INTRODUCCION AL ALGEBRA LINEAL Serge Lang - ADDISON-WESLEY IBEROAMERICANAINTRODUCCION AL ALGEBRA LINEAL Serge Lang | Version en espaiol de Miguel Lara Aparicio | Universidad Nacional Autonoma de México | Con la colaboracién de | Guillermo Hansen Universidad de Buenos Aires, Argentina fa vw Addison-Wesley Iberoamericana Argentina « Brasil e Chile e Colombia » Ecuador » Espafia Estados Unidos « México « Peri Puerto Rico » VenezuelaVersidn en espafiol de ta obra titulada Introduction to Linear Algebra, Second Edition, de Serge Lang, publicada originalmente en inglés por Springer-Verlag New York Inc., ©1970, 1986 por Springer-Verlag New York Inc. La primera edicion en inglés {ue publicada en 1970 por Addison-Wesley Publishing Company Inc. Esta edicion en espafiol es la wnica autorizada. Obra compuesta y formada mediante el sistema THX por ef Taller Lima, México. © 1990 por ADDISON-WESLEY IBEROAMERICANA, S.A. Wilmington, Delaware, B.U.A. Impreso en Estados Unidos. Printed in U.S.A ISBN 0-201-62912-7 6789 10-CRS-99 98 97 96Prefacio Este libro se ideé como un texto breve para un curso semestral de algebra lineal. Excepto por algtin ejemplo o ejercicio ocasional, la légica del texto es indepen- diente del caleulo, y se podria utilizar desde los primeros cursos, En la. préctica, mi intencién es que lo utilicen principalmente los estudiantes que hayan curs: dos 0 tres semestres de calculo. También se podrfa impartir el curso en forma simulténea con el primer curso de céleulo, o inmediatamente después de él. He incluido algunos ejemplos de espacios vectoriales de funciones, aunque quienes deseen concentrarse en forma exclusiva en el estudio del espacio eucli- diano podrian omitirlos del todo sin afectar la compresién del resto del libro. Ademias, si a algiin lector le desagrada trabajar con n =n, siempre puede supo- ner que n = 1,2 6 3, y climinar otras interpretaciones. Sin embargo, dicho lector deberia observar que el uso de n =n simplifiea algunas formulas, abrevidndolas por ejemplo, y deberia tratar de aleansar este nivel tan pronto como fuera posi- ble. Por otra parte, como se quiere cubrir los casos n = 2 y n = 3, por lo menos, al usar n para denotar cualquiera. de estos mimeros se evitian repeticiones muy tediosas. El primer capitulo persigue varios propésitos. Primero, y ante todo, esta- blecer la conexién fundamental entre el algebra lineal y la intuicion geomeétrica. Ciertamente, hay cuando menos dos aspectos del élgebra lincal: la manipulacién formal de los célculos con matrices y la interpretacién gcométrica. No es mi deseo abogar por uno 0 por otz9, pero si considero que basar las manipulacio- nes formales en contextos geométricos properciona un muy valioso antecedente a las personas que usan el algebra lineal. Segundo, este primer capitulo brinda de inmediato ejemplos coneretos, con coordenadas, de combinaciones lineales, perpendicularidad y otras nociones que se desarrollan més adelante. Ademés del contexto geométrico, el estudio de estas nociones suministra ejemplos de subes- pacios y tambign proporciona una interpretacién fundamental de las ecuseiones lineales. Por tanto, el primer capitulo brinda una rapida visin global de mu- chos temas del libro. E] contenido del primer capitulo también corresponde a los aspectos fundamentales de los cursos de célculo en cuanto a funciones dePrefacio varias variables, lo cual nos permite desarrollar muchas cosas sin ¢l empleo de las matrices ms generales. Si en algiin otro curso los estudiantes han cubierto el material correspondiente al Capitulo I, 0 si el instructor desea trabajar a fondo con las matrices recurriendo a otros medios, entonces puede omitirse cl primer capitulo o usarse en forma selectiva para motivar a Jos alumnos o para aplicar ejemplos. Después de este capitulo introductorio, comenzamos con ecuaciones lineales, matrices y la climinacién de Gauss, Este eapitmlo hace énfasis en los aspectos de cémputo del Algebra lineal. Luego trabajamos con espacios vectoriales, apli- caciones lineales y productos escalares, y sus relaciones con las matrices. Esto combina el aspecto computacional con el teérico Los determinantes se tratan en forma mas breve que en la primera edicién de este libro, y se suprimen varias pruebas. Los estudiantes interesados en la teorfa pueden recurrir a un tratamiento mé lineal. Inclui un capitulo sobre valores propios y veciores propios, el cual permite practicar con nociones que se estudiaron previamente y sirve como introduceién al material que sc usa en forma constante en todas partes de las matematicas ¥ sus aplicaciones. Agradevco efusivamente 2 Toby Orloff y Daniel Horn, quienes imparticron el curso con una version preliminar de este libro, sus valiosos comentarios y correcciones. completo en libros tedricos de algebraContenido CAPITULO | §1. Defimicién de puntos en el espacio... . 2 2... §2. Vectores anclados ©... 2 1 ee ho $3. Produaidescalar . fy §4. Lanorma de un vector... ee ee §5. Rectas paramétricas . . . . . rr 86. Planos qe oe ee ele ee we CAPITULO II Matrices y ecuacionestineales . .. fi. §2. §3. fa. 45. te. Matic 2. 1... sg. Multiplicacién de matrices. . : Beusciones'tineales hoiiogéness ¥y elirninactOar”: M Operaciones por renglones y eliminacién de Gauss . . Operaciones por renglones y matrices elementales Combinaciones lineales © J... ee 15 29 33 41 46 61 66 72 79vill Contenido CAPITULO IIL Espaciosvectoriales 6 ee §1. Definiciones. - 0 2 ee §2. Combinaciones lineales . . i | §'a. Conjuntos convexos . . 2. 2. ee §4. Independencia lineal... 2. 2 ee §5. Dimensién + §6. El rango de uma matriz. 2... CAPITULO IV Aplicaciones lineales . 2... ee §1. Aplicaciones . . . . - EET §2. Aplicaciones lineales . - 2... 1+ - 4 §3. El nticleo y la imagen de una aplicacién lineal . $4. El rango y las ecuaciones lineales de nuevo §5. La matriz asociada con una aplicacién lineal Apéndice: Cambio de bases .... 1... - CAPITULO Composicién y aplicaciones inversas ©... . §1. Composicién de aplicaciones lineales . . . ee | a ee CAPITULO VI Productos escalares y ortogonalidad §1. Productos escalares 6 2... 0. §2. Bases ortogonales 2. 2. §3. Aplicaciones bilineales y matrices... . CAPITULO Vii Determinants. 6 fi. Determinantes de orden 2. 2... 0 82 82 87 93 98 104 108 115 4115 119 127 134 139 143 147 147 1538 158 158 166 175 179 179Contenido an §2. Determinantes de 3x3 ydenxn ee ee §3. El rango de una matriz y subdeterminantes . . resegexveey 292 $4. Reglade Cramer 6... RNs cseceniaee es We $5. Inversa de wna matris 2. 6. ee tig Macias Ulloa §6. Interpretaciones de los determinantes como érea y como volumen . . . . 202 CAPITULO VIII Vectores propos y valores proplos || ‘A wo MO «x =~ SF $1. Vectores propios y valores propios ©... 8 §2. El polinomio caracteristico © eB §8. Valores propios y vectores propios de matrices simétricas . 