Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Indice
1. Matrices elementales
1.1. Inversas y transpuestas de matrices elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
3
2. Factorizaci
on A = LU
2.1. Matrices triangulares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2. La factorizacion LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3. Relacion por filas de A = LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4
4
6
7
3. Factorizaci
on P A = LU
8
3.1. Aplicaciones de la factorizacion P A = LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4. Factorizaci
on de Cholesky
4.1. Factorizacion LU de matrices simetricas . . . . . . . .
4.2. Formas cuadraticas . . . . . . . . . . . . . . . . . . . .
4.2.1. Conceptos b
asicos . . . . . . . . . . . . . . . .
4.2.2. Clasificaci
on de las formas cuadraticas . . . . .
4.3. Matrices definidas positivas . . . . . . . . . . . . . . .
4.3.1. Propiedades de las matrices definidas positivas
4.3.2. Segunda Factorizacion de Cholesky . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
14
14
15
16
19
23
23
24
1.
Matrices elementales
Las factorizaciones matriciales permiten manejar matrices complicadas con metodos simples. Sus aplicaciones
principales se relacionan con los analisis de datos utilizando diversos programas computacionales en los cuales
se reduce tanto el tiempo de c
alculo como los errores que genera la aritmetica de punto flotante. Nuestra
intencion principal en este captulo es dividir un proceso complejo, representado por una transformaci
on lineal
T y su matriz can
onica A, en un cierto n
umero de subprocesos T1 , T2 , . . . , Tk cuyas matrices asociadas son
A1 , A2 , . . . , Ak , de modo que
Tk T2 T1 = T,
lo que en lenguaje de matrices significa factorizar A en un producto de matrices mas simples:
A = Ak A2 A1 .
En esta secci
on, nuestra meta sera establecer una interpretaci
on matricial de las operaciones elementales,
mediante las cuales realizamos el algoritmo de escalonamiento de Gauss.
Recordemos que las tres operaciones elementales (por filas) que generan matrices equivalentes son:
(i) de Permutaci
on: Fi Fj (intercambia de lugar la Fila i con la Fila j).
(ii) de Escalamiento: Fi c Fi , donde c 6= 0 (amplifica por una constante no nula c la Fila i).
elemento a eliminar
(permite hacer cero los elementos
pivote
bajo un pivote, al sumar a la Fila i un m
ultiplo de la Fila j)
(iii) de Eliminaci
on: Fi + cFj Fi , donde c =
Definici
on: Una matriz elemental es una matriz cuadrada (de n n para alg
un n N), que se obtiene al
realizar exactamente una operaci
on elemental a la matriz identidad de n n, In .
As, cada matriz elemental representar
a la operaci
on elemental que debe realizarse a In para obtenerla.
Ejemplos:
1
1. I2 =
0
1
0
2. I4 =
0
0
1
3. I3 = 0
0
0
0 1
= E1 =
es una matriz elemental de permutacion.
1 F1 F2
1 0
0 0 0
1 0 0 0
0 1 0 0
1 0 0
= E2 =
1 0 0
0 0
1 0 F2 31 = E3 = 0 13 0 es una matriz elemental de escalamiento.
0 0 1
0 1
Notaci
on: Anotaremos las matrices elementales (sin importar de que orden sean) por:
(i) Pij representa la operaci
on elemental de permutacion Fi Fj . As, Pij es una matriz elemental de
permutaci
on.
(ii) Ei (c) representa la operaci
on elemental Fi c (c 6= 0). Luego, Ei (c) es una matriz elemental de escalamiento.
(iii) Eij (c) representa la operaci
on elemental Fi + cFj . As, Eij (c) es una matriz elemental de eliminaci
on.
En los ejemplos anteriores, tendremos que E1 = P12 , E2 = E31 (2) y E3 = E2 31 .
Nota : La matriz identidad In tambien es una matriz elemental, pues In = E1 (1) = E12 (0) = . . .
Es facil ver la forma general que tendra cada una de estas matrices. As:
columna
columna
1
0
..
.
Pij = .
..
.
..
0
1
0
0
..
.
..
..
.
0
0
..
.
1
0
..
.
..
..
.
..
.
1
0
0
1
..
.
..
.
..
.
..
.
1
0
0
..
.
0
fila i
..
.
fila j
0
..
.
Los unos que deben ir en las posiciones (i, i) y (j, j) de la identidad est
an ahora en las posiciones (i, j) y (j, i)
mientras que en las posiciones (i, i) y (j, j) ahora hay ceros.
columna
Ei (c) =
1 0
0 1
0 0
.. ..
. .
0 0
.. ..
. .
0
0
1
.. . .
.
.
0
..
.
0 0
0
0
0
..
.
0
0
0
..
.
c
..
.
0
..
.
..
.
0
fila i
S
olo el uno de la posicion (i, i) es reemplazado por c, todos los otros elementos coinciden con los de la identidad.
Eij (c) =
col.
col.
1 0
0 1
0 0
.. ..
. .
0 0
.. ..
. .
0
0
1
.. . .
.
.
0
..
.
0
0
0
..
.
0
0
0
..
.
0
0
0
..
.
1
..
.
0
..
.
0 0
.. ..
. .
0 0
0
..
.
0
..
.
..
.
0
..
.
..
.
fila i
El u
nico elemento distinto de los elementos de la matriz identidad es aquel que se ubica en la posicion (i, j) en
que que en vez de ser un cero es c. Es decir, esta matriz es la identidad con el elemento c en la posicion (i, j).
1.1.
Como la forma escalonada reducida de cualquier matriz elemental es la matriz identidad (basta deshacer la
operaci
on elemental), tenemos que todas las matrices elementales tienen inversas. Ademas, como conocemos la
forma de cada matriz elemental, podemos determinar su matriz transpuesta. Ambas matrices, la inversa de una
matriz elemental y la transpuesta de una matriz elemental, son, a su vez, matrices elementales. De hecho,
Matriz elemental
Matriz inversa
Matriz traspuesta
Pij
(Pij )1 = Pij
(Ei (c))1 = Ei
Ei (c)
1
c
Eij (c)
1 4
1 0 0
Ejemplo: Sean A = 2 5
y M = E23 (3) = 0 1 3 . Entonces:
3 6 32
0 0 1 33
1 0
M A = 0 1
0 0
Por otro lado,
1
2
3
0
1
3 2
1
3
4
1
4
5 = 7 13 = A 0
6
3
6
4
1
4
5 F2 3F3 7 13 = A 0
6
3
6
3
1 1 1 1
1 2 2 2
1
Ejercicio: Sea A =
1 2 3 3. Escribamos A y A como producto de matrices elementales (lo que se
1 2 3 4
podra realizar si y solo si la matriz A es invertible).
