Octava edicion Bernard Kolman = David R. HillALGEBRA LINEAL OCTAVA EDICION Bernard Kolman Drexel University David R. Hill Temple University TRADUCCION: Victor Hugo Ibarra Mercado Escuela de Actuarta-Universidad Andhuac ESFM-IPN REVISION TECNICA: Alfonso Bustamante Arias Eddy Herrera Daza Jefe del Departamento de Matemdticas y Estadistica Pontificia Universidad Javeriana, Universidad ICESI, Cali, Colombia Bogotd, Colombia Carlos Hernandez Garciadiego Oscar Andrés Montaiio Carrefio Instituto de Matemdticas Pontificia Universidad Javeriana Universidad Nacional Autonoma de México Cali, Colombia Jaime Kiwa Kristal Jorge Ivin Castaiio Departamento de Ciencias Basicas Universidad EAFIT Instituto Tecnoldgico de Ciudad Jud Medellin, Colombia Gustavo Preciado Rosas Conrado Josué Saller Departamento de Matemdticas Universidad Tecnolégica Nacional Instituto Tecnolégico Auténomo de México Buenos Aires, Argentina Fabio Molina Focazzio Pontificia Universidad Javeriana, Bogotd, Colombia PEARSON MEXICO + ARGENTINA ¢ BRASIL + COLOMBIA * COSTA RICA ¢ CHILE » ECUADOR ESPANA * GUATEMALA * PANAMA ¢ PERU # PUERTO RICO * URUGUAY © VENEZUELACONTENIDO Prefacio xi Alestudiante xix Ecuaciones lineales y matrices 1 Ll Sistemas lineales 1 1.2 Matrices 10 1.3. Producto punto y multiplicacién de matrices 21 1.4 Propiedades de las operaciones con matrices 39 1.5. Transformaciones matriciales 52 1.6 Soluciones de sistemas de ecuaciones lineales 62 1.7 Lainversa de una matriz 91 1.8 Factorizacién LU (opcional) 107 Aplicaciones de ecuaciones lineales y matrices (opcional) 119 2.1 Introduccién a a teorfa de cédigos 119 2.2 Teoria de graficas 125 2.3. Creacién de graficos por computadora 135 24 Cireuitos eléctricos 144 2.5 Cadenas de Markov 149 2.6 Modelos econsrnicos fineales 159 2.7 Introduccién a wavelets (ondeletas u onditas) 166 Determinantes 182 3.1 Definicién y propiedades 182 3.2. Desarrollo por cofactores y aplicaciones 196 3.3 Determinantes desde un punto de vista computacional 210 Vectores en R” 214 4.1 Vectores en el plano 214 42 mvectores 229 4.3 Transformaciones lineales 247viii Contenido 10 Aplicaciones de vectores en R’ y R° (opcional) 259 5.1 Producto cruz en R* 259 5.2. Rectas y planos 264 Espacios vectoriales reales 272 6.1 Espacios vectoriales 272 6.2 Subespacios 279 6.3. Independencia lineal 291 6.4 Bases y dimensién 303 6.5 Sistemas homogéneos 317 6.6 Blrango de una matriz y sus aplicaciones 328 6.7 Coordenadas y cambio de base 340 6.8 Bases ortonormales en R® 352 6.9 Complementos ortogonales 360 Aplicaciones de espacios vectoriales reales (opcional) 375 7.1 Factorizacién QR 375 7.2. Minimos cuadrados 378 7.3 Algo més sobre codificacién 390 Valores propios, vectores propios y diagonalizaci6n 408 8.1 Valores propios y vectores propios 408 8.2 Diagonalizacién 422 8.3 Diagonalizacién de matrices simétricas 433 Aplicaciones de valores propios y vectores propios (opcional) 447 9.1 La sucesién de Fibonacci 447 9.2 Ecuaciones diferenciales 451 9.3 Sistemas dinémicos 461 9.4 Formas cuadriticas 475 9.5 Secciones cénicas 484 9.6 Superficies cuddricas 491 Transformaciones lineales y matrices 502 10.1 Definiciones y ejemplos 502 10.2 Bl ndcleo y Ja imagen de una transformacién lineal 508 10.3 La matriz de una transformacién lineal 521 10.4 Introduccidn a fractales (opcional) 53611 12 arenoice AL APENDICE B Contenido ix Programacién lineal (opcional) 558 11.1 El problema de la programacién lineal; solucién geométrica 558 11.2 Ef método simplex 575 11.3 Dualidad 591 11.4 Teoria de juegos 598 Matias para Algebra lineal 615 12.1 Entrada y salidaen Matas 616 12.2 Operaciones matriciales con MatLab 620 12.3 Potencias de matrices y algunas matrices especiales 623 12.4 Operaciones elementales por fila con MATLAB 625 12.5 Inversas de matrices en MarLaB 634 12.6 Vectores en MATLAB 635 12.7. Aplicaciones de las combinaciones lineales en MATLAB 637 12.8 Transformaciones lineales en Marian 640 12.9 Resumen de comandos de Matas 643 Ntimero complejos Al AL Niimero complejos AL A-2 Numeros compiejos en dlgebra lineal A9 Instruccién adicional A19 B-I Espacios con producto interno (requiere conocimientos de caleulo) A19 B-2 Transformaciones lineales invertibles y compuestas A30 Glosario para Algebra lineal A39 Respuestas A45 Indice I1PREFACIO Material incluido Este libro presenta una introduccién al Algebra lineal y a algunas de sus aplicaciones importantes. Est pensado para alumnos de nivel medio y avanzada, y cubre més material del que se requeriria para impartir un curso semestral o trimestral. Omitiendo algunas secciones, es posible:abarear en un semestre o en un trimestre fos elementos esenciales del dlgebra lineal (incluyendo los valores y vectores propios), enseilar c6mo utilizar la computadora en problemas de Algebra lineal, y dedicar algtin tiempo a varias aplicaciones relacionadas con el tema, Si se toma en cuenta que existe gran cantidad de aplicaciones de Algebra lineal en disciplinas como mateméticas, fisica, biologfa, quimi- ca, ingenieria, estadistica, economfa, finanzas, psicologia y sociologia, no resulta exa- gerado afirmar que esta materia es una de las que més impacto tendré en la vida de los estudiantes, Por otro lado, el contenido de esta obra puede utilizarse tambign en un cur- so de Algebra lineal con duracién de un af, o para impartir un segundo curso de] tema con hineapié en las aplicaciones. Al final del prefacio proponemos cierto ritmo para es- tudiar el material basico. EI nivel y el ritmo del curso se pueden modificar fécilmente, variando el tiempo que se invierta en el material teérico y en las aplicaciones, Contar con conocimientos de céleulo diferencial e integral no es un requisito; sin embargo, se incluyen varios ejemplos y ejercicios en que se utilizan ciertos aspectos basicos de céleulo, a los que afiadimos la nota “Requiere conacimientos de eéleulo”. En el texto se subrayan los aspectos computacionales y geomeétricos de la materia, manteniendo 1a abstraccién en un nivel minimo. De acuerdo con lo anterior, en ocasio- nes omitiremos las demostraciones de algunos teoremas, dificiles 0 poco provechosas, a la vez, que ampliaremos su ilustracién mediante ejemplos, Las demostraciones tienen cl nivel adecuado para el estudiante. También hemos centrado nuestra atencién en las reas esenciales del Algebra lineal; el libro no pretende describir la materia en forma exhaustiva. Novedades en la octava edicidin Nos complace mucho la amplia aceptacién que han tenido las primeras siete ediciones de esta obra. El éxito alcanzado por el movimiento para la reforma del célculo realiza- do en Estados Unidos durante los sltimos afios, dio lugar a que se hayan comenzado a gestar ideas para mejorar la ensefianza del Algebra lineal. El grupo de estudio del pro- grama de Algebra lineal y otros de carécter