Notas de Curso Álgebra Lineal I Unidad 1

lgebra Lineal
Unidad 1. Matrices y sistemas de ecuaciones lineales
UNIDAD 1. MATRICES Y SISTEMAS DE ECUACIONES

LINEALES
En esta unidad estudiaremos las matrices, stas juegan un papel fundamental en toda el
lgebra Lineal. Tambin veremos los sistemas de ecuaciones lineales y cmo resolver
un sistema de ecuaciones lineales usando los mtodos de Gauss y de Gauss-Jordan.
1.1
MATRICES
Comenzaremos con el estudio de las matrices dando su definicin y despus veremos

las operaciones y propiedades de las operaciones con matrices.
1.1.1 Operaciones bsicas con matrices y propiedades de las operaciones
Definicin 1. Una matriz con componentes complejos es un arreglo rectangular de
elementos del conjunto de nmeros complejos ( ) como el siguiente:
La matriz anterior tiene renglones y columnas y se dice que el elemento

el rengln -simo y en la -sima columna.
est en
Otra forma de denotar una matriz es

O tambin A aij , 1 i m, 1 j n .
Definicin 2. Sea A aij , 1 i m, 1 j n una matriz, entonces el orden de la
matriz A es nmero de renglones por nmero de columnas de A, es decir A es de orden
m xn.
Ejemplo 1.
1.-
es una matriz de orden 2x3
2.3.-
es la matriz de orden 3x2

es la matriz de orden 1x1
Notas de curso
lgebra Lineal
Definicin 3. Sea una matriz, se dice que es una submatriz de

suprimiendo cualquier nmero de renglones y/o columnas de A:
si
se obtiene de
Ejemplo 2.
Si
entonces
es una submatriz de .
Definicin 4. Una matriz cuyas todas componentes son iguales a cero se llama matriz
nula o matriz cero
Ejemplo 3.
1.2.-
es la matriz nula de orden 1x3

3.-
Definicin 5. Si es una matriz de orden x , se dice que

decimos simplemente que A es de orden
es una matriz cuadrada y
Ejemplo 4.
1.2.-
es una matriz cuadrada de orden 2

es una matriz cuadrada de orden 1
Nota:
Si =
es una matriz de orden n, entonces los elementos
,1
elementos diagonales y se dice que constituyen la diagonal principal de
se llaman
Definicin 6. La matriz identidad de orden denotada

es la matriz que tiene en su
diagonal principal puros unos y ceros en los elementos no diagonales.
Ejemplo 5.
1.-
Notas de curso
lgebra Lineal
2.3.-
Definicin 7. Sean A aij , 1 i m , 1 j n y B bij , 1 i r , 1 j s

matrices, se dice que
orden de y
Es decir,
iguales.
si
es igual a , lo cual se denota

, .
y
, si el orden de
dos
es igual al
son del mismo orden y sus elementos correspondientes son
Ejemplo 6.
y
entonces
Definicin 8. Sea
una matriz de orden , se dice que
si los elementos no diagonales de son todos ceros.
es una matriz diagonal
Ejemplo 7.
1.-
es una matriz diagonal
2.-
es diagonal
3.-
no es diagonal
4.-
es diagonal
Definicin 9. Sea
una matriz cuadrada de orden . Se dice que
matriz triangular superior si
para
Definicin 10. Sea
una matriz cuadrada de orden . Se dice que
matriz triangular inferior si
para
Definicin 11. Se dice que una matriz

triangular inferior
Notas de curso
es triangular si
es una
es una
es triangular superior o
lgebra Lineal
Nota:
Si es una matriz triangular superior y triangular inferior entonces
diagonal.
es una matriz
Ejemplo 8.
1.-
es una matriz triangular superior
1 2 3
2.- A 0 0 0 es una matriz triangular superior

0 0 0
1 0
3.- L
es una matriz triangular inferior
2 3
0 0 0
4.- B 2 3 0 es una matriz triangular inferior

4 5 0
3.-
es una matriz triangular superior y triangular inferior, luego es
diagonal
OPERACIN CON MATRICES

SUMA DE MATRICES
Definicin 12. Sean
y
dos matrices, ambas de orden
la suma de
es una matriz de orden x dada por
+
x , entonces
Ejemplo 9.
1.- Si
entonces
2.- Si A 1 1 y B 1 1 entonces A B 2 0
3.- Si
, entonces no se pueden sumar las matrices porque no
son del mismo orden.
Notas de curso
lgebra Lineal
1 0
4.- Si A
1 2
1 1
2 1
y B
, entonces A B
1 0
0 2
Nota:
Los elementos del campo
griegas minsculas:
se llaman escalares y por lo general se denotan con letras

.
MULTIPLICACIN DE MATRICES POR UN ESCALAR

Definicin 13. Si
es una matriz de orden x y (es decir es un
escalar), entonces la multiplicacin escalar de por la matriz denotada
es una
matriz de orden x , dada por
Ejemplo 10.
2 5 3
2 5 3
1.-Si 1 y A
entonces A
A
1 4 0
1 4 0
2.- Si
1
0
y A entonces A
1
0
1
i
3.- Si i y A entonces A
1
i
Propiedades:
Si A aij , B bij y C cij
son tres matrices del mismo orden y y son
escalares cualesquiera, entonces:

1.
2.
3. Existe una matriz
de orden
xn llamada matriz nula o matriz cero tal que
4. Para cada matriz

de orden x , existe una matriz
orden xn tal que
5.
6. (
7.
8. 1
donde 1 es el nmero complejo uno.
Notas de curso
de
lgebra Lineal
MULTIPLICACIN DE DOS MATRICES

Definicin 14.- Sean
una matriz de orden x y
orden x . Entonces la multiplicacin de por denotado
x dada por AB aik bkj , con

k 1
una matriz de
es la matriz de orden
Nota .- Se ha definido el producto AB solo en el caso en que el nmero de columnas de

A coincida con el nmero de renglones de B .
Una manera fcil de aprender cmo se efecta el producto AB de matrices es
simplemente recordar la frase renglones de A por columnas de B.
Ejemplo 11.
1.- Si
es de orden 2x3 y
es de orden 3x2
Entonces
Por lo que
Ejercicio.- Considerando las matrices anteriores calcula, si es posible, BA.
Propiedades:
Sean A aij , B bij y C cij tres matrices de rdenes tales que las operaciones
indicadas a continuacin tengan sentido y sea un escalar, entonces:
1. A BC AB C
2. A B C AB AC
3.
A B C AC BC
4. AB A B A B
Notas de curso
lgebra Lineal
5. IA A, AI A , donde I es la matriz identidad.

