuesto de que la adici6n y la multiplicacién por escalares estén bien. Se proporcionan tres ejernplos:70 Capito 2 Espacios vectoiales Ejemplo 1 1. El espacio dimensional infinito R™. Sus vectores tienen una infinidad de componentes, como en.x = (I, 2, 1, 2, .. .). Las leyes para x + y y cx permanecen sin cambio, 2. El espacio de las matrices de 3 por 2. {En este caso los “vectores” son matrices! Es posible sumar dos matrices, y A + B = B + A; existe una matriz cero, etc, Este espacio es casi el mismo que R®. (Las seis componentes estén dispuestas en un recténgu- Jo, en vez de en una columna.) Cualquier eleccién de m y n proporcionaria, como ejemplo semejante, el espacio vectorial de todas las matrices de m por n. 3. El espacio de las funciones f(x). Aqui se admiten todas las funciones f que estén definidas en un intervalo fijo, por ejemplo 0 S x = 1. El espacio incluye a f(x) = 7, g(x) = sen x, su suma (f+ g)(x) = 27 + sen x, y todos los muiltiplos como 3x? y ~sen x. Los vectores son funciones, y la dimension es de alguna manera un infinito més grande que para R. En los ejercicios se proporcionan otros ejemplos, pero los espacios vectoriales que més requerimos, estén en otra parte: se encuentran dentro de los espacios esténdares R". De- seamos describirlos y explicar por qué son importantes. Geométricamente, piense en el espacio tridimensional de costumbre R? y elija cualquier plano que pase por el origen. Ese plano es un espacio vectorial por derecho propia. Si un vector en el plano se multiplica por 3, 0 por —3, se obtiene un vector en el mismo plano. Si se suman dos vectores en el plano, ‘su suma permanece en el plano. Este plano que pasa por (0, 0, 0) ilustra uno de los conceptos més importantes en el Algebra lineal; se trata de un subespacio del espacio original R°. DEFINICION Un subespacio de un espacio vectorial es un conjunto no vacfo que satisface los requisitos de un espacio vectorial: las combinaciones lineales permanecen en el subespacio. i) Sise suman dos vectores cualesquiera en el subespacio, x + y estd en el subespacio. ii) Si cualquier vector x en el subespacio se multiplica por cualquier escalar c, cx estd en el subespacio, Observe cémo se recalca la palabra espacio, Un subespacio es un subconjunto “cerrado” bajo la suma y la multiplicacién por un escalar. Estas operaciones cumplen las reglas del espacio huésped, ya que se sigue estando dentro del subespacio. Las ocho propiedades requeridas siguen cumpliéndose en el espacio mAs grande, por lo que se cumplen au- tomaticamente en todo subespacio. Observe en particular que él vector cero pertenece a todo subespacio. Este hecho se debe a la regla ii): el escalar se escoge como c = 0. El subespacio més pequefio Z contiene s6lo un vector: el vector cero, Se trata de un “espacio con dimensi6n cero”, que s6lo contiene el punto en el origen. Las reglas i) y ii) se cumplen, ya que la suma 0 + 0 esté en este espacio con un punto, asf como todos los multiplicadores cO. Este es el espacio vectorial mds pequefo posible: el espacio vacfo no ests permitido. En el otro extremo, el subespacio mAs grande es todo el espacio original. Si el espacio original es R?, entonces es fécil describir los subespacios posibles: R? mismo, cualquier plano que pase por el origen, cualquier recta que pase por el origen, 0 sélo el origen (el vector cero). La diferencia entre un subconjunto y un subespacio se aclararé mediante ejemplos. En cada caso, jes posible sumar vectores, y multiplicar por escalares sin salir del espacio? Considere todos los vectores en R* cuyas componentes son positivas 0 cero, Este subconjunto es el primer cuadrante del plano x-y; las coordenadas satisfacen x = 0 y y= 0. No es un subespacio, aunque contiene al cero, y la adicién permanece dentro del subconjunto. Se viola la regla ii), ya que si el escalar es —1 y el vector es (1 1}, entonces el miiltiplo cx = [~1 ~1] estdenel tercer cuadrante, no en el primero.Ejomplo 2 2.1. Espacios y subespacios vectorales n Si se incluye el tercer cuadrante junto con el primero, la multiplicaci6n por un escalar esté bien. Todo miltiplo cx permanece en este subconjunto. No obstante, ahora se viola la regla i), ya que al sumar (1 2] + [-2 —1] se obtiene (—1 1], que no estf en ninguno de los ‘cuadrantes mencionados. El menor subespacio que contiene al primer cuadrante es todo el espacio R?. Empiece por considerar el espacio vectorial de todas las matrices de 3 por 3. Un subespacio posible es el conjunto de las matrices triangulares inferiores. Otro es el conjunto de las matrices simétricas. A + B y cA son triangulares inferiores si A y B son triangulares inferiores, y son simétricas si Ay B son simétricas. Por supuesto, la matriz.cero, esté en ambos subespacios. El espacio columna de A A continuacién se proporcionan los ejemplos clave: el espacio columna y el espacio nulo de una matriz A. El espacio columna contiene a todas las combinaciones lineales de las columnas de A. Es un subespacio de R™. Se ilustra con un sistema de m = 3 ecuaciones enn = 2 incégnitas: 1 0 by La combinaci6n de las columnas es igualab {5 4 ({] = |p|. wo 2 4f 1 [oy Con m > se tienen mds ecuaciones que incégnitas; en cuyo caso normalmente no hay so- lucién. E1 sistema s6lo ¢s resoluble para un subconjunto muy “delgado” de todas las bs posibles. Una forma para describir este subconjunto delgado, es tan simple que es facil ignorarla, 2A. El sistema Ax = b es resoluble si y s6lo si el vector b puede expresarge como una combinacién de Jas colummas de A. Por tanto, b esté en el espacio columna. Esta descripcién sélo implica un replanteamiento de Ax = b por columnas: 1 oO] fer ‘Combinacién de columnas u |5| + |4] = |b: @ 2 4] [bs, Estas son las mismas tres ecuaciones en dos inc6gnitas. Ahora el problema es: encontrar nd- meros u y v que multiplican a las columnas primera y segunda para producir b. El sistema es resoluble exactamente cuando estos coeficientes existen, y el vector (1, v) es la solucién x. Se esté afirmando que los miembros derechos obtenibles b son todas las combinaciones de las columnas de A. Un miembro derecho posible es la columna en sf; los pesos son u = 1 y v = 0. Otra posibilidad es la segunda columna: u = 0 y v = 1. Otra tercera posibilidad es ‘el miembro derecho 6 = 0. Con u = Oy v = 0, el vector b = 0 siempre puede obtenerse. Es posible describir todas las combinaciones de las dos columnas geométricamente; Ax = b puede resolverse si y sdlo si b estd en el plano generado por los dos vectores columna (véase la figura 2.1). Este es el conjunto delgado de bs obtenibles. Si b estd fuera del plano, entonces no es una combinacién de las dos columnas. En ese caso Ax = b no tiene solucién. Lo importante es que este plano no sélo es un subconjunto de R®; es un subespacio. Se trata del espacio columna de A, que consta de todas las combinaciones lineales de las columnas. Se denota por C(A). Es fécil comprobar los requerimientos i) y ii) para un subespacio de R™:2 Capito 2 Espacios vectoviales perpendicular al plano Figura 2.1 El espacio columna C(A), un plano en el espacio tridimensional. i) Suponga que b y b’ estén en el espacio columna, de modo que Ax = b para alguna x y Ax’ = 5’ para alguna x’. Luego, A(x + x’) = b + b’, de modo que b + 6” también es una combinacién de las columnas. El espacio columna de todos los vectores obtenibles b es cerrado bajo la suma. ii) Sib esté en el espacio columna C(A), también lo esté cualquier miltiplo cb. Si alguna combinacién de columnas produce b (por ejemplo Ax = 6), entonces al multiplicar esa combinaci6n por c produce cb. En otras palabras, A(cx) = cb. Para otra matriz A, las dimensiones de la figura 2.1 pueden ser muy distintas. El espacio columna més pequefio posible (con sélo un vector) proviene de la matriz cero A = 0. La tinica combinacién