similar han hecho varias recomendaciones en este sentido. Al preparar esta edicién, las hemos tomado en cuenta, asf como {as su- gerencias de profesores y estudiantes. Aunque realizamos muchos cambios en esta edi- cida, nuestro objetivo sigue siendo el mismo que en las anteriores: desarrollar un libro de texto que ayude al maestro a ensefiar y al estu- diante a aprender las ideas bésicas del Algebra lineal, asi como a com- prender algunas de sus aplicaciones. Para lograrlo, esta edicién ineluye las caracteristicas siguientes:xif Prefacio Se agregaron estas nuevas secciones: © Seccién 1.5, Transformaciones matriciales: introduce, desde muy temprano, algu- nas aplicaciones geométricas, Seccién 2.1, Introduccion a la teoria de cddigos: junto con un material de apoyo sobre matrices binarias que se presenta a lo Jargo de los primeros seis capitulos, esta nueva seccién proporciona una introduccién a los conceptos bisicos de la teo- ria de cédigos. @ Seccién 7.3, Algo mds sobre codificacion: desarrolla algunos cédigos sencillos y sus propiedades basicas relacionadas con el algebra lineal. Se agreg6 mas material geomeétrico a También se afiadieron ejercicios nuevos a todos los niveles. Algunos de ellos corres- ponden al tipo de respuesta abierta —lo que permite explorar con més amplitud un tema y realizar nuevos hallazgos~, mientras que otros son de desarrollo. a Se agregaron més ilustraciones. @ Se actualizaron los archivos M de MATLAB a versiones més recientes, Al final de cada seccién se agregé un listado de términos clave, lo que refleja nues- tro interés en desurrollar ain ms las habilidades de comunicacién. m En las preguntas de falso/verdadero se pide al estudiante que justifique su respuesta, Jo que da una oportunidad adicional para exploracién y redaccién. w Al repaso acumulativo de los primeros diez capitulos se agregaron 25 preguntas de falso/verdadero. ® Ademés se afiadié un glosario, caracteristica totalmente nueva en esta edicién. Ejercicios Los ejercicios se agrupan en tres clases. Los de la primera, Bjercicios, son de tutina, En la segunda, Ejercicios tedricos, ineluimos tos que cubren las lagunas de algunas demos- traciones y amplfan el material tratado en el texto. Algunos de ellos piden una soluciGn oral. En esta era de la tecnologia, es particutarmente importante escribir con cuidado y precisién, y estos ejercicios ayudarén al estudiante a mejorar esta habilidad, ademas de elevar el nivel del curso y plantear retos a los alumnos mas dotados y con mas interés. La tercera clase, jercicios con Marzag (ML) consta de ejercicios prepara¢os por Da- vid R. Hill para resolverse con ayuda de MATLAB o de algéin otro paquete de software matemiatico. Las respuestas a los ejercicios numéricos impares y los ejercicios ML aparecen al final del libro. Al término del capitulo 10 se da un repaso acumiulativo del material bé- sico de dlgebra lineal presentado hasta alli, el cual consiste en 100 preguntas de falso/ verdadero (las respuestas se dan al final del texto). Presentaci6n La experiencia nos ha ensefiado que los conceptos abstractos deben presentarse de ma- nera gradual y basarse en fundamentos firmes. Por lo tanto, comenzamos el estudio del Algebra lineal con el tratamiento de las matrices como simples arreglos de nimeros que surgen de manera natural en la solucién de sistemas de ecuaciones lineales, un problema familiar para el estudiante. En cada nueva edicién nos hemos preocupado por perfec- cionar los aspectos pedag6gicos de la exposiciGn. Las ideas abstractas se han equilibrado cuidadosamente, y acentian los aspectos geométricos y de cdlculo de la materia.Prefacio xii Temario El capitulo 1 aborda las matrices y sus propiedades. La seccién 1.5 Transformaciones mairiciales, nueva en esta edicién, proporciona una introducci6n a este importante tema. Este capitulo consiste en dos partes: en la primera se analizan las matrices y los sistemas lineales; en Ia segunda se comentan las soluciones de sistemas lineales. El ca- pitulo 2, cuyo estudio es opcional, est dedicado al andlisis de aplicaciones de ecuacio- nes lineales y matrices en areas como la teoria de c6digos, la creacién de grdficos por computadora, Ia teorfa de gréficas, los circuitos eléctricos, las cadenas de Markov, los modelos lineales en economfa, y las wavelets, En la secciGn 2.1, Insroduccién a la teo- ria de cddigos también nueva en esta edicién—, se desarrolian los fundamentos pa- ta introducir un poco de material de la teorfa de cédigos. Para mantener la discusi6n de estos temas en un nivel elemental, ha sido necesario abundar en detalles técnicos. El ca- pitulo 3 presenta brevemente las propiedades basicas de las determinantes. El capitulo 4 plantea el tema de los vectores en R", ademas de explicar tos vectores en ef plano y ofrecer una introduccién a las transformaciones lineales. El capitulo 5, cuya lectura es opcional, proporciona una oportunidad de explorar algunos de los muchos conceptos geométricos relacionados con vectores en R? y R?; por conveniencia, limitamos nuestra atencién a las reas de producto cruz en R°, y rectas y planos. En el capitulo 6 liegamos a un concepto mis abstracto, el de espacio vectorial. La abstraccién en este capitulo se maneja con mas sencillez. una vez que se ha cubierto el material sobre vectores en R". El capitulo 7 (opcional) presenta ues aplicaciones de es- pacios vectoriales reales: la factorizaci6n OR, minimos cuadrados y, en fa seccién 7.3, Algo mds sobre codificacién ——nueva en esta edicién—, una iniroduccién a algunos c6- digos sencillos. El capftulo 8, que versa sobre valores propios (eigenvalores) y vectores propios (eigenvectores), constituye el punto culminante del curso, y ahora se presenta en tres secciones para facilitar la ensefianza; en este capitulo se desarrolla cuidadosa- mente la diagonalizacién de matrices simétricas. El capitulo 9, de estudio opcional, aborda diversas aplicaciones de valores y vecto- res propios. Estas incluyen sucesiones de Fibonacci, ecuaciones diferenciales, sistemas dindmicos, formas cuadréticas, secciones e6nicas y superficies cuddricas. El capitulo 10 cubre las transformaciones lineales y matrices. La seccién 10.4 (opcional), Introduc- cién a fractales, analiza una aplicacién de ciertas transformaciones no lineales. El ca- pftulo 11 (opcional) se ocupa de la programacién lineal, una importante aplicacién del Algebra lineal. La seccién 11.4 presenta las ideas basicas de la teorfa de juegos. El ca- pitulo 12 proporciona una breve introduccién a MaTtag (abreviatura de MATRIX LA- BORATORY), un paquete de software muy ttil para realizar célculos de algebra lineal en computadora (vea la descripcién mis adelante). El apéndice A presenta de manera breve pero completa los ntimeros complejos y su uso en dlgebra lineal. El