Está en la página 1de 28

Algebra lineal aplicada 3006884

Carlos Enrique Mejía S.


cemejia@unal.edu.co
https:
//medellin.unal.edu.co/~cemejia/

Martes y jueves de 2 a 4 por Google Meet. Agosto, 2020


Contenido

1 Algebra lineal: espacios vectoriales, matrices, eliminación


de Gauss, rango
2 Análisis matricial: normas, condicionamiento, LU,
Cholesky, QR, SVD
3 Métodos iterativos no estacionarios: subespacios de
Krylov, gradiente conjugado, GMRES

Estas notas de clase están basadas en:


C.D. Acosta y C.E. Mejía, Matrices, libro en preparación. De
este libro hay una versión preliminar titulada Invitación al
álgebra lineal numérica por C.E. Mejía, 2017. Disponible en
https://medellin.unal.edu.co/~cemejia/doc/
vinculos.html
Bases

Sea V un espacio vectorial finitamente generado.


1 Si V tiene un subconjunto R tal que Sg (R) = V, entonces
R contiene una base de V. En otras palabras, todo
conjunto generador se puede reducir a una base de V y
esto significa que todo espacio vectorial finitamente
generado tiene una base.
2 Todo subconjunto LI de V se puede extender hasta formar
una base de V.
3 Cualquier subconjunto LI con número de elementos dim V ,
es una base de V.
4 Cualquier subconjunto generador de V con número de
elementos dim V, es una base de V.
Matrices como transformaciones lineales

Sea A ∈ Rm×n y sea T : Rn −→ Rm definida asi: T (v) = Av.


La función T cumple
T (βx + ρy) = A (βx + ρy) = βAx + ρAy = βT (x) + ρT (y)
para escalares β y ρ de R y vectores x, y de Rn .
Esta propiedad se conoce como linealidad y a T se le llama
Transformación Lineal.
Cuando no hay peligro de confusión, se habla de la función
A : Rn −→ Rm que a cada v ∈ Rn asigna el producto Av. Es
decir, la matriz se toma como la transformación lineal definida
por ella.
Subespacios asociados con una matriz

Núcleo y rango
Sea A ∈ Rm×n . El núcleo o kernel o espacio nulo de A,
denotado ker A, se define asi: ker A = {v ∈ Rn : Av = 0} .
El rango (range) o espacio imagen de A, denotado R (A) , se
define asi: R (A) = {T v : v ∈ Rn } .

Proposición
Sea A ∈ Rm×n . Entonces ker (A) es un subespacio de Rn y
R (A) es un subespacio de Rm . Además,
n = dim Rn = dim ker (A) + dim R (A) .
Núcleo y rango

Proposición
Sean A ∈ Rn×n y T : Rn → Rn la transformación lineal tal que
T x = Ax. Entonces T es biyectiva si y solo si A es invertible si
y solo si ker (A) = {0} .

Notas

1 Se tiene R(A) = Sg(A∗j ) para j = 1, . . . , n. Es decir, el


rango de A es el subespacio generado por las columnas
de A y por eso también se le llama Espacio columna de A.
Otro nombre para R(A) es Imagen de A y hay autores que
lo denotan Im(A).
2 En términos de sistemas lineales, la proposición anterior
dice que A es invertible si y solo si la única solución del
sistema homogéneo Ax = 0 es la trivial.
Operaciones elementales

Proposición
Supongamos A es triangular superior con elementos no nulos
en su diagonal. Entonces el sistema Ax = b tiene una única
solución y A es invertible.

Sea A ∈ Rm×n . Las siguientes operaciones sobre las filas Ai∗


de A se denominan operaciones elementales. Se pueden
definir las operaciones análogas sobre las columnas de la
matriz.
1 E1: Intercambio de las filas i y j.
2 E2: Reemplazar la fila i por un múltiplo escalar no nulo de
ella misma.
3 E3: Reemplazar la fila j por Aj∗ + βAi∗ con β 6= 0.
Matrices elementales

Las matrices de la forma

I − uv T , (1)
con u y v vectores de Rn tales que v T u 6= 1, se denominan
matrices elementales. Siempre son invertibles, sus inversas
tienen la forma
−1 uv T
I − uv T =I− (2)
vT u − 1
y por tanto también son matrices elementales.
La relación de estas matrices con las operaciones elementales
es la siguiente: El resultado de realizar una operación
elemental de alguno de los tres tipos en la matriz identidad, es
una matriz elemental. Para ilustrarlo, proponemos lo que
ocurre con matrices 3 × 3.
Matrices elementales

1 Al realizar una operación E1 en I, consistente en intercambiar filas 1 y 2, se obtiene

 
0 1 0
(1)
S = 1 0 0 
0 0 1

y S (1) = I − vv T , donde v = e1 − e2 .