de las columnas es & = 0. En el otro extremo, suponga que A es la matriz identidad de 5 por 5. Entonces C(/) es todo R®; las cinco columnas de / pueden combinarse para producir cualquier vector pentadimensional b. Esto no es en absoluto especial de la matriz identidad. Cualquier matriz de 5 por 5 que sea no singular tiene como espacio columna todo R°. Para una matriz asi, Ax = b puede resolverse por eliminaci6n gaussiana; hay cinco pivotes. En consecuencia, todo b esté en C(A) para una matriz no singular. Ahora puede darse cuenta de cémo el capitulo 1 estd contenido en este capftulo. En aquél se estudiaron matrices de n por n cuyo espacio columna es R", Ahora se permiten matrices singulares, y matrices rectangulares de cualquier forma. Asf, C(A) puede estar en alguna parte entre el espacio cero y todo el espacio R”. Junto con este espacio perpendicular, constituye uno de nuestros dos métodos para comprender Ax = 5. £1 espacio nulo de A El segundo método para tratar Ax = b es “dual” al primero. No s6lo se tiene interés en los miembros derechos obtenibles 6, sino también en las soluciones x que los obtienen. El miembro derecho b = 0 siempre permite 1a solucién x = 0, aunque puede haber una infinidad de otras soluciones. (Siempre hay, en caso de que haya més incégnitas que ecuaciones, n > m). Las soluciones de Ax = 0 constituyen un espacio vectorial: el espacio nulo de A.Se cumple el requerimiento i): Si Ax = 0 y Ax’ = 0, entonces A(x + x’) = 0. El requerimiento ii) también se cumple: Si Ax = 0 entonces A(cx) = 0. ;Ambos requerimientos fa- lan si el miembro derecho no es cero! Sélo las soluciones de una ecuacién homogénea (@ = 0) constituyen un subespacio. Es fécil encontrar el espacio nulo para el ejemplo que acaba de proporcionarse; es lo mAs pequetio posible: EE }e-[ La primera ecuacién proporciona u = 0, y entonces la segunda ecuacién obliga a que v 0. El espacio nulo s6lo contiene al vector (0, 0). Esta matriz tiene “columnas independientes”, un concepto clave que se presentaré en breve. La situaci6n cambia cuando una tercera columna es una combinacién de las dos primeras: 107 Espacio nulo més grande B= |5 4 9), 24 6 B tiene el mismo espacio columna que A. La nueva columnna esté en el plano de Ja figura 2.13 es la suma de los dos vectores columna con los que se empez6. Sin embargo, el espacio nulo de B contiene al vector (1, 1, ~1), por lo que autométicamente contiene a cualquier miltipto (c, ¢, ~e): NO) tie). (0 Elespacionuloesunarecta |5 4 9| | c| = |0 24 6} |-c} (0, El espacio nulo de B és la recta que contiene a todos los puntos x = cy = cz = —c. (La recta pasa por el origen, como debe hacer cualquier subespacio). Lo que se desea es poder encontrar, para cualquier sistema Ax = b, y encontrar C(A) y N(A): todos los miembros derechos obtenibles b, y todas las soluciones de Ax = 0. Los vectores b, estén en el espacio columna y los vectotes x estén en el espacio nulo. Se calcularén las dimensiones de estos espacios, y un conjunto idéneo de vectores para ge- nerarlos. Esperamos terminar comprendiendo todos los cuatro subespacios que estén estre- chamente relacionados entre sf y con A: el espacio columna de A, el espacio nulo de 4, y sus dos espacios perpendiculares. Conjunto de problemas 2.1 J. Construya un subconjunto del plano x-y R? que sea 4) cerrado bajo la suma y resta, pero no bajo la multiplicaci6n por un escalar. 5) cerrado bajo la multiplicaciéa por un escalar, pero no bajo la suma vectorial. Sugerencia: Empiece con u y v; sume y reste para el inciso a). Intente cu y cv para el inciso 6). 2. {Cudles de los siguientes subconjuntos de R? son realmente subespacios? 4a) El plano de vectores (b,, ba, bs) cuya primera componente es b, = 0.4 Cepde 2 Espacos vectorial 5. 1 4) El plano de vectores b con by = 1. ) Los vectores con byby = 0 (esta es la unién de dos subespacios, el plano by = Oy el plano by = 0). 4) Todas las combinaciones de dos vectores dados (1, 1, 0) y (2,0, 1). 2) El plano de vectores (by, ba, bs) que satisface bs — bz + 3b, Describa el espacio columna, y el espacio nulo de las matrices =f} 7 oo 3) fo 0 0 a=[5 HI y e-[f 3 3 y c= oo {Cul es el menor subespacio de matrices de 3 por 3 que contiene a todas las matrices simétricas, ya todas las matrices triangulares inferiores? ;Cudl es el mayor subespacio que estd contenido en cada uno de estos dos subespacios? Se requiere que la suma y la multiplicacién por un escalar cumplan las ocho siguientes condiciones: lxty=ytx. Ret Qty a+ y+ s 3. Hay un “vector cero” tinico tal que x + 0 =x pare toda x. 4, ‘Para cada x hay im vector nico —x tat que x + (=2) 0. 5. inex 2 6. (crea)x = er(c2x)- Teele + y) = ox + cy: 8 (tee = er + exe. _ a) Suponga que la adicién en R? suma un | extra a cada componente, de modo que (3, 1) + G, 0) es igual a (9, 2) en vez de (8, 1). Si la multiplicacién por un escalar permanece sin cambio, qué reglas se rompen? +b) Demuestre que el conjunto de todos los niimeros reales positivos con x + y y cx ‘vueltos a definir como de costumbre, igual a xy y x, es un espacio vectorial. {Cudl es el “vector cero”? ©) Suponga que (x1, 2) + Oi, ya) se define como (x, + ya, %2 + ¥1)- Com ex = (cx), ex,) de costumbre, ;cudles de las ocho condiciones no se cumplen? Sea P el plano en tres dimensiones con ecuacién x + 2y + z = 6. ,Cudl es la ecua- ci6n del plano Po que pasa por el origen y es paralelo a P? :P y Pp, son subespacios de R? iCudles de los siguientes son subespacios de R™? 4) Todas las sucesiones como (1, 0, 1, 0... .) que incluyen una infinidad de ceros. 4) Todas las sucesiones (x1, x2, . ..) con x; = 0 a partir de un punto. ¢) Todas las sucesiones decrecientes: x,,., = x para cada j. 4) Todas las sucesiones convergentes: la x, tiene limite cuando j -» 00. ¢) Todas las progresiones aritméticas: x,,, — x, es la misma para toda j. f) Todas las progresiones geométricas (c,, kx, Jen, . .) permitiendo toda k y x). {Cudles de las siguientes descripciones con correctas? Las soluciones x de «fs dB)-8% 10. uu. 12. 13. 14. 15. 16. V7. 18. L Conerscinw pet URUGUAY 2.1” Etpacios y-sibeliécids'vectoriales 5 = vAUGUAY ) Un punto. & Un subespacio. ©) El espacio nulo de A. f) Elespacio columna de A. Demuestre que el conjunto de matrices no singulares de 2 por 2 no es un espacio vectorial. También demuestre que el conjunto de matrices singulares de 2 por 2 no es un espacio vectorial. La matriz A = [3 =3] es un “vector” en el espacio M de todas las matrices de 2 por 2, Escriba el vector cero en este espacio, el vector 4A y el vector —A. ;Qué matrices estin en el menor subespacio que contiene a A? a) Describa un subespacio de M que contenga a A = [a ] peronoaB=[$ .{]. 'b) Si un subespacio de M contiene a A y a B, ;debe contener a [? c) Describa un subespacio de M que contenga matrices diagonales diferentes de cero. Las funciones f(x) = x? y g(x) = 5x son “vectores” en el espacio vectorial F de todas las funciones reales. La combinacién 3f(x) — 4g (x) es la funci6n h(x) =___. ,Cudl regla se rompe si al multiplicar f(x) por c se obtiene la funcién f (cx)? Si la suma de los “vectores” f(x) y g(x) en F se define como f(g(x)), entonces el “vec tor cero” es g(x) = x. Considere la multiplicacién por un escalar de costumbre of(x), y encuentre dos reglas que no se cumplen. Describa el menor subespacio del espacio vectorial M de las matrices de 2 por 2 que contiene 1 0 or 1 0} 1 oj ° [0 a] Y lo of [0 a [0 i: of edb ib i Sea P el plano en R? con ecuacién x + y — 2z = 4. {El origen (0, 0, 0) no est en P! Encuentre dos vectores en P, y compruebe que su suma no esté en P. Po es el plano que pasa por (0, 0, 0) y es paralelo al plano P del problema 15. ;Cuél es Ta ecuacién de Po? Encuentre dos vectores en Po, y compruebe que su suma esti en Po. Los cuatro tipos de subespacios de R? son planos, rectas, R? mismo, o Z que sdlo contiene a (0, 0, 0). a) Describa los tres tipos de subespacios de R®. 