apéndice B toca otros dos temas avanzados del élgebra li- neal: los espacios con producto interno, la composicidn de transformaciones lineales y Jas transformaciones lineales invertibles. Aplicaciones Casi todas las aplicaciones son completamente independientes; pueden abordarse des- pués de terminar todo el material introductorio de Algebra lineal en el curso, © bien estudiarse tan pronto como se termine de desarrollar el material necesario para una apli- caci6n en particular. En el caso de la mayoria de las aplicaciones se da una Vista pre- liminar de wna aplicacién en lugares adecuados de libro, cuyo propésito es indicar cOmo proporcionar una aplicacién inmediata del material que se acaba de estudiar. EL Giagrama que aparece al final de este prefacio proporciona los requisitos de cada una de las aplicaciones, y la Vista preliminar de una aplicacion sera ttil para decidir cual apli- cacién estudiar y cuando hacerlo.xiv Prefacio Algunas de las secciones en los capitulos 2, 5,7, 9 y 1] también pueden utilizarse como proyectos independientes para los estudiantes. La experiencia en el aula a partir de este enfoque ha demostrado una reaccién favorable de los estudiantes. Por Io tanto, el profesor puede ser muy selectivo, tanto en Ja eleccién det material como en el méto- do de estudio de estas aplicaciones. Material al final de jos capitulo Cada capitulo contiene un resumen de /deas clave para el repaso, un conjunto de ejer cicios complementarios (las respuestas de todos los ejercicios impares aparecen al final del libro), y un examen del capitulo (todas las respuestas aparecen al final de! libro). Software Maras Aunque los ejercicios ML pueden resolverse usando diferentes paquetes de software, a nuestro juicio MATLAB es el més apropiado para este propésito. MATLAB es un paquete de software versétil y poderoso, cuya piedra angular son sus capacidades para algebra lineal. MATLAB incorpora rutinas de célculo de calidad profesional, muy titiles en dlge- bra lineal. El cédigo de programacién de MATLAB esta escrito en lenguaje C, y ha ido mejorando en cada nueva versi6n del software. MATLAB estd disponible de The Math Works, inc., 24 Prime Park Way, Natick, MA 01760, {(508) 653-1415], direccién de co- rreo electrénico: info@mathworks . com; este libro no incluye el programa ni las ru- tinas de comandos desarrolladas para la resolucién de los ejercicios ML. La versién de Marcas para el estudiante incluye también una versién de Maple, proporcionado ast una capacidad de calculo simbélico. El capitulo 12 de esta edicidn incluye una breve introduccién a las capacidades de Mat. ap para resolver problemas de dlgebra lineal. Aunque MATLAB permite la creacién de programas para implementar muchos algoritmos matemiticos, es preciso aclarar que en este libro no se pide al lector que escriba programas, sino simplemente que use MATLAB (0 algun ovo paquete de software comparable) para resolver problemas numéricos es- pecfficos, Aproximadamente 24 archivos (M) han sido desarrollados para que el alumno Jos utilice con los ejercicios ML en este libro; el material correspondiente esta disponi- ble en el sitio Web de Prentice Hall, www. pearsoneducacion.net /kolman. Fistos archivos M estén disefiados para transformar muchas de las capacidades de MATLAB en funcién de las necesidades del curso. Esto proporciona una herramienta pedagégica que permite al estudiante razonar los pasos para la resolucién de un problema, dejando a Maras la responsabilidad de realizar clculos que, por su complejidad, podrian resul- tar tedioses, Sin duda, éste es el papel ideal de MarLas (0 de cualquier otro paquete de software) al iniciar un carso de Algebra lineal. Por otra parte, la inivoducci6n a una po- tente herramienta como MATLAB al inicio de la carrera universitaria, abre el camino a otros tipos de software que seréin de gran ayuda para el estudiante en cursos posterio- res, especialmente en ciencias e ingenierfas. Material complementario ‘Manual de soluciones para el profesor (0-13-143742-9), Contiene las respuestas a t0- dos los ejercicios de nimero par, y soluciones a todos los ejercicios tedricos esté dispo- nible en inglés (sélo para el profesor) solicitelo al representante de Pearson Educacién.Prefacio xv Lecturas obligatorias pare comprender ias aplicaciones Seccidn 2.1 Material sobre bits en el capitulo { Seccién 2.2 Seccion 1.4 Seccion 2.3 Seccién 1.5 Seccién 2.4 Seccién 1.6 Seccién 2.5 Seccién 1.6 Seccién 2.6 Seccién 1.7 Seccién 2.7 Seccidn 1,7 Seccién 5.1 Seccién 4.1 y Capitulo 3 Seccién 5.2 Secciones 4.1 y 5.1 Seccién 7.1 Seccién 6.8 Seccion 7.2 Secciones 1.6, 1.7, 4.2, 6.9 Seceién 7.3 Seccién 2.1 Seecién 9.1 Seccidn 8.2 Seccién 9.2 Seccidn 8.2 Seccién 9.3 Seccién 9.2 Seccién 9.4 Seccién 8.3 Seccién 9.5 Seceién 9.4 Seccién 9.6 Seccién 9.5 Seccién 10.4 Seccién 8.2 Secciones 11.1-11.3 Seccién 1.6 Seccién 11.4 Secciones 11.1 - 11.3 A los usuarios de las ediciones anteriores: Durante los 29 afios de vida de las siete ediciones anteriores de esta obra, el libro se ha utilizado principalmente para el curso de dlgebra lineal de segundo afio de licen- ciatura, Este curso cubrié lo basico de algebra lineal y utiliz6 el tiempo extra dispo- nible para el estudio de aplicaciones seleccionadas del tema. En esta nueva edicién no hemos cambiado el fundamento estructural para la ensefianza del material esen- cial de dlgebra lineal. Por lo tanto, este material puede ensefiarse exactamente de la misma manera que antes. La ubicacién de las aplicaciones, con mayor cohesiGn y unificada con propésitos pedagégicamente estratégicos, junto con nuevas aplica- ciones y otros materiales, facilitara sin duda la imparticién de un curso més tico y més variado.xvi Prefacio gradecimientos Nos complace expresar nuestro agradecimiento a las siguientes personas, que revisaron exhaustivamente el manuscrito de la primera edicién: William Arendt, University of Missouri, y David Shedler, Virginia Commonwealth University. En la segunda edicién: Gerald E. Bergum, South Dakota State University; Jame O. Brooks, Villanova Univer- sity; Frank R. DeMeyer, Colorado State University; Joseph Malkevitch, York College de la City University de New York: Harry W. McLaughlin, Rensselaer Polytechnic Ins- titute; y Lynn Arthur Steen, St. Olaf’s College. De [a tercera edici6n: Jerry Goldman, DePaul University; David R. Hill, Temple University; Allan Krall, The Pennsylvania State University en University Patk; Stanley Lukawecki, Clemson University; David Royster, Phe University of North Carolina; Sandra Welch, Stephen F. Austin State Uni- versity; y Paul Zweir, Calvin College. De {a cuarta edicién: William G. Vick, Broome Community College; Carrol G. Wells, Western Kentucky University; Andre L. Yandl, Seattle University; y Lance L. Littlejohn, Utah State