Para esto, llevamos A a su forma escalonada reducida (que al ser invertible, debe ser la identidad I4 ):
F1 F2
1 1 1 1
1 1 1 1
1 0 0 0
0 1 1 1 F2 F3
1 2 2 2 F2 F1
0 1 0 0
0 0 1 1 F3 F4
1 2 3 3 F3 F2
0 0 1 0 = I4
F4 F3
0 0 0 1
1 2 3 4
0 0 0 1
Si escribimos este proceso usando matrices elementales, tendremos que
E34 (1) E23 (1) E12 (1) E21 (1) E32 (1) E43 (1)A = I4
{z
}
|
C
Luego, la matriz C es una matriz inversa por izquierda de A y como A es cuadrada, tenemos que C = A1 .
As,
A1 = E34 (1) E23 (1) E12 (1) E21 (1) E32 (1) E43 (1)
y, por tanto,
A = (A1 )1
1
E34 (1) E23 (1) E12 (1) E21 (1) E32 (1) E43 (1)
=
=
1
1
1
1
1
1
E43
(1) E32
(1) E21
(1) E12
(1) E23
(1) E34
(1)
E43 (1) E32 (1) E21 (1) E12 (1) E23 (1) E34 (1)
Factorizaci
on A = LU
2.
2.1.
Matrices triangulares
Definici
on:
1. Una matriz A = (aij )mn es triangular superior si todos los elementos bajo la diagonal principal son
ceros, es decir, aij = 0 cuando i > j.
2. Una matriz A = (aij )mn es triangular inferior si AT es triangular superior, es decir, aij = 0 cuando
i < j.
Teorema. Considere las matrices A = (aij )mn , B = (bij )np y C = AB = (cij )mp .
1. Si aij = 0 y bij = 0 cuando i > j, entonces cij = 0 cuando i > j (El producto de dos matrices triangulares
superiores es triangular superior).
2. Si aij = 0 y bij = 0 cuando i < j, entonces cij = 0 cuando i < j (El producto de dos matrices triangulares
inferiores es triangular inferior).
3. Si A y B son matrices triangulares (ambas inferiores o ambas superiores) y si aii = 1 y bii = 1, entonces
C es matriz triangular (del mismo tipo que A y B) y cii = 1 (El producto de matrices triangulares con
unos en la diagonal tambien es triangular con unos en la diagonal).
Demostraci
on: La demostracion es directa de la definicion de producto de matrices. Queda propuesta.
Teorema. Sea Ann una matriz invertible.
1. Si A es triangular superior, entonces A1 es triangular superior.
2. Si A es triangular inferior, entonces A1 es triangular inferior.
3. Si A es triangular (superior o inferior) y tiene unos en la diagonal, entonces A1 tambien es triangular
y tiene unos en la diagonal.
Demostraci
on: Demostraremos la afirmaci
on 1.
Suponemos que A es una matriz triangular superior. Como A es invertible, tendremos que los elementos de
la diagonal de A son distintos de cero (A es invertible si y solo si r(A) ).
Para determinar A1 , deberemos resolver simult
aneamente los sistemas
=
A
x
1
=
A
x
2
..
.
Ax
=
n
e1
e2
e
n
1
donde
x
.
1 x2 , . . . , xn son las columnas de A
para
Es decir, debemos realizarun cierto n
umero de
operaciones
elementales
a
la
matriz
ampliada
A
|
I
n
1
, digamos que son p operaciones elementales.
llevarla a la matriz ampliada In x1 x2 xn = In | A
Debido a las caractersticas de la matriz A (invertible triangular superior), es claro que las operaciones
elementales realizadas seran u
nicamente de eliminacion y de escalamiento. Las operaciones elementales de
eliminacion se realizar
an para hacer cero los elementos de cada columna que esten sobre cada pivote. Por
tanto, las matrices elementales que representan estas operaciones de eliminacion seran matrices triangulares
superiores (ser
an de la forma Eij (c) con i < j). Mientras que las matrices elementales que representan las
operaciones de escalamiento, seran matrices diagonales (los u
nicos elementos distintos de cero son los de la
diagonal), luego, tambien son triangulares superiores.
As, al representar matricialmente el proceso
A | In In | A1 ,
tendremos que
Ep E2 E1 A = In
1
2.2.
La factorizaci
on LU
Supongamos que la matriz A de m n puede llevarse a su forma escalonada realizando solo operaciones
elementales de eliminacion, es decir, al hacer cero los elementos bajo un pivote nunca es necesario realizar un
intercambio de fila.
De esta manera, si llamamos Umn a la matriz triangular superior que es la forma escalonada de A, resultante
del proceso de escalamiento de Gauss, tendremos que el proceso
A U
se representa matricialmente por
Ek Ek1 E2 E1 A = U,
donde cada una de las matrices elementales E1 , E2 , . . . , Ek son matrices elementales de eliminacion, es decir,
cada una es de la forma Eij (c) con i < j, pues como los elementos que se hacen cero est
an bajo la diagonal,
tendremos que cada matriz elemental de eliminacion sera triangular inferior con unos en la diagonal. Luego, la
matriz (Ek E2 E1 ) sera una matriz triangular inferior con unos en la diagonal y, ademas, sera invertible
con matriz inversa triangular inferior con unos en la diagonal. Llamemos
L = (Ek E2 E1 )1 = E11 E21 Ek1
De donde tendremos que
A = LU
donde L es una matriz triangular inferior
de A).
1
3
5 1
9
17 4
Ejemplo: Sea A = 3
1 3 9 2
1
3
5 1 0
3
9
17 4 1
1 3 9 2
2
0
1. Encontremos su factorizacion LU .
2
1 3 5 1 0
F2 3F1
0 0 2 1 1
F3 (1)F1
0 0 4 1
2
F3 (2)F2
1 3 5 1 0
0 0 2 1 1 = U
0 0 0 1 0
Luego,
L
1
E32 (2) E31 (1) E21 (3)
1
1
1
= E21
(3) E31
(1) E32
(2)
1 0 0
1 0 0
1
= 3 1 0 0 1 0 0
0 0 1
1 0 1
0
1
0 0
1 0
= 3
1 2 1
Por tanto,
1
0 0
1 3
1 0 0 0
A= 3
1 2 1
0 0
6
0 0
1 0
2 1
5 1 0
2 1 1
0 1 0
2 3
A = 1 2
0 4
2 3
9
2 3 9
9
7
8 F2 21 F1 0 21 72
0 21
=U
2
0 4 1
F3 8F2
0 0 27
1
F3 0F1
Entonces,
L = 21
0
0 0
1 0
8 1
2.3.
Relaci
on por filas de A = LU
Consideremos una matriz Amn que tiene una factorizacion LU . Si describimos por filas las matrices A y
U , tendremos que
U1
A1
U2
A2
A= . y U = .