1b) Describa los cinco tipos de subespacios de R*. ) La intersecci6n de dos planos que pasan por (0, 0, 0) probablemente es una aunque puede ser un iNo puede ser el vector cero Z! +b) La interseccién de un plano que pasa por (0, 0, 0) con una recta que pasa por (0, 0, 0) probablemente es un ____, aunque puede ser un __. ¢) Si Sy T son subespacios de R°, su interseccion $ MT (vectores en ambos subespacios) es un subespacio de R°. Compruebe los requerimientos sobre x + y y cx.76 Capindo 2 Espacios vactoilas 19. Suponga que P es un plano que pasa por (0, 0, 0) y que L es una recta que pasa por (0,0, 0). El menor espacio vectorial que contiene tanto a PcomoaLes___o 20, zFalso 0 verdadero? para M = todas las matrices de 3 por 3 (compruebe la suma uti- lizando un ejemplo). 4) Las matrices simétricas sesgadas en M (con AT = ~A) constituyen un subespacio. +) Las matrices simétricas en M (con AT + A) constituyen un subespacio. ¢) Las matrices que tienen a (I, 1, 1) en su espacio nulo constituyen un subespacio. Los problemas 21 a 30 son sobre espacios columna C(A), y la ecuacién Ax = b, 21. Describa los espacios columna (rectas o planos) de estas matrices particulares: 1 2 1 0 il 6) a=|0 0) y B=|0 2} y C=[2 oO}. 0 0. 0 0 0 0. {Para qué miembros derechos (encuentre una condicién sobre b;, b2, bs) los siguientes sistemas son resolubles? FH 3B-B. «L s0-B) 23, Al sumar el renglén 1 de A al renglén 2 se obtiene B. Al sumar Ia columna 1 a la columnna 2 se obtiene C. Una combinacién de las columnas de ___ también es una com- binaci6n de las columnas de A. De las siguientes matrices, jcudles tienen la misma columna __? 1 1 2] _f) 3 a=[h 7 y a-[5 A y e=f} 6 2A. {Para qué vectores (b,, ba, by) los siguientes sistemas tienen una solucién? Loto 1) far bb Load) fav bt 01 al |x] =je| y jo 1 a} |x| = Jo]. 0 0 1) Ls, bs, 0 0 Of [xs bs, 25. (Recomendado) Si a una matriz A se suma una columna extra b, entonces el espacio co- lumana se vuelve més grande, a menos que ___. Proporcione tn ejemplo en el que el espacio columna se vuelva més grande, y un ejemplo en que no lo haga. ;Por qué Ax = bes resoluble exactamente cuando el espacio columna no se vuelve més grande al incluir a 6? 26. Las columnas de A B son una combinacién de las columnas de A. Esto significa: El espacio columna de AB estd contenido en (y quizé es igual a) el espacio columna de A. Proporcione un’ejemplo en el que los espacios columna de A y AB no sean iguales. 27. SiA es cualquier matriz invertible de 8 por 8, entonces su espacio columna es {Por qué? 28. {Falso 0 verdadero? (proporcione un contraejemplo si es falso). 2) Los vectores b que no estén en el espacio columna C(A) constituyen un subespacio. 4) Si C(A) contiene s6lo al vector cero, entonces A es la matriz cero. ¢) El espacio columna de 24 es igual al espacio columna de A. @ El espacio columna de A — [es igual al espacio columna de A.22 Chea resover Ar = Oy Ar = b 7 29. Construya una matriz de 3 por 3 cuyo espacio columna contenga a (1, 1,0) y a(1, 0, 1) pero no a (1, 1, 1). Construya una matriz de 3 por 3 cuyo espacio columna sea s6- fo una recta. 30. Sil sistema de 9 por 12 Ax = bes resoluble para toda b, entonces C(A) = _. 31. (Por qué R? no es un subespacio de R*? 2.2 COMO RESOLVER Ax = OY Ax = b El capitulo 1 se centré en matrices invertibles cuadradas. Habfa una solucién de Ax = 6, que era x = A~1b, Esta soluci6n se encontré por eliminacién (y no calculando A~'). Una matriz rectangular trae nuevas posibilidades: U puede no tener un conjunto completo de pivotes. Esta seccién aborda el tema de ir de U a una forma reducida R: la matriz més simple que puede obtenerse con eliminacién, R revela de inmediato todas las soluciones. Para una matriz invertible, el espacio nulo sélo contiene a x = 0 (multiplicado Ax = 0 por A~), El espacio columna es todo el espacio (Ax = b no tiene solucién para toda 6). Las nuevas preguntas surgen cuando el espacio nulo contiene mds que al vector cero ylo el es- acio columna contiene menos que todos los vectores: 1. Cualquier vector x, en el espacio nulo puede sumarse a una soluci6n particular xp. Las soluciones de todas las ecuaciones lineales tienen esta forma: x = x, + X,: Solucién completa Ax, = b, y Ax = 0 producen A(x, + x,) 2, Cuando el espacio columna no contiene a toda & en R™, se requieren las condiciones sobre b para hacer resoluble a Ax = b. Un ejemplo de 3 por 4 es un tamafio aceptable. Se escribirén todas las soluciones de ‘Ax = 0. Se encontrarén las condiciones para que b esté en el espacio columna (de modo que Ax = 6 sea resoluble). El sistema de 1 por I Ox = 6, con una ecuaci6n y una incégni- ta, presenta dos posibilidades: Ox = b no tiene soluciones a menos que b = 0. Elespacio columna de la matriz.cero de 1 por 1 sélo contiene ab = 0. Ox = O tiene una infinidad de soluciones. El espacio nulo contiene a toda x. Una solucin particular es x, = 0, y la solucién completa es x = x, + x, = 0 + (cualquier x). Admito que es sencillo. Si se pasa a una matriz de 2 por 2, la cuestién se vuelve més interesante, La matriz [} 4] no es invertible: y + z = b, y 2y + 2z = b; suele no tener solucién, No hay solucién a menos que b = 2b,. El espacio columna de A s6lo contiene bs que son miiltiplos de (1, 2). Cuando b; = 2b,, hay una infinidad de soluciones. Una solucién particular de y+ z=2y2y + 22 = 4es x, = (1, 1). El espacio nulo de A en Ia figura 2.2 contiene a (i, 1) y a todos sus miiltiplos x, = (—¢, c): Soluci6n == y+ 1 =1] _ fi- Smpiaa yang meter pte [i] +e] = [12]| = solucidn particular mas corte zp 3] = solucién particular MATLAB A 6 y espacio nulo Az, Figura 2.2 Las rectas paralelas de soluciones de Ax, = Oy [ 3] [2] = [3]. Forma escalonada U y forma reducida por renglones ‘Se empieza por simplificar la matriz de 3 por 4, primero a U y luego aR: 1633 2 Ejemplo bisico A=| 2 6 9 7]. 1-33 4 El pivote a, = 1 es diferente de cero. Las operaciones elementales de costumbre producen ceros en la primera columna abajo de este pivote. Las malas noticias aparecen en la co- tumna 2: 2z 3 6 El candidato a segundo pivote se volvi6 cero: esto es inaceptable. Abajo de ese cero se busca un elemento diferente de cero, intentando realizar un intercambio de renglones. En este aso el elemento en cuestién también es cero. Si A fuese cuadrada, lo anterior indicarfa que Ya matriz es singular. Con una matriz singular, de cualquier forma es de esperar problemas, y no hay ninguna razén para detenerse. Todo lo que puede hacerse es proceder a la siguiente columna, donde el elemento pivote es 3. Al restar dos veces el segundo reagléa del tercero, se llega a U: eou ave 1 En ta columna 2 no hay pivote 4 — ( 0 133 2 Matrizescalonada U =U =|0 0 3 3). 000 0 Hablando estrictamente, se procede a la cuarta columna. En la tercera posicién pivote hay ‘un cero, y no puede hacerse nada. U es triangular superior, pero sus pivotes no estén en la diagonal principal. Los elementos diferentes de cero de U muestran un “patrén escalonado”, 0 forma escalonada, Para el caso de 5 por 8 en la figura 2.3, los elementos indicados ‘con un asterisco pueden 0 no ser cero. Esta forma escalonada U, siempre puede obtenerse, con cero abajo de los pivotes: 1. Los pivotes son los primeros elementos diferentes de cero en sus renglones. 