Documentos de Académico
Documentos de Profesional
Documentos de Cultura
L1
L1
b1 x1
b2 x2
b=
... ,
x=
...
bm xn
son el término independiente y el vector de incógnitas, respectivamente.
En determinados casos, el sistema lineal que se quiere resolver tiene una estructura tal que permite su
resolución inmediata. Por ejemplo, el sistema lineal
x + 2y − z + 3t = −3,
y + 2z − t = 3,
z − 5t = 2,
15t = 0,
2 Algebra
En el proceso de eliminación Gaussiana, se efectuará con frecuencia la operación (no elemental) de restar
a la fila r la fila s multiplicada por λ. La matriz que se obtiene al aplicar esta operación por filas a la
matriz identidad es
Ers (λ) = I − λIrs ∈ Mm,m (R).
Algebra 3
Teorema 1.2 Sea Op : Mm,n (R) → Mm,n (R) una transformación definida en términos de operaciones
elementales por filas de la matriz seleccionada. Entonces para A ∈ Mm,n (R)
Op(A) = EA
1.
Op(A) = A + Irs A
= (I + Irs )A
= EA
Teorema 1.3 Sea A ∈ Mm,n (R). Si restamos a la fila r-ésima de A la fila s-ésima de A multiplicada
por λ la matriz que obtenemos es exactamente
Ers (λ)A.
Proposición 1.1 Toda matriz elemental E ∈ Mm,m (R) tiene matriz inversa. Además (Ers (λ))−1 =
Ers (−λ).
Demostración. Si E es la matriz elemental que surge de la primera operación elemental como es obvio
la inversa es ella misma. Si E es la matriz elemental que surge de la segunda operación elemental al
multiplicar la fila por λ 6= 0 la inversa es la matriz asociada con la multiplicación de la misma fila por
λ−1 . Si E es la matriz elemental que surge de la tercera operación elemental, sumar a la fila r la s, r 6= s,
entonces la inversa será BEB donde B es la matriz asociada con la operación elemental “multiplicación
de la fila s por −1”, es decir la inversa es (Ers (1)). La última igualdad es trivial. 2
4 Algebra
(3) Ax = b
Definición 1.1 Se dice que una matriz no nula U ∈ Mm,n (R) está en forma escalonada superior si
se cumplen las propiedades siguientes:
1. Las primeras filas de U corresponden a filas no idénticamente nulas. El primer elemento no nulo de
cada una de las filas se llama pivot.
2. Debajo de cada pivot hay una columna de ceros.
3. Cada pivot está a la derecha del pivot de la fila anterior.
Es fácil comprobar que para sistemas lineales con matriz de coeficientes en forma escalonada superior
se verifica
1. El sistema es compatible si, y sólo si, filas nulas de U corresponden a componentes nulas del término
independiente b.
2. El sistema es determinado si, y sólo si, el número de pivots de U coincide con el número de incógnitas.
3. Si el sistema es compatible indeterminado, la solución general se obtiene dando valores arbitrarios
a las incógnitas asociadas a las columnas sin pivot (variables libres) y hallando el valor de cada
una de las incógnitas asociadas a columnas con pivot (variables básicas) resolviendo por susti-
tución regresiva el sistema triangular superior que se obtiene al pasar al término independiente la
contribución de las variables libres.
Definición 1.3 Se define la matriz ampliada del sistema lineal (3) como la matriz
Proposición 1.2 Los sistemas lineales que se obtienen a partir de un sistema lineal dado mediante op-
eraciones elementales sobre las filas de la matriz ampliada son equivalentes al sistema lineal de partida.
Demostración. Basta ver que si Op es una operación elemental por filas, las soluciones de los sistemas
lineales
Ax = b y Op(A)x = Op(b)
son las mismas.
Sea E = Op(I) la correspondiente matriz elemental. Entonces Op(A) = EA y Op(b) = Eb. Si x es la
solución de Ax = b, premultiplicando por E se obtiene que x también es solución de Op(A)x = Op(b).
Recı́procamente, si x es la solución del sistema transformado, como E tiene inversa premultiplicando por
E −1 se tiene que x es solución del sistema original. 2
Ejemplo 1.2 Discutir la resolubilidad de los siguientes sistemas lineales llevándolos a forma escalonada
superior mediante operaciones elementales por filas:
x + 2y − z + 3t = −3 x + 2y − z + 3t = −3 x + 2y − z + 3t = −3
2x + 4y − z + t = −4 2x + 4y − z + t = −4 2x + 4y − z + t = −4
y + 2z − t = 3 y + 2z − t = 3 y + 2z − t = 3
x+y+z−t = 2 x + y + z − 16t = 2 x + y + z − 16t = 1
4. Si A ∈ Mm,m (R) es cuadrada y los pivots que se generan en la eliminación Gaussiana sin pivotaje
son todos no nulos, existen matrices L ∈ Mm,m (R) triangular inferior con unos en la diagonal y
U ∈ Mm,m (R) triangular superior con elementos diagonales no nulos tales que
A = LU.
1 2 0 −1 −2
2 4 0 −2 −3
A= .
3 7 2 1 −3
−1 0 4 9 7
6 Algebra
Proposición 1.3 Sea A ∈ Mm,m (R). Si A es invertible entonce A−1 también es simétrica.
Teorema 1.5 Si A ∈ Mm,m (R) es simétrica y se puede factorizar en la forma A = LDU sin intercambios
de filas (que destruyen la simetrı́a) entonces U = LT . Es decir A tiene una factorización simétrica
A = LDLT .
U T = L, DT = D, U = LT
y hemos concluido. 2
Supongamos ahora que hay que resolver varios sistemas lineales con la misma matriz de coeficientes
Ax = bi , 1 ≤ i ≤ k.
(a) Si se conocen todos los términos independientes desde el principio, lo más aconsejable es formar la
matriz ampliada
[A, b1 , b2 , . . . , bk ]
y efectuar operaciones elementales por filas sobre esta matriz ampliada hasta llevar A a forma escalonada
superior. Después, resolver por sustitución regresiva los k sistemas lineales con matriz escalonada superior
obtenidos de este modo.
(b) Si no se conocen todos los términos independientes al principio, lo más aconsejable es conservar
las matrices P , L y U de una factorización P A = LU de la matriz de coeficientes. Resolver cada sistema
lineal Ax = bi se reduce a resolver dos sistemas lineales, uno con matriz triangular inferior y otro con
matriz escalonada superior:
Lyi = P bi , U xi = yi .
Algebra 7
References
[1] G. Strang, Algebra Lineal y sus Aplicaciones, Addison-Wesley Iberoamericana 1986.