..
..
Am
Um
y como A = LU ,
A1
A2
A3
..
.
Am
A1
= U1
A2
A3
= l21 U1 + U2
= l31 U1 + l32 U2 + U3
..
.
= lm1 U1 + lm2 U2 + lm3 U3 + + Um
l21
l31
=
..
.
lm1
1
l32
..
.
lm2
1
..
.
..
lm3
..
.
U1
U
2
U3
.
.
.
U
m
1
Entonces,
Am
3.
Factorizaci
on P A = LU
Calculemos la factorizacion
1
2
A=
1
0
1 2 0
2 0 1 3
0 0 0
F
(2)F
4 0 1
1
2
1
0 1 1
3 1 0
2 F3 F1
0 2 1
2 1 1 1
1 3
1 7
1 1
1 1
1
2 0 1 3
1 2 0 1 3
2 4 0 1
1
F2 (2)F1 0 0 0 1 7 F2 F3
A=
3 1 0
2
0 1 1 1 1
F3 F1
0
2 1 1 1
0 2 1 1 1
1 2 0 1 3
1 2 0 1 3
0 1 1 1 1
0 1 1
1 1
0 0 0 1 7
0 0 0 1 7 F3 F4
F4 2F2
0 2 1 1 1
0 0 1 3 1
1 2 0 1 3
0 1 1
1 1
0 0 1 3 1 = U
0 0 0 1 7
Matricialmente, este proceso se expresa con la igualdad:
Pero las matrices elementales de permutacion presentes en la matriz M impiden que esta sea una matriz
triangular inferior (y, as no podemos construir la matriz L). Para solucionar este problema realizaremos las
operaciones de permutaci
on en primer lugar y una vez que tengamos ordenadas las filas de A de modo que
ya no se requieran intercambios de fila durante el proceso de escalonamiento, realizaremos las operaciones de
eliminacion necesarias. El problema de este ajuste es que, en general, las matrices elementales no conmutan, por
tanto, al trasladar las matrices de permutacion de lugar, no podemos garantizar que la igualdad se mantenga.
Por tanto, el procedimiento consistir
a en calcular la factorizacion LU de la matriz B = P34 P23 A, que es
una matriz con las mismas filas de A, pero ordenadas para que no sea necesario hacer intercambios de filas
durante el escalonamiento.
As,
1
2 0 1 3
1
2 0 1 3
2 4 0 1
3 1 0
2
1
= P34 1
B = P34 P23
2 4 0 1
1
1
3 1 0
2
0
2 1 1 1
0
2 1 1 1
1
2 0 1 3
1 2 0 1 3
1
0 1 1 1 1
3 1 0
2
F2 F1
0
0 2 1 1 1 F3 2F2
2 1 1 1
2 4 0 1
1
F4 (2)F1
0 0 0 1 7
1 2 0 1 3
0 1 1
1 1
0 0 1 3 1 = U
0 0 0 1 7
8
Y obtenemos la misma matriz U que habamos encontrado al comienzo. Este proceso se describe matricialmente por la igualdad
E32 (2) E41 (2) E21 (1) B = U
y en terminos de A, tenemos que
E32 (2) E41 (2) E21 (1) P34 P23 A = U
Ahora, tenemos que la matriz E32 (2) E41 (2) E21 (1) es triangular inferior con unos en la diagonal, por
1
tanto, llamamos L a la matriz L = E32 (2) E41 (2) E21 (1)
y P a la matriz P34 P23 con lo que tendremos
que
P A = LU
donde P es producto de matrices elementales de permutacion (la que se conoce como una matriz no elemental
de permutacion), L es una matriz triangular inferior con unos en la diagonal y U es una matriz triangular
superior (forma escalonada de A).
Nota 1: Las matrices P y L son producto de matrices elementales, por tanto, son matrices cuadradas e
invertibles.
Nota 2: Recordemos la igualdad que se obtena al escalonar A intercambiando filas en el medio del pivoteo:
P34 E42 (2) P23 E31 (1) E21 (2) A = U
y observemos el siguiente procedimiento:
intercambiamos
}|
{
z
P34 E42 (2) P23 E31 (1) E21 (2) A = U
intercambiamos
z }| {
= P34 E42 (2) E21 (1) P23 E21 (2) A = U
= P34 E42 (2) E21 (1) E31 (2) P23 A = U
intercambiamos
z
}|
{
= P34 E42 (2) E21 (1) E31 (2) P23 A = U
intercambiamos
}|
{
z
= E32 (2) P34 E21 (1) E31 (2) P23 A = U
= E32 (2) E21 (1) E41 (2) P34 P23 A = U
|
{z
}
conmutan
1 2 1
1 2 3
A=
2 1 0
1 3 1
A =
1
1 2
1
3
2
F2 F1 0 0
0 3 2 F4 F2
0 F3 2F1
1
F4 F1
0 1
0
2
1
1 2 1
0 1 0
1
0
0 0 2
3 2
F3 + 3F2
0
2
F4 + F3
0 0 2
2 1
1 0
=U
0 2
0 0
1
1
2
1
1
0
0
0
1
0
0
0
2
2
1
3
1
0
=
0
0
0
0
0
1
0
0
1
0
0
1
0
0
1
E43 (1) E32 (3) E21 (1) E31 (2) E41 (1)
1 0
0
1 1
0
2 3 1
1 0 1
0
0
0
1
donde hemos hecho coincidir los colores de cada elemento bajo la diagonal de L con la matriz elemental de la
cual proviene. Notemos que el elemento cero en la posicion (4, 2) se debe a que ninguna operaci
on elemental se
realizo entre las filas 4 y 2.
Por tanto,
1 0 0 0
1 2 1
1 0
0 0
1 2 1
0 0 0 1 1 2 3 1 1
0 0
0 1 0
0 0 1 0 2 1 0 = 2 3 1 0 0 0 2
0 1 0 0
1 3 1
1 0 1 1
0 0 0
10
3.1.
Aplicaciones de la factorizaci
on P A = LU
I. Resolver Ax = b
Supongamos que conocemos las matrices P , L y U de la factorizacion P A = LU de A. Usaremos el
siguiente proceso para resolver Ax = b a traves de la factorizacion:
P/
Ax = b
P Ax = P b
, pero P A = LU
L|{z}
Ux = Pb
y
= Resolvemos
1
2
Ly = P b
Ux = y
reduccion notoria en el n
umero de operaciones que deben realizarse (ver Notas numericas, Lay, Algebra
Lineal y sus aplicaciones, p. 137), pues los sistemas que deben resolverse (Ly = P b y U x = y) tienen
matrices triangulares, por lo que se resuelven por sustitucion directa.
II. Encontrar A1 b
Para encontrar A1 b se resuelve Ax = b por el metodo anterior.