2 Al realizar una operación E2 en I, consistente en multiplicar su segunda fila por un escalar β, se obtiene

 
1 0 0
(2)
S = 0 β 0 
0 0 1

y S (2) = I − (1 − β) e2 eT
2 .

3 Al realizar una operación E3 en I, consistente en tomar β veces la fila 1 y sumarla a la fila 3, se obtiene

 
1 0 0
(3)
S = 0 1 0 
β 0 1

y S (3) = I + βe3 eT
1 .
Matrices elementales

Proposición
Propiedades de las matrices elementales. Sea A una matriz
m × n.
1 Si A se pre-multiplica por una matriz elemental Q la matriz
resultante es la matriz A con sus filas modificadas de
acuerdo con la operación elemental asociada con Q.
2 Si A se post-multiplica por una matriz elemental Q, la
matriz resultante es A con sus columnas modificadas de
acuerdo con la operación elemental asociada a Q.
Además, la matriz cuadrada A es invertible si y solo si es un
producto de matrices elementales.
Relación de equivalencia

Equivalencia
Si una matriz B se puede obtener de una matriz A por medio
de operaciones elementales fila y columna se escribe A ∼ B y
se dice que A es equivalente a B. Esto lo podemos reescribir
asi: A ∼ B si y solo si hay matrices invertibles Q1 y Q2 tales
que Q1 AQ2 = B.

1 Si todas las operaciones elementales se hacen en las filas


entonces Q2 = I y se dice que A es equivalente por filas a
B. Si todas las operaciones elementales se hacen en las
columnas entonces Q1 = I y se dice que A es equivalente
por columnas a B.
2 Relación de equivalencia: la equivalencia de matrices es
reflexiva, simétrica y transitiva.
Eliminación de Gauss

Matriz triangular superior por bloques


 
A11 A12
1 Si A = es una matriz triangular superior por
A22
bloques y los dos bloques diagonales son invertibles,
entonces A es invertible y su inversa es
 −1
A11 −A−1 −1

A−1 = 11 A12 A22 .
A−1
22
 
A11 A12
2 Si A = es una matriz triangular superior por
A22
bloques y A11 es invertible pero A22 es singular, entonces
A es singular.
Pausa

1 Verifique los cálculos de las matrices elementales S (j) de


tres páginas arriba.
2 Demuestre que la relación de equivalencia de matrices es
una relación de equivalencia.
3 Demuestre las dos propiedades sobre matrices
triangulares superiores por bloques
Respuesta a parte de la pausa

 
A B
Consideremos la matriz V = triangular por bloques
C
con A invertible y C singular.
Veamos
 que V es singular, lo hacemos exhibiendo un vector
x
Z= tal que V Z = 0
y
Sea y un vector no nulo tal que Cy = 0.
 
Ax + By
0=VZ =
Cy
Luego x = A−1 (−By)
Eliminación de Gauss

Teorema
Sea A = (aij ) ∈ Rn×n invertible. Entonces existe una matriz
triangular superior invertible que es equivalente por filas a A.

Consideremos A ∈ Rm×n . En el caso rectangular también


podemos aplicar eliminación de Gauss con intercambio de filas
pero se puede presentar la situación siguiente: el elemento
diagonal es cero y todos los elementos debajo de él en la
misma columna también son nulos. En tal caso, se debe pasar
a la siguiente columna en la misma fila y continuar el proceso.
Se llega a la siguiente eliminación modificada de Gauss:
Suponga que U es la matriz que se obtiene después de
completar i − 1 pasos de la eliminación. Para ejecutar el paso
i − ésimo, se siguen las siguientes instrucciones:
Eliminación de Gauss

1 Mirando de izquierda a derecha en U, localizar la primera


columna que contiene un elemento no nulo en la fila i o
debajo de ella. La llamamos U∗j .
2 El pivote para el paso i es el elemento de la posición (i, j) .
3 De ser necesario, se intercambia la fila i con una fila
inferior para traer un número distinto de cero a la posición
(i, j) y después, se anulan los elementos de las posiciones
inferiores a la del pivote (i, j) .
4 Si la i − ésima fila de U y todas las que están debajo son
nulas, el proceso está completo.
Matriz escalonada por filas

Definición
Se dice que una matriz A ∈ Rm×n , con filas Ai∗ y columnas
A∗j , está en forma escalonada por filas (row echelon form), si
se cumplen las dos condiciones siguientes:
1 Si Ai∗ es una fila nula, entonces todas las filas debajo de
ella también son nulas.
2 Si el primer elemento no nulo de la fila Ai∗ está en la
posición j, entonces todos los elementos debajo de la
posición i en las columnas A∗1 , A∗2 , . . . , A∗j son nulos.
Forma escalonada