2. Abajo de cada pivote hay una columna de ceros, obtenida por eliminacién, 3. Cada pivote esté a la derecha del pivote en el renglén de arriba. Esto produce el pa- tr6n escalonado, y los renglones cero aparecen al ditimo.22 Cho resover Ar © Oy Ax = b 79 Oe ee rene 10 « O1@ st eee OL U=|0 01% «we « R=|000 000000010 000 OO00 000m) 000 Figura 2.3 Elementos de una matriz escalonada U de 5 por 8 y su forma reducida R. Debido a que se empezé con A y se terminé con U, seguramente el lector pregunta- r&: Se tiene A = LU como antes? No hay raz6n para lo contrario, ya que los pasos de eli- minacién no cambiaron. Cada paso sigue restando un miltiplo de un renglén de un renglén abajo de él. El inverso de cada paso, suma el miiltiplo que fue restado. Estos inversos vie~ nen en el orden correcto para colocar los multiplicadores directamente en L: 0 0 Triangular inferior 1 [2 1 | y AsLU. 2) Observe que L es cuadrada. Tiene el mismo ntimero de renglones que A y U. La tnica operaci6n que no es necesaria en nuestro ejemplo, aunque sf es necesaria en ‘términos generales, es el intercambio de renglones por una matriz permutacién P. Debido ‘aque cuando no hay pivotes disponibles se prosigue con la siguiente columna, no es necesario suponer que A es no singular. A continuacién se proporciona PA = LU para todas las matrices: “2B Para cualquier matriz A de m por n existe una permutaci6n P, una matriz rian “gular inferior Z con diagonal unitary una matriz U estonia de m por, tales que PAS LU. Ahora viene R. Es posible avanzar més que hasta U, con la finalidad de hacer ain ms sencilla a la matriz. El segundo renglén se divide entre su pivote 3, de modo que to dos los pivotes son 1. Luego, el renglén pivote se utiliza para obtener cero arriba del pivote. Esta vez, se resta un renglén de un renglén mds arriba. Et resultado final (la mejor forma que puede obtenerse) es la forma escalonada por renglones R: eo 2) ly 3) 3) 2 13 0033) — joo11) — jo o 1 i =R 0 000 0 0 0 oO 0 6 0 oO La matriz Res el resultado final de la eliminacién sobre A. MATLAB usa el comando R = rref(A). ;Por supuesto, rref(R) proporciona nuevamente R! Cua es la forma reducida por renglones de una matriz invertible cuadrada? En este caso Res la matriz identidad. Hay un conjunto completo de pivotes, todos iguales a 1, con ceros arriba y abajo. Asf, rref(A) = /, cuando A es invertible. Para una matriz de 5 por 8 con cuatro pivotes, en la figura 2.3 se muestra la forma reducida R. Sigue conteniendo una matriz identidad en los cuatro renglones pivote, y en Jas cuatro columnas pivote. A partir de R répidamente se encuentra el espacio nulo de A. Rx = O tiene las mismas soluciones que Ux = Oy Ax = 0.Copitdo 2 Espacios vectorisies Variables pivote y variables libres ‘Nuestra meta es leer todas las soluciones de Rx = 0. Los pivotes son cruciales: Espacio nulo de R 0h et) 0 (las columnas pivote Rx=|]@ O08 1 w| = 0 estén en negritas) ooo off¥! fo. Las incégnitas u, v, w, y se presentan por grupos. Un grupo contiene las variables pivote, Jas que corresponden a las columnas con pivotes. Las coluranas primera y tercera contienen a los pivotes, de modo que u y w son las variables pivote. El otro grupo esté integra- do por las variables libres, que corresponden a las columnas sin pivotes. Estas son las ‘columnas segunda y cuarta, por lo que las variables libres son v y y. Para encontrar la solucién més general de Rx = 0 (0, de manera equivalente, de Ax = ©), es posible asignar valores arbitrarios a las variables libres. Suponga que estos valores se denominan simplemente v y y. Las variables pivote estén determinadas completamente en términos de v yy: Rr=9 %+3v-y=0 produce u = —3u+y w+y=0 produe w= ~y a Hay un “doble infinito” de soluciones, con v y y libres ¢ independientes. La solucién completa es una combinacién de dos soluciones especiales: El espacio nulo contiene a a 7 i todas las combinaciones de pele sul gf ty lal @ las soluciones especiales 2 0 A Por favor, observe nuevamente esta solucién completa de Rx = 0 y Ax = 0. La solucién especial (~3, 1, 0, 0) tiene a las variables libres v = 1, y y = 0. Las variables libres de la otra solucién especial (1,0, 1, 1) son v = 0, y y = 1. Todas las soluciones son combinaciones lineales de estas dos soluciones. La mejor forma de encontrar todas las soluciones de Ax = 0 es a partir de las soluciones especiales: 1. Después de llegar a Rx = 0, identificar las variables pivote, y las variables libres. 2, Asignar a una variable libre el valor 1, igualar a cero las demés variables libres, y resolver Rx = 0 para las variables pivote. Esta x es una solucién especial. 3. Cada variable libre produce su propia "solucién especial” por el paso 2. Las combina- — oe soluciones especiales constituyen el espacio nulo: todas las soluciones Dentro del espacio tetradimensional de todos los vectores posibles x, las soluciones de Ax = 0 constituyen un subespacio bidimensional: el espacio nulo de A. En el ejemplo, N(A) es generado por los vectores especiales (—3, 1, 0, 0) y (1, 0, 1, 1). Las combinacio- ines de estos dos vectores producen todo el espacio nulo. Aqui hay un pequefio truco. Las soluciones especiales son especialmente féciles a partir de R. Los nimeros 3 y 0 y ~1 y 1 estén en las “columnas no pivote” de R. Para encontrar las variables pivote (no las libres), invierta sus signos en las soluciones es- eciales. Escribiré las dos soluciones especiales de la ecuacién (2) en una matriz N, de22 Cio resoher At = Oy At = b a espacio nulo, para que el lector vea el patrén claro: -3 1] noes libre Matriz del espacio nulo ve| 1 0} estibre (las columnas son soluciones especiales) © 1} noes libre 0 1) eslibre Los valores de las variables libres son 1 y 0. Cuando las columnas libres se movieron al miembro derecho de la ecuacién (2), sus coeficientes de 3 y 0 y —1 y 1 cambiaron de signo. Esto determiné las variables pivote en las soluciones especiales (las columnas de N). Este es el momento de reconocer un teorema extremadamente importante. Suponga ‘que una matriz tiene més columnas que renglones, n > m. Debido a que m renglones pueden aceptar cuando mucho a m pivotes, por lo menos debe haber n — m variables libres. Hay atin mds variables libres si algunos renglones de R se reducen a cero; pero no impor- tae! caso: por lo menos una variable debe ser libre. A esta variable libre puede asignarse cualquier valor, 1o cual lleva a la siguiente conclusia: Debe haber una infinidad de soluciones, ya que cualquier miltiplo cx también satisface A(cx) = 0. El espacio aulo contiene a la recta que pasa por x. Y si hay variabies libres adicionales, el espacio nulo se convierte en mas que justo una recta en el espacio n-dimensional. El espacio nulo tiene la misma “dimensién” que el niimero de variables libres, y las soluciones especiales. La idea central: la dimensién de un subespacio, se precisars en la siguiente seccién Para el espacio nulo se cuentan las variables libres. ;Para el espacio columna se cuentan las. variables pivote! Cémo resolver Ax = b, Ux = 0 y Ax = d El caso b # Oes bastante distinto al caso b = 0. Las operaciones en los renglones sobre A también deben actuar sobre el miembro derecho (en b). Se empieza con las letras (by, bs, 3) para encontrar la condicién de solubilidad para que b esté en el espacio columna, Lue- B0 se escoge b = (1, 5, 5) y se encuentran todas las soluciones x. Para el ejemplo original Ax = b = (6,, bz, b3), a ambos lados se aplican las operaciones que levaron de A a U. El resultado es un sistema triangular superior Ux 13 3 21/9 ob Ur=c 10 0 3 3) /El=| b&-2 |. @) 00.0 Of [S| |b — 26 + 5b, El vector c en el miembro derecho, que aparecia después de los pasos de eliminacién hacia adelante, es justo L~'b, como en el capftulo previo. Ahora se inicia con Ux = No resulta evidente que estas ecuaciones tengan una solucién. La tercera ecuacién presenta serias dudas, ya que su miembro izquierdo es cero. Las ecuaciones son inconsistentes a menos que bs —2b, + 56, = 0. Aunque haya més inc6gnitas que ecuaciones, puede no haber solucién. Conocemos otra forma para contestar la misma pregunta: Ax = b puede resolverse si y s6lo si 6 esté en el espacio columna de A. Este subespacio proviene de Jas cuatro columnas de A (jno de U1):Capito 2 Espacios