6... 1. . 229 $4. Diagonalizacién de una aplicacidn lineal simétrica 2 2. 2. ee 288 Apéndice. Nimeros complejos 2. ss Boe rene a eT Respuesiasalosejorcicios . Ge: =: 2 i es wy" 263CAPITULO 1 Vectores El concepto de vector es basico para el estudio de las funciones de varias variables. Suministra una motivacién geométrica para todo lo que sigue. Por tanto, las propiedades de los vectores, tanto algebraicas como geométricas, se estudiaran en detalle. Una caracteristica significativa de todos los enunciados y las demostraciones de esta parte es que no son ni mas sencillos ni més dificiles de probar en el espacio de 3 dimensiones que lo que resultan ser en el espacio de 2 dimensiones. J, §1. Definicién de puntos en el espacio Sabemos que se puede usar un mimero para representar un punto sobre una recta, una ver que se ha escogido una. unidad de longitud, (@) Punto sobre un recta (b) Panto cn un plano Figura 1 in incense2 Vectores i, $2] Se puede usar un par de mimeros (esto es, una pareja de niimeros) (2, y) para representar un punto en un plano Esto se puede representar como en Ja figura 1 Observemos ahora que se puede usar una terna de mimeros (2,y,2) para representar un punto en el espacio, esto es, en el espacio tridimensional o espacio de 3 dimensiones. Simplemente se introduce un eje mas. La figura 2 ilustra este hecho. eie = 7 ene joe Figura 2 Podriamos usar también (21,22, a3) en Ingar de x, yy. La recta se podria llamar espacio de dimension 1 y el plano espacio de dimensién 2. ‘Asi pues, podemos decir que un numero representa un purito en el espacio de 1 dimension. Una pareja representa un punto en cl espacio de 2 dimensiones. Una terna representa un punto en el espacio de 3 dimensiones. Aunque no podamos continuar dibujando diagramas, nada nos impide consi- derar una cuddrupla de mimeros. (21,2, #3, 24) y afirmar que ésta es un punto en él espacio de 4 dimensiones. Una quintupla serfa un punto en el espacio de 5 dimensiones, luego vendria una séxtupla, una séptupla, una dctupla, .. Podemos ir mas allé y definir un punto en el espacio de n dimensiones como la n-tupla de ntimeros (a1, 225. +552), si n es un entero positive, Denotaremos con una X maytiscula dicha n-tupla y procuraremos reservar las letras mintisculas para representar mimeros y las letras maydsculas para representar puntos. Llamaremos a los ntimeros 23,... , 2, coordenadas del punto X. Por ejemplo, en el espacio de $ dimensiones, 21, $1) Definicién de puntos en el espacio 3 es la primera coordenada del punto (2,5,—4) y —4 es la tercera coordenada. Denotamos el espacio de n-dimensiones con R™. En su mayoria, nuestros ejemplos ilustrarén el caso en que x = 2 o bien n= 3. Asi, el lector podré encontrar cualqnicra de estos dos casos a lo largo del libro. Sin embargo, es neceserio hacer tres comentarios. Primero, tenemos que manejar n =2 y n = 3, de manera que, con el objeto de evitar muchas repeticiones, resulta diil contar con una notacién que cubra ambos casos simultdneamente, aun si con frecuencia repetimos la formulacién de ciertos resultados por separado para, ambos casos. Segundo, ningtin teorema o férmula es mas simple al suponer que n = 2 0 a ‘Tercero, el caso n= 4 si se presenta en fisica Ejemplo 1, Un gjemplo clasico del espacio de 3 dimensiones es, desde luego, el espacio en cue vivimos. Después de haber escogido un erigen y un sistema. de coordenadas, pocdemos deseribir la posicién de un punto (cuerpo, particula, etc.) mediante 3 coordenadas. Ademés, como es bien sabido, resulta conveniente extender este espacio a otro de 4 dimensiones, en donde la cuerta coordenada. es el tiempo, escogiendo el origen de éste en la fecha del nacimiento de Cristo, por ejemplo, aunque esto es puramente arbitrario (quizé seria més conveniente escoger comojorigen el nacimiento del sistema solar o el nacimiento de le Tierra, si pudiéramos determinarlos con precisién). Asi, un punto con coordenada de tiempo negativa es un punto a.C. y un punto con coordenada de tiempo positiva es un punto d.C. No obstanie, no hay que pensar que “el tiempo es Ja cuarta dimensién”. Bl espacio de 4 dimensiones que acabamos de mencionar es sélo un ejemplo posible. En economia, pangamos por caso, se usa un espacio muy diferente que ioma como coordenadas, por ejemplo, le cantidad de délares gastada en cada industria. De este modo, podriamos trabajar con un espacio de 7 dimensiones cuyas coordenadas correspondieran a las siguientes industrias: 1. Acero 2. Automévilea 8. Productos Agricolas 4, Pesca 5. Produetos quimicos 6, Ropa 7. ‘Transportes. Convengamos en que un megadélar por afio es la unidad de medida. Luego, un punto (1.000, 800, 550, 300,700, 200,900) ‘en este espacio de 7 dimensiones significarfa que la industria del acero gasté mil millones de délares en el afio indicado y que la industria quimica gasté 700 millones de délares en ese afio.4 Vectores 1, §1] La idea de considerar cl tiempo como una cuarta dimensién es muy antigua. Ya en la Encyclopédie de Diderot, que data del siglo xvim, d’Alembert escribe lo siguiente en su articulo sobre “dimensién” Cette maniére de considérer les quantités de plus de trois dimensions est aussi exacte que Pautre, car les lettres peuvent toujonrs @tre regardées comme représentant des nombres rationnels ou non. Jai dit plus haut qu'il n’était pas possible de conce- voir plus de trois dimensions. Un homme d’esprit de ma connaissance croit qu’on pourrait cependant regarder la durée comme une quatriéme dimension, et que le produit temps par la solidité serait en quelque manidre un produit de quatre di- mensions; cette idée peut atre contestée, mais elle a, ce me semble, quelque mérite, quand ce ne serait que celui de la. nouveauté. Encyclopédie, Vol. 4 (1754}, p. 1010 Lo que, traducido, dice: Esta manera de considerar cantidades que tienen més de tres dimensiones es tan correcta como Ia otra, debido a qne siempre se puede considerar que las letras algebraicas representan ntimeros, ya sean racionales 0 no. Dije con anterioridad que no era posible concebir mas de tres dimensiones. Sin embargo, un inteligente caballero que conozco piensa que se podria considerar a la duracién como wna cuarta dimensién y que el producto tiempo por volumen seria de algtin modo un producto de cuatro dimensiones. Esta idea puede ponerse en tela de juicio pero, a mi entender, tiene algtin mérito, aunque no sea sino el de ser novedova, Obsérvese que d’Alembert menciona a un “caballero inteligente” cuando se r@- fiere, evidentemente, a s{ mismo. Esta proponiendo con cierta cautela lo que en esa época debe haber sido una idea incipiente; idea que en el siglo xx llega a ser bastante comin. D'Alembert también visualizé con claridad espacios de dimensién superior como “productos” de espacios de menor dimensién. Por ejemplo, podemos con- siderar un espacio