6. 0A 0, A0 0 , donde 0 es la matriz nula.
MATRIZ TRANSPUESTA
Definicin 15.- Sea
es una matriz de orden
denotada
es una matriz de orden x dada por
x , entonces la transpuesta de
Ejemplo 12.
2

1.-Si A 2 4 6 entonces A 4
6

t
2.-Si
entonces
Propiedades:
Sean A aij y B bij dos matrices de rdenes tales que las operaciones
1.
2.
A B
3.
4.
AB
A
t
At Bt
At
Bt At
MATRIZ SIMTRICA
Definicin 16.- Sea
.
una matriz de orden , se dice que
es simtrica si
Nota. Si A es una matriz simtrica se cumple que aij a ji

Ejemplo 13.
1.-Si
Notas de curso
entonces
es simtrica ya que
es decir
lgebra Lineal
2.-Si
, entonces
, por lo que B es una matriz simtrica
MATRIZ ANTISIMTRICA
Definicin 17.- Sea
antisimtrica si
una matriz de orden
se dice que
es una matriz
Nota.
Si
es una matriz antisimtrica, entonces aij a ji . En particular, si
, de donde
antisimtrica son ceros.
tenemos que
. Por lo tanto todos los elementos diagonales de una matriz
Ejemplo 14.
0 2 5
0 2 5
t
Consideremos la matriz A 2 0 6 , vemos que A 2 0 6 A ,
5 6 0
5 6 0
entonces es una matriz antisimtrica.
MATRIZ CONJUGADA
Definicin 18.- Sea
una matriz de orden x , entonces la matriz conjugada
de denotada es la matriz
del mismo orden de
Ejemplo 15:
1.-Si
2.- Si
entonces
entonces
MATRIZ ADJUNTA
Definicin 19.- Si es una matriz de orden x con componentes en los complejos, la
adjunta de denotada , es una matriz de orden x dada por
Ejemplo 16:
4i
5
4i 5 2i
5
*
5
1.-Si A
entonces A 4i
4 i 5 2 3i
5 2i 2 3i
Notas de curso
lgebra Lineal
i
2.- Si B i i entonces B*
i
Propiedades:
Sean A aij y B bij dos matrices de rdenes tales que las operaciones
1.
2.
A B
3.
4.
AB
A
*
A* B*
A*
B* A*
MATRIZ HERMITIANA
Definicin 20.- Sea
una matriz con entradas complejas de orden
que es una matriz hermitiana si
Se dice
Nota:
Si
es una matriz hermitiana, entonces
En particular, si
tenemos que
de donde
o sea,
,
Ejemplo 17:
5 2i
2
1.-Determina si la matriz A es hermitiana donde A
.
4
5 2i
Solucin. Tenemos que
5 2i
5 2i
5 2i
2
2
2
t
A
, entonces A
, entonces A
4
4
4
5 2i
5 2i
5 2i
Entonces A* A .
Por lo tanto A es hermitiana.
1 2i 1 2i
2.- Es la matriz B
hermitiana?
2
1 2i
Notas de curso
lgebra Lineal
b11 1 2i
Solucin. Como la entrada
, entonces B no es hermitiana.
POTENCIA DE UNA MATRIZ

Definicin 21.- Sea
una matriz cuadrada, entonces An es An AA
producto de A consigo misma n veces), n .
A , (el
Ejemplo 18.
2 0 0
Si A 0 3 0 , Calcula A3 .
0 0 4
2
2 0 0 2 0 0 2

Solucin: A2 AA 0 3 0 0 3 0 0
0 0 4 0 0 4 0
22
Entonces A3 A2 A 0
0
0
32
0
23 0
Por lo tanto A3 0 33
0 0
0
43
0
32
0
0
42
0 2 0 0 23 0

0 0 3 0 0 33
42 0 0 4 0 0
0
43
MATRIZ IDEMPOTENTE
Definicin 22.- Se dice que una matriz cuadrada
de orden , es idempotente si
Ejemplo 19.
1.- La matriz I n es idempotente porque I n I n I n
Notas de curso
10
lgebra Lineal
2 3 5
2.- la matriz A 1 4 5 es idempotente porque

1 3 4
2 3 5 2 3 5 2 3 5
A AA 1 4 5 1 4 5 1 4 5 A
1 3 4 1 3 4 1 3 4
MATRIZ NILPOTENTE
Definicin 23.- Sea
existe
tal que
una matriz cuadrada de orden , se dice que

donde es la matriz nula de orden
es nilpotente si
Ejemplo 20.
1 1 3
La matriz A 5 2 6 es nilpotente.
2 1 3
1 1 3 1 1 3 0 0 0
En efecto: A AA 5 2 6 5 2 6 3 3 9
2 1 3 2 1 3 1 1 3
0 0 0 1 1 3 0 0 0
A A A 3 3 9 5 2 6 0 0 0 0
1 1 3 2 1 3 0 0 0
Entonces existe k 3 tal que A3 0 .

Por lo tanto A es una matriz nilpotente.
MATRICES INVERTIBLES
Definicin 24.- Sea A una matriz de orden n, se dice que A es invertible si existe una
matriz B de orden n tal que AB BA I n .
Nota. En caso de que exista la matriz B de la definicin anterior, B se conoce como
una matriz inversa de A.
Notas de curso
11
lgebra Lineal
Ejemplo 21.
1.- La matriz I n es invertible porque I n I n I n I n I n .
2.- La matriz 0n no es invertible porque no existe matriz alguna B tal que 0B I n .
3 5
2 5
3.- La matriz A
es invertible porque existe B
tal que
1 2
1 3
3 5 2 5 1 0
AB
I2
1 2 1 3 0 1
2 5 3 5 1 0
BA
I2
1 3 1 2 0 1
Teorema 1.- Si A es una matriz invertible, entonces su inversa es nica.
Demostracin.- Como A es una matriz invertible, entonces existe una matriz B tal que
AB BA I .
P.D. B es nica.
Supongamos que existe otra matriz C tal que AC CA I
Ahora B BI , por una propiedad de I
B( AC ) , porque AC I (C es inversa de A)
( BA)C , por la propiedad asociativa del producto de matrices
IC , porque BA I (B es inversa de A)
C , por una propiedad de I
Entonces B C
Por lo tanto B es nica.
Y ya.
Nota. Si A es invertible, se prob que la inversa de A es nica. Se denotar con A1 a la
matriz inversa de A.
Corolario.- Si A es una matriz invertible, entonces la inversa de A tambin es
invertible y A1
Notas de curso
A.
12
lgebra Lineal
Demostracin.- Tenemos que A es una matriz invertible, entonces existe A1 tal que
AA1 A1 A I .
Entonces A1 es invertible, por definicin, y su inversa es A.
Y por la unicidad de la inversa del teorema anterior concluimos que A1
A.
Y ya.
Teorema 2.- Si A y B son matrices invertibles del mismo orden, entonces AB es
AB
invertible y
B 1 A1 .
Demostracin.- Por hiptesis A y B son invertibles, entonces existen A1 y B 1 tales

que AA1 A1 A I y BB1 B1B I .
Entonces existe la matriz B 1 A1 y adems
AB B1 A1 A BB1 A1 AIA1 AA1 I
A1 AB B 1 A1 A B B 1IB B 1B I .
Por lo tanto AB es invertible y
AB
B 1 A1 .
Y ya.
Ejercicio.- Sean A1 , A2 ,..., An matrices invertibles del mismo orden. Demuestra:
A1 A2 ... An es invertible y que ( A1 A2 ... An )1 An1 An11... A21 A11 . Usa induccin sobre n.
Definicin 25.- Si A es una matriz invertible, entonces A n A1 , n

Corolario.- Si A es una matriz invertible, entonces An es invertible y
A
n
A n .
Demostracin.- Queda como tarea para el estudiante.