vctrses == [i i eb Aunque hay cuatro vectores, sus combinaciones s6lo llenan un plano en el espacio tridimensional, La columna 2 es tres veces la columna 1. La cuarta columna es igual a la tercera me- ‘os la primera. Estas columnas dependientes, la segunda y la cuarta, son exactamente las que carecen de pivotes. El espacio columna C(A) puede describirse en dos formas distintas. Por una parte, es el plano generado por las columnas | y 3. Las otras columnas estén en ese plano, y no contribuyen con nada nuevo. De manera equivalente, es el plano de todos los vectores b que cumplen b; — 2b, + 5b, = 0; esta es la restricci6n si el sistema ha de ser resoluble. ;To- da columna satisface esta restriccién, de modo que estd forcada sobre b! Geomética- ‘mente, se verd que el vector (5, ~2, 1) es perpendicular a cada columna. Si b pertenece al espacio columna, las soluciones de Ax = b son féciles de encontrar. La tiltima ecuacién en Ux = ces 0 = 0. A las variables libres v y y, es posible asignarles valores cualesquiera, como antes. Las variables pivote u y w siguen determinéndose por sustitucién hacia atrds. Para un ejemplo especifico con by — 2b + 5b, = 0, se escoge b= (15,5) 133 2) 1% 1 Ar=b 2697 = Is]. -1-3 3 4 e 5 La eliminaci6n hacia adelante produce U a la izquierda y ¢ a la derecha: 3 2% 1 » 3 3) ) ay] = /3 oo {5} Lo La dltima ecuaci6n es 0 = 0, como era de esperarse. La sustitucién hacia atrés proporciona io Ur=e |00 0 0 Bwt3y=3 0 0 w= I-y ut3v+3wt2y=1 0 ~2-3uty. De nuevo, hay una infinidad de soluciones: v y y son libres; uy w no lo son: Séiaciéa’ uy} [2 -3 1 lucién completa _|e 0 L Paap ns x=|% te} of tyf{alt @ y 0 0 1 Lo anterior contiene todas las soluciones de Ax = 0, més la nueva x, = (~2, 0, 1, 0). Es- ta x, es una solucién particular de Ax = b. Los dos tiltimos términos con v y y producen mds soluciones (ya que cumplen Ax = 0). Toda solucién de Ax = b es la suma de una so- lucién particular, y una solucién de Ax = 0:11736 22 Cima resonver Ar = Oye = 8 a3 La soluci6n particular en ta ecuacién (4) proviene de haber resuelto la ecuaci6n con todas las variables libres iguales a cero. Esta es la Gnica parte nueva, porque el espacio nulo ya estaba calculado, Cuando la ecuacién en el recuadro se multiplica por A, se obtiene Axcompet = 6 +0. ‘Geométricamente, las soluciones lenan de nuevo una superficie bidimensional, pero no es un subespacio. No contiene a x = 0. Es paralelo al espacio nulo que se tena ante- riormente, desplazado por una solucién particular x,, como se muestra en la figura 2.2. La ‘ecuaci6n (4) es una forma aceptable de escribir la respuesta: J. Reducir Ax = ba Ux = c. 2. Con las variables libres = 0, encontrar una solucién particular de Ax, = by Ux, 3. Encontrar las soluciones especiales de Ax = 0 (0 de Ux = 0.0 de Rx = 0). Cada variable libre, a su vez, es 1. Asi, x = x, + (cualquier combinacién x, de soluciones especiales). Cuando la ecuacién era Ax = 0, jla solucién particular era el vector cero! Esto se ajusta al patron, aunque Xparueniar = 0 NO se escribié en la ecuaci6n (2). Ahora x, se sum6 a las soluciones del espacio nulo, como en la ecuacién (4). Pregunta: ,cémo la forma reducida R hace ain més clara esta soluci6n? Se verd en el ejemplo. La ecuacién 2 se resta de la ecuaci6n 1, y luego la ecuacién 2 se divide entre su pivote. En el miembro izquierdo, esto produce R, como antes. En el miembro derecho, estas operaciones cambian c = (1, 3, 0) aun nuevo vector d = (—2, 1, 0): 7 2 a -| i ©) * 0 y, La soluci6n particular x, (una de muchas opciones) tiene las variables libres v Las columnas 2 y 4 pueden ignorarse, Luego, de inmediato se tiene u = —2y w = I, exactamente como en la ecuacién (4). Los elementos de d van directamente hacia x,. {Esto se debe a que la matriz identidad se encuentra en las columnas pivote de R! ‘A continuaci6n se resumiré esta secciGn, antes de presentar otro ejemplo. La elimina- cién revela las variables pivote y las variables libres. Si hay r pivotes, entonces hay r variables pivote, y n —r variables libres. A este niimero importante r se asigna un nombre: se trata del rango de la matriz. Ecuacién reducida i. 5 1 z Re=d a0 > Suponga que la eliminacién reduce Ax = baUx=cyRi= con rrenglones clesnentos de yd taablen son cor UU esen commiones = we + o. Une solucio petcular’ ene iguaes ace ‘yo a todas las Variables libres: Sus Variables pivote son los primeros r elementos de ‘d, por lo cual Rr, = d. shor {Las soluciones del espacio nulo », soa combinaciones de, “es, con na variable libre igual 2 1. Las Variables pivote en esa soluci6n especial, pueden encontrarse en la columna correspondiente de & (con signo invertido}. Ahora el lector puede ver cémo es crucial el rango r. Este cuenta los renglones pivote en el “espacio renglén” y las columnas pivote en el espacio columna. En el espacio nulo hay n— r soluciones especiales. Hay m ~ r condiciones de solubilidad sobre b 0 ¢ 0 d.a4 (Capito 2 Espacios veces Otro ejemplo desarrollado La representacién completa utiliza eliminacién, y columnas pivote para encontrar el espacio columna, el espacio nulo y el rango. La matriz A de 3 por 4, tiene rango 2: Ixy +2e2 3x) + Sa = by Ax = es xy +x; + 8x5 + Ixy = be © 3x1 + 6x2 + Ty + 13x4 = by 1. Reducir (A 6] a (U c}, para llegar a un sistema triangular Ux = c. 2. Encontrar la condicién sobre b,, b2, bs para tener una solucién. 3. Describir el espacio columna de A: ,Cudl plano en R?? 4. Describir el espacio nulo de A: {Cudles soluciones especiales en R*? S. Encontrar una solucién particular de Ax = (0, 6, —6) y la solucién completa x, + X,. 6. Reducir [Uc] a [R dj: soluciones especiales de R y x, de d. Solucién (Observe c6mo el miembro derecho se incluye como una columna adicional!) 1. Los multiplicadores en la eliminacién son 2 y 3 y —1, tomando [A 5) a (U c] Me 2e eS Pi) il 2 se 5 |e 12.3 Sih 2.4 8 12 bl+]o 0 2 2|b-2j>|o 0 2 2/b—2h 7 bs + by ~ Sb 3.6 7 13 bs} [0 0 ~2 -2|b;- 3b 0000 2, Lawltima ecuacién muestra la condicién de solubilidad by + bz — 5b, = 0. Asi, 0 = 0. 3. Elespacio columna de A es e1 plano que contiene a todas las combinaciones de las columnas pivote (1, 2, 3) y (3, 8, 7). Segunda descripcién: El espacio columna contic- ‘ne a todos los vectores con by + by — 5b, = 0. Esto hace resoluble a Ax = b, de modo que b esta en el espacio columna. Todas las columnas de A pasan esta prueba by + by — 5b, = 0. Esta es la ecuacién det plano (en la primera descripcién del espacio columna). 4. Las soluciones especiales en N tienen las variables libres x» = 1, x4 = Oy x2 = 0, xa Matriz del espacio nulo -2 -2 Soluciones especiales de Ax = 0 we| 1 9 Sustitucién hacia atrés en Ux = 0 o -1F Simplemente cambia signos en Rx = 0 o 4 5. Se-elige b = (0, 6, 6), que tiene by + b; — 5b, = 0. Laeliminacién lleva Ax = ba Ux = c= (0, 6, 0). Se sustituye hacia atrés con las variables libres = 0: ~9 Solucién particular de Ax, = (0, 6, — xp 3 a 0] es tibre La soluci6n completa de Ax = (0, 6, ~6) es (esta x,) + todas las x,). 6. En la R reducida, la tercera columna cambia de (3, 2, 0) a (0, 1, 0). El miembro derecho c = (0, 6, 0) se convierte en d = (—9, 3, 0). Ast, 9 y 3 van hacia x, 123 s}o 120 2/-9 (u c]=|o 0 2 2/6)—+[r dJ=]0 0 1 1} 3}. 0 0 0 oo 000 0] 022 Como rescher At = Oy Ar = b 85 Esa matriz final (R d] es rref( [A b]) = rref( [Ue]). Los nimeros 2 y Oy 2 y 1 en las columnas libres de R tienen signo opuesto en las soluciones especiales (la matriz espacio nulo N). Rx = d, revela todo. Conjunto de problemas 2.2 1. Construya un sistema con mds inc6gnitas que ecuaciones, pero sin soluci6n. Cambie el miembro derecho a cero, y encuentre todas las soluciones x, 2. Reduzca A y B a forma escalonada para encontrar sus rangos. ;Qué variables son libres? 