de 3 dimensiones como si pusiéramos lado a lado Jas primeras dos coordenadas (21, #2) y luego la tercera x3. Por tanto, escribimos RS BR? x Hi. Usamos el signo del producto, que u9 deber confundirsd con otros “productos” como el producto de niimeros. La palabra “producto” se emplea en dos contextos Bn forma snéloga, podemos escribir Rt =R°x R’. May otras maneras de expresar R* como un producto, a saber, Ri = R? x Re, Msto significa que consideramos por separado las dos primeras coordenadas (23, 2) y las dos iiltimas coordenadas (23,24). Mas tarde retomaremos tales pro- ductos.O, 9] Definicién de puntos en el espacio 5 Ahora definiremos la adicién de puntos. Si A y B son puntos, digamos en el espacio de 3 dimensiones, A=(@1,42,¢3) y B= (bi, bo.ba) entonces definimos A+ B como el punto cuyas coordenadas son A+ B= (ai +61, a2 + 52,43 + 63). Ejemplo 2. En el plano, si A= (1,2) y 8 = (—3,5), entonces A+B = (-2,7). En el espacio de 3 dimensiones, si A = (—1,%,3) y B = (v2,7,—2), entonces A+B=(V2-1,7+7,1). Al usar una n neutral que cubriera ambos casos de los espacios de 2 y 3 dimen- siones, los puntos se escribirfan de la siguiente manera: A=(a,-sutn), 18 = (hi... sta), y definimos A+ 8 como el punto cuyas coordenadas son (a1 +81, --654n + bn). Obsorvemos que se satisfacen las siguientes reglas: 1. (A+B) 4+C=A+4(B+C). 2 A+B=B+A. 8. Si suponemos que O=(0,0,...,0) es el punto cuyas coordenadas son todas 0, entonces O+A=At0=A para todo A. 4, Sea A= (a1,...,¢n) y 8a —A= A+(-A) = 0. —a),..-,—@,). Entonces ‘Todas estas propiedades son muy sencillas, y son ciertas debido a que son ciertas para naimeros y la adicién de n-tuplas se define en términos de la adicién de sus componentes, las cuales son mimeros. Nota. No se confunda el ntimero 0 con la n-tupla (0,...,0). Usualmente denotarnos estia n-tupla con O, y también la llamamos cero, dado que en la prictica, no puede ocurrir dificultad alguna.6 Vectores [L $1] Ahora. interpretaremos geométricamente en el plano la adicién y la multipli- cacién por nimeros (en forma simultdnea se puede visualizar lo que sucede en el espacio de 3 dimensiones). Ejemplo 3. Sean A = (2,3) y B= (—1,1). Entonces A+B=(1,4). La figura se asemeja a un paralelogramo (Fig. 3). Figura 3 Ejemplo 4. Sean A = (3,1) y B = (1,2). Entonces A+ B= (4,3). ‘Vemos de nuevo que la representacién geométrica de nuestra adicién se asemeja a.m paralelograme (Fig. 4). A+B Figura 4 La razén por la cual la figura se asemeja a un paralelogramo se puede dar en ‘érminos de la geometria del plano de la manera siguiente. Obtenemos # = (1,2) al comenzar en el origen O = (0,0) y al movernos 1 unidad a la derecha y 2 hacia arriba. Para obtener A+B, comenzamos en A y nos movemos de nuevo 1 unidad ala derecha y 2 hacia arriba. Ast, los segmentos de recta que se encuentran entre O y B yentre A y A+B son las hipotenusas de los tridngulos rectdngulos cuyos sutetos correapondientes son de la misma longitud y paralelos. Por consiguiente, los segmentos anteriores son paralelos y de la misma longitud, tal como se ilustra en la figura 5.O, §1] Definicién de puntos en el espacio 1 Figura 5 Ejemplo 5. $i A= (3,1) de nuevo, entonces —A = (~3,—1). Si marcamos este punto, vemos que —A tiene sentido opuesto a A. Podemos considerar que —A es la reflexién de A con respecto al origen. Figura 6 Ahora consideraremos la multiplicacién de A por un mimero, Si c es cual- quier mimero, definimos cA como el punto cuyas coordenades son (cai,... sea). Bjemplo 6. Si A= (2,—1,5) y c= 7, entonces eA = (14, 7,35). Es facil verificar las siguientes reglas: 5. (A+B) =cA+eB. 6. Si ex y co somntmeros, entonces (ar te)A=cAtoA y (cie)A= ‘Lambién nétese que s(egA). (Aas 4Cnél es Ja representacién geométries de la muliiplicacién por un mimero? Bjemplo 7. Sean A= (1,2) y e=3. Entonces cA = (3,8) como se puede apreciar en Ja figura 7(a).8 Vectores Os] La multiplicacién por 3 produce un alargamiento de A en 3 veces. En forma anéloga, 4A da por resultado un acortamiento de A en 3, es decir, A se reduce ala mitad de su tamafio. En general, si t es un nimero, ¢ > 0, tA se interpreta como un punto en la misma direccién que A desde el origen, aunque a t veces la distancia. De hecho, definimos que A y B tienen la misma direccién si existe un nimero c > 0 tal que A= cB. Insistimos: esto significa que A y B tienen la misma direccidn con respecto al on omitimos las palabras “con respecto al origen”. La multiplicacién por un mimero negativo invierte la direccién, Asi, —3A quedaria representado como en la figura 7(b). en. Para simplificar el lenguaje, 3A = (3,6) BA ) ) Figura 7 Decimos que dos vectores A y B (ninguno de los cuales es nulo) tienen direcciones opuestas si existe un ntimero ¢ < 0 tal que cA = B. Por lo cual, cuando B =—A,entonces A y B tienen direcciones opuestas. Ejercicios 1, §1 Encuentre A+ B, A— 5, 3A, —2B en cada uno de los siguientes casos. Marque los puntos que aparecen en los ejercicios 1 y 2 en una hoja de papel para graficar. 1. A=(2,-1), B= (-1,1) 2. A=(-1,3), B= (0,4) 3. A=(2,-1,5), B=(-1,1,1) 4, A=(-1,-2,3), B = (-1,3,—4) 5. A=(x,3,-1), B = (2x,—3,7) 6. A= (15, —2,4), B= (x,3,-1) 7. Sean A= (1,2) y B= (3,1). En uma hoja de papel para graficar marque A+B, A+2B,A+3B,A~B, A—2B, A—3B. 8. Sean A y B como en ¢l ejercicio 1. En una hoja de papel para graficar marque loa puntos A+23, A+3B, A—2B, A—-3B A+3B.(1, $2] ‘Vectores anclados 9 9. Considere A y B tal como se muestran en Ia figura 8. Marque el punto A—B, en cada caso. A 2 2 a (a) Se 7 © b) a @ Definimos un vector anclado como una pareja ordenada de puntos que represen- Figura 8 I, §2. Vectores anclados tames con AB. (liste no es un producto.) Podemos representarlo como una fiecha que va de A a B. Designamos A como punto inicial y a B como punto final del vector anclado (Fig. 9). —10 Vectores OL $2] Observamos que, en el plano, By = ay + (by —1)- De manera. anéloga, b2 = ae + (b2 — aa). Esto significa que B=A+(B—A). Sean AB y CD dos vectores anclades. Decimos que son equivalentes si B— A= D—G. Todo vector anclado AB es equivalente a uno cuyo punto inicial es el origen, debido a que AB es equivalente a O(R—A). Es claro que éste es el tinico vector anclado cuyo punto inicial se encuentra en el origen. y que es equivalente a AB. Si representames la ley del paralelogramo en el plano, entonces es evidente que la equivalencia de dos vectores anclados puede interpretarse geométricamente diciendo que las longitudes de los segmentos de recta determinados por la pareja de puntos son iguales y que las “direcciones” en que apuntan son las misres. En las siguientes figuras hemos dibujado los vectores anclados O(B— A), AB y OA—B), BA. Figura 10 Figura 11 emplo 1, Sean P = (1,13) y (Q) = (2,4,1). Bntonees PO es equivalente a OG, donde C = Q— P =(1,8,—2). Si A=(4,-2,5) y B=(5,3,3), entonces P@ es equivalente a