Y ya.
Teorema 3.- Si A es una matriz invertible y es un escalar distinto de cero, entonces
1
1
A es invertible A 1 A1 A1 , donde 1 es el inverso multiplicativo de .
Notas de curso
13
lgebra Lineal
Demostracin.- Como A es invertible, entonces existe A1 tal que AA1 A1 A I .

Y como 0 , entonces existe 1 tal que 1 1 1 .
Entonces existe 1 A1 , y adems:
A 1 A1 1 AA1 1I I ,
A1 A 1 A1 A 1I I
Por lo tanto A es invertible y A 1 A1

1
A1 .
Y ya.
Teorema 4.- Si A es una matriz invertible, entonces At es invertible y
A
t
A1 .
Demostracin.- Como A es invertible, entonces existe A1 tal que AA1 A1 A I .
Entonces existe A1
y adems
At A1 A1 A I t I y
A
1
At AA1 I t I
Por lo tanto At es invertible y
A
t
A1 .
Y ya.
OPERACIONES ELEMENTALES POR RENGLN EN LAS MATRICES

Si
es una matriz de
x , entonces tenemos:
1.-Operacin elemental del tipo 1. Intercambio de dos renglones de la matriz , esto se

indica por Ri R j
2.-Operacin elemental del tipo 2. Multiplicar un rengln de
de cero, esto se indica por kRi
Notas de curso
por un escalar k distinto
14
lgebra Lineal
3.-Operacin elemental del tipo 3. Sumar a un rengln un mltiplo escalar de otro

rengln, esto se indica por Ri kR j
MATRICES EQUIVALENTES
Definicin 26.- Se dice que la matriz de orden x es equivalente a la matriz de
orden x , lo cual se denota A B , si se puede obtener a partir de efectuando en
sta una sucesin finita de operaciones elementales.
Nota. La relacin de la definicin anterior que se ha establecido entre las marices,
A B , es de hecho una relacin de equivalencia, es decir, es reflexiva, simtrica y
transitiva.
Ejemplo 22.
1 3 2
Si A 3 9 2
0 3 2
A mediante una
continuacin:
4
1
8 y B 0
0
1
sucesin finita
3 2 4
3 2 1 , entonces B A ya que B se obtiene de

0 1 1
de operaciones elementales como podemos ver a
1 3 2 4
1 3 2 4
1 3 2 4
A 3 9 2 8
0 0 4 4 R R 0 3 2 1 1 R
R
3
R
3
1
0 3 2 1 2
2
4 3
0 3 2 1
0 0 4 4
1 3 2 4
0 3 2 1 B
0 0 1 1
MATRICES ELEMENTALES
Definicin 27.- Se dice que la matriz E de orden es una matriz elemental si E se
obtiene de la matriz identidad I n realizando en sta una sola operacin elemental.
Ejemplo 23.
Notas de curso
15
lgebra Lineal
0 0 1
1.- La matriz E1 0 1 0 es elemental ya que:

1 0 0
1 0 0
0 0 1
I3 0 1 0
0 1 0 E1 .
0 0 1 R1 R3 1 0 0
Se dice que E1 es una matriz elemental del tipo 1.
1 0 0

0 0 1
1 0 0
1 0 0
I3 0 1 0
0 5 0 E2 .
0 0 1 5R2 0 0 1
1 0 4

0 0 1
1 0 0
1 0 4
I3 0 1 0
0 1 0 E3 .
0 0 1 R1 4 R3 0 0 1
0 5
Ejercicio.- Es la matriz E
una matriz elemental?
1 0
1 0
0 1
0 5
Respuesta: Vemos que I 2
R R
5R
E
0 1 1 0
0 1 1
2 1
Notas de curso
16
lgebra Lineal
Como no podemos obtener E a partir de I 2 mediante una sola operacin elemental,

entonces E no es una matriz elemental.
Teorema 5.- Sea E la matriz elemental que se obtuvo efectuando la operacin

elemental p a I m . Si A es una matriz de orden mxn , entonces EA es la matriz que se
obtiene efectuando en A la misma operacin elemental p.
Demostracin.- Queda como tarea para el estudiante.
Y ya.
Ejemplo 24.
2 4 6 8
1 0 2
20 4 8 12
Sea A 1 3 5 7 y E 0 1 0 , entonces EA 1 3 5 7
0 0 1
9 0 1 2
9 0 1 2
Teorema 6.- Si E es una matriz elemental, entonces E es invertible y su inversa E 1

tambin es una matriz elemental.
Demostracin.- Como E es una matriz elemental, E provino de I efectuando en sta
una sola operacin elemental, digamos p. Si a E le aplicamos la operacin inversa
p 1 , obtenemos I . Sea E ' la matriz elemental que proviene de I realizando en sta la
operacin elemental p 1 ; entonces por el teorema anterior, tenemos que E ' E I .
Anlogamente, aplicando una argumento similar a la matriz E ' , obtenemos que
EE ' I .
Entonces E es invertible y E 1 E ' .
Por lo tanto E es invertible y su inversa E 1 es una matriz elemental.
Y ya.
Corolario.- Si E se obtiene de I efectuando en sta la operacin elemental
entonces E 1 se obtiene efectuando la operacin elemental p 1 en I .
p,
Demostracin.- Es inmediata del teorema anterior.

Y ya.
Notas de curso
17
lgebra Lineal
Ejemplo 25.
0 0 1
0 0 1
1
1.- La matriz E 0 1 0 es elemental, su inversa E 0 1 0 , porque
1 0 0
1 0 0
1 0 0
0 0 1
I3 0 1 0
0 1 0 E 1 .
0 0 1 R1 R3 1 0 0
Ntese que la inversa de una matriz elemental del tipo 1 es ella misma
1 0
0
1 0 0
2.- La matriz E 0 1 0 es elemental, su inversa es E 1 0 1

0 , porque
0 0 3
0 0 1
1 0 0
1 0 0
0 1
I 3 0 1 0 1
0 E 1 .
0 0 1 3 R3
0 0 1
1 0 2
1 0 2
1
3.- La matriz E 0 1 0 es elemental, su inversa es E 0 1 0 , porque
0 0 1
0 0 1
1 0 0
1 0 2
I3 0 1 0
0 1 0 E 1 .
0 0 1 R1 2 R3 0 0 1
Teorema 7.- Si A
I entonces A es invertible.
Demostracin.- Como A I , entonces I A . Entonces partiendo de A y efectuando

un nmero finito de operaciones elementales, digamos r , obtenemos I .
As existen p1 , p2 ,..., pr operaciones elementales tales que:
Notas de curso
18
lgebra Lineal
p3
p1
p2
pr 2
pr 1
pr
A
A1
A2
...
Ar 2
Ar 1
Ar I .
Entonces por el teorema 5) tenemos que:
A1 E1 A
A2 E2 A1
Ar 1 Er 1 Ar 2
I Ar Er Ar 1
Donde Ei es la matriz elemental que se obtiene efectuando en I la operacin elemental
pi .
Entonces I Er Er 1
Entonces
1
1
E2 E1 A , y por el teorema 6) cada Ei es invertible.