University. De la quinta edicién: Paul Been, Indiana Univer- sity-South Bend; John Broughton, Indiana University of Pennsylvania; Michael Ge- rahty, University of Iowa; Philippe Loustaunau, George Mason University; Wayne MeDaniels, University of Missouri; y Larry Runyan, Shoreline Community College De la sexta edicién: Daniel D, Anderson, University of Lowa; Jiirgen Gerlach, Rad- ford University; W. L. Golik, University of Missouri en St, Louis; Charles Heuer, Con- cordia College; Matt Insall, University of Missouri en Rolla; Irwin Pressman, Carleton University; y James Snodgrass, Xavier University. De la séptima edici6n: Ali A. Dad- del, University of California-Davis; Herman E. Gollwitzer, Drexel University; John Goulet, Worcester Polytechnic Institute; J. D. Key, Clemson University; Jobn Mitchell, Rensselaer Polytechnic Institute; y Karen Schtoeder, Bentley College. De la octava edicién: Juergen Gerlach; Radford University; Lanita Presson, Uni- versity of Alabama, Huntsville; Tomaz Pisanski, Colgate University; Mike Daven, Mount Saint Mary College; David Goldberg, Purdue University; y Aimee J. Ellington, Virginia Commonwealth University. Agradecemos también a Vera Pless, de la University de Lllinois en Chicago, por su revisién critica del material acerca de teoria de cédigos. ‘También queremos dar las gracias a las siguientes personas, por fa ayuda que brin- daron en ciertas partes del manuscrito: Thomas I. Bartlow, Robert E. Beck y Michael L. Levitan, de Villanova University; Robert C. Busby, Robin Clark, el finado Charles S. Duris, Herman E. Gollwitzer, Miltin Schwartz y el finado John H. Staib, de Drexel University; Avi Vardi, Seymour Lipschutz, Temple University; Oded Kativ, Technion, Israel Institute of Technology; William F. Trench, Trinity University; y Alex Stanoye- vitch, University of Hawaii; y nuestro agradecimiento, asimismo, a todos los maestros. y estudiantes de Estados Unidos y de otros paises, que han compartido con nosotros sus experiencias con el libro y nos han ofrecido tiles sugerencias. Las diversas sugerencias, los comentarios y las criticas de estas personas han me- jorado mucho la obra. Para todos, una sincera expresién de gratitud. Agradecemos también a Dennis R. Kletzing, de la Stetson University, quien reali- 26 la tipografia de todo el original del Manual de soluciones para el estudiante y del Manual de respuestas, Dennis encontré varios errores y obré milagros en muy poco tiempo. Fue un placer trabajar con él. Nuestra gratitud a Dennis Kletzing, de Ia Stetson University, y a Nina Edelman y Kathy O'Hara, de la Temple University, por preparar el Manual de soluciones para el estudiante. También debemos agradecer a Nina Edelman, ‘Temple University, quien junto con Lilian Brady, hicieron una lecwura critica de las galeras, y a Blaise deSesa por su ayuda en la edicién y la verificacin de las soluciones a los ejercicios.Prefacio xvii Por ditimo, una sincera expresién de agradecimiento a Jeanne Audino, editora de produccin, quien con paciencia y experiencia guis este libro desde su concepcidn has- (a su publicaci6n; a George Lobell, editor ejecutivo, y a todo el equipo de Prentice Hall por su entusiasmo, interés y cooperacién constantes durante las etapas de concepcién, disefio, produccién y mercadeo de esta edicién. Bernard Kolman bkolman@mes.drexel.edu David R. Hill hill@math.temple.eduseAL ESTUDIANTE Es muy probable que este curso sea muy diferente a cualquier otro de matemiticas que haya estudiado hasta ahora, por lo menos en dos sentidos importantes. Primero, es posible que constituya su primera experiencia en materia de abstraccién; en segundo Tugar, es un curso de mateméticas que puede tener gran impacto en su vocacién profe- sional. A diferencia de otros cursos de matematicas, éste no le dard una serie de técnicas aisladas de célculo para resolver ciertos tipos de problemas. En tngar de ello, desarro- Naremos un micleo de material, denominado algebra lineal, introduciendo ciertas defi- niciones y creando procedimientos para fa determinacién de propiedades y la demos- tracién de teoremas. Esta tiltima es una habilidad que toma tiempo dominer, por lo que al principio sélo esperamos que lea y entienda las comprobaciones que se incluyen en el libro; conforme avance en el curso, sin embargo, seré capaz de realizar algunas demos- traciones senciltas por su propia cuenta. Poco 2 poco lo introduciremos a ta abstraccién, aunque manteniendo la exigencia a este respecto en el minimo, e ilustrando ampliamen- te cada idea abstracta con ejemplos numéricos y aplicaciones. Si bien hard muchos cdlculos, el objetivo de casi todos los problemas no es solamente obtener la respuesta “correcta”, sino que entienda y explique cémo obtener la respuesta ¢ interpretar el re- sultado E] Algebra lineal se utiliza diariamente para resolver problemas en otras dreas de mateméticas, fisica, biologia, ingenierfa, estadistica, economfa, finanzas, psicologia y sociologfa. Entre las aplicaciones que utilizan algebra lineal estén la transmisién de in- formacién, el desarrollo de efectos especiales en peliculas y video, ta grabacién de so- nido, el desarrollo de motores (0 méquinas) de bisqueda en Internet, y el anilisis econémico, Como podra ver, el algebra lineal nos afecta profundamente. En este libro se incluyen aplicaciones seleccionadas y, si hay tiempo suficiente, algunas de ellas po- drin abordarse con més amplitud a lo largo del curso, Ademés, muchas de las aplica- ciones pueden usarse como proyectos de estudio autodidacta, Hay tres tipos de ejercicios en esta obra: primero, los ejercicios computacionales. Estos ejercicios, asf como sus ndmeros han sido cuidadosamente seleccionados de ma- nera de casi todos ellos pueden realizarse facitmente a mano, Cuando se te pida que uti- lice algebra lineal en aplicaciones reales, encontrar que el tamaiio de los problemas es mucho més grande, y que los mimeros involucrados no siempre son sencillos, Este no €s un impedimento, ya que es casi seguro que emplee algiin tipo de sofiware para resol- verlos. Una muestra de este tipo de programas se provee para el tercer tipo de ejercicios, disefiados para resolverse por medio de una computadora y MATLAB, una poderosa heramienta de software que tiene como base las matrices y que se utiliza ampliamente en la industria. La segunda categoria esta compuesta por ejercicios tedricos. En algunos xixxx Alestudiante de éstos es probable que se le pida demostrar un resultado o anatizar uma idea. La ca- pacidad de obtener una respuesta no siempre es suficiente en el mundo actual; muchas veces se le pediré que prepare un informe en donde se analice ia soluciGn y se justifi- quen los pasos que le Ievaron a ella, asf como interpretar los resultados. Estos tipos de ejercicios le darn experiencia en la redaccién