AB. ya que Q-P=B-A=(i,5,—2). Dado un vector anclado OC’ cuyo punto inicial es el origen, decimos que se encuentra anclado en el origen. Dado cualqier vector anclado AB , decimos que esta anclado en A.Of, $2] Vectores anclados i Un vector anclado en el origen se encuentra completamente determinado por su punto final. Con base en esto, designarcmos como n-tupla a un punto o bien aun vector, dependiendo de la interpretacién que tengamos en mente. Se dice que dos vectores anclados AB y PQ son paralelos si existe un mimero ¢ # 0 tal que B— A = c(Q—P). Se dice que tienen la misma direecién si exisie un nimero ¢> 0 tal que B— A =e(Q—P), y se dice que tienen direcciones opuestas si existe un niimero ¢ <0 tal que B—A=c(Q- P). En las siguientes ilustraciones representarnos dos casos de vectores anclados pa- (a) Misma direccién (h) Direcciones opuestas Figura 12 Ejemplo 2. Sean P=(37) y @=(-4,2). Sean A=(5,1)) y B=(-16,-14). Luego, Q-P=(-7,-5) y B-As=(-21,-15). Fn consecuencia PQ es paralelo a AB, debido a que B— A= 3(Q—P). M&s atin, como 3 >0, vemos que PQ y AB tienen le misma direccién. De manera semejante, cualquier definicién enunciada para n-tuplas se puede aplicar a los vectores anclados. Por ejemplo, on la siguente seccién definiremos lo que significa que las n-tuplas sean perpendiculares.12 Vectores. (L, §3] Figura 13 Entonces podemos decir que dos vectores anclades AB y P@ son perpendi- culares entre si, si B— A es perpendicular a Q— P. En la figura 13 hemos hecho una representacién de dichos vectores en el plano. Fjercicios 1, §2 En cada uno de los siguientes casos determine cuales vectores anclados PG y AB son equivalentes. (0,5, 10) 3,1), B= (5, 3,8). En cada uno de los siguientes casos determine cudles vectores anclados PG y AH son paralelos. 7 (=3,9, =17)- si (-2,3,-1), B = (—11, 3, —28). 9. Con el objeto de ilustrarlos, dibuje em una hoja de papel los vectores anclados de Jos ejercicios 1, 2, 5 y 6. Dibuje también los vectores anclados QF y BA. Marque los puntos Q— P, B— A, P—Qy AB. I, §3. Producto escalar Convendremos en que, a lo largo de nuestro estudio, scleccionaremos vectores que siempre se encuentren en el mismo espacio n-dimensional. El lector puede restringirse sdlo a los casos en que n=2y n=3. Sean A = (a1, a2) y B = (61,62) dos vectores en el espacio de dos dimensio- nes. Definimos su producto escalar como A-B=ayb; + azbo.G, $3] Producto escalar 13 Sean A = (a1,a2,a3) y B = (b1,b2,63) dos vectores en el espacio de tres dimensiones. Definimos su producto escalar de la siguiente manera: A> B= ayby + ab + asbs. Sean A = (a1,--.,4n) ¥ B = (b1,...5b) dos vectores en el espacio de n dimensiones, lo que cubre los dos casos anteriores con una sola notacién. Definimos su producto escalar o producto interior A- B como sigue abi ++ + anbn. Este producto es un mimero. Por ejemplo, si A=(13,-2) y B= -1,4,-8), entonces A-B=-1412+6=17. Por el momento no daremos ninguna interpretacién geométrica de este producto escalar; lo haremos posteriormente. Antes, vamos a deducir algunas propiedades importantes. Las bdsicas son: PE 1. Tenemos que A-B=B- A. PE 2. Si A, B y C son tres vectores, entonces A(B+O)=A-B+A-C=(B+C)-A. PE 3. Si z es un niimero, entonces (@A)-B=2(A-B) y A-(@B) = 2(A-B). PE 4. Si A= esel vector nulo, entonces A-A = 0 y, si no lo es, entonces A-A>0O. A continuacién probamos estas propiedades. Con respecto a la primera, tenernos que ayby +++ banda = bay +++ + baGas dado que, para dos numeros cualesquiera a y 6, tenemos que ab = ba, lo que prueba la primera propiedad. Para probar PE 2, sea C =(¢1,...,¢n). Entonces B+ Ca (br+er..,bn+ en) A(B+G) = ai(b1 +1) +--+ 4+ an (bn + en) = ayby + aye; ++ dnba + Anca. Al reordenar los términos se obtiene ayby +++ + anda + are, + + an eny14 Vectores OL, $3] que no es otra cosa que A-B+A-C’. Esto prueba lo que queriamos. La propiedad PE 3 se deja como ejercicio. Por ultimo, para probar PE 4, observamos que, si una coordenada a; de A no es igual a 0, entonces existe um término a? # 0 y a? > 0 en el producto escalar A: A=a?+---+a3, Puesto que todo término es > 0, se infiere que la suma es > 0, tal como se queria demostrar. En una gran parte del trabajo que realizaremos con los vectores, sdlo usa- remos las propiedades comunes de la adicién, de la multiplicacién por mimeros y las cuatro propicdades del producto escalar. Mas adelante los estudiaremos de manera formal. Por el momento, observe que existen otros objetos con los cuales el lector est familiarizado y que se pueden sumar, restar y multiplicar por niimeros, por ejemplo, las funciones continuas definidas en un intervalo [a, b]. Sera conveniente escribir A? en vez de A-A para representar el producto escalar de un vector consigo mismo. (Este es el tinico ejemplo en el que nos permitimos usar tal notacién. Asf pues, A? no tiene significado alguno.) Como ejercicio, verifique que se cumplen las siguientes identidades: (A+ BY = A? 4+2A-B+B?, (A— BY? = A? —24.B + B?, Un producto interior A-B puede muy bien ser igual a cero sin que ninguno de los vectores A o B sea el vector nulo. Por ejemplo, sean A=(1,2,3) y B=(2,1,-$). Entonces, A-B=0 Decimos que dos vectores A y B son perpendiculares entre sf (u ortogo- males, como también les Namaremos), si A- B 0. Por ahora no es evidente que, en el plano, esta definicién coincide con nuestra notacién geoméiriea, intui- tiva de perpendicularidad. En la siguiente seecién convenceremos al lector de tal coincidencia; en esta parte sédlo veremos un ejemplo. Consideremos en R® los tres vectores unitarios F,=(1,0,0), Fa =(0,1,0), Hs =(0,0,1) tal como se muestra en el diagrama (Fig. 14). Veamos entonces que E;-E2 = 0 y que, en forma andloga, Ej-Ej = 0 sii #j Y asf, estos vectores se consideran perpendiculares entre si. Si A = (a,a2,a3), entonces observamos que la i-ésima componente de A, a saber, AE es el producto interior de A con el i-ésimo vector unitario., Advertimos que A es perpendicular a E; (conforme a nuestra definicién de perperdicularidad con el producto interior) si, y sdlo si, su #-ésima componente es igual a 0.tT, $4] La norma de un vector 15 Es By ¥ By z Figura 14 Ejercicios 1, §3 J. Para cada una de las n-tuplas siguientes encuentre A-A (a) A= (2,-1), B = (-1,1) (o) A=(-1,3), B= (0,4) ) (2,-1,5), B= (-1,1,1) (a) A fe) (x, 3,-1), B= (2, -3,7) (yA 2, Encuentre A-B para las n-tuplas del ejercicio anterior. 3, Usando sélo las cuatro propiedades del producto escalar, verifique con detalle las identidades dadas en el texto para (A+B)? y (A— By. 4, uCudles de las siguientes parejas de vectores son perpendiculares entre sf? (a) G.