1201 2a At=1|0) 2111/10) a 56 12014 78 9 Encuentre las soluciones especiales de Ax = 0 y Bx = 0. Encuentre todas las sotucio- nes. 3. Encuentre la forma escalonada de U, las variables libres, y las soluciones especiales: az[o to 3 pele 0 2 0 6)" be, Ax = bes consistente (tiene una solucién) cuando b satisface be - Encuentre la solucién completa en la misma forma que la ecuacién (4). 4. _Efecnie los mismos pasos que en el problema previo para encontrar la solucién completa de Mx = b: b b b=] PI. bs be. 0 ai 2 M=I4 ol 6. aon 5. Escriba las soluciones completas x = x, + x, de estos sisteruas, como en la ecuacién @): 12 2/¢) fr 12 2/4) fr 24 5) {") ~ [al 24 af?) = lal w, w 6. Describa el conjunto de miembros derechos obtenibles (en ¢l espacio columna) para 0-6) al encontrar las restricciones sobre b que hacen que la tercera ecuaci6n sea 0 = 0 (des- pués de la eliminacién). ,Cudl es el rango, y una solucién particular? 7. Encuentre el valor de c que hace posible resolver Ax = b, y resuélvalo: ut v+2w=2 2u + 3 - Jut+4u+ wCapitulo 2 Espacios vectarles & 9 10. ML 2 3. 14, iCusles deben ser las condiciones sobre b, y by (en caso de haber alguna) para que Ax = b tenga soluci6n? 1203 by a-bio dh of Encuentre dos vectores en el espacio nulo de A, asf como la solucién completa de Axo. a) Encuentre las soluciones especiales de Ux = 0. Reduzca Ua R, y repita lo ante- ior 1 7 0 Ux= |0 | = JO] 7 2 o 4) Si el miembro derecho se cambia de (0, 0, 0) a (a, b, 0), ;cuéles son todas las soluciones? con enw one, Encuentre un sistema Ax = b de 2 por 3 cuya soluci6n completa es 1 r = [2] +w 3]. 0 L Encuentre un sistema de 3 por 3 con estas soluciones exactamente cuando by + by = by. Escriba un sistema Ax = b de 2 por 2 con muchas soluciones x,, pero sin soluci6n x, (En consecuencia, el sistema no tiene soluci6n.) ,Cudles bs permiten una x,? {Cudles de las siguientes reglas proporcionan una definicién correcta del rango de A? 4) El nimero de renglones diferentes de cero en R. +b) El mimero de columnas menos el niimero total de renglones. ¢) El ntimero de columnas menos el ntimero de columnas libres. @) El ndmero de ts en R. Encuentre las formas escalonadas reducidas por renglén R, y el rango de las siguientes matrices: a) La matriz de 3 por 4 de todos los 1s. b) La matriz de 4 por 4 con ay = (~1)!, ©) La matriz de 3 por 4 con ay = (—1). Encuentre R para cada una de las siguientes matrices (en bloque), asf como las soluciones especiales: 0 0 0) A=|0 0 3 B=[A A) c 24 6 ‘Si primero aparecen las r primeras variables pivote, entonces la R reducida debe verse como R 1 OF Tes de r por r 0 0 Fesderporn—r {Cusl es 1a matriz espacio nulo N que contiene las soluciones especiales?22 Cémo resover Ar = Oy AR = b a7 16. Suponga que todas las r variables pivote aparecen al siltimo. Describa los cuatro bloques en la forma escalonada reducida de m por n (el bloque B debe ser de r por r): [4 8 r=(6 3]: {Cudl es la matriz espacio nulo N de las soluciones especiales? {Cudl es su forma? 17. (Problema tonto) Describa todas las matrices A, y A de 2 por 3 con formas escalonadas por renglones R; y Ra, tales que Ry + Ry es la forma escalonada por renglones de. Ay + Aa. GES cierto que Ry = A, y Rr = Az en este caso? 18, Si A tiene r columnas pivote, entonces AT tiene r columnas pivote. Proporcione un ejemplo de 3 por 3 para el que los ntimeros de columna son distintos para A y AT. 19. {Cudles son las soluciones especiales de Rx = Oy RTy = 0 para las siguientes R? 1023 01 2 R=|0 145 R= |0 0 of. 0000 000 20. Siel rango de Aes r, entonces tiene una submatriz S de r por r que es invertible. En- cuentre esa submatriz S a partir de los renglones pivote, y las columnas pivote para ca- daa: 7 123 123 Ae [ | Aq [ azo o ol. fod 2 4 6 Soe 21. Explique por qué los renglones pivote y las columnas pivote de A (no R) siempre proporcionan una submatriz invertible de A de r por r. 22. Encuentre los rangos de AB y AM (matriz de rango 1 multiplicada por una matriz de rango 1): 1g 2 1 4 1 6 4 b 4] a aie) y mM Bl 23. Al multiplicar las matrices de rango 1A = uv™ y B = wz" se obtiene uz™ multiplicada por el ntimero _. El rango de AB es 1 a menos que__ = 0. 24, Toda columna de AB es una combinacién de las columnas de A. Asf, las dimensiones de los espacios columna proporcionan rango(4B) < rango(A). Problema: También demuestre que rango(4B) < rango(B). 25. (importante) Suponga que A y B son matrices den por n, y que AB = I. A partir de ran- ‘g0(AB) = rango(4), demuestre que el rango de A es n. Asf, A es invertible, y B debe set su inversa por ambos lados. En consecuencia, BA = I (jlo cual no es tan evidente!). 26. Si Aes de 2 por 3 y Ces de 3 por 2, a partir de su rango demuestre que CA # I. Pro- porcione un ejemplo en el que AC = J. Para m ) La nica solucién de Bx = [Jes x = [3]. 50, La solucién completa de Ax = [}]es x = [3] +¢[?]. Encuentre A. 51. El espacio nulo de una matriz A de 3 por 4 ¢s la recta que pasa por (2, 3, 1, 0). @) {Cuél es el rango de A y la solucién completa de Ax = 0? ) ;Cuél es la forma escalonada reducida exacta por renglones R de A? ‘52. Reduzca las siguientes matrices A y B a sus formas escalonadas ordinarias U: 12246 242 a A=]1 2369 bd) B=|0 4 4 oo123 08 8 Encuentre una solucién especial para cada variable libre, y describa cada solucién de Ax = Oy Bx = 0. Reduzca las formas escalonadas U a R, y destaque con un recuadro los renglones pivote y las columnas pivote de la matriz identidad. 53. {Falso 0 verdadero? (En caso de ser cierto, proporcione una raz6n, o un contraejemplo si es falso.) @) Una matriz cuadrada no tiene variables libres. 6) Una matriz invertible no tiene variables libres. ¢) Una matriz de m por n no tiene més de n variables pivote. 4) Una matriz de m por n no tiene més de m variables pivote. 54, {Existe una matriz de 3 por 3 sin elementos cero para la cual U = R = 1? 55. Escriba tantos 1s como pueda en una matriz escalonada U de 4 por 7, y en una forma reducida R cuyas columnas pivote sean 2, 4, 5. 56. Suponga que la columna 4 de una matriz de 3 por 5 es toda igual a Os. Entonces x, ¢s ciertamente una variable ___. La solucién especial para esta variable es el vector22 Cima resaher Ar = Oy Ae = b 1 ‘57. Suponga que las columnas primera y ultima de una matriz de 3 por 5 son iguales (diferentes de cero). Entonces ___es una variable libre. Encuentre las soluciones especiales para esa variable. ‘58, La ecuacién x ~ 3y ~ z = 0 determina un plano en R®. ,Cuél es la matriz A en esta ecuacién? {Cudles son las variables libres? Las soluciones especiales son (3, 1, 0) y El plano paralelo x — 3y — z = 12 contiene al punto particular (12, 0, 0). Todos Jos puntos en este plano tienen la forma siguiente (escriba las primeras componentes): -B-bl-ey 59. Suponga que columna I + columna 3 + columna 5 = 0 en una matriz de 4 por S con cuatro pivotes. ;Cudl columna carece seguramente de pivote? (;¥ cudl es la variable libre?) ;Cual es la solucién especial? {Cuél es el espacio nulo? En los problemas 60 a 66 se solicitan matrices (de ser posible) con clertas propiedades. 60. Constraya una matriz cuyo espacio nulo conste de todas las combinaciones de (2, 2, 1,0) G1, 0,1). 61. Construya una matriz cuyo espacio nulo conste de todos los miiliplos de (4, 3, 2, 1). 62. Constraya una matriz cuyo espacio columna contenga a (1, 1, 5) ya (0.3, 1), y cuyo espacio nulo contenga a (I, 1, 2). 63. Construya una matriz cuyo espacio columna contenga a (1, 1,0) y a (0, 1, 1), y cuyo espacio nulo contenga a (1, 0, 1) y a(0, 0, 1). 64, Construya una matriz cuyo espacio columna contenga a (1, 1, 1) y cuyo espacio nulo es la recta de miitiplos de (1, 1, 1, 1). 65. Construya una matriz de 2 por 2 cuyo espacio nulo sea igual a su espacio columna. 66. {Por qué ninguna matriz de 3 por 3 tiene un espacio nulo igual a su espacio columna? 