de textos relaciona- dos con las matematicas; esta disciplina utiliza palabras, no sélo simbolos. Recomendaciones para aprender algebra lineal ® Lea el libro lentamente, y tenga lépiz y papel a mano. Quizé tenga que leer una seccién en particular mds de una vez, Deténgase a verificar los pasos marcados con “verifique” en el texto. @ Asegtirese de realizar su tarea de manera oportuna. Si espera hasta que los proble- mas le sean explicados en clase, no aprender a resolverlos por usted mismo, Aun cuando no pueda termainar un problema, inténtelo: de esta manera le serd més ffeil comprenderlo cuando se Ie analice en clase. Tal vez, le sea titi] trabajar con otros estudiantes el material cubierto en clase y algunos problemas de tarea @ Asegtirese de preguntar tan pronto como algo no le quede claro, Cuando se cons- truye una casa, lo primero que se coloca son los cimientos; el estudio del Algebra lineal sigue el mismo principio: en este curso cada idea abstracta tiene como ba- se una serie de conceptos desarrollados previamente. Si alguno de tales conceptos le resulta confuso o sencillamente incomprensible, sus conocimientos serén insu- ficientes para entender las ideas subsecuentes. © Haga uso de los recursos pedagégicos que proporciona este libro. Al final de ca- da seocién se presenta una lista de términos clave; al final de cada capitulo se ofre- ce una lista de ideas clave para repasar, ejercicios complementarios y un examen del capitulo. Al final de Ios primeros diez capitulos (que completan el nticleo det material de Algebra lineal de que se compone el curso) se hace un Tepaso que con- siste en 100 preguntas de falso/verdadero, en las que le pedimos que justifique su respuesta. Por dltimo, al final del libro aparece un glosario de términos relaciona- dos con el algebra lineal Estamos seguros de que su esfuerzo por aprender dlgebra lineal se veré ampliamente re- compensado en otros cursos y a lo largo de su carrera profesional Le deseamos mucho éxito en su estudio del élgebra lineal. [henwand Leben. Glan R HallALGEBRA LINEALECUACIONES LINEALES Y MATRICES SISTEMAS LINEALES Una gran cantidad de los problemas que se presentan en las ciencias naturales y socia- les, asf como en ingenierfa y en ciencias fisicas, tienen que ver con ecuaciones que re- lacionan a dos conjuntos de variables. Una ecuacién del tipo ax = b, que expresa Ja variable b en términos de la variable x y la constante a, se denomina ecuacién lineal, Aqué se utiliza la palabra lineal porque la gréfica de la ecuacién ante- rior es una linea recta, De manera andloga, la ecuacién Gay + GyXp tos + aXe wD que expresa b en términos de las variables x), x2, .. .. xy y las constantes conoci- das ay, a3, .. .,@q, Se denomina ecuacién lineal. En muchas aplicaciones se nos dan b y las constantes a,, a2, ..., a, y Se nos dice que debemos determinar los nime- 10S x1, 22...» Genominados ineégnitas, que satisfacen la ecuacién (1). Una solucién de una ecuacién lineal (1) es una sucesién de n nimeros $1, 53... s,, que tienen la propiedad de satisfacer (1) cuando ry = $j, 43 = 93, 4%) = Sy Se SUS tituyen en (1). En consecuencia, 2) = 2.x, = 3 y.x3 = —4 es una solucidn de Ja ecuacién lineal = 3x) 4 4x5 = —13, ya que 6(2) — 3(3) + 4(-4) = -13. Esta no es la tinica solucién para la ecuacién lineal dada, ya que xj = 3,22 = 1 y x3 = —T también lo es. De manera més general, un sistema de m ecuaciones lineales conn incdgnitas x4, —al que podemos llamar simpieménie sistema lineal, es un conjunto de cada una con n incégnitas. Un sistema lineal puede denotarse sin 7m ecuaciones lin problema mediante ayy cb ayax2 + dandy = By aX + agra os + ary tn = be 2)2 Capitulo | Beuaciones Hineales y matrices FJEMPLO 1. Los dos subindices, i y j, se utilizan como sigue, El primer subindice, i, indica que es- tamos trabajando con Ia i-ésima ecuacién, mientras que el segundo subindice, j, esté asociado con ta j-ésima variable xj, Asi, la i-ésima ecuacién es GX + AnX2 + + Aik = En (2), las ay son constantes conocidas. Dados los valores de b;, b2,. .. , bm queremos determinar los valores de x;, x9, ... , x, que satisfagan cada ecuacién en (2). Una solucién'del sistema lineal (2) es una sucesi6n de n niimeros 51, 52... - Sar que tiene Tat propiedad de que cada ecuacisn en (2) se satisface cuando x; = 51, x = 52, +) Xp = Sy SE Sustituyen en (2). Para encontrar las soluciones del sistema lineal, usaremos una técnica denominada método de eliminacién.\Esto es, climinamos algunas de las incégnitas sumando un tniilliplo de una ecuacién a otra ecdatién. Casi todos los lectores habrdn tenido alguna experiencia con esta técnica en cursos de Algebra en niveles bésicos, aunque lo mas se- guro es que haya sido con la restriccién de hacerlo con sistemas lineales en los que m. =n, es decir, sistemas lineales con tantas ecuaciones como incégnitas. En este curso ampliaremos este panorama, poniendo en practica el método citado tratando con siste- mas en los que tenemos m =n, m n. En realidad, existe una gran cantidad de aplicaciones en que m ¥ n. Si nuestro problema involucta dos, tres o cuatro ineég- nitas, solemos escribir x, y, z y w. En esta seccién utilizarernos el método de elimina- cién como se estudié en cursos basicos, y en la seccién 1.5 lo haremos de manera mucho més sistematica, El director de un fondo de inversién tiene $100,000 para invertir. Las regias det fondo establecen que la inversi6n debe hacerse tanto en certificados de depésito (CD), como a largo plazo. El objetivo del director es obtener un rendimiento de $7,800 sobre las in- versiones al cabo de un afio. Los CD elegidos tienen un rendimniento de 5% anval, mien- tras que el bono ofrece 9% al afio. El director determina cémo sigue la cantidad x que debe invertir en los CD, y la cantidad y que dedicara a comprar bonos: Como la inversién total es de $100,000, debemos tener x + y = 100,000, ‘Toda vez que el rendimiento deseado es de $7,800, obtenemos la ecuaci6n 0.05x + 0.09y = 7,800 Por lo tanto, tenemos et sistema lineal x+y =100,000 8) 0.05x + 0.09y 7,800, Para eliminar x, sumamos (0.05) veces la primera ecuacin a la segunda, para obtener x+ y= 100,000 O.04y = — 2,800, en donde la segunda ecuacién no tiene término x; en otras palabras, hemos climinado Ia incdgnita x. Después despejamos y en la segunda ecuacién, para obtener y = 70,000, y sustitayendo y en la primera ecuacidn de (3), obtenemos x = 30,000. Para comprobar que x = 30,000, y = 70,000 es una solucién de (3), verificamos que es- tos valores de x y y satisfagan cada una de tas ecuaciones del sistema lineal dado. En consecuencia, el director del fondo debe invertir $30,000 en los CD y $70,000 en bo- nos a largo plazo. aSec. I.1 Sistemas lincales 3 PEG considere et sistema lineal aiiake ss x-3y=-7 4 dx -6y = 7. o Nuevamente decidimos