=1,1) y (2,1,5) (b) G,—1,1) y (2,3,1) (©) (—5,2,7) ¥ (3,-1.2) (A) 2,4) ¥ (2-7, 0) 5. Sea A un vector perpendicular a todo vector X. Demuestre que A= 0. J, §4. La norma de wn vector Definimos como norma de tn yector A, que denotamos con |[Al], al nimero All = VA-A, Como A- A > 0, podemos extraer la raiz cuadrada, Algunas veces la norma también se denomina magnitud de A. Cuando n =2 y A= (a,8), entonces |All = Va? +0, como se puede apreciar en la siguiente representacién (Fig. 15)16 Vectores (L $4) Figura 15 Ejemplo 1. Si A= (1,2), entonces 4 {|All = Mt+4 = V5. Cuando n = 3 y A= (az, 02,43), entonces WAll = a? +03 +03 Bjemplo 2. Si A = (—1,2,3), entonces |All = VIF 449 = V4 Si nm = 8, entonces la representacién cs como la de la figura 16, donde A = (yz). Varta sale Gy) Figura 16 Si nos fijamos primero en las dos componentes (x,y), entonces, como se indicé, la longitud del segmento que une a (0,0) con (a,y) es igual a w = fatty. Entonces, de nuevo, la norma de A serfa, por el teorema de Pitagoras, Vays Eyre.IL 84] La norma de un vector 7 Asi, cuando n = 3, nuestra definicin de norma es compatible con la geometria del teorema de Pitdgoras. En términos de coordenadas, A = (a1}...,4,) y vemos que [lal = fag Fe a. Si A # O, entonces ||Al] # 0, debido a que alguna coordenada a; # 0, de manera que a? > 0 y, en consecuencia, aj +---+ a2 > 0, por lo que ||Al| #0. Observe que, para cualquier vector A, tenemos que Al =) - All Esto se debe al hecho de que (Har)? +++ (an)? = af +--+}, ya que (—1)? = 1. Por supuesto, esto debe ser asi, segtin la figura: Figure 17 Recordemos que A y —A tienen direcciones opues Bin embargo, tienen la misma norma. (magnitud, como algunas veces se di¢e cuando se habla de vectores). Sean A y B dos puntos. Definimos la distancia entre A y B de la manera siguiente: IlA— Bll = V(A- 8) (A— B). Esta, definicién coincide con nuestra intnicién geométrica cuando A y B son puntos en el plano (Fig. 18). Es lo mismo que la longitud.del vector anclado AB o del vector anclado BA.18 Vectores [L 84] Longitnd = ||A — Bll = [|B — Alj Figura 18 Bjemplo 3. Sean A = (—1,2) y B = (3,4). Entonces la longitud del veetor anclado AB es igual a ||B — Al]. Pero B— A = (4,2). Por tanto, |B — Al| = V6 +4 = V0. En la figura vernos que el lado horizontal tiené una longitud igual a 4 y el lado vertical tiene una longitud igual a 2, por lo que nuestras definiciones reflejan nuestra. intuicién geométrica derivada de Pitagoras Figura 19 Sea P un punto en el plano y sea a un mimero > 0. El conjunto de los puntos X tules que IX Pil 0, entonces |[Al| = ¢|]All, es decir, si alargarnos un vector A al multiplicarlo por un mimero positivo ¢, entonces Ia longitud también se inecre-20 Vectores , $4] menta en la misma cantidad. Vamos a verificar formalmente lo dicho, usando la definicién de longitud. Teorema 4.1. Sea 2 un nimero. Entonces He2All = le | [IAI (el valor absoluto de 2 por la norma de A). Demostracién. Por definicién, tenemos que Ile Al|? = (4) - (A), que es igual a 2(A- A) debido a las propiedades del producto escalar. Al extracr lo raiz cuadrada se obtiene lo qne queriamos Sea 5, In esfera de radio 1, con centro en el origen. Sea a un niimero > 0 Si z es un punto de la esfera $1, entonces aX es un punto de la esfera de radio a, debido a que WaX|| = @| XI] = a. De esta manera, obtenemos todos los puntos de la esfera de radio a, (; Demos tracién?) Por tanto, la esfera de radio a se obtiene al estirar la esfera de radio 1, mediante la multiplicacién por a Una observacién semejante se aplica a las bolas abierta y cerrada de radios a, las cuales se obtienen a partir de las bolas abierta y cerrada de radios 1, mediante la multiplicacién por a. Disco de radio 1 Disco de radio a Figura 22 Decimos que un vector Fes \m vector unitario si |||] = 1. Dado cualquier vector A, sea a=||Al]. Si a # 0, entonces L =A a es un vector unitario, dado que 1 L [54] a a aO, $4] La norma de un vector 21 Decimos que dos vectores A y B (ninguno de los cuales es el vector Q) tienen Ja misma direccién si existe un niimero ¢ > 0 tal que cA = B. En vista de esta definicién, vemos que el vector 1 The WAll ¢s un vector unitario en la direccién de A (considerando que A # 0) Figura 23 Si £ es un vector unitario en la direccién de A y ||Al] =a, entonces A=aB. Ejemplo 4. Sea A = (1,2,—3). Entonces |jAl| = 14. En consecuencia, el vector unitario en la direccién de A es el vector g= (Fa = =) ~ ia’ Jia! Via) * Advertencia. Hay tantos vectores unitarios como direcciones. Los tres vec- tores unitarios candnicos en el espacio de $ dimensiones, a saber, E, =(1,0,0), E2 = (0,1,0),. Bs = (0,0,1) son simplemente los tres vectores unitarios en las direcciones de los ejes de co- ordenadas. También nos encontramos en posicién de poder justificar nuestra definicién de perpendicularidad. Dados A y B en el plano, la condicién I|A+ Bll = |A— Bll {ilustrada en la figura 24(b)) coincide con la propiedad geométrica de que A debe ser perpendicular a B.a Vectores Ot, §4] A lA=8il Wasa / (a) 5) Figura 24 Probaremos que: ||A+ Bl || si, y sdlo lA Denotemos con el simbolo 4 Ia expresin “si, y sdlo si,”. Entonces, A+ Bll =||A— Bl] = [A+ BIP = 114 - BP <> AP4+2A-B+ B? = A?—2A.B +B? +=) 44-B=0 — AB= Esto prueba lo que queriamos Teorema de Pitdgoras gencralizado. Si A y B son perpendiculares entre st, entonces ||4+ BI? = [AIP +12 1P- Bn Ia figura 25 se ilustra el teorema. ALB A Figura 25 Para probarlo, usamos las definiciones, a saber: ||A+ BI? = (A+ B)-(A+ 8B) = 4? 424-8 +B? = |41? + 11817, ya que, por definicién, A.B =O y A-A=][Al|?, B. B= ||B|l?.IL 84] La norma de un vector 23 Observacién. Si A es perpendicular a B y 2 es cualquier mimero, entonces A también es perpendicular a 2B, debido a que A-B=2A-B=0. Ahora emplearemos la nocién de perpendicularidad para deducir la nocién de proyeccidn. Sean A y B dos vectores y B #0. Sea P el punto sobre la recta que contiene 2 O7), tal que PA es perpendicular a OB, como se muestra en la figura 26(a). ®) (b) Figura 26 Podemos esc P=cB para algdin ntimezo c. Queremos encontra este mimero ¢ de forma explicita en términos de A y B. Lacondicién PA . OB significa que A— Pes perpendicular a B, y como P = eB, esto significa que (A-eR)-B en otras palabras, A-B-cB-B=0. Podemos despejar ¢ y encontramos que A+ B= cB -B, de manera que A-B B-B Reefprocamente, si tomamos este valor de ¢ y luego usamos la distributividad, al multiplicar escalarmente a A—cB por B se obtiene 0, de manera que A—cB es perpendicular a B, En consecnencia, hemos visto que existe un tinico mimero ¢ tal que A— eB es perpendicular a B, y ¢ esta dado por la férmula anterior. A-B BB Definicién. La componente de A a lo largo de B es el nimero ¢ AB La proyeecién de A alo largo de B es el vector eB = aeVectores fi. 84] Ejemplo 5. Supongamos que B= B; = (0,-..,0,1,0,.