A pesar de que resolver los sistemas Ly = P b y U x = y obliga a hacer la misma cantidad de operaciones
(sumas y multiplicaciones) que calcular A1 b, tenemos que encontrar la factorizacion P A = LU requiere
menos trabajo que el c
alculo de A1 (pues ademas de las operaciones elementales que se realizan sobre A
para encontrar la factorizacion, deben realizarse las mismas operaciones sobre In para encontrar A1 ).
De esta manera, A1 solo se calcula cuando se necesitan explcitamente sus elementos.
III. Resolver AX = B (con X y B matrices)
Siendo concretos, supongamos que A es una matriz de m n y que conocemos la factorizacion P A = LU ,
por lo que P es de m m, L es de m m y U es de m n. Supongamos que B es una matriz de m p,
lo que implica que la matriz X que buscamos es de n p.
Entonces para resolver AX = B usando P A = LU , tendremos que
P/
AX = B
P AX = P B
LU
X = PB
|{z}
Y
1 LY = P B
= Resolvemos
2 U X = Y
, pero P A = LU
Pero como L es triangular inferior con unos en la diagonal, solo se deben eliminar los elementos bajo los
pivotes.
De forma analoga, para resolver U X = Y se debe operar la matriz ampliada U Y hasta llevar U a su
forma escalonada reducida. Dependiendo de si U es invertible, tendremos una u
nica solucion para X o
infinitas soluciones para X.
IV. Resolver AT x = b
Asumimos conocida la factorizacion P A = LU .
Notemos que
P A = LU/( )T = AT P T = U T LT ,
pero P T = P 1 , luego,
AT = U T LT P.
As,
AT x = b = U T LT |{z}
P x = b = U T LT y = b = U T z = b
|{z}
y
y para resolver AT x = b, se resuelven tres sistemas (dos sistemas triangulares y uno extremadamente
simple):
1 UT z = b
2 LT y = z
3 Px = y
1
1
2 0 determine u
nicamente lo solicitado:
3 2
1. la solucion de Ax = b, donde bT = 1 1 1 .
2. la solucion de AT x = b, donde bT = 1 1 1 .
2
Ejemplo: Para la matriz A = 2
4
3. la tercera columna de A1 .
4. la segunda fila de A1 .
2
1
1
2 1
1
A = 2 2 0 F2 (1)F1 0 1 1
4
3 2
F3 2F1
0 1 4
F3 (1)F2
2 1
1
0 1 1 = U
0 0 3
1
0 0
2 1
1
Por tanto, en este caso, P = I3 , L = 1 1 0 y U = 0 1 1
2 1 1
0 0 3
1 Ly = P b
1. Para resolver Ax = b, debemos resolver
2 U x = y
1
y1
1
0 0
y1 = 1
y2 = 1 + y1 = 0
Ly = P b = 1 1 0 y2 = 1 =
y3 = 1 2y1 + y2 = 1
1
y3
2 1 1
12
2
U x = y = 0
0
1 1 1
Luego, x =
.
, ,
6 3 3
1
1
1
x1
x3 = 13
x2 = x3 = 31
x2 =
1 1
0
=
0 3
x3
1
x1 = 1x22 x3 =
1 UT z = b
T
2. Para resolver A x = b, debemos resolver
2 LT y = z
3 Px = y
2 0
0
1
z1
z1 = 12
T
z2 = 1 + z1 = 23
U z = b = 1 1 0 z2 = 1 =
1 z2
z3 = 1z3
=
1 1 3
z3
1
1 1 2
y1
1/2
y3 =
y2 =
LT y = z = 0 1 1 y2 = 3/2 =
0 0
1
y3
1/3
y1 =
5/3
P x = y = x = y = 11/6
1/3
1
3
3
2
1
2
1
6
1
3
+ y3 = 11
6
+ y2 2y3 =
5
3
3. Para obtener la tercera columna de A1 debemos resolver Ax = e3 , es decir, debemos resolver los sistemas
Ly = P e3 y U x = y. La solucion de Ly = P e3 es y = (0, 0, 1)T y la solucion de U x = y es x =
1
1
1 T
. Por tanto, la tercera columna de A1 es
3, 3, 3
1
3
1
3
13
4. Para obtener la segunda fila de A1 , recordemos que (A1 )T = (AT )1 . Luego, encontrar la segunda fila
de A1 equivale a encontrar la segunda columna de (AT )1 , es decir, hay que resolver el sistema AT x = e2 .
Entonces se deben resolver los sistemas U T z = e2 , LT y = z y P x = y. La solucion de U T z = e2 es
z = (0, 1, 1/3)T , la solucion de LT y = z es y = (2/3, 4/3, 1/3)T y x = y pues P = I3 . Por tanto,
la segunda fila de A1 es
4
1
2
3
3
3
5. Para encontrar el elemento en la posicion (1, 1) de A1 , llamemoslo b11 , notemos que este elemento
est
a dado por el producto
b11 = eT1 A1 e1 .
Pero como P A = LU y P = I3 , tenemos que
A = LU/( )1 = A1 = U 1 L1 .
Luego,
b11 = eT1 A1 e1 = eT1 U 1 L1 e1 = eT1 U 1
pero
eT1 U 1 =
U 1
Entonces
b11 = (U T )1 e1
13
T
T
e1
T
L1 e1
L1 e1 ,
4.
Factorizaci
on de Cholesky
4.1.
Factorizaci
on LU de matrices sim
etricas
Consideremos la matriz
2
2 2 0
2 1
7 3
.
A=
2
7 28 10
0
3 10 17
2
2 2 0
2 2 2 0
2 1
0 1
7
3
5 3
F2 + F1
2
0 5 30 10
7 28 10 F3 F1
0 3 10 17
0
3 10 17
Notemos que la submatriz (con elementos rojos) que debemos considerar ahora para pivotear tambien es simetrica. Lo mismo ocurre al seguir pivoteando:
2
0
0
0
2
1
5
3
2
5
30
10
0
3
10 F3 5F2
F4 3F3
17
2
0
0
0
2
1
0
0
2
5
5
5
0
2
0
3
0
5
0
F4 + F3
8
2
1
0
0
2
5
5
0
0
3
=U
5
3
Ademas, tenemos que A tiene una factorizacion LU , pues no tuvo que hacerse ning
un intercambio de filas
para llegar a U . Observando las operaciones elementales realizadas, tenemos que
2 2 2
0
1 0
0 0
0 1
1 1
5
3
0 0
,
U =
L=
0 0
1 5
5 5
1 0
0 0
0
3
0 3 1 1
son tales que A = LU .
Por u
ltimo, notemos que si
2
0
U =
0
0
2
1
0
0
2 0 0 0
0 1 0 0
D=
0 0 5 0
0 0 0 3
2
0
2
0
5
3
=
5 5 0
0
3
0
, entonces
0
1
0
0
0
0
5
0
Es decir,
A = LDLT
Este resultado no es un caso particular.