Er11Er1 I E11E21
E21
Entonces E11E21
Er11Er1 Er Er 1
E2 E1 A
Er11Er1 A
As vemos que A es un producto de matrices invertibles.

Por lo tanto A es invertible.
Y ya.
Nota.- La demostracin del teorema 7) anterior nos permite deducir un mtodo para
hallar la inversa de una matriz invertible. ste se conoce como el mtodo de GaussJordan.
Si A
I , entonces obtuvimos que Er Er 1
Entonces Er Er 1
Entonces Er Er 1
E2 E1 A I
E2 E1 A A1 IA1
E2 E1 A1
Ahora, el mtodo de Gauss-Jordan consiste en tomar la matriz A , adjuntndole la

identidad I y aplicar operaciones rengln como sigue:
A I p E A E p E E A E E p
1
Notas de curso
pr
E2 E1 A Er
E2 E1 I A1
19
lgebra Lineal
Es decir, si la matriz A es invertible, partiendo de

finita de operaciones elementales llegamos a
A I
y mediante una sucesin
I A .
1
Si en el proceso de reduccin, apareciera un rengln de ceros, entonces la matriz A no

sera invertible.
Ejemplo 26.
1 2 0
1.- Dada la matriz A 3 6 1 .

0 1 0
a)
b)
c)
d)
Sabiendo que A es invertible y usando el mtodo de Gauss-Jordan halla A1

Encontrar matrices elementales E1 , E2 y E3 tales que E3 E2 E1 A I
Escribe A como producto de tres matrices elementales.
Escribe A1 como producto de tres matrices elementales.
a) Solucin.
1 2 0 1 0 0
A I 3 6 1 0 1 0 R 3R
1
0 1 0 0 0 1 2
1 2 0 1 0 0
0 0 1 3 1 0 R R
3
0 1 0 0 0 1 2
1 2 0 1 0 0
0 1 0 0 0 1 R 2R
2
0 0 1 3 1 0 1
1 0 0 1 0 2
1
0 1 0 0 0 1 I A
0 0 1 3 1 0
Notas de curso
20
lgebra Lineal
1 0 2
Por lo tanto A 0 0 1
3 1 0
b) Solucin.
1 0 0
1 0 0
I 0 1 0
3 1 0 E1
0 0 1 R2 3R1 0 0 1
1 0 0
1 0 0
I 0 1 0
0 0 1 E2
0 0 1 R2 R3 0 1 0
1 0 0
1 2 0
I 0 1 0
0 1 0 E3
0 0 1 R1 2 R 2 0 0 1
1 2 0 1 0 0 1 0 0 1 2 0 1 0 0
E3 E2 E1 A 0 1 0 0 0 1 3 1 0 3 6 1 0 1 0 I
0 0 1 0 1 0 0 0 1 0 1 0 0 0 1
c) Solucin.
1 0 0
1 0 0
I 0 1 0
3 1 0 E11
0 0 1 R2 3R1 0 0 1
1 0 0
1 0 0
I 0 1 0
0 0 1 E21
0 0 1 R2 R3 0 1 0
1 0 0
1 2 0
I 0 1 0
0 1 0 E31
0 0 1 R1 2 R 2 0 0 1
Y adems
1 0 0 1 0 0 1 2 0 1 2 0
3 1 0 0 0 1 0 1 0 3 6 1
0 0 1 0 1 0 0 0 1 0 1 0
Notas de curso
21
lgebra Lineal
Es decir A E11E21E31
d) Solucin.
1 2 0 1 0 0 1 0 0 1 0 2
E3 E2 E1 0 1 0 0 0 1 3 1 0 0 0 1 A1
0 0 1 0 1 0 0 0 1 3 1 0
Es decir A1 E3 E2 E1
1 2
2.- Usando el mtodo de Gauss-Jordan halla, si existe, B 1 , donde B
.
3 6
1 2 1 0
1 2 1 0
Solucin. B I
3 6 0 1 R2 3R1 0 0 3 1
Como en el proceso de reduccin, aparece un rengln de ceros, podemos concluir que la

matriz B no es invertible.
MATRIZ ESCALONADA
Definicin 28.- Una matriz E de orden m n con renglones Ei * y columnas E* j se
dice que es escalonada si se cumplen las dos condiciones siguientes:
1) Si un rengln Ei * consta solo de ceros, entonces todos los renglones por debajo
de l constan tambin solo de ceros.
2) Si la primera entrada no cero en el rengln Ei * est en la j-sima columna de E ,
entonces todas las entradas por debajo del rengln Ei* en las columnas
E*1, E*2,..., E* j son cero.
Ejemplo 27.
0
1.- La matriz E
0
Notas de curso
0 0 0 0
0 2 1 0
es escalonada
0 0 0 1
0 0 0 0
22
lgebra Lineal
0 1 0 0 0
2.- La matriz F 0 1 0 0 0 no es escalonada

0 0 0 0 0
0
3.- La matriz A
0
4 6 8
0 6 10
no es escalonada
0 0 0
0 0 2
0
4.- La matriz B
0
0 2 4 5
1 4 0 3
es escalonada
0 3 0 1
0 0 0 4
Notas.
1.- Los pivotes son las primeras entradas no cero en cada rengln.
2.- Debido a la flexibilidad en la eleccin de las operaciones rengln para reducir una
matriz A a una forma escalonada E , las entradas en E no estn determinadas de
manera nica, es decir, pueden haber varias escalonadas correspondientes a una matriz
A , pero el nmero de pivotes y la posicin de los pivotes es nica.
RANGO DE UNA MATRIZ
Definicin 29.- Supongamos que una matriz A de orden m n se reduce mediante
operaciones rengln a una matriz escalonada E . Entonces el rango de A es:
Rango de A = nmero de pivotes en E
= nmero de renglones no cero de E
= nmero de columnas bsicas de A
Donde las columna bsicas de A son aquellas columnas de A que contienen las
posiciones de los pivotes.
Ejemplo 28.
Notas de curso
23
lgebra Lineal
2
1.- Dada la matriz A
1
2 1 3 5
4 0 1 6
, reduce A a una forma escalonada E , halla
2 3 5 9
4 0 4 9
el rango de A y determina las columnas bsicas de A .
1
2
Solucin: A
1
2
1
0
0
0
E
0
2 1 3 5
1
R 2R
4 0 1 6 2
1 0
2 3 5 9 R3 R1 0
4 0 4 9 R4 2 R1 0
2 1 3 5
1
0 2 5 4
0
0
0 0 3 0
0 0 3 3 R4 R3 0
2 1 3 5
0 2 5 4
0 2 2 4 R3 R2
0 2 2 1 R4 R2
2 1 3 5
0 2 5 4
E
0 0 3 0
0 0 0 3
2 1 3 5
0 2 5 4
0 0 3 0
0 0 0 3
El rango de A 4 y las columnas bsicas de A son: A*1, A*3, A*4, A*5
1 2 1 1
Ejercicio.- Dada A 2 4 2 2 , reduce a A a una escalonada E y determina el