-.,0) cs el i-ésimo vector unitario, donde 1 est en la é-ésima componente y 0 en todas las otras componentes. Si A= (a,...,a9), entonces A» By Por lo que. A. Fy es la é-ésima componente ordinaria de A. =o. En forma més general, si B es un vector unitario, no necesariamente uno de Jos Ej, entonces simplemente tenemos que c=A-B ya que BB =1, por definicién de vector unitario. Bjemplo 6. Sean A= (1,2,—3) y B = (1,1,2). Entonces la componente de A alo largo de B es el mimero AB c= - = BB 6 Bn consecuencia, la proyeccién de A a lo largo de B es el vector cB = (—4,-4,-1). Nuestre construccién brinda una interpretacién geométrica inmediata del pro- ducto escalar. A saber, supongamos que A # O y observemos el dngulo @ for- mado entre Ay 8 (Fig. 27). Enton gin la geometria del plano, vemos que ell cos =, ill © bien, al sustituir el valor de ¢ cbtenido con anterioridad, A-B A+ B= |A|| [|B] cos@ y cos 8 = Halil ra . \ . 2 fs cB Figura 27 En algunos tratados sobre vectores, se considera la relacién A: B= |\All||Bleos 0 como definicién det producto escalar. Pista se encuentra sujeta a las siguientes desventajas, por no decir objeciones:I, 84] La norma de un vector 25 (a) Las cuatro propiedades del producto escalar PE 1 hasta PE 4 de ninguna manera son obvias. (b) Aun en el espacio de 3 dimensiones, se tiene que confiar en la intuicién geométrica para obtener el coseno del Angulo formado entre A y B, y esta intuicién resulta menos clara que en el plano. En espacios de dimensién mayor falla atin mas. (c) Resulta extremadamente dificil trabajar con tal definicién para lograr pro- piedades adicionales del producto escalar. Por tal motivo preferimos establecer fundamentos algebraicos obvios y des- pués recuperar con gran sencillez todas las propiedades. Empleamos geometria del plano para ver la expresién A+B =||Al| [Bll cos 6. Después de estudiar algunos ejemplos, probaremos la desigualdad que nos per- mite justificar esta formula en el espacio de n dimensiones. Bjemplo 7. Sean A = (1,2,-3) y B= (2,1,5). Eneuentre el coseno del Angulo @ formado entre A y B. Por definicion, __ A+B _ 242-15 11 [AlIBI Via 30 420" Bjemplo 8. Encuentre el coseno del Angulo formado entre los dos vectores anclados PQ y PH, donde P=(1,2,-3), @Q=(-2,1,5), R=(1,1,-4). La representacién es como la siguiente: Fignta 28 Hagamos A=Q-P=(-3,-1,8) y B=R-—P=(0,-1,-1). Bntonces cl Angulo formado entre PQ y PH es el mismo que el formado entre Ay B. Por tanto, su coseno es igual a A-B _O0+1-8_ ~7 cos @ = ee eee res,26 Vectores [L, $4] Probaremos propiedades adicionales de la norma y del producto escalar usan- do nuestros resultados sobre perpendicularidad, Obsérvese primero 1m caso es- pecial. Si Ey = (0,...,0,1,0,,.-50) es el i-ésimo vector unitario de R”,y A= (a1,...440); entonces A-Ee=4; es la i-ésima componente de A, esto es, la componente de A a lo largo de &;. Tenemos que lal = fa} < fai+-- +02 = [Al], de manera que cl valor absoluto de cada componente de A es igual, a lo més, a la longitud de A. No tenemos que trabajar, como lo acabamos de hacer, solamente con el vector unitario especial. Sea L) cualquier vector unitario, es decir, um vector cuya norma sea igual a 1. Sea ¢ la componente de A alo largo de #. Vimos que =A-E. Luego, A— cE es perpendicular a Z, y A=A-cE + ck Entonces A—cF también es perpendicular a cP y, por el teorema de Pitégoras, encontramos que AIP = [14 — c£|[? + [lez |? = ||A ~ cB? +e? Asi tenemos las desigualdades c? < |[Al? y lel < [|All- En el siguiente tecrema generalizamos esta desigualdad para un producto escalar A.B para el caso en que B no es necesariamente un vector unitatio. ‘Teorema 4.2, Sean A y B dos vectores en R”. Entonces 14-8) < AIF 1 Demostracién. $i B = O, entonces ambos miembros de la desigualdad son guales a 0, de modo que nuestra afirmacion es obvia. Supongamos que B # 0. Sea c la componente de A alo largo de B, de manera que c= (A+ B)/(B +B). Bscribamos A=A-cB+cB. Por Pitdgoras, IAI]? = LA — call? + |leas||? = || — eB? + 07|1B\?- Por tanto, ¢|{BI|? < ||A||?. Pero (A+B)? A: Bi? |4: BP? ay ai — & Bi? = BI? 4 UB? = Gayla Tall TegOL, $4] La norma de un veetor oy Por consiguiente, |A- BP IP Para concluir la demosiracién, multiplicamos por |||]? y extraemos la raiz cua- drada. SlAlP. Debido al teorema 4.2, vemos que, para los vectores A y B en el espacio de n dimensiones, el niimero A-B_ VANTBI tiene valor absoluto < 1. En consecuencia A-B -1< 7S <1, ~ |AlTBI y existe un Angulo @ tinico tal que 0S 6 <7, y tal que AB cos = (All 12] Definimos este angulo como ol Angulo formado por A y B. A la desigualdad del teorema 4.2 se le conoce como desigualdad de Schwarz. Teorema 4.3. Sean A y RB vectores, Entonces A+ BIL 1. Un arreglo de ntimeros 1 19 Gig Gin aa gg za an G@mi Am2 G3 mn se conoce como matriz. Podemos abreviar la notacién para esta matric ex- presandola como (aij), i= 1,...,m y j= 1,.-.,n. Decimos que es una matriz de m por n, o bien que es una matriz de mx n. La matriz tiene m renglones y n columnas. Por ejemplo, la primera columna es au ant Omi y el segundo renglén es (421, 422, ola componente ij de la matriz. Vea de nuevo cl Capitulo T, §1. E) ejemplo del espacio de 7 dimensiones tomado de la economia da Ingar a una matriz (aij) de 7x7 (J = L.-T), si definimos aj como la cantidad que la i-ésima industria gasta en la j-ésima industria. De modo que, manteniendo la notacién de ese ejemplo, si az5 = 50, cato significa que la industria antomotria compré a le industria. quimica 50 millones de délares de materias primas durante un aio determinado. 14n). Decimos que aj es la entrada ij Bjemplo 1. La siguiente es una matriz de 2 x 3: CY 3) ‘Tiene dos renglones y tres columnas. Los renglones son (1, 1,—2) y (-1,4,—5). Las columnas son (4). G) CG) Por tanto, los renglones de una Matriz se pueden considerar como n-tuplas y las columnas como m-tuplas verticales. Una m-tupla vertical también se conoce como vector columna. Un veetor (z1,-.-,n) es una matris de 1 xn. Un vector columna a Za es una matriz de n x1. ‘Cuando expresamos una matriz en la forma (azj), # denota el renglén y j la columna. De esta manera, en e] ejemplo 1 tenemos an =1, a3 =—5.OH, §1] Matrices 43 Un ntimero individual (a) se puede considerar como una matria de 1x 1. Sea (aij), i= 1,....m y j = 1,...,m, una matriz, Si m =n, entonces decimos que es una matriz cuadrada. Asi, 1-1 5 Wer) +] Pe 3 ID) -1 son matrices cuadradas. Definimes la matriz nula como aquellaen la que a;;=0 para todes # y j, y cuyo aspecto se muestra en seguida: 000 +. 0 000 0 oo 0+. 