14
0
1 1 1
0
0
1 5
0 0
0 1
3
0
0 0
0
3
= DLT
1
1
T
= (L1 A) L1
T
T
T
T
= L1 U T .
= L1 L1 A
= L1 L1 AT
= L1 A L1
T
Entonces, U L1 = L1 U T tambien es producto de matrices triangulares inferiores, por tanto, es triangular
inferior.
T
De esta manera, hemos probado que U L1
es una matriz diagonal (es triangular superior e inferior a la
vez) y, claramente, los elementos diagonales de esta matriz coinciden con los elementos diagonales de U (pues
T
la matriz (L1 )T tiene unos en la diagonal). Anotamos U L1 = D, de donde es directo que U = DLT y
A = LU = LDLT .
Nota 1: La factorizacion para matrices simetricas A = LDLT se conoce como la primera factorizaci
on de
Cholesky (o la factorizaci
on de Cholesky sin races).
Nota 2: No todas las matrices simetricas tienen una factorizacion de la forma A = LDLT , pues si al escalonar
A se deben hacer intercambios de fila por obligacion, generalmente
la matriz PA (que s tendra una factorizacion
0 1 3 1
1 2 0 1
0 1 3 1
1 2 0 1
1 2 0 1
1 2 0
1
1 2 0 1 0 1 3 1 0 1 3 1 0 1 3 1
A=
3 0 7 1 3 0 7 1 0 6 7 2 0 0 25 8
1 1 1 0
1 1 1 0
0 3 1 1
0 0 8 4
1
0
0
0
0 1 0 0
1 2 0
1
0
1 0 0 0
0 1 3 1
1
0
0
=
P =
0 0 1 0 y L = 3 6
0 0 25 8 = U
1
0
8
36
1 3 25
0 0 0 1
1
0 0 0 25
Claramente, aqu no se tiene que U = DLT .
4.2.
Formas cuadr
aticas
A continuacion veremos una aplicacion de la primera factorizacion de Cholesky y, al mismo tiempo, desarrollaremos algunos elementos teoricos que nos permitiran obtener la factorizacion de Cholesky para matrices
definidas positivas.
15
4.2.1.
Conceptos b
asicos
Definici
on: Una funci
on Q : Rn R ser
a una forma cuadr
atica (fc) si para todo x = (x1 , x2 , x3 , . . . , xn )
n
en R se tiene que
j1
n
n X
X
X
rij xi xj ,
Q(x) =
mk x2k +
j=1 i=1
k=1
2. Q : R3 R es fc si es de la forma
Q(x, y, z) = m1 x2 + m2 y 2 + m3 z 2 + r12 xy + r13 xz + r23 yz
Entonces:
Q(x, y, z) = (x y + 2z)2 = x2 + y 2 + 4z 2 2xy + 4xz 4yz es una fc.
2 1 2
x
x y z 0
4 1 y
Q(x, y, z) =
1
2 3
z
2x y + 2z
x y z
4y + z
=
x + 2y + 3z
= 2x2 + 4y 2 + 3z 2 xy + 3xz + 3yz
es una fc.
El u
ltimo ejemplo, en el que se describe una forma cuadratica por una expresion del tipo xT Ax, con A
matriz cuadrada y x vector columna es el caso general.
16
a11
a21
x1 x2 x3 xn a31
xT Ax =
..
.
an1
x1
x2
x3
x1
a12 a13 a1n
x
a32 a33 a3n 3
.. ..
..
..
..
.
. .
.
.
an2
X
n
a1r xr
r=1
X
n
a2r xr
r=1
X
n
a3r xr
r=1
..
X
n
anr xr
xn
r=1
n
X
s=1
xs
n
X
asr xr =
r=1
n X
n
X
an3
ann
xn
asr xs xr
s=1 r=1
Entonces, xT Ax es un polinomio con n variables que solo contiene terminos de grado 2, es decir, xT Ax es
una forma cuadratica.
Los terminos con x2i se obtienen cuando s = r = i en la suma, luego el coeficiente de x2i es aii para
i = 1, 2, . . . , n. Ademas, la suma tiene dos terminos con xi xj (cuando s = i, r = j y cuando s = j, r = i), as que
el coeficiente de xi xj es (aij + aji ).
Ahora, al considerar una forma cuadratica dada por
Q(x1 , x2 , . . . , xn ) =
n
X
mk x2k +
k=1
j1
n X
X
rij xi xj ,
j=1 i=1
es directo ver que basta tomar una matriz A = (aij )nn que cumpla aii = mi para i = 1, 2, . . . , n y aij +aji = rij
para i, j = 1, 2, . . . , n con i < j, para tener que
x Rn Q(x) = xT Ax
Definici
on: Sea Q : Rn R una forma cuadr
atica. Diremos que una matriz A de n n representa a la fc
Q si y s
olo si
x Rn Q(x) = xT Ax
Nota : Dada una forma cuadratica Q, existen infinitas matrices que la representan. Por ejemplo, si Q : R3 R
es la forma cuadratica definida por
Q(x, y, z) = 2x2 + 4y 2 + 3z 2 xy + 3xz + 3yz
(ver el u
ltimo ejemplo), entonces todas las matrices
2 1 2
4 1 ,
A1 = 0
1
2 3
2 5
A2 = 6 4
4 1
1
2 ,
3
2
A3 = 0
0
17
1 3
4 3 ,
0 3
1
A4 =
2
3
2
12
3
2
3
2
3
2
Y, por tanto,
2Q(x) = Q(x) + Q(x) = xT Ax + xT AT x = xT Ax + AT x = xT A + AT x
1
Q(x) = xT A + AT x = xT
2
A + AT
2
A + AT
representa a Q y, ademas, es simetrica, pues
2
T
1
1
1
A + AT
A + AT
= (A + AT )T = (AT + (AT )T ) = (AT + A) =
2
2
2
2
2
Entonces, la matriz
(*)
0 + sji + sij + 0
18
y ademas, tenemos que S1 S2 es simetrica, entonces por (*) se tiene que S1 S2 = O, es decir, S1 = S2 .
Con este teorema, hemos probado que a cada forma cuadratica Q : Rn R le corresponde una u
nica
matriz simetrica S y que a cada matriz simetrica le corresponde una u
nica forma cuadratica. Asociamos, de
ahora en adelante, las formas cuadraticas con las matrices simetricas.
Por tanto, desde ahora, anotamos cada forma cuadratica Q por su representacion con la matriz simetrica
asociada a Q, es decir,
Q(x) = xT Sx
y todas las propiedades de las formas cuadraticas que estudiaremos a continuacion se realizaran a traves de su
matriz simetrica asociada.