67. La forma reducida R de una matriz de 3 por 3 con elementos elegidos aleatoriamente casi seguramente es {Cudl Res virtalmente cierta si la matriz aleatoria A es de 4 por 3? Demuestre con un ejemplo que las tres siguientes afirmaciones suelen ser falsas: a) Ay AT tienen el mismo espacio nulo. ) Ay AT tienen las mismas variables libres. ¢) Si Res la forma reducida de rref(A), entonces RT es rref(A"), 69. Si las soluciones especiales de Rx = 0 estén en las columnas de estas N, vuelva hacia atrds para encontrar los renglones diferentes de cero de las matrices reducidas R: 2A 0 v=|1 o] y mw=lol y we (matriz vacfa de 3 por 1). ol 1 70. Explique por qué A y —A siempre tienen la misma forma escalonada reducida R.Capitulo 2 Espacios vectorises Ejomplo 1 Ejemplo 2 2.3 INDEPENDENCIA LINEAL, BASE Y DIMENSION Por si mismos, los ntimeros m y n proporcionan una representaci6n incompleta del verdadero tamaito de un sistema lineal. La matriz de nuestro ejemplo tenfa tres renglones y cua- fro columnas, aunque el tercer renglén era s6lo una combinacién de los dos primeros. Después de la eliminacién se convirtié en un renglén cero. No afect6 el problema homo- géneo Ax = 0. Las cuatro columnas también fracasaron en cuanto a ser independientes, y el espacio columna degener6 en un plano bidimensional. El ntimero importante que est comenzando a surgir (e! tamafio verdadero) es el rango rr. El rango se introdujo como el niimero de pivotes en el proceso de eliminacién. De manera equivalente, Ia matriz final U tiene r renglones diferentes de cero. Esta definicién hubie- a podido proporcionarse a una computadora, aunque serfa erténeo dejarla ahf, porque el rango posee un significado simple e intuitivo: El rango cuenta el niimero de renglones ge- nuinamente independientes en la matriz A. Lo que se busca son definiciones mateméticas, ms que computacionales. El objetivo de esta seccién es explicar y usar cuatro conceptos: 1. Independencia o dependencia lineal. 2. Generacién de un subespacio. 3. Base de un subespacio (un conjunto de vectores). 4, Dimensién de un subespacio (un ntimero), El primer paso es definir independencia lineal. Dado un conjunto de vectores vy... ¥ se buscan sus combinaciones cv, + Cav2 + - + ~ + cqd La combinacién trivial, con todos los pesos c; = 0, evidentemente produce el vector cero: Ov, + «++ + Ov = 0. La pregunta es si ésta es la tinica forma de producir cero. En caso afirmativo, los vectores son independiente. Si con cualquier otra combinacién de los vectores se obtiene cero, entonces son dependientes. 2E.. Suponga que ¢1v; + +++ + ey = 0 sélo ocurre cuando ¢ = «+» = cy = 0.En- tonces los vectores 1, -.. vy Son Hinealmente independientes. Si algunas cs son diferentes de cero, la vs son linealmente dependientes. Un vector es ua combinacién de los demés. . La dependencia lineal es fécil de visualizar en el espacio tridimensional, cuando todos Jos vectores salen del origen. Dos vectores son dependientes si estén en la misma recta. Tres vectores son dependientes si estén en el mismo plano. Una elecci6n aleatoria de tres vectores, sin ningiin accidente especial, debe producir independencia lineal (no estén en un plano). Cuatro vectores siempre son linealmente dependientes en R?, Si v; = vector cero, entonces el conjunto es linealmente dependiente. Puede elegirse cy = 3 y todas las demas c, = 0; esta es una combinacién no trivial que produce cero. 1332 ACA GO A Las columnas de la matriz -1-3.30 son linealmente dependientes, ya que la segunda columna es tres veces la primera. La com- binacién de las columnas con pesos —3, 1, 0, 0 proporciona una columna de ceros.Ejomplo 3 Ejemplo 4 011736 2.1 Independencia lineal, base y mension 93 Los renglones también son linealmente dependientes; el renglén 3 es dos veces el ren- ‘gl6n 2 menos cinco veces el renglén 1. (Esto es lo mismo que la combinaci6n de b,, bz, bs, que tuvo que desaparecerse en el miembro derecho para que Ax = b fuera consistente. A menos que bs ~2b, + 5b, = 0, la tercera ecuacién no se convierte en 0 = 0). Las columnas de la siguiente matriz triangular son linealmente independientes: 342 No hay ceros en la diagonal A=|0 1 5]. 002 Se busca una combinaci6n de las columnas que produzca cero: = 4) 7 0 Se resuelve Ae = 0 — c, [0] +e] 1] +09 |5] = Jo]. 0. 0 2 0 Hay que demostrar que cy, cp ¢, estén obligados todos a ser cero. La titima ecuacién proporciona c; = 0. Luego, la siguiente ecuaci6n proporciona cz = 0. y al sustituir en la primera ecuaci6n se obliga a que c, = 0. La tinica combinaci6n que produce el vector cero es la combinaci6n trivial. El espacio nulo de A contiene sélo al vector cero ¢, = 2 =¢3=0. Las columnas de A son independientes exactamente cuando N(A) = (vector cero). Un razonamiento semejante es valido para los renglones de A, que también son inde- endientes. Suponga que €1(3, 4, 2) + c2(0, 1, 5) + ¢3(0, 0,2) = (0, 0, 0). ‘A partir de las primeras componentes se encuentra que 3c, = 0.0 ¢; = 0. Luego, las segun- das componentes proporcionan c> = 0. y finalmente c3 = 0. Los renglones diferentes de cero de una matriz en forma escalonada U deben ser independientes. Ademés, si se eligen las columnas que contienen a los pivotes, también sou linealmente independientes. En el ejemplo previo, con Dos renglones independientes Dos columnas independientes las columnas pivote 1 y 3 son independientes. Ningiin conjunto de tres columnas es independiente, y ciertamente tampoco ninguno de cuatro. Es cierto que las columnas I y 4 tam- bién son independientes, pero si el sltimo 1 cambia a 0, entonces serfan dependientes. Por tanto, lo que garantiza su independencia son las columnas que contienen a los pivotes. A continuaci6n se proporciona la regla general: 2F 1Los Frenglones diferentes de cero de'una matriz escalonada U y una matriz reducida R son linealmente independientes. También las rcolumaas que contienen @ Jos pivotes son linealmente independientes. Las columnas de la matriaidentidad den porn son independientes 10.0 o1- 0 T=) ooo oootCapito 2 Espacio vectoviles Ejemplo 5 Estas columnas e1, ..., ¢, Tepresentan vectores unitarios en las direcciones coordenadas; ea R*, 1 0) 0 0) a m. {Hay demasiadas columnas para ser independientes! No puede haber n pivotes, ya que n0 hay suficientes renglones para acomodarlos. El rango es menor que n. Todo sistema Ac = O.con més incégnitas que ecuaciones tiene soluciones c + 0. 2G Un conjunto de n vectores en R™ debe ser linealmenté dépendiente in > im. El lector reconoceré esto como una forma disfrazada de 2C: Todo sistema Ax = 0 de m por tiene soluciones diferentes de cero sin > m. Las tres siguientes columnas en R? no pueden ser independient 121 a [i 3 al Para encontrar la combinacién de las columnas con la que se obtiene cero se resuelve Ac = 0: ie 2 anu~[b 2 th Sia la variable libre c3 se asigna el valor 1, entonces la sustitucién hacia atrés en Uc = 0 Proporciona cz = —I, ¢, = 1. Con estos tres pesos, la primera columna menos la segunda mis la tercera es igual a cero: Dependencia. Gémo generar un subespacio A continuacién se definiré lo que se entiende por el hecho de que un conjunto de vectores generen un espacio. El espacio columna de A es generado por las columnas. Su combina- cién produce todo ef espacio: 2H Si un espacio vectorial V consta de todas las combinaciones lineales de w, . . we, entonces estos vectores generan el espacio. Todo vector v en V es alguna com- binacién de las ws: ‘Todo » proviene de ws = cywy + +++ +cewe para algunos coeficientes’c;.Ejemplo 6 Ejornplo 7 23, Independencia nea. basey dmensisn 9 Se permite que una combinacién distinta de ws proporcione el mismo vector v. Las cs no necesitan ser tinicas, porque el conjunto generador puede ser excesivamente grande: puede incluir el vector cero, ¢ incluso a todos los vectores. Los vectores w; = (1, 0, 0), w2 = (0, 1, 0), ¥ ws = (~2, 0, 0), generan un plano (el plano