0 La representaremos con O, Observemos que hasta ahora nos hemos encontrado con el niimero cero, con el vector nulo y con la matris nula. Ahora vamos a definir la adicién de matrices y la multiplicacién de matrices por mimeros. Definimos la adicién de matrices sdlo cuando tienen el mismo tamaiio. Ast, sean m y n enteres fijos > 1. Sean A =(aj;) y B= (b,;) matrices de mxn Definimos la matriz A+ B como aquella cuya componente en el renglén i y Ie columna j es aj; -+,;. En otros palabras, sumamos matrices del mismo tamai componente a componente. Ejemplo 2. Sean 1 2 0 — (81 -1 a=( 1) ¥ a=(3 1 =) 6 0 -1 avn (f 4 3) Si tanto A como B son matrices de 1x n, esto es, n-tuplas, entonces obser- vamos que nustra adicién de matriess coincide con Ja adicién que hemos definido en el Capitulo I para n-tuplas. Entonces Si O es Ja matris nula, entonces para cualquier matriz A (del mismo tamatio, por supuesto), tenemos que O+ A=A+O=A. Bsto se puede verificar en forma trivial, Ahora definiremos la multiplicacién de una matriz por un mimero. Sean c un niimero y A = (ay), una matriz. Definiremos cA como la matriz cuya componente ij es cajj. Hscribimos A = (cais). Ast pues, multiplicamos cada componente de A por ¢.44 Matrices y ecuaciones lincales [m, §1) Bjemplo 3. Scan A y B como en el ejemplo 2. Sea c = 2. Entonces _ (2 -2 0 _fi 2 -2 aa= (i 6 8 s on= (4 2 aa) ‘Tenemos también que i _ fri Ryo (p4as-A= @ * ) En general, para cualquier matriz A = (a;;) representamos con —A (menos A) la matrix (—a;;). Como tenemos la relacién a;j—ajj = 0 para ndmeros, también obtenemos la relacién A+(-A) =O para matrices. También se conoce la matris —A como inversa aditiva de A. Definimos otra nocién relacionada con una matriz. Sea A = (aj) una matriz de mxn. La matriz B = (bj:) de nx m tal que bj = aij 8¢ conoce como transpuesta de 4, y se denota también con ‘A. El transponer una matric equivale a intercambiar renglones por colummas y viceversa. Si A es la matriz que aparece al principio de esta seccién, entonces *A es la matriz au a2. asi tts Ami 212 da 432 and Sin Gan dan tt) Ginn Consideremos un caso particular: 2 1 sia=(j f o). entonces a=(3 :). at Si A= (2,1,—4) es un vector renglén, entonces es un vector columna. Una matriz A que es igual a su transpuesta, esto es, A = ‘A, se conoce como simétrica. Dicha matriz necesariamente es una matriz cuadrada. Observacién sobre la notacién. He escrito el signo de transposicion a la juquierda debido a que en muchas situaciones se considera la inversa de una ma- triz y se escribe A~}, y entonces resulta mas sencillo escribir ‘A~* que (Ato que (A!)-! las que, de hecho, son iguales. No ha habido consenso en la comuni- dad maiematica con respecto a dénde se debe colocar cl signo de transposicién, si ala derecha o a la izquierda.oT, 1) Matrices 45 Ejercicios IL, §1 4. Sean laa (15-2 o (Ae) , a (3 $2). Encuentre A+ B, 3B, 2B, A4+2B,2A+B, A—B, A-2B, BA. aed) (2 3): Encuentre A+B, 3B, 2B, A+2B, A—B, B—A. 2. Sean 3. (a) Escriba los vectores renglén y los vectores columna de las matrices A y B del ejercicio 1. (b) Escriba los vectores renglén y los vectores columna de las matrices A y B del ejercicio 2. 4, (a) Enel ejercicio 1, encuentre ‘A y $B. (b) En el ejercicio 2, encuentre A y *B. 5. Si A y B son matrices arbitrarias de m xm, demuestre que (A+B) ='A+'D. 6. Si ¢ es un miimero, demuestre que *(cA) = 6A 7. Si A = (ay) es una matriz cuadrada, entonces los elementos aj; se denominan elementos diagonales, ; En qné difieren los elementos diagonales de A y ‘A? 8. En el ejercicio 2, determine ‘(A+ B) y ‘A+‘B. 9. En el ejercicio 2, determine A+'A y B+'B. 10. (a) Demuestre que, para cualquier matriz cuadrada, la matriz A+ A es simétrica. (b) Se dice que una matriz A es antisimétrica si ‘A = —A, Demuestre que, para cualquier matriz cuadrada.A, la matris A — ‘A es antisimétrica. (c) Si una matriz es antisimé:rica, qué puede usted decir acerca de sus elementos diagonales? 11, Sean Bx =(1,0,...,0), £2 = (0,1,0,...,0),, .., Bn =(0,---,0,1) los vectores unitarios candnicos de R". Sean 21,...,29 miimeros. {Qué es 216, +--++2nEn? Demuestre que, si 21 Ey te + an Bn =O, entonces x6 = para todo i.46 Matrices y ecuaciones lineales (HL, §2] Ti, §2. Multiplicacion de matrices Definiremos ahora el producto de matrices. Sea A = (aij), 7 = 1 j=1,...)n, una matriz de mxn. Sea B= (b;4), 5 sany sea k= una matriz de n x 5: a1 ++ Gin iy tet Bas a=([: pd, B= ( i a J Amt -'* Onn oni +> bas Definimos el producto AB como la matriz de m x s cuya coordenada ik es Do aizbye = arbre + aidan +--+ Ginban- a Si Ai,...,Am son los veetores renglén de la matris A, y si B1,...,B* son los yectores columna de la matriz B, entonces la coordenada ik del producto AB es igual a A;-B*. Asi, Ay: Bl +) Ay - Bt an=( : : }s AmB). | Ag Bt La multiplicacién de matrices es, por consiguiente, una generalizacién del pro- ducto interior. . 34 a=(G a oa B=[-1 2 § 21 Entonces AB es una matriz de 2 x 2 y los cdleulos muestran que 3 4 mer(eiemi> 5 fib 16 an=({ 3 2 (3 2) =(4 jie Ejemplo. Sea Wan cq (4 x) 7 Sean A y B como en el ejemplo 1. Entonces e(L)G 244) aoa (7 $8) (= -#)=(8 9). Caleule (AB)C. ,Qué encontré? Ejemplo. Sean(1, $2] Multiplicacién de matrices AT Si X = (r1,...,2m) es un vector renglén, es decir, una matriz de 1x m, entonces podemos former el producto XA, el cual tiene el siguiente aspecto: te. ( ‘ Jam s9Un)> Omi tt Aran, donde Ve = @rdak Fo + a Gmk- En este caso, XA es una matriz de 1 x n, es decir, un vector renglén. Por otra parte, si X es un vector columna, a aif 2 ta entonces AX = Y, donde Y también es un vector columna, cuyas coordenadas estén dadas por w= Dayz; La multiplicacién AX = Y tiene el siguiente aspecto: Et be + int. a1 + ain a a Gr mn En Yen Ejemplo. Ecuaciones lineales. Las matrices brindan una manera cémoda de escribir ecuaciones lineales. El lector seguramente ya ha trabajado con siste- mas de ecuaciones lineales. Por ejemplo, una ecuacién como: 32 2y +32 =1, con tres incégnitas z, y, z. © bien un sistema de dos ccuaciones con tres incégnitas 3am 2y + 32 = 1, (+) ne -2 + Ty —42=-5. En este ejemplo formamos la matriz de los coeficientes wai oa ee eld ancteety Sea B el vector columna de los ntimeros que aparecen en el miembro derecho del sistema, es decir 1 a=(_}).48 Matrices y ecuaciones lineales 0, $2] Sea el vector de las incégnitas el siguiente vector columna: 2 x=[y : Entonces se percibe que el sistema de dos ecuaciones simulténcas se puede escribir en la siguiente forma: AX =B. Ejemplo. La primera ecuacién de (#) representa la igualdad de las primeras componentes de 4X y de B, mientras que la segunda ecuacion de (+) representa la igualdad de las segundas componentes de AX y de B. En general, sea A = (ay;) una matriz de m xn y sea B un vector columna de tamafio m. Sea 2 z2 aie zn un veetor columna de tamafo n. Entonces el sistema de ecuaciones lineales anzr +--+ Gintn =b1, @g321 +--+ + Gantn = ba, Amity be + omntn brn, se puede escribir de la siguiente manera, que es més cficicnte: AX = 8, debido a la definicién de multiplicacién de matrices. Mds adelante vere- mos cémo resolver tales sistemas. Decimos que hay m ecuaciones y incégnitas o n variables. Ejemplo. Matrices de Markov. A menudo se puede emplear una matriz para representar una situacién-practica. Consideremos tres ciudades, digamos tos Angeles, Chicago y Boston, que denotamos con LA, Ch y Bo. Supongamos que, en cualquier aio dado, algunas personas salen de una de estas ciudades para. jr a alguna de las otras. EI porcentaje de las personas que salen y Megan est, dado de la manera. siguiente, por aio: 2LAvaaBo y $A vaaCh. 