4.2.2.
Clasificaci
on de las formas cuadr
aticas
El metodo mas difundido para clasificar las formas cuadraticas, se basa en el estudio de su recorrido. Lo
primero que debemos notar es que si Q es una fc en Rn , entonces
Q( 0 ) = 0 T S 0 = 0 T 0 = 0 0 = 0 R
Definici
on: Sea Q : Rn R una forma cuadr
atica con matriz simetrica S. Entonces:
19
1. Q1 (x, y, z) = 5x2 + 3y 2 + 9z 2 es semidefinida positiva, pues Q1 (x, y, z) 0 para cualquier vector (x, y, z).
Pero, ademas, se tiene que
Q1 (x) = 0 5x2 + 3y 2 + 9z 2 = 0 (x, y, z) = (0, 0, 0)
Por lo tanto, si (x, y, z) 6= (0, 0, 0), tendremos Q1 (x, y, z) > 0. Es decir, Q1 es definida positiva.
Q3 (0, 1, 0) = 3 < 0
4. Q4 (x, y) = x2 + y 2 + 2xy es semidefinida positiva, pues podemos reescribirla como Q4 (x, y) = (x + y)2 0.
Estudiemos d
onde se hace cero, para decidir si, ademas, es definida positiva:
Q4 (x, y) = 0 (x + y)2 = 0 x + y = 0 (x, y) = (y, y) = y(1, 1)
Entonces tenemos vectores distintos de cero en los cuales Q4 vale cero. Esto significa que Q4 no es definida
positiva, solo es semidefinida positiva.
Ademas, como funci
on de R2 en R, vemos que Q4 alcanza su valor mnimo, que es cero, en toda la recta
L = h(1, 1)i.
Las formas cuadraticas que consideramos en los ejemplos son bastante simples. De hecho, salvo en el ejemplo
4, las matrices simetricas asociadas a todas las formas cuadraticas son diagonales.
Clasificar este tipo de formas cuadraticas es muy simple.
d11
0
Teorema. Sean D = 0
..
.
0
d22
0
..
.
0
0
simetrica asociada D. Entonces:
0
0
d33
..
.
..
.
0
0
0
..
.
dnn
Si ahora suponemos que d11 > 0, d22 > 0, . . . , dnn > 0, entonces dii x2i 0 para i = 1, 2, . . . , n y Q(x) 0 para
todo x Rn . Ademas, se tiene que
d11 x21 = 0
x1 = 0
2
d22 x2 = 0
x2 = 0
Q(x) = 0 d11 x21 + d22 x22 + + dnn x2n = 0
x = 0
.
..
..
dnn x2n = 0
xn = 0
Entonces, para todo x 6= 0 tendremos que Q(x) > 0. Por tanto, Q es definida positiva.
C
omo clasificamos una forma cuadr
atica cuya matriz sim
etrica no es diagonal?
Consideremos la forma cuadratica
Q(x, y, z) = 4x2 + 3y 2 + 5z 2 5xy 6yz + 3xz
Para clasificarla, usaremos su representacion matricial:
Q(x, y, z) = x y
5
z
2
3
2
25
3
3
3
2
x
3
y
z
5
3
3
3
4 25
4 25
4 52
2
2
2
5
23
33
33
F2 + 85 F1 0 23
3 3
16
S=
16
0 16 16 = U
2
33
3
33
34
71
F2
F3 + 23
F3 83 F1
0 16
0 0
3 5
2
16
23
1
0
0
5
T
Entonces L =
1
0
8
y como S es una matriz simetrica con una factorizacion LU , entonces U = DL
3
33 1
8
23
4 0
0
23
con D =
0 16 0 .
0 0 34
23
Con esto, tenemos que
3
1
0
0
4 0
0
1 85
x
8
5
23
33
1
0 0 16 0 0 1 23 y
Q(x, y, z) = x y z 8
33
3
z
23
1
0 0
1
0 0 34
8
23
4 0
0
x 85 y + 38 z
23
33
33
x 85 y + 83 z y 23
z z
=
0 16 0 y 23 z
34
0 0 23
z
2
2
33
3
23
34
5
y z + z2
= 4 x y+ z +
8
8
16
23
23
Y, ahora, es claro que Q(x, y, z) 0 para todo (x, y, z) R3 as que ya sabemos que Q es semidefinida
positiva. Estudiamos d
onde se hace cero esta funci
on para decidir si es definida positiva:
x 85 y + 83 z = 0
Q(x, y, z) = 0
y 33
23 z = 0 (x, y, z) = (0, 0, 0)
z = 0
21
1
1 21
1
3
4
Q(x, y, z) = x2 3y 2 + z 2 + 2xy xz + 8yz Q(
x)=
xT
x
1
4
1
2
Y
S=
1
21
1
3
4
12
4
F2 F1 0 4
0 92
1
F3 + 12 F1
22
12
9
2
3
4
F3 + 89 F2
0
0
1
4
0
12
9
2
93
16
1
Luego, si L = 1
21
tenemos que
0
1
89
0
1
0 y D = 0
1
0
0
4
0
0
0 , entonces S = LDLT y tomando
93
16
x + y 21 z
x
u
u = v = LT y =
y 8z
z
w
z
93
2
Q(
x)=
x T S
x =
u T D
u = u2 4v 2 + w2 = (x + y 21 z)2 4(y 89 z)2 + 93
16 z
16
El proceso para escribir una forma cuadratica como suma ponderada de terminos cuadrados se conoce como
la diagonalizaci
on de la forma cuadr
atica.
Nota 2: No toda forma cuadratica puede ser diagonalizada.
De hecho, la forma cuadratica Q(x, y) = 2xy
0 1
no tiene diagonalizacion, pues su matriz simetrica S =
no tiene factorizacion LU . A pesar de esto,
1 0
podemos clasificar esta forma cuadratica que resulta ser no definida, pues Q(1, 3) > 0, pero Q(1, 2) < 0.
4.3.
En esta secci
on vamos a estudiar las principales propiedades de las matrices definidas positivas y las caracterizaremos a traves de la Factorizacion de Cholesky con races.
4.3.1.
1 2
3 4 5 6
1 2 3 5 1 0
0 2
1 1 2 2
1 2
1 1
1 8 1 0
1 2
4 3 2 1
1 2 3 4 5
1 2 3 4
1 2 3 5 1
1 2 3
1 2 3 5
0 2 1 1 2 , A6 = A.
A3 = 1 2 3 , A4 =
,
A
=
5
0 2 1 1
0 0 1 2 4
0 2 1
0 0 1 2
1 1 1 8 1
23
Teorema. Si S es una matriz definida positiva, entonces todas las submatrices principales de S son definidas
positivas.