eliminar x. Para ello, sumamos (~2) veces la primera ecuacién a la segunda, y obtenemos x ~3y Ox + Oy = 21 cuya segunda ecuacién no tiene sentido, Esto significa que la solucién del sistema li- neal (4) es el conjunto vacio; en términos pricticos, podemos decir que el sistema no tiene solucién, es un conjunto vacio. Podriamos haber obtenido fa misma conclusién observando que en (4) el lado izquierdo de la segunda ecuacidn es igual a dos veces el lado izquierdo de ta primera ecuacién, pero el lado derecho de Ja segunda ecuacién no es dos veces el lado derecho de Ia primera ecuacién a Considere el sistema lineal x+2y4+32= 6 Qe By 422= 14 6) Bx+ y- Para eliminar x, sumamos (—-2) veces la primera ecuacién a la segunda y (—3) veces Ja primera ccuacién a la tercera, lo que da por resultado x+2y+ 32= 6 -Ty- a= 2 6) ~ Sy ~ 102 = -20. Después eliminamos y como sigue, con ayuda de la segunda ecuacisn en (6). Multipli- camos la tercera ecuaci6n de (6) por (—!), para obtener x+2y+3z2=6 ~TWy-42=2 yrs, Luego intercambiamos la segunda y tercera ecuaciones, 1o que nos da x+2y432=6 yt2ead a ~Ty = 42 = 2. Ahora sutnamos 7 veces la segunda ecuacién a la tercera, para obtener x+2y+ 32= 6 y+ Ua 4 10z = 30. Al multiplicar la tercera ecuacién por 3, tenemos X+2y + 32=6 y+2z (8)Capitulo | Ecuaciones lineales y matrices ake: IEMPLO 5. Sustituyendo z = 3 en la segunda ecuacién de (8), encontramos que y = —2. Al svsti- tuir estos valores de zy y en la primera ecuaci6n de (8), obtenemos x = 1, Para com- probar que x = I, y= —2, 7 = 3 es una solucidn de (5), verificamos que estos valores de x, y y z satisfagan cada una de las ecuaciones del sistema, En consecuencia, x = 1, y = 2, z= 3 es una solucién para el sistema lineal. La importancia del procedimien- to radica en el hecho de que los sistemas lineales (5) y (8) tienen exactamente las mis- mas soluciones. El sistema (8) tiene la ventaja de que puede resolverse con mucha facilidad, dando los valores anteriores para x, yy < a Considere el sistema lineal @) Para eliminar x, sumamos (~2) veces la primera ecuacién a la segunda y obtenemos x+2y-325-4 By t32= 12. (10) Despejamos y en la segunda ecuacién en (10) para obtener yoe-d, donde z puede ser cualquier ntimero real. Entonces, con base en a primera ecuaci6n de (10), x=—4—2y+3z = Ad Ue ~ 4) 432 sit4 Por lo tanto, una solucién para el sistema lineal (9) es xert4 yer4 zen donde r es cualquier mimero real. Esto significa que el sistema lineal (9) tiene un né- mero infinito de soluciones. Cada vez que asignamos un valor a r, obtenemos otra so- lucién para (9). En consecuencia, si r = 1, entonces es otra solucin, a Considere el sistema lineal x+2y= 10 ay 3x + Sy = 26Gime Sec. 1.1 Sistemas lineales 5 Una vex més, para eliminar x sumamos (—2) veces [a primera ecuaci6n a la segunda y (3) veces la primera ecuacién a la tercera, obteniendo x+2y= 10 ~by = 24 -y= -4. Muttiplicando la segunda ecuacién por (—1) y la tercera por (—1), tenemos 6. x+2y=10 y= 4 (2) ye 4, que tiene las mismas sohuciones que (11). Al sustituir y = 4 en la primera ecuacién de (12), obtenemos x = 2. Por lo tanto, x = 2, y = 4 es una solucién para (11) a Considere el sistema lineal (13) 3x +5y = 20. Para eliminar x, sumamos (—2) veces la primera ecuacién a la segunda y (~3) veces la primera ecuacién a la tercera, lo que nos da x+2y= 10 ~6y = = 24 ~y=-10. Al muliiplicar la segunda ecuacién por (1) y la tervera por (~1), obtenemos el sis- tema 10 4 (4) y=10, que no tiene solucién. Como (14) y (13) tienen las mismas soluciones, concluimos que (13) no tiene solucién. Estos ejemplos sugieren que un sistema lineal puede tener una solucién (es decir, una tnica solucién), no tener solucién, 0 un niimera infinito de solucionés~ a Hemos visto que el método de eliminacién consiste de la realizacién repetida de las operaciones siguientes: 1, Intereambiar dos ecuaciones. 2. Multiplicar una ecuacién por una constante diferente de cero, 3. Sumar un miltiplo de una ecuacién a la otra. No es dificil demostrar (ejercicios T.1 a 'T.3) que el método de eliminacién propor- ciona otro sistema lineal que tiene exactamente las mismas soluciones que el sistema dado. El nuevo sistema lineal puede resolverse después sin dificuttad,Capinnie + recuaciones ineales y matrices Como quizé haya notado, hasta el momento, hemos descrilo el método de elimina- cién tnicamente en téminos generales, de manera que no hemos indicado regia alguna para seleccionar las incdgnitas que serdn eliminadas. Antes de proporcionar una descripcién sistemética del método de eliminacidn en Ta siguiente seccién, hablaremos del concepto de mattiz, io que nos ayudaré a simplificar en gran medida nuestra notacién, permitién- donos desarrollar herramientas para resolver muchos problemas importantes. Considere ahora un sistema lineal con las ineégnitas x yy: ax tay bys + by «s) cy La grifica de cada una de estas ecuaciones es und linea recta, que denotamos median- te I; y Ip, respectivamente. Six = 51, y = 52 e8 una solucidn del sistema lineal (15), en- tonces el punto (s), 82) pertenece.a ambas rectas, [; yh. De manera reefproca, si el punto (5), 63) este ifibas rectas, fy y Fa, entonces x = 5), y = s2 es una solucién para el sistema lineal (15). (Vea la figura 1.1.) En consecuencia, hemos llegado a las mismas tres posibilidades mencionadas, siguiendo una alternativa geométrica: 1. El sistema tiene una solucién tinica; esto es, las rectas fy y lp se intersecan exacta- mente en un punto. 2. El sistema no tiene solucién; es decir, las rectas z) y J; no se intersecan. ~3. El sistema tiene un niimero infinito de soluciones; en otras palabras, Jas rectas 1 y } coineiden. Figura 1.1 > g » x ooh 1 4 1 ‘ f ls 1 (a) Una dnica solucion (b) No hay solucién (c} Una infinidad de soluciones: Ahora, consideremos un sistema lineal de tres ecuaciones con tres incégnitas, x, y yu axtbhytoaz=d) anx + lay +02 = dy (16) agx + hay +032 = ds. La gréfica de cada una de estas ecuaciones es un plano, y se denota con P), Pr y Ps. respectivamente. Como en el caso de un sistema lineal de dos ecuaciones con dos in- cégnitas, el sistema lineal en (16) puede tener una solucién tinica, no tener solucién 0 tener una infinidad de soluciones. Estas situaciones se ilustran en Ja figura 1.2. Para comprender de forma ms conereta algunos de los casos posibles, piense en que las pa~ redes (planos) de una habitacién se intersecan‘en un tinico punto: una esquina de Ta ha- bitacién; de esta manera, el sistema lineal tiene una solucién tinica. Ahora piense en los planos como si se tratara de las paginas de un libro. Cuando el libro se sostiene abier- to, tres de sus paginas se intersecan en una linea recta (el lomo); en este caso, el siste- ma lineal tiene un ntimero infinito de soluciones. Por otra parte, cuando se cierra el libro, aparentemente las tres paginas son paralelas y no se intersecan, por lo que pode- mos decir que ef sistema lineal no tiene solucién.Figura 1.2» Sec. 1.1 Sistemas lineales 7 A r i | P, { p \ | ' iY oy nf (a) Una tinica solucién (b) No hay solucién {c) Una infinidad de soluciones iPimneackin de ove Un fabricante produce tres tipos diferentes de productos quimicos: A, B y C. Cada producto debe pasar por dos méquinas de procesamiento: Xy Y. La mannfactura del producto requiere los tiempos siguientes en las maquinas X y ¥: 1. Una tonelada de A requii 2. Una tonelada de B requiere 3 horas en Ja maquina X y 2 horas en la mAquina Y. 3. Una tonelada de C requiere 4 horas en la méquina X’y 3 horas en la maquina ¥. 