x-y) en R®. Los dos primeros vectores también generan este plano, mientras w, y w3 s6lo sgeneran una recta. El espacio columna de A es exactamente el espacio generado por sus columnas. El espacio renglén es generado por los renglones. La definicién se hace para ordenar. Al multiplicar A por cualquier x se obtiene una combinacién de las columnas; es un vector Ax en el espacio columna. Los vectores de coordenadas ¢,,.. .. ¢, que provienen de la matriz identidad generan R". Todo vector b = (b; 6,) es una combinaciGn de estas columnas. En este ejemplo los pesos son las componentes 6; mismas: b = bye, +--+ + byéq. Sin embargo, {las columnas de otras matrices también generan R"! Base de un espacio vectorial Para decidir si b es una combinacién de las columnas, se intenta resolver Ax = b. Para de- ccidir si las columnas son independientes, se resuelve Ax = 0. La generacién implica al espacio columna, y la independencia implica al espacio nulo. Los vectores de coordenadas @1)-+-»&q generan R" y son linealmente independientes. En términos bastos, ningzin vector en ese conjunto se desperdicia. Esto conduce al concepto crucial de base. 21 Una base de V es una sucesin de vectores que cumplen dos propiedades a la vez: “LE Los vectors son linealmente independientes (ao hay demasiados vectores)._ 2 . Los vectores generan el espacio V (no bay muy pcos véctores). " Esta combinacién de propiedades es absolutamente fundamental para el dlgebra lineal. ‘Significa que todo vector en el espacio es una combinacién de los vectores de la base, ya que éstos generan el espacio. También significa que la combinaci6n es tnica: Si v = av +++: + ayy también v = byv, +++» + By, entonces al restar se obtiene 0 = E(a, — ‘b)v,. Es ahora que entra en juego la independencia: todo coeficiente a; — b, debe ser cero. En consecuencia, a, = b,. Hay una y s6lo una forma de escribir v como una combinacién Eneal de los vectores de la base. Hubiera sido mejor decir de una vez que los vectores de coordenadas £1... .» éq 20 son la tinica base de R". Algunas cosas en Algebra son tinicas, pero no ésta. Un espacio vectorial tiene una infinidad de bases distintas. Siempre que una matriz cuadrada es invertible, sus columnas son independientes, de modo que son una base de R”. Las dos columnas de la siguiente matriz no singular constituyen una base de R?: of] ‘Todo vector bidimensional es una combinacién de estas columnas (jindependientes!),Capo 2 Espacios vectoriales Ejemplo 8 Ejemplo 9 El plano x-y de la figura 2.4, es justo R?. El vector v, en sf es inealmente independiente, pero fracasa en generar R?, Los tres vectores v,, v2, v3 ciertamente generan R?, pero no son independientes. Dos vectores cualesquiera de esos, por ejemplo v, y v2, tienen ambas propiedades: generan el espacio y son independientes. Ast, constituyen una base. Observe de nuevo que wn espacio vectorial no tiene una base tinica. v vs uy Figura 2.4 Conjunto generador 1, v2, vs. Bases vy, U2 ¥ U4, U3 ¥ Ua, Us. Las cuatro siguientes columnas generan el espacio columna U, pero no son independientes: 0000 Hay muchas posibilidades para la base, pero se propone una opcién especifica: Las columnas que contienen pivotes (en este caso la primera y la tercera, que corresponden a las varia~ bles bésicas) constituyen una base de espacio columna. Estas columnas son independientes, y es fécil ver que generan el espacio. De hecho, el espacio columna de U es justo el plano ary dentro de R?. C(U) no es lo mismo que el espacio columna C(A) antes de la eliminacién; sin embargo, el niimero de columnas independientes no cambia. 13°32 Matrizescalonada U=|0 0 3 1]. En resumen: Las columnas de cualquier matric generan su espacio columna. Si son independientes, constituyen una base del espacio columna, sin importar que la matriz sea cuadrada o rectangular. Si se pide que las columnas sean una base para todo el espacio R”, entonces la matriz debe ser cuadrada e invertible. Dimensién de un espacio vectorial ‘Un espacio tiene una infinidad de bases distintas, aunque todas estas opciones tienen algo en comin. El niimero de vectores de la base es una propiedad del espacio en sf: 24 Dos bases cualesquicra de un espacio vectorial V codtienen el mismo.ndmero de vectores. Este ntimero qué es compartido. por todas'las bases y expresa el mimero de “grados de libertad” del espacio, es la dimensidn de V. ; Hay que demostrar este hecho: Todas las bases posibles contienen el mismo néme- ro de vectores. El plano x-y en la figura 2.4 tiene dos vectores en cada base; su dimensin 32.ACIOMAR usr 2.3 ndependencia neal, base y dimension 97 StL GAYGUAY fog Fi scott En tres diméasiones se requieren tres vectores, ya sea a lo largo de los ejes x-y-z 6 en otras ‘tes direcciones (jlinealmente independientes!) La dimensién del espacio R es n. La di- mensién del espacio columna de U en el ejemplo 9 era 2; era un “subespacio bidimensional de R®.” La matriz.cero es més bien excepcional, ya que su espacio columna contiene s6lo al vector cero. Por convencionalismo, el conjunto vacfo es una base de ese espacio, y su dimensign es cero. ‘A continuacién se presenta el primer gran teorema en Algebra lineal: mY Wie + «Wy Son.dos bases del mismo espacio vectorial, entonces m = n. El mimeto de vectores és el mismo. Demostracién Suponga que hay més ws que vs (n > m). Se legaré a una contradicci6n. Debido a que las vs constituyen una base, deben generar el espacio. Toda w, puede escribirse como una combinacién de las us: si wy = ay,v,, + +++ + Gg1Ypy €5ta €5 la primera ‘colurmna de una multiplicacién de matrices VA: w-[s ae ~]-[- ; | : =" No se conoce cada ay, pero sf la forma de A (es de m pot n). El segundo vector w también es una combinacién de las us. Los coeficientes de esa combinacién llenan la segunda co- Jumna de A. La clave es que A tiene un renglén para cada v y una columna para cada w. A es una matriz corta pero ancha, ya que n > m. Hay una solucién diferente de cero para Ax =0. Asi, VAx = 0, que es Wx = 0. {Una combinacién de las ws da cero! Las ws po- drfan no ser una base, de modo que no es posible que n > m. Sim > n, se intercambian las vs y las ws y se repiten los mismos pasos. La tinica forma de evitar una contradiccign es si m = n. Asf se termina la demostraciGn de que m = 1. Repitiendo: La dimensién de un espacio es el niimero de vectores que hay en cada base. i Esta demostraci6n se us6 antes para demostrar que todo conjunto de m + 1 vectores en R” debe ser dependiente. Las us y las ws no necesitan ser vectores columna: la demos- traci6n fue toda concerniente a la matriz A de coeficientes. De hecho, puede verse este resultado general: En un subespacio de dimensién k, ningtin conjunto de mds de k vectores puede ser independiente, y ningtin conjunto con menos de k vectores puede generar el es- acio. Hay otros teoremas “duales”, de los cuales s6lo se menciona uno. Puede empezarse con tun conjunto de vectores que sea demasiado pequefio o demasiado grande, y terminar con la base siguiente: 2. Cualquier conjunto liniealmente independiente en V puede extenderse & una base, sumando més vectores si es necesario. *“Calguierconjunto generado en V puede feducissea'una bas, elimibando vectores si es necesario. La cuestién es que una base es un conjunto independiente maximal. No puede hacerse més grande sin perder independencia. Una base también es un conjunto independiente mi- nimal. No es posible hacerlo més pequefio y seguir generando el espacio. El lector debe observar que el término “dimensional” se utiliza en dos sentidos diferentes. Se habla sobre un vector tetradimensional, haciendo referencia a un vector que esta en

Algebra Lineal Strang

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Algebra Lineal Strang

Cargado por

Copyright:

Formatos disponibles

También podría gustarte