Demostraci
on: Sabemos que para todo x 6= 0 en Rn se tiene que xT Sx > 0. Para cada k {1, 2, . . . , n},
debemos probar que xTk Sk xk > 0, donde xk es cualquier vector no nulo de Rk .
Sea xk = (a1 , a2 , . . . , ak ) un vector no nulo de Rk . Entonces x = (a1 , a2 , . . . , ak , 0, . . . , 0) es un vector no nulo
de Rn y como es claro que
xT Sx = xTk Sk xk
, tenemos que Sk es una matriz definida positiva.
Una consecuencia directa de los dos teoremas anteriores.
Corolario. Todas las submatrices principales de una matriz definida positiva son invertibles.
Teorema. Si S es una matriz definida positiva, entonces S tiene una factorizaci
on LU (es decir, S se puede
escalonar sin hacer intercambios de filas).
Demostraci
on: Como S = (sij ) es definida positiva, todas sus submatrices principales son invertibles. Entonces, en particular, S1 = (s11 ) 6= O, es decir, s11 6= 0 y podremos pivotear para eliminar todos los elementos
bajo este primer pivote, sin necesidad de intercambiar filas.
21
F1 para eliminar el segundo elemento de la primera columna, al
Pero cuando hacemos la operaci
on F2 ss11
mismo tiempo estamos escalonando la submatriz S2 y como es invertible, el nuevo elemento ubicado en la
posicion (2, 2) de S y de S2 debe ser distinto de cero (de hecho, sabemos que debera ser positivo pues S2 es
definida positiva). Por tanto, no es necesario intercambiar filas para eliminar los elementos que est
an bajo el
segundo pivote.
Recursivamente, siguiendo este procedimiento, notamos que al escalonar S estamos escalonando todas las submatrices principales de S al mismo tiempo y siempre obtendremos pivotes positivos, por lo que nunca necesitaremos
intercambiar filas para terminar el pivoteo y llegar a U . Obteniendo la factorizacion LU de S.
4.3.2.
Segunda Factorizaci
on de Cholesky
Sea S una matriz definida positiva. Entonces, S = LU y, de hecho, por ser simetrica, S = LDLT . Ademas
sabemos que D tiene solo elementos estrictamente positivos en su diagonal.
Entonces, podemos hacer la siguiente factorizacion de D:
d11 0
0
d11 0
0
d11 0
0
0 d22
d22
0
d22
0
0
0
0
=
D= .
.
.
.
..
.
.
.
.
..
..
..
.. ..
..
.. ..
..
..
..
.
.
.
.
0
0 dnn
0
0
0
0
dnn
dnn
d11 0
0
0
d22
0
T
.
.
.
..
..
.
..
.
0
0
dnn
D=
T
D D
3 3
3
3 3
3
3 3
3
7 7 F2 + F1 0
4 4
4 4
S = 3
0
F3 F1
3 7
8
0 4
5
F3 + F2
0
0
1
1
0 0
3 0 0
1 0 , D = 0 4 0 y podemos concluir que Q es definida positiva, la esLuego L = 1
0 1 1
0 0 1
cribiremos como una suma de terminos positivos. Para esto, calculamos la factorizacion de Cholesky con races
de S.
0 0
3 0 0
3
Tenemos que D = 0 2 0 y K = L D = 3
2 0 .
0 0 1
0 2 1
As,
x
0 0
3 3
0
3
y
Q(x, y, z) = x y z
0
2 2
3
2 0
z
0
0
1
0 2 1
2
2
=
3x 3y + 2y 2z + z 2
Concluimos con un ejercicio tipo prueba.
Ejercicio: Considere la funci
on f : R3 R definida por
f (a, b, c) = 9 5(a 3)2 + 20(a 3)(b + 2) + 30(a 3)c 22(b + 2)2 52(b + 2)c 53c2
25
n:
Solucio
a)
q(x, y, z) =
=
15
x
5 10
x y z 10 22 26 y
15 26 53
z
5 10
15
Basta probar que la matriz A = 10 22 26 es semidefinida negativa.
15 26 53
5 10
15
10 22 26 F2 + 2F1
F3 + 3F1
15 26 53
5 10 15
0 2 4
0
4 8
F3 + 2F1
5 10 15
0 2 4 = U
0
0
0
Aqu, ya puede concluirse que A es semidefinida negativa, pues los elementos de la diagonal de U ( y de
D) son 5, 2 y 0. Por lo tanto, la forma cuadratica q(x, y, z) 0 para todo (x, y, z) 6= 0.
b) Para determinar los vectores pedidos, calculamos la factorizacion de Cholesky de A. Pero, por la parte
anterior,
A =
=
=
=
LU
5
1
0 0
2 1 0 0
0
3 2 1
5
1
0 0
2 1 0 0
0
3 2 1
10 15
2 4
0
0
1
0 0
2 0 0
0
0 0
LDLT
2 3
1 2
0
1
x
z LDLT y
z
x
w1
x 2y 3z
y, poniendo w = w2 = LT y = y 2z , se tiene que
w3
z
z
x 2y 3z
y 2z
= 0
= 0
x
7z
7
y = 2z = z 2
z
z
1
26
Por lo tanto, el conjunto de los vectores (x, y, z) para los cuales q(x, y, z) = 0 es la recta
h{(7, 2, 1)}i.
Ahora, como q(
x ) 0 para todo
x R3 , entonces
f (a, b, c) = 9 + q(x, y, z) 9
f (3, 2, 0) = 9.
a3
7
b + 2 = c 2
c
1
a
3
7
b = 2 + c 2
c
0
1
Entonces, el conjunto de puntos en que f alcanza su maximo es la recta
(3, 2, 0) + h{(7, 2, 1)}i.
27
MAT1203 Algebra
Lineal
Gua N 4 Matrices elementales y Factorizaciones matriciales
1. Sean A una matriz de m n y M una matriz elemental de orden n n. Determine como se relaciona la
matriz A0 = AM con A. (Recuerde que si E es una matriz elemental de orden m m, entonces la matriz
A00 = EA se obtiene al realizar en A la operaci
on elemental representada por E.) Sugerencia: Considere,
por separado, los casos: M = Pij , M = Ei(c) y M = Eij(c) .
2. Si P = P1 P2 Pk , donde las Pi son matrices elementales de permutacion, demuestre cada una de las
siguientes afirmaciones:
a) P es la matriz identidad con sus filas permutadas.
b) P 1 = P T .
c) Por medio de un ejemplo, pruebe que, en general, P 1 6= P (esto equivale a probar que, en general,
P T 6= P ).
3.
4. Sea
1
1
A=
0
1
1
2
2
0
1
0
0
1
1
1
1
1
2
1
1
a) Calcule la factorizacion P A = LU .
b) Escriba las filas de A como combinaciones lineales de las filas de U y las filas de U como combinaciones
lineales de las filas de A.
c) Escriba L y L1 como el producto de matrices elementales.