2 horas en Ja maquina X y 2 horas en la mAquina Y. La maquina X esté disponible durante 80 horas a la semana, y la mguina ¥ puede uti- lizarse 60 horas a la semana. Como Ja gerencia no quiere que las costosas maquinas X ¥ ¥ estén ociosas, le gustaria saber cudntas toneladas debe manufacturar de cada pro- ducto, de modo que las méquinas se utilicen a su capacidad total. Daremos por sentado que el fabricante puede vender todos los productos que se manufacturen, Para resolver este problema, denotamos con x1, x) y x3, respectivamente, el mime- 10 de toneladas de productos A, B y C que se fabricardn. EI nmero de horas que la mé- quina X sera utilizada es 2x + Bay + 4x5, que debe ser igual a 80, Por lo tanto, Asi tenemos que 2x1 + Baz + 4x5 = 80. De manera similar, el ndimero de horas que emplearé la maquina ¥ es 60, por lo que te- nemos 2xy + 2aa + 3x5 = 60 Desde el punto de vista matemético, nuestro problema consiste en determinar los valo- es no negativos de 21, x2 y x3 tales que xy + 3x2 + 423 = 80. 2x + 2x + 3x5 = 60. Este sistema lineal tiene un mimero infinito de soluciones. Siguiendo el método del ejemplo 4, vemos que todas las soluciones estén dadas por 20 — x3 merZ x2 = 20—45 43 = cualquier mimero real tal que 0 < x3 < 20,3 Capitulo | Eeuaciones fineales y matrices toda vez que debemos tener xy > 0, x2 > Oy x3 2 0, Cuando 3 = 10, tenemos y= y= 10, 2=10 mientras que a= 8B, S13, x7 cuando x; = 7. Observe que une solucién es tan buena como Ja otra, Ninguna es me- jor, a menos que se nos diera mas informacién o se nos plantearan algunas restric- ciones. a términes slave Ecuacién lineal Solucién de un sistema fineal Sin solucin Incégnitas Método de eliminacién Infinidad de soluciones Solucién de una ecuacién lineal Solucién Gnica ‘Manipulacién de un sistema lineal Sistema lineal En los ejercicios 1 a 14, resuelva el sistema lineal dado por me- (c) {Cudntos valores diferentes de ¢ pueden seleccionarse dio de! método de eliminacién. en la parte (b)? 2. 16, Dado el sistema lineal dt 3y— 2=0 Bo3rd2y+ 2 4x + Dy 422 x— dy + 52=0, kote (a) verifique que x, = L, y) = —1, 4) = —L es una solucion. 5. 2xtdy¢6c=-12 6 x+ yw =S {b) verifique que x) = —2, ya = 2.2, = 2 es una solucién, 2x-3y-4z= 15 2x +3y 44222. © weatmacly=yntpelyraataeal Bet ayt Sem 8 25 una solucién del sistema lineal? ho xtdy- c=? 8 3x+4y— c= 8 (d) 43x, 3y, 32, donde x, y y z son como en la parte (c), es 3x 8y—2e0= 4. 6x + 8y —22=3. una solucién del sistema lineal? % xt yt3ee12 WW xt y 47. Resuelva el sistema lineal siguiente sin utilizar ef método +2) +6r= 6. 2 - y= de eliminacién 3x + 4y =2 xt y-de= M. 2r +3y=13 12. x ~5y ay+ z= 7 xody= 3 Brt2y=1 ze 4 Set 2y=27. 5x + 2y=1. 13, x 43y=-4 14, 2x b3y- 2= 6 18, Resuelva el sistema tineal siguiente sin utilizar el método 2x + Sy =-8 We- y+2e=-8 de eliminacién x+3y a5. 3r- yt ean? 4x 8 15, Dado el sistema lineal 2a + By ' 3x +5y -2z= 11 d-y=5 4c-2y=t, 19. gExiste un valor de r tal que x= 1, y=2, 5 = sea wna so- A f juci6n del siguiente sistema lineal’ De ser asf, determinelo (a) determine un valor de r para que el sistema tenga una solucién. det3y- c= (b) determine un valor de r para que el sistema no tenga x= yt2a-7 solucién. art yo2e= 12O Capitulo { Beuaciones lineales y matrices (A MATRICES _ _ _ ee Si analizamos el método de eliminacién descrito en la seccidn 1.1, observarernos lo si- guiente, Al realizar los pasos necesarios, s6lo modificamos los néimeros que aparecen junto a las incégnitas x1, x2, . . ., %- En consecuencia, podrfamos buscar una forma de escribir un sistema lineal sin tener que mantener las incégnitas. En esta seccién defini- remos un objeto, una‘itiatiiz;ique nos permite hacer precisamente eso: escribir sistemas lineales de una manera Compacta que facilite la automatizaciGn del método de elimina cidn en una computadora, dandonos un procedimiento répido y eficaz para determinar Jas soluciones. Su uso, sin embargo, no nos proporciona solamente la oportunidad de contar con una notacién conveniente, sino también —como veremos a continuacién— resolver sistemas de ecuaciones lineales y otros problemas computacionales de manera répida y eficiente, desarrollando operaciones sobre las matrices y trabajando con ellas de acuerdo con las reglas que cumplen. Por supuesto, como debe hacer cualquier bue- na definicién, la del concepto de matriz no sélo permite mirar de otra forma los proble- mas existentes, sino que, ademds, da lugar a muchas nuevas preguntas, algunas de las cuales estudiaremos en este libro. <8 DEFINICION Una'matriz A de m x nies un arreglo rectangular de mn ntimeros reales (0 ¢ ordenados en m filas (rénglones) horizontales y n columnas verticales: 3 Neemiconina! ‘omplejos) ay a2 a an Wij aw Og, > On “cede | fila wo in’ | = (englén} f ren Le cotumna j La i-ésima fila de A es [an a2 ++ am] Usi j. Se Llama triangular inferior si aj, = 0 para i i De manera similar, si a 0 (o ambas) son n-vectores escritos como una matriz de 1 x n, el producto punto a - b esta dado por (1). El producto punto de Ios vectores en C” se define en el apéndice A.2. El producto punto es una operacién importante que usaremos tanto en ésta como en secciones posteriores. bj” a El producto punto de 1 2 -2 _| 3 " 3, ¥ YSl_2 4 i es ue v= (12) + (23) + B-2) + A) a 4 Seana=[x 2 3]y b=]1]. Sia-b=~4, determine x. 2 Tenemos asb=4r4246 4x + B= —4 xa-3. = (Aplicacién: céleulo de fa calificacién promedio de an curso) Suponga que un pro- fesor utiliza cuatro notas para determinar la catificacién promedio que obtiene un estu- diante en un curso: cuestionarios, dos exdmenes de una hora y un examen final. Cada una de estas notas tiene una ponderacién de 10, 30, 30 y 30%, respectivamente. Si las calificaciones de un estudiante son, en cada mubro, 78, 84, 62 y 85, pedemos calcular el promedio del curso haciendo 0.10 18 _ | 030 _ | 84 W=Jo30) ¥ 8 |e2 0.30, 85 ycalculando w+ g = (0.10)(78) + (0.30)(84) + (0.30}(62) + (0.30)(85) = 77.1. Asif, el promedio del curso del estudiante es 77.1. = “Tal ver ya esté familiarizado con esta étil notacidn, ta notaciGin de suma, De cualquier manera, fa analizare- mos