Algebra Lineal Strang PDF

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 inte- rrogantes 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 au- tor 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 “dimen- sign” 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 correc- tas). 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 al- canzar 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 apro- ximadamente 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 tiem- pos 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 oocd

Algebra Lineal Strang PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Algebra Lineal Strang PDF

Transféré par

Droits d'auteur :

Formats disponibles

Vous aimerez peut-être aussi