Las matrices en forma escalonada por filas tienen la siguiente


forma:

∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗
 

 ∗ ∗ ∗ ∗ ∗ ∗  

 ∗ ∗ ∗ ∗ ∗  

 ∗ ∗  
 

Hasta ahora hemos utilizado operaciones E1 y E3 en la


eliminación de Gauss y en la construcción de formas
escalonadas por filas. Para llegar a formas escalonadas
reducidas por filas, necesitamos también operaciones de tipo
E2.
Matriz escalonada reducida por filas

Definición
Una matriz A ∈ Rm×n está en forma escalonada reducida por
filas (reduced row echelon form) si se cumplen las siguientes
condiciones:
1 A está en forma escalonada por filas.
2 El primer elemento de cada fila no nula es un uno.
3 Todos los elementos encima de cada pivote en su misma
columna son ceros.
Matriz escalonada reducida por filas

Las matrices en forma escalonada reducida por filas tienen la


siguiente forma:

1 ∗ 0 0 ∗ ∗ 0 ∗
 

 1 0 ∗ ∗ 0 ∗  

 1 ∗ ∗ 0 ∗  

 1 ∗ 
 
Ejemplo

 
1 2 3 3
Sea A =  2 4 6 9  . Usando solamente operaciones
2 6 7 6
elementales de tipo E1 y E3, realizamos el siguiente proceso
de eliminación que no tiene estrategias de pivoteo:
     
1 2 3 3 1 2 3 3 1 2 3 3
 2 4 6 9  −→  0 0 0 3  −→  0 2 1 0  .
2 6 7 6 0 2 1 0 0 0 0 3
rref

Para obtener la forma escalonada reducida, hacemos lo


siguiente:
     
1 2 3 3 1 2 3 3 1 0 2 0
 0 2 1 0  −→  0 1 1/2 0  −→  0 1 1/2 0  .
0 0 0 3 0 0 0 3 0 0 0 1

Aquí usamos operaciones elementales de tipos E2 y E3.


rref

Gauss Jordan
Para una matriz invertible A su forma escalonada reducida es
la matriz identidad. El proceso de eliminación en este caso se
denomina de Gauss Jordan. Se caracteriza por la utilización de
operaciones E2 para la obtención de los unos de la diagonal.

Proposición
Para cada matriz A ∈ Rm×n hay una única forma escalonada
reducida por filas. Se denota EA .
rref

Unicidad
La unicidad de la forma escalonada reducida de A implica la
unicidad de las posiciones para los pivotes y por tanto también
quedan unívocamente determinados el número de pivotes y el
número de columnas de A que contienen las posiciones de los
pivotes.

Definición
A las columnas de A (EA ) que contienen las posiciones de los
pivotes se les llama columnas básicas de A (EA ). A las
demás columnas de A (EA ) se les llama columnas no
básicas.
Rango (rank)

Definición
Para cada matriz A ∈ Rm×n el número de filas no nulas en su
forma escalonada reducida se denomina rango (rank) de A y
se denota rank (A) .

Rango
Utilizaremos las siguientes igualdades:
rank (A) = número de pivotes
= número de f ilas no nulas en EA
= número de columnas bsicas de A.
Pausa

Reduzca cada matriz a forma escalonada por filas:


 
1 2 3
2 6 8
 
2 6 0
1  
1 2 5
3 8 6
 
1 2 3
2 0 0 4
0 1 0
Relación entre columnas y filas

Proposición
Si A ∼ B por filas entonces las relaciones lineales entre
columnas de A también se dan entre las columnas de B. Es
decir,
n
X n
X
B∗k = αj B∗j si y solo si A∗k = αj A∗j .
j=1 j=1

En particular, las relaciones entre las columnas de A y EA son


las mismas de manera que las columnas no básicas de A son
combinaciones lineales de las columnas básicas de A.
Si A ∼ B por columnas, entonces las relaciones lineales entre
filas de A también se dan entre las filas de B.
Columnas básicas y no básicas

Notas
Para A y EA la situación es: Cada columna no básica E∗k de
EA es una combinación lineal de las j columnas básicas que
hay a la izquierda de E∗k . Los coeficientes que se necesitan
son las primeras j componentes de E∗k . Por la proposición
anterior también es verdadero lo siguiente:
Cada columna no básica A∗k de A es una combinación lineal
de las j columnas básicas que hay a la izquierda de A∗k . Los
coeficientes que se necesitan son las primeras j componentes
de E∗k .