3 Ch vaaLA y 4 Ch va a Bo. ¢BovaaLA y 3 BovaaCh. Sean an, Ym Y Zn las podlaciones de LA, Ch y Bo, respectivamente, en el afio n. Entonces podemos expresar la poblacién en el aio n +1 de la siguiente manera.(Hy, §2] Multiplicacién de matrices 49 En el aio n+1, § de la poblacién de LA sale para Boston y } sale para Chicago. La fraccién total que sale de LA durante el afio es, por consiguiente, anh at+7= te En consecuencia, la fraecién total que permanece en LA es ak 1- a= 25° Por tanto, la poblacién de LA en el aiio n 4 1 es a. Bal + ot + ben. En forma aniloga, la fraccién que sale de Chicago cada afio es Lyte tai de manera que la fraccién que permancce en ese lugar es 7. Por ultimo, la fraccién que sale de Boston cada afio es api-38 stat me de manera que la fraccién que permanece en Boston es 12. Asi, Yaga = ttn + un + dan, tnt = btn + dun + Hen. Sea A la matriz co ot wR OS 7 2 4 A 7 i a 4 4 a 403 ff Entonces podemos describir en forma més simple el cambio de poblacién me- diante la expresién me Xngi=AXn donde Xn = | yn 2m El cambio de X,, a X,41 seeonoce como proceso de Markov. liste se debe a la propiedad especial de le matriz A, cuyas componentes son todas > 0 y tales que la suma de todos los elementos de cada columna es igual a 1. Una matriz as{ recibe el nombre de matriz de Markov. Si A es una matriz cuadrada, entonced podemos formar el producto AA, que seré una matriz cuadrada del mismo tamafio que A. Se denota con A?. En forma anéloga, podemos formar A*, A* y, en general, A” para cualquier entero positivo n. Por tanto, A* es el producto de A consige misma n veces. Podemos definir la matriz unitaria de n x n como la matriz que tiene todas las componentes diagonales iguales a 1 y todas las demas componentes iguales a50 Matrices y ecuaciones lineales Ur, §2} 0. Ast, la matriz unitaria de nx n, denotada con J,, tiene el siguiente aspecto: 100+: 010 oo. In 749 000 1 000. 1 Entonces podemos definir A° = I (la matriz unitaria, del mismo tamaiio que A). Observe que, para cualesquiera des enteros 7 y 5 > 0, tenemos la relacién usual AT At = ATAT =A, Por ejemplo, en el proceso de Markov descrito anteriormente, podemos expresar el vector de poblacién en el afio n +1 de la siguiente manera: Xnpi = a" X1, donde X1 ¢s el vector de poblacién en el primer afio. Advertencia. No siempre es cierto que AZ = BA. Per ejemplo, calcule AB y BA en cl siguiente caso: a 2 2-1 a=(5 1) \e=@ “s) Encontraré dos valores diferentes, Esto se expresa diciendo que la multiplicacién de matrices no necesariamente es conmutativa. Desde lucgo, on algunos casos €s- peciales, si tenemos que AB = BA. Por ejemplo, las polencias de A conmutan, es decir, tenemos que ATA‘ = A*A”, tal como se indies antes. Probemos ahora otras propiedades basicas de la multiplicacién. Ley distributiva. Sean A, B y C matrices. Supongamos que A y B se pueden multiplicar entre si, que A y C se pueden multiplicar entre si y que B y C se pueden sumar. Entonces A y B+ C se pueden multiplicar entre si, y tenemos que A(B + C)= AB+AG. Si » es un nitmero, entences A(@B) = 2(AB). Demostracidn. Sea A; el i-ésimo renglén de A y sean B® y C* las k-ésimas columnas de B y C’, respectivamente.... Entonces k-ésima columma de B+ C es BY +O*, Por definicién, la componente ik de A(B-+C) es A;- (BF +C*). Como Ai: (B* 4G") = Are BY + Ay- 0", se infiere nmestra primera afirmacién. Con respecto a la segunda, observe que la k-ésima columna de 2B es 2B*. Como A;-2B* = 2(A;- B*), se infiere nucstra segunda afirmacién.(i, $2] ‘Multiplicacién de matrices BL Ley asociativa, Sean A, B y G matrices tales que A y B se pueden multiplicar entre si y que B y C’ se pueden multiplicar entre si. Entonces A y BC se pueden multiplicar entre sf. Lo mismo sucede con AB y C y tenemos (AB)C = A(BC). Demostracién. Sea A = (aij) una matriz de mxn; sea B = (b;.) una matria de nx r y sea C = (cx) una matriz de rx s. El producto AB es una matriz de mx r, cuya componente é& es igual a la suma aiibie + aiaban + +++ + inbas- Abreviaremos esta suma mediante ¢l empleo de nuestra notacién Y> escribiendo DV aizije. ; Por definicién, la componente # de (AB) es igual a De | Do aasbye | ces = SD | SO aij bjnce ks La suma que aparece a la derecha de la igualdad tambien se puede describir como la suma de todos los términos So ais bjxcnt, donde j y k varian sobre todos los enteros 1 0. Como R(G)rX = rR(0)X, vemos que la multiplicacién por i(0) también tiene el efecto de hacer girar a rX enim Angulo 0. Asi, la rotacién en un Angulo @ se puede representar por la matriz K(0) R(E)X = *(cos(O + 7), sen + ¢)) ‘Figura 1 Observe que, por razones tipograficas, hemos escrito el vector ‘X en forma horizontal, aunque hemos puesto una pequefia t en el superindice superior iz- quierdo, para denotar la transpuesta, de manera que X es un vector columna, Bjemplo. La matriz que corresp onde a la rotacién en un Angulo de 7/3 esti, dada por = 13 — % Kents) = (seis ccoass) (12 —v3/2 ‘= CBr Ae[H. §2} Multiplicacién de matrices 55 Ejemplo S. ea X = (2,5). Giremos a X en un Angulo de 7/3, y encontremos las coordenadas del vector girado. Estas coordenadas son: norm = (Yh fs) (3) -(at) Advertencia. Observe cémo multiplicamos por la izquierda al vector co- Jumna por la matriz R(9). Si el lector quiere trabajar con vectores renglén, entonces considere Ia, transpuesta y verifique directamente que 1/2 2 (2,5) (an vie) = (1—5V3/2, V3 45/2). En este caso se ha transpuesto la matriz K(9). E] signo menos ahora aparece en Ja esquina inferior izquierda. Ejercicios II, $2 Los siguientes ejercicios ayudan principalnente a mecanizar la multiplicacién de matzi- ces. Sin embargo, también ilustra algunos aspectos mas tedricos de esta rmultiplicacién Por consigniente, deberdn resolverse todos. En forma mds espceffica, tenemos que: Del ¢jercieio 7 al 12 se cjerplifica la multiplicacién por los vectores unitarios Del ejercicio 14 al 19 se ejemplifica la multiplicacién de matrices triangulares. Del ejercicio 24 al 27 se ejemplifica la transformaciéa de la adicién de miimeros en moltiplicacién de matrices Del ejercicio 27 al 32 se ejemplifican las rotaciones. Del ejercicio 33 al 37 se ejemplifican las matrices elementales y deberdn resolverse antes de estudiar Ja seccién §6. 1. Sea I la matriz unitaria de nxn. Sea Atma matria de nx 7. ,A quées igual TA? Si A es una matria de mx m. ja qné es igual AI? 2. Sea O la mairis cuyas coordenadas son todas iguales a 0. Sea A una matria de un tamaiio tal que esté definido el producto AO. {A quées igual AO? 3. Em cada uno de los signientes casos, encuentre (AB)C y A(BC). wa=(32). = (42) c= (88) 2 1 man a 5) 1 2 24 A= =( 31 wa=(2 4 (33)