con detalle al final de esta secci6n,See. 1.3 Producto punto y multiplicacién de matrices 23 MULTIPLICACION DE Mé CES DEFINICION Si A = fay] es una matriz.de m x p, y B= [by] 6s una matriz de p x n, el producto de Ay B, que se denota mediante AB, es la matriz C = [cy] dem x n, definida como ig = Arby + Qirba; +++ + aipbpy f Q) Meaby Gsigmis "La ecuacién (2) dice que el i, j-ésimo elemento de la matriz producto es el produc- to punto de la i-ésima fila, fil,(A} y la j-ésima columna, colj(B) de B; esto se muésira en la figura 1.4, Figura 1.4 > ay dye ay » col {B) Oe tne | Poy Bye bys eee By : a ne FIYAD | ayy : 1 : So Ben ay Ce ue en Ox Cn Goa Smt Gina P f(A) + col,(B) = J ay dy a v ‘Observe que el producto de A y B sdlo est definido cuando el numero de filas de B es exactamente igual al ntimero de columnas de A, como se indica en la figura 1.5. Figura 1.5 4 B a E|EMPLO-4 nen Entonces: AB =| -2) + QA) +(- DQ) (YS) + 2-3) + (DC) © LGX-2) + D4) + (402) BCS) + D3) + CD -[5 .'4° Capitulo 1 Ecuaciones lineales y matrices, 13 aia h eae} Solucién EJEMPLO 6 EJEMPLO 7 Soluci6n Sean mee 4 1 2 Si AB = C, la entrada (3, 2) de AB es cs, que es fil,(A) + colp(B). Ahora tenemos Calcule Ja entrada (3, 2) de AB. 4 fil3(A) -col,(B) =[0 1 2]. ]-1] =—-s. 2 a EI sistema lineal xt2y— r=2 Bx tag eS puede escribirse (verifiquelo) por medio del producto de matrices como 12-1447] _ [2 3 0 4)? } = [5] 2 a Sean 2 x 3 - 12 Si AB =] °G), determine x y y. Tenemos ape[t = 4) feterte] ye =|2 -1 1 =[4-aty |= y Entonces 2+ 4x 3y = 12 y=6 por lo quex = —2y y=6, a Las propiedades bésicas de la multiplicacién de matrices se estudiarén en la sec- cién siguiette. Por lo pronto, diremos que la multiplicacién de matrices requiere mu- cho més cuidado que la suma, ya que las propiedades algebraicas de la multiplicacién de matrices difteren de las que satisfacen los niimeros reales. Parte del problema se de- be al hecho de que AB se define s6lo cuando el ntimero de columnas de A es igual all niimero de filas de B. En consecuencia, si A es una matriz de m x p y B es una matriz de p x n, AB es una matriz de nt x n. {Qué ocurte con BA? Pueden suceder cuatro si- tuaciones diferentes: 1. Es posible que BA no esté definido; esto pasard sin # m. 2, Si BA esté definida, lo que significa que m = n, enionces BA es de p x p, mientras que AB es de m x m; de esta manera, si m # p, AB y BA son de tamaiios diferentes.EJEMPLO.8 Bie) Bake aawiuke as Sec. 1.3 Producto punto y multiplicacién de matrices 25 3. Si AB y BA son del mismo tamaito, pueden ser iguales. 4. Si AB y BA son del mismo tamafio, pueden ser diferentes, Si A es una matriz de 2 x 3 y Bes una matriz de 3 x 4, AB es una matriz de 2 x 4, mientras que BA no esté definida. a Sean A de 2 x 3 y Bde 3 x 2, Entonces AB es de 2 x 2, mientras que BA es de 3x3, a Sean Entonces. En consecuencia, AB # BA. a Uno se pregumtarfa por qué la igualdad y la suma de matrices se definen de mane- ra natural, mientras que la multiplicacién de matrices parece mucho més complicada. El ejemplo 11 nos proporciona una idea al respecto. (Geologia} Una siembra se rocia con pesticidas para eliminar insectos dafinos: sin om- bargo, las plantas absorben parte de las sustancias. Luego, Jos animales herbivoros de Ja zona comen las plantas contaminadas y absorben los pesticidas. Para determinar la cantidad de pesticida absorbida por uno de esos animales, procedemos de la manera si- guiente. Suponga que tenemos tres pesticidas y cuatro plantas, Sea ay la cantidad de pesticida é (en miligramos) absorbida por la planta j. Bsta informacién puede represen- tarse mediante la matriz Planta l Planta2 Planta 3 Planta 4 2 3 4 3 Pesticida t 3 2 2 5 Pesticida 2 4 L 6 4 Pesticida 3 Imagine ahora, que tenemos tres animales herbfvoros, y sea by la cantidad de plantas del tipo i que uno de ellos, de tipo j, come mensualmente. La informacién puede repre- sentarse mediante la matriz Herbivore 1 Herbivoro 2. Herbfvoro 3 20 12 8 Planta 1 Re 28 15 15 Planta 2 = 30 12 10 Planta3 40 16 20 Planta 4 La entrada (i, ) de AB proporciona la cantidad de pesticida del tipo i que ha absorbido el animal j. En consecuencia, si i= 2 y j = 3, la entrada (2, 3) de AB es 3(8) + 2(15) + 2(10) 4 5(20) = 174 mg de pesticida, 2 absorbidos por el herbivoro 3. Ahora bien, si tuviéramos p animales carivoros (como el hombre) que se comen a los herbivoros, podriamos repetir el andlisis para determinar cuénto pesticida absorbe cada uno. a26 Capitulo 1 Ecuaciones lincales y matrices Observaci6n EJEMPLO 13 A veces es titil poder determinar una columna en et producto matricial AB sin te- ner que multiplicar las dos matrices. Puede demostrarse (ejercicio 1.9) que la j-ésima columna del producto matricial AB es igual al producto matricial Acolj(B). Sean Entonces, la segunda cohumna de AB es Lo 2] Fy 7 Acoh(B)=]| 3 4 [|= 7]. -1 3 7 a Si wy v son n-vectores, puede demostrarse (ejercicto T.14) que si los consideramos como matrices de n x I, ueveu'y. Esta observacién nos servird en el capitulo 3. De manera similar, sia y v se consideran matrices de 1 x n, entonces uv =uy Por tiltimo, si u es wna matriz de | x y v es una matriz den x 1,u+ v= Uv. 2 san w= [ | ye | — = 1 wey =12)+2-D+ (3) = Ademas, ee 2 =[!1 2 -3] [:] = 102) + 2-1) + (-3)) + —3. 1 EL PRODUCTO MATRIZ-VECTOR ESCRITG EN TERMINOS DE COLUMNAS Sea ay a2 + An _ Ay a 0 Ay in) And =~ en una matriz de m x n, y sea cL Cn.Sec. 1.3 Producto punto y multiplicaci6n de matrices 27 un n-vector, es decir una matriz den x L. Como A es dem x n y ces den x 1, el pro- . ducto matricial Ac es Ja matriz de m x 1 ay a ae] Fey tenglén,(A)«c ay dz ay | |e renglény(A) +e Acs . : = Amy Aye + Amt Le, renglén,,(A) +¢. @) MN Ha. bane AC + 2302 + +++ Farce Ami C4 + Amal be $ AyanCy, El lado derecho de esta expresién puede escribirse como a aya. ain 1 aay an Dy i a], prot y |teten @ nt G2, Am. = cycol (A) + cgc0la(A) ++» + ¢,c01, C4). En consecuencia, el producto Ae de una mattiz.4 dem x ny una matriz ede n x 1 pues de escribirse como una combinacién lineal de las columnas de A, en Jas que los coefi- cientes son las entradas en ¢. EJEMPLO 14 Mion 2 2-1 -3 ebay of Entonces, el producto Ae escrito como una comunicacién lineal de las columnas de i ee ele Sid es una matriz de m x p y B es una matriz de p x n, podemos concluir que Ia #-ésima columna del producto AB se puede escribir como una combinacién lineal de las columnas de la matriz.A, en la que los coeficientes son las entradas en la j-ésima co- Tumna de la matriz, B: col;(AB) = Acol;(B) = by jc0l (A) + bzycol(A) +--+ + bpjcolp(A). DRTVORER i+ y 2 son os mais detinides en e ejemplo 12, entonces 12 47 6 AB=] 30 4 [G 3 i =|6 7 16 “105 7 704Capitulo 1 Ecuaciones lineales y matrices Las columnas de AB como combinaciones lineales de las colurmnas de A estiin dadas por 4 2 col