3 6 3 4
rango de A y las columnas bsicas de A .
MATRIZ ESCALONADA REDUCIDA

Definicin 30.- Una matriz escalonada reducida es una matriz escalonada E en la que
se cumplen las dos condiciones siguientes:
1) Todos los pivotes son iguales a 1.
2) Las entradas por arriba de los pivotes todas son cero.
Notas de curso
24
lgebra Lineal
Nota: Dada una matriz A , la escalonada reducida correspondiente a A es nica y se

denota por E A .
Ejemplo 29.
1.- Determina E A , deduce el rango de A e identifica las columnas bsicas de A , donde:
2
A
3
2 2 3 1
4 4 6 2
.
6 6 9 6
2 4 5 3
Solucin:
2
A
3
1
1
0
0
2 2 3 1
1
R 2R
4 4 6 2 2
1 0
6 6 9 6 R3 3R1 0
2 4 5 3 R4 R1 0
2 2 3 1 R1 R3 1
0 1 1 1 R2 R3 0
0
0 0 0 1
0 0 0 0
0
0
EA
0
2 2 3 1
1
0 0 0 0 R2 R4 0
0
0 0 0 3
0 2 2 2
0
2 2 3 0
1
0 1 1 0 R1 2 R2 0
0
0 0 0 1
0 0 0 0
0
2 2 3 1
1
0 2 2 2 2 R2
0 0 0 3 1 R
3 3
0 0 0 0
2 0 1 0
0 1 1 0
EA
0 0 0 1
0 0 0 0
2 0 1 0
0 1 1 0
0 0 0 1
0 0 0 0
1
2
1

2
4
2
rango (A) 3 y las columnas bsicas de A son: A*1

, A*3
, A*5
3
6
6

1
4
3
Teorema 8.- Sea E A la matriz escalonada reducida correspondiente a la matriz A .

Entonces:
Notas de curso
25
lgebra Lineal
1) Cada columna no bsica E*k en E A es una combinacin lineal de las columnas

bsicas en E A que estn a la izquierda de E*k , es decir:
E*k 1E*b1 2 E*b2 ... j E*b j

Donde las E*b j son las columnas bsicas a la izquierda de E*k y las i son las
primeras j entradas en E*k
2) Las relaciones que existen entre las columnas bsicas de A y las no bsicas son
exactamente las mismas relaciones que existen entre las columnas bsicas y las
no bsicas de E A . Es decir si A*k es una columna no bsica de A , entonces:
A*k 1 A*b1 2 A*b2 ... j A*b j
Demostracin.
1) Vamos a proceder suponiendo que j es la ltima componente no cero de la
columna no bsica E*k .
Como E*k es no bsica, j no es pivote, entonces en el rengln j debe haber a la
izquierda de j algn pivote 1.
Entonces a la izquierda de E*k est la columna bsica E*b j
0

0

1 rengln j
0

0

Pero por el proceso de construccin de E A , a la izquierda de esta columna bsica estn

las columnas bsicas
E*b1
1
0

0
1
0 , E*b2 0 , ... , E*b j1

0
0

0

0

1 rengln j 1
0

0

Entonces a la izquierda de E*k estn las columnas bsicas E*b1 , E*b2 ,..., E*b j
Notas de curso
26
lgebra Lineal
Entonces por las operaciones con matrices, tenemos que
1
1
0
0

2
0
1
0

j 1 0 2 0 ... j 1
0
0
0
0

0
0
0
0

Es decir E*k 1E*b1 2 E*b2 ... j E*b j
2) Tarea para el alumno.
Y ya.
Ejemplo 30.
1.- Escribe cada columna no bsica como una combinacin lineal de columnas no
2 4 8 6 3
bsicas de A , donde: A 0 1 3 2 3
3 2 0 0 8
Solucin: Reduciendo A hasta E A tenemos:
2 4 8 6 3
A 0 1 3 2 3
3 2 0 0 8
...
1 0 2 0 4
0 1 3 0 2 EA
0 0 0 1 1 2
E*3 2E*1 3E*2

E*5 4E*1 2E*2 1 2 E*4 y
A*3 2 A*1 3 A*2
A*5 4 A*1 2 A*2 1 2 A*4
Notas de curso
27
lgebra Lineal
1.2 SISTEMAS DE ECUACIONES LINEALES

Definicin 31.- Sea K un campo. Una ecuacin lineal con n incgnitas x1 , x2 ,..., xn es
una ecuacin de la forma: a1 x1 a2 x2 ... an xn b , donde los ai K y se llaman
coeficientes, b K y se llama trmino independiente.
Nota: Se dice que el vector s s1
s2 ... sn K n es una solucin de la ecuacin

t
lineal anterior si: a1s1 a2 s2 ... an sn b
Definicin 32.- Sea K un campo. Un sistema de m ecuaciones lineales con n

incgnitas, es un conjunto de m ecuaciones lineales, como el siguiente:
a11 x1 a12 x2 ... a1n xn b1

a21 x1 a22 x2 ... a2 n xn b2
............................................
am1 x1 am 2 x2 ... amn xn bm
Donde aij K y se llaman los coeficientes del sistema, bi K y se llaman trminos
independientes o tambin el lado derecho del sistema.
Nota: Dado un sistema de m ecuaciones lineales con n incgnitas ste puede ser
representado por matrices como se muestra a continuacin:
Ax b , donde A aij es una matriz de orden m n llamada la matriz del sistema,

x x1
x2 ... xn , es una matriz de n1 que se conoce como vector de incgnitas

t
y b b1 b2 ... bm , es una matriz de m1 llamada vector de trminos

t
independientes, b K m
Nota: Dado un sistema Ax b de m ecuaciones lineales con n incgnitas, se dice que

es consistente si tiene al menos una solucin, es decir si existe un vector
s s1
s2 ... sn K n K n1 tal que As b . Si el sistema no tiene solucin se dice

t
que es inconsistente. Si el sistema es consistente, se llamar determinado si tiene

solucin nica y si tiene ms de una solucin se llamar indeterminado. El conjunto
S s K n | s es solucin de Ax b
se conoce como el conjunto solucin del
sistema.
Notas de curso
28
lgebra Lineal
Definicin 33.- Se dice que dos sistemas de ecuaciones lineales son equivalentes si
tienen el mismo conjunto solucin.
1.2.1 Mtodo de Gauss

Para resolver un sistema de m ecuaciones lineales con n incgnitas Ax b , se toma la
matriz aumentada del sistema A | b y se lleva a una escalonada E | c . Se resuelve el
sistema que representa la matriz
E | c
por sustitucin hacia atrs, obteniendo la
solucin de este sistema que ser la solucin del sistema dado.
Ejemplo 31.
1.- Resolver el sistema de ecuaciones lineales siguiente:
2 x1 x2 x3 1
6 x1 2 x2 x3 1
2 x1 2 x2 x3 7
Solucin:
2 1 1
( A | b) 6 2 1
2 2 1
1
2 1 1
1 R2 3R1 0 1 2
7 R3 R1 0 3 2
1
2 1 1
4
0 1 2
8 R3 3R2 0 0 4
4 E | c
4
La ltima matriz obtenida representa el sistema:

2 x1
x2
x2
2 x3
4 x3
x3
Resolviendo este sistema por sustitucin hacia atrs, obtenemos:

x3 1 , x2 2 y x1 1
Notas de curso
29
lgebra Lineal
1

Entonces s 2 es una solucin del sistema dado y tenemos que el sistema tiene
1

1
solucin nica, por lo que S 2

1

1.2.1 Mtodo de Gauss-Jordan

Para resolver un sistema Ax b de m ecuaciones lineales con n incgnitas, se toma la
matriz aumentada del sistema A | b y se lleva a su forma escalonada reducida ( EA | c) .
El sistema que representa esta ltima matriz tiene solucin inmediata, la cual es la
solucin del sistema Ax b dado.
Ejemplo 32.
1.- Resolver el sistema de ecuaciones lineales siguiente usando el mtodo de GaussJordan.
2 x1 x2 x3 1
6 x1 2 x2 x3 1
2 x1 2 x2 x3 7
Solucin:
2 1 1
( A | b) 6 2 1
2 2 1
1
2 1 1
1 R2 3R1 0 1 2
7 R3 R1 0 3 2
1
2 1 1
4
0 1 2
8 R3 3R2 0 0 4
2 1 1
0 1 2
0 0 1
1 R1 R3 2 1 0
4 R2 2 R3 0 1 0
0 0 1
1
0
2 1 0
2 (1) R2 0 1 0
0 0 1
1
2 0 0
0 1 0
0 0 1
Notas de curso
2 1 2 R1 1 0 0
2
0 1 0
0 0 1
1
4
4 1 4 R3
0 R1 R2
2
1
2 ( E A | c)
1
30
lgebra Lineal
x1 1, x2 2 y x3 1 y vemos que el sistema tiene solucin nica y S 2

1

1.2.3 Criterios de consistencia de sistemas de ecuaciones lineales

Dado un sistema Ax b de m ecuaciones lineales con n incgnitas, supongamos que
( E | c) es una matriz escalonada correspondiente a ( A | b) . Si en ( E | c) hay un rengln
de la forma 0 0 ... 0 | con 0, entonces obtenemos:
0 x1 0 x2 ... 0 xn o sea 0 !! Contradiccin ya que 0
Por lo tanto un sistema Ax b es inconsistente si y solo si la matriz escalonada

asociada a su matriz aumentada tiene un rengln de la forma 0 0 ... 0 | con
0.
Ahora, ( E | c) tiene un rengln de la forma 0 0 ... 0 | con 0, si y solo si
b es una columna bsica.
( A | b)
... ... ... ...
( E | c) ... ... ... ... , 0

0 ... 0
Ahora b es una columna bsica si y solo si rango A rango A b . De hecho
rango A rango A b
Por otra parte si b es una columna no bsica, entonces b es combinacin lineal de las
columnas bsicas de A .
En resumen:
Un sistema Ax b con matriz aumentada ( A | b) y escalonada ( E | c) es consistente si y
solo si ( E | c) no tiene ningn rengln de la forma 0 0 ... 0 | con 0 .
Si y solo si b es una columna no bsica de ( A | b) .
Si y solo si b es combinacin lineal de las columnas bsicas de A .
Si y solo si rango( A) rango( A | b) .
Notas de curso
31
lgebra Lineal
Ejemplo 33.
1.- Determina si el siguiente sistema es consistente:
x1
2 x1
x2
2 x2
2 x3
4 x3
2 x4
4 x4
x5
3x5
1
1
2 x1
3x1
2 x2
5 x2
4 x3
8 x3
4 x4
6 x4
2 x5
5 x5
2
3
Solucin:
2
( A | b)
2
1 2 2 1 1
2 4 4 3 1
2 4 4 2 2
5 8 6 5 3
0
0
1 2 2 1 1
2 2 0 2 0
( E | c)
0 0 0 1 1
0 0 0 0 0
El sistema dado es consistente ya que en ( E | c) no hay ningn rengln de la forma
0 ... 0 | con 0 .
Ejercicio.- Determina si el siguiente sistema de ecuaciones lineales es consistente:
x1
2 x1
x1
2 x2
4 x2
2 x2
x3
0
3x3
3x4
4 x4
5 x4
5
6
9
2 x1
4 x2
4 x4
1.2.4 Sistemas homogneos.

Definicin 34.- Se dice que un sistema
incgnitas es homogneo s b 0 .
Ax b de m ecuaciones lineales con n
Dado un sistema homogneo Ax 0 , este es consistente ya que al menos tiene la

solucin trivial s 0,0,...,0 , (la que consta de ceros).
t
Notas de curso
32
lgebra Lineal
Ejemplo 34.
1.- Resolver el sistema siguiente:
x1
2 x2
2 x3
3x4
2 x1
4 x2
x3
3x4
3x1
6 x2
x3
4 x4
Solucin:
Escalonando la matriz tenemos:
Los pivotes nos indican cules variables son bsicas.
1 2 2 3
1 2 2 3
A 2 4 1 3 ... 0 0 3 3 E
3 6 1 4
0 0 0 0
As obtenemos el sistema:
x1 2 x2
2 x3
3x4
0 ...
3x3
3x4
0 ...
1
2
Resolviendo este ltimo sistema, dejando las variables bsicas en trminos de las libres:
De la ecuacin (2) despejamos la variable bsica: x3 x4
Ahora sustituimos este valor en la ec. (1) y despejamos la variable bsica x1 :
x1
2 x2
2 x4
3x4
x1
2 x2
x4
La solucin general o conjunto de todas las soluciones del sistema homogneo dado
es:
x1
2 x2 x4
2
1

x2
x2
1
0
S x
x
x2
x4 , x2 , x4
x3
x4
0
1
x
x
0
Generalizacin: Si A es la matriz del sistema homogneo Ax 0 de m ecuaciones

lineales con n incgnitas, la solucin de este sistema es:
x1
S x 2 x xl1h1 xl 2 h2 ... xl n r hn r , xli
xn
Notas de curso
33
lgebra Lineal
Donde
xl1 , xl 2 ,..., xl n r
son todas las variables libres y
h1 , h2 ,..., hnr
son soluciones
particulares del sistema homogneo dado Ax 0 .
Nota: Al escalonar A se obtuvo que Rango( A) r , luego el sistema dado tiene r

variaciones bsicas y n r variables libres.
Nota: Un sistema homogneo Ax 0 de m ecuaciones lineales con n incgnitas tiene

una nica solucin (la trivial) Rango( A) n .
Teorema 9.- Un sistema homogneo de ecuaciones lineales que tenga ms incgnitas

que ecuaciones siempre tiene un nmero infinito de soluciones.
Demostracin:
Sea Ax 0 un sistema de m ecuaciones lineales con n incgnitas, as tenemos que
n m . Supongamos que reducimos la matriz A a una escalonada E , de donde
obtenemos que Rango( A) r , pero r m y como m n , entonces r n . Entonces
n r k , pero k 0 , o sea k 1 y como k indica el nmero de variables libres,
entonces en el sistema hay al menos una variable libre.
El sistema Ax 0 tiene una infinidad de soluciones.
Y ya.
1.2.5 Sistemas no homogneos.

Resolucin de un sistema no homogneo.
Supongamos que el sistema Ax b es consistente. Se sigue un proceso anlogo para
resolver el sistema Ax b , como el que se hizo para sistemas homogneos:
1) Se reduce la matriz aumentada A b a una forma escalonada E c .
2) Identificamos las variables bsicas y las variables libres.
3) Aplicamos sustitucin hacia atrs en el sistema que representa
E c
y se
resuelve para las variables bsicas en trminos de las variables libres.

4) As obtenemos la solucin general de un sistema no homogneo Ax b , dado
por:
Notas de curso
34
lgebra Lineal
x1
x2
S x
x P xl1h1 xl 2 h2 ... xl n r hn r , xli
xn
Donde xl1 , xl 2 ,..., xl n r son todas las variables libres y P, h1 , h2 ,..., hnr son matrices
columna de n1 y P es una solucin particular del sistema no homogneo Ax b .
Ejemplo 35.
1.- Halla el conjunto solucin del sistema no homogneo:
x1
2 x2
2 x3
3x4
2 x1
4 x2
x3
3x4
3x1
6 x2
x3
4 x4
Solucin:
1 2 2 3 4
A b 2 4 1 3 5
3 6 1 4 7
1 2 0 1 2
0 0 1 1 1 EA c
0 0 0 0 0
As obtenemos el sistema:
x1 2 x2
x3
2
1
x4
x4
Resolviendo el sistema (despejando las variables bsicas en trminos de las libres):
x1 2 2 x2 x4
x3 1 x4
x1
2 2 x2 x4 2
2
1

x2
x2
0
1
0
S x
x
x2
x4 , x2 , x4
x3
1 x4 1
0
1
x4
0
1
x4
Nota: Observemos que la columna 2 0 1 0 P es una solucin particular del

sistema no homogneo dado.
t
Notas de curso
35
lgebra Lineal
Nota: La solucin general de un sistema no homogneo Ax b est dado por una

solucin particular ms la solucin general del sistema homogneo asociado Ax 0 .
Teorema 10.- Para el sistema Ax b de m ecuaciones lineales con n incgnitas,

consistente, los siguientes enunciados son equivalentes:
1) El sistema no homogneo Ax b tiene solucin nica.
2) El sistema homogneo asociado Ax 0 tiene solucin nica.
3) El Rango( A) n
4) A es invertible si m n
Ejemplo 36.
1.- Consideremos el siguiente sistema:
2 x1
x1
x1
4 x2
2 x2
2 x1
4 x2
6 x3
3x3
x3
2
1
3
Determinar si es consistente y halla el conjunto solucin.

Solucin:
1
A b 1
4 6 2
2 3 1
0 1 3
4 0 8
0
0
0 0 2
1 0 3
EA c
0 1 1
0 0 0
Entonces el sistema es consistente y como Rango( A) 3 # incgnitas , entonces el
sistema tiene solucin nica y S 2 3 1 .

t
Ejercicio.- Sea Ax 0 un sistema homogneo de n ecuaciones lineales con n

incgnitas que solo tiene la solucin trivial. Si k es cualquier entero positivo,
demuestra que el sistema Ak x 0 tiene tambin solo la solucin trivial.
Notas de curso
36
lgebra Lineal
Ejercicio.- Para que valores de , el sistema

x1 x2 x3
x1
x2
x3
x1
x3
x2
a) No tiene solucin?
b) Tiene solucin nica?
c) Tiene una infinidad de soluciones?
Ejercicio.- Halla un sistema no homogneo de 3 ecuaciones con 4 incgnitas cuyo
conjunto solucin sea:
x1
1
2
3

x2
0
1
0
S x
x
x2
x4 , x2 , x4
x3
1
0
2
0
0
1
x4
1.2.6 Factorizacin A LU
Teorema 11.- Sea A una matriz de n n tal que nunca se encuentra un posible pivote
cero cuando se aplica la eliminacin Gaussiana con la operacin rengln del tipo 3.
Entonces A puede ser factorizada como el producto A LU , donde:
a) L es triangular inferior y U es triangular superior.
b) lii 1, i y uii 0, i
c) La entrada lij por debajo de la diagonal de L es el mltiplo del rengln j que
se obtiene del rengln i con el fin de eliminar la entrada en la posicin i, j
durante la eliminacin Gaussiana.
d) U es el resultado de aplicar a A el proceso de eliminacin Gaussiana
e) L y U estn determinadas de manera nica por a) y b).
Ejemplo 37.
1.- Hallar la factorizacin A LU , si existe, donde:
2 2 2
A 4 7 7
6 18 22
Solucin:
Notas de curso
37
lgebra Lineal
2 2 2
2 2 2
2 2 2
A 4 7 7 R2 2 R1 2 3 3
2 3 3
6 18 22 R 3R 3 12 16 R 4 R 3 4 4
1
2
3
3
1 0 0
2 2 2
L 2 1 0, U 0 3 3
3 4 1
0 0 4
Resolucin de un sistema usando la factorizacin A LU

Supongamos que queremos resolver el sistema Ax b donde A tiene la factorizacin
LU , es decir A LU . Entonces el sistema Ax b puede escribirse como LUx b o
sea L Ux b . Si Ux y , entonces obtenemos Ly b . As el sistema Ax b es
equivalente a los sistemas Ly b y Ux y .
Ejemplo 38.
1.- Resolver el siguiente sistema dado Ax b , donde:
2 2 2
A 4 7 7 ,
6 18 22
12

b 24
12

Solucin:
En el ejemplo 34 ya vimos que la matriz A puede factorizarse como A LU , donde:
1 0 0
L 2 1 0,
3 4 1
2 2 2
U 0 3 3
0 0 4
Resolvamos primero el sistema Ly b .
1 0 0 y1 12

As: 2 1 0 y2 24
3 4 1 y 12
12
y1
2 y1
3 y1
24
y2
4 y2
y3
12
Resolviendo el sistema por sustitucin hacia adelante, obtenemos:

y1
12
y2
y3
24
Notas de curso
38
lgebra Lineal
Ahora resolvamos el sistema Ux y .
2 2 2 x1 12
As: 0 3 3 x2 0
0 0 4 x 24
2 x1
2 x2
2 x3
12
3x2
3x3
4 x3
24
Resolviendo el sistema por sustitucin hacia atrs, obtenemos:

x1
x2
x3
6

Entonces x 6
6

Adems como Rango( A) 3 , entonces el sistema dado tiene solucin nica.
6

S 6
6

1.2.7 Factorizacin PA LU
Definicin 35.- Una matriz P de n n se dice que es una matriz permutacin si P
puede escribirse como el producto de matrices elementales del tipo 1.
Teorema 12.- Para cualquier matriz no singular (invertible) A , existe una matriz
permutacin P tal que PA LU , donde L es una matriz triangular inferior con unos
en la diagonal y U es una matriz triangular superior con elementos diagonales todos
diferentes de cero.
Ejemplo 39.
1.- Halla la factorizacin PA LU , donde la matriz A es invertible y
3
A
2
Notas de curso
2 4 17
6 12 3
3 3 2
2 2 6
39
lgebra Lineal
Solucin:
Adjuntaremos a A una columna contadora de permutaciones p que inicialmente tiene
los elementos 1, 2,3, 4 . Las componentes de p se permutan de acuerdo al intercambio
de los renglones que se realizan. La matriz permutacin P se obtiene al ejecutar la
permutacin final residente en p en los renglones de I 4 .
3
2
17 1
1 2 4 17 1
1 2 4 17 1
6 12 3 2 R2 3R1 3 0 0 48 2 R2 R3 2 1 5 32 3
3 0 0 48 2
3 3 2 3 R3 2 R 2 1 5 32 3
2 2 6 4
0 2 2 6 4
0 2 2 6 4 R4 2 R2
2
1 2 4 17 1
1 2 4 17 1
2 1 5 32 3
2 1 5 32 3
3 0 0 48 2 R3 R4 0 2 8 58 4
0 2 8 58 4
3 0 0 48 2
0
P
0
0 0 0
0 1 0
;
0 0 1
1 0 0
1 0
2 1
L
0 2
3 0
0 0
0 0
;
1 0
0 1
1 2 4 17
0 1 5 32
U
0 0 8 58
0 0 0 48
Resolucin de un sistema usando la factorizacin PA LU

Queremos resolver el sistema Ax b , donde A es una matriz de orden n invertible.
Entonces existe P de orden n tal que PA LU .
Ahora como Ax b , entonces:
P ( Ax) Pb
( PA) x Pb
LUx Pb
L(Ux) Pb
Si Ux y , entonces obtenemos el sistema Ly Pb .

As que resolver el sistema Ax b usando la factorizacin PA LU es equivalente a
resolver los sistemas Ly Pb y Ux y .
Notas de curso
40
lgebra Lineal
Ejemplo 40.
1.- Usa la factorizacin PA LU para resolver el sistema Ax b , donde:
3
A
2
2 4 17
6 12 3
3 3 2
2 2 6
3

2
b
1

5
Solucin:
Ya vimos en el ejemplo 36 anterior que la matriz A se pudo descomponer como
PA LU , donde:
0
P
0
0 0 0
0 1 0
;
0 0 1
1 0 0
1 0
2 1
L
0 2
3 0
1 2 4 17
0 1 5 32
U
0 0 8 58
0 0 0 48
0 0
0 0
;
1 0
0 1
Resolvamos, primero el sistema Ly Pb .
0
Como Pb
0
1 0
2 1
0 2
3 0
0 0 0 3 3

0 1 0 2 1
.
0 0 1 1 5

1 0 0 5 2
0 0 y1 3

0 0 y2 1
1 0 y3 5

0 1 y4 2
y1
2 y1
3 y1
y2
2 y2
3
1
5
y3
y4
Resolviendo este sistema por sustitucin hacia adelante, obtenemos:
y1 3
y 2 5
y3 5
y 4 7
Notas de curso
41
lgebra Lineal
Resolvamos, ahora, el sistema Ux y
1 2 4 17 x1 3

0 1 5 32 x2 5
0 0 8 58 x3 5

0 0 0 48 x4 7
x1
2 x2
x2
4 x3
5 x3
8 x3
17 x4
32 x4
58 x4
3
5
5
48 x4
Resolviendo este sistema por sustitucin hacia atrs, obtenemos:
x1 263
x2 479
x3 83
x4 7
96
192
192
48
263
96
479 192
, entonces x
83
192
48
Adems como Rango( A) 4 , entonces el sistema dado tiene solucin nica.
263
96
479
192
Por lo tanto S
83
192
48
Notas de curso
42

Notas de Curso Álgebra Lineal I Unidad 1

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Notas de Curso Álgebra Lineal I Unidad 1

Hochgeladen von

Copyright:

Verfügbare Formate

lgebra Lineal

Unidad 1. Matrices y sistemas de ecuaciones lineales

UNIDAD 1. MATRICES Y SISTEMAS DE ECUACIONES

Comenzaremos con el estudio de las matrices dando su definicin y despus veremos

La matriz anterior tiene renglones y columnas y se dice que el elemento

Otra forma de denotar una matriz es

es una matriz de orden 2x3

es la matriz de orden 3x2

Unidad 1. Matrices y sistemas de ecuaciones lineales

Definicin 3. Sea una matriz, se dice que es una submatriz de

es la matriz nula de orden 1x3

es la matriz nula de orden 2x2

Definicin 5. Si es una matriz de orden x , se dice que

es una matriz cuadrada y

es una matriz cuadrada de orden 2

Definicin 6. La matriz identidad de orden denotada

Unidad 1. Matrices y sistemas de ecuaciones lineales

Definicin 7. Sean A aij , 1 i m , 1 j n y B bij , 1 i r , 1 j s

es igual a , lo cual se denota

son del mismo orden y sus elementos correspondientes son

es una matriz diagonal

es una matriz diagonal

Definicin 11. Se dice que una matriz

Unidad 1. Matrices y sistemas de ecuaciones lineales

es una matriz triangular superior

2.- A 0 0 0 es una matriz triangular superior

4.- B 2 3 0 es una matriz triangular inferior

es una matriz triangular superior y triangular inferior, luego es

OPERACIN CON MATRICES

, entonces no se pueden sumar las matrices porque no

son del mismo orden.

Unidad 1. Matrices y sistemas de ecuaciones lineales

se llaman escalares y por lo general se denotan con letras

MULTIPLICACIN DE MATRICES POR UN ESCALAR

son tres matrices del mismo orden y y son

escalares cualesquiera, entonces:

xn llamada matriz nula o matriz cero tal que

4. Para cada matriz

Unidad 1. Matrices y sistemas de ecuaciones lineales

MULTIPLICACIN DE DOS MATRICES

x dada por AB aik bkj , con

Nota .- Se ha definido el producto AB solo en el caso en que el nmero de columnas de

Ejercicio.- Considerando las matrices anteriores calcula, si es posible, BA.

Unidad 1. Matrices y sistemas de ecuaciones lineales

5. IA A, AI A , donde I es la matriz identidad.

una matriz de orden , se dice que

Nota. Si A es una matriz simtrica se cumple que aij a ji

Unidad 1. Matrices y sistemas de ecuaciones lineales

, por lo que B es una matriz simtrica

una matriz de orden

es una matriz antisimtrica, entonces aij a ji . En particular, si

. Por lo tanto todos los elementos diagonales de una matriz

entonces es una matriz antisimtrica.

Unidad 1. Matrices y sistemas de ecuaciones lineales

es una matriz hermitiana, entonces

Unidad 1. Matrices y sistemas de ecuaciones lineales

Solucin. Como la entrada

POTENCIA DE UNA MATRIZ

Unidad 1. Matrices y sistemas de ecuaciones lineales

2.- la matriz A 1 4 5 es idempotente porque

una matriz cuadrada de orden , se dice que

Entonces existe k 3 tal que A3 0 .

Unidad 1. Matrices y sistemas de ecuaciones lineales

C , por una propiedad de I

El rango de A 4 y las columnas bsicas de A son: A1, A3, A4, A5

Ek 1Eb1 2 Eb2 ... j Eb j

Ak 1 Ab1 2 Ab2 ... j Ab j

Entonces a la izquierda de Ek est la columna bsica Eb j