5. Si
A1
a
= d
g
b
e
h
c
f
i
y B es una matriz que se obtiene de A, sumando dos veces la primera fila a la tercera, luego, intercambiando
la segunda y la tercera filas y, por u
ltimo, amplificando la primera fila por 3. Determine B 1 .
6. Suponga que la matriz A se factoriza como P A = LU , donde
1 2 1 b
1 2
A = 2 a 1 8 y U = 0 0
c d e f
0 0
0 3
1 2
0 0
1
Determine la solucion de Ax = 1 y todos los vectores b R3 para los cuales el sistema Ax = b es
1
compatible.
28
7. Sean
U =
1 1
1 3
0
1 3
0
0
0
3
9
,
L
=
0
0
0
0
0
0
0
0
1
0
2
3
1
0
1
2
3
2
0
0
1
1
1
0
0
0
1
0
0
0
0
0
1
y A = LU . Determine todos los vectores de b R5 para los cuales el sistema Ax = b no tiene solucion.
8. Suponga que A satisface
1 0 0 0
0 0 0 1
0 1 0 0
0 0 1 0
0 0 0 0
la igualdad
0
1
1
0
0
A = 1
2
0
1
1
0
0
0
1
0
0
2
1
0
1 1
1
1
1 1
0
0
0
0
1
u14
u24
u34
u44
0
u15
u25
u35
u45
0
Si uii 6= 0 para i = 1, 2, 3, 4, encuentre todos los vectores b R5 para los cuales el sistema Ax = b no tiene
solucion.
9. Suponga que A de m n se factoriza como A = LU , con L triangular inferior con 1s en la diagonal y U es
triangular superior. Demuestre que U tiene inversa por izquierda si y solo si A tiene inversa por izquierda.
10. Sea A una matriz tal que P A = LU , donde
0 0 1
1 0
P = 1 0 0 , L = 2 1
0 1 0
3 2
0
0 ,
1
2
U = 0
0
1
1
1
2 .
0 1
2
a) Determine la solucion de Ax = 1 .
1
2
b) Determine la solucion de AT x = 1 .
1
a) Sean A y B dos matrices simetricas tales que A es definida positiva y B es semidefinida positiva.
Demuestre que si > 0 y > 0 entonces la matriz A + B es simetrica definida positiva.
b) Sea C una matriz invertible. Demuestre que la matriz A es simetrica y definida positiva si y solo si
la matriz C T AC es simetrica y definida positiva.
c) Sea A una matriz invertible. Demuestre que A es simetrica y definida positiva si y solo si A1 es
simetrica y definida positiva.
d ) Demuestre que si A es una matriz simetrica y definida positiva, entonces An tambien es simetrica y
definida positiva para todo n N.
e) Sea F una matriz cualquiera de orden m n. Demuestre que las matrices F T F y F F T son simetricas
y semidefinidas positivas. Determine condiciones sobre F para que se garantice que F T F y F F T sean
definidas positivas.
f ) Sea G una matriz simetrica e invertible. Demuestre que G2k es simetrica y definida positiva para
todo k Z.
12. Sea A simetrica y definida positiva de orden n y sea B una matriz de n 1. Pruebe que C = 2A3 + 3BB T
es simetrica y definida positiva.
29
13. El siguiente metodo permite, mediante la factorizacion de Cholesky, encontrar la inversa de cualquier
matriz invertible. Justifique o demuestre, seg
un corresponda, cada paso y aplique el metodo para calcular
la inversa de
1 1 1 4
3 7 11 14
A=
1 3 5 6
2 4 5 8
Sea A una matriz invertible de orden n y sea B = AT A.
i) Existe una matriz K triangular inferior con elementos positivos en la diagonal, tal que B = KK T .
ii) El sistema matricial KX = AT tiene solucion u
nica.
iii) El sistema matricial K T Y = X tiene solucion u
nica.
iv) La matriz Y encontrada en el punto anterior es la inversa de A.
14. Sea A una matriz simetrica de orden n que puede factorizarse A = LU . Demuestre que A es definida
positiva si y solo si todos los pivotes de U son positivos. Como son los pivotes de U cuando A es
semidefinida positiva, definida negativa o semidefinida negativa?
15. Sean y dos n
umeros reales distintos de cero. Determine los valores de x para los cuales la matriz
x
1
4
+
B = 1
2
+ 5 + 2
es definida positiva independientemente de los valores de y .
16. Determine condiciones para x e y de modo que
1 0 0
0 1 0
0 0 1
0 0 0
0 0 0
0 0 0
x x x
la matriz
0 0
0 0
0 0
1 0
0 1
0 0
x x
0
y
0
y
0
y
0
y
0
y
1
y
x 1 + 6y
b) q(x) = x21 + 4x1 x2 + 6x1 x3 + 8x1 x4 + 6x22 + 20x2 x3 + 12x2 x4 + 19x23 + 8x3 x4 + 28x24
c) q(x) = 2x21 8x1 x2 + 8x1 x3 + 10x22 8x2 x3 + 4x2 x4 + 19x23 + 8x3 x4 + 3x24
e) q(x, y, z, t) = 16x2 + 5y 2 + 67z 2 + 46t2 16xy 24xz + 8xt + 26yz + 4yt + 38zt
1 1 1
18. Sea A =
, a R. Diagonalice la forma cuadratica asociada a AAT .
0 1 a
19. Considere la forma cuadratica Q(x, y, z) = x2 + 2axy + y 2 + 2yz + 4z 2 .
a) Determine todos los valores de a para los cuales Q es definida positiva.
b) Para los valores de a encontrados, escriba Q como suma de cuadrados.
20. Determine todas las formas cuadraticas Q : R2 R que son definidas positivas.
30
Respuestas:
4.a.
1
0
P = 0
0
0
4.b. Si
0 0
0 0
0 1
0 0
1 0
A1
A2
A = A3
A
4
A5
0
1
0
0
0
1 0
0
0
0
0
1 1
1
0, L = 0 0
1 2 1
1
1 0
1
0
U1
U2
U = U3 , entonces
U
4
U5
0
0
0
1
0
0
0
0
0
1
1
0
U = 0
0
0
2
1
0
0
0
0
1
1
0
0
1
0
1
1
0
A1 = U1 , A2 = U1 + U3 + U5 , A3 = U3 , A4 = U1 + U2 y A5 =
3 a + 23 c c b
1
2
1
6. El sistema Ax = 1 no tiene soluci
5. B 1 =
d
+
f
f
e
on y el sistema Ax = b es compatible si y
3
3
1
1
2
g+ i
i h
3
34a
1a2
z2.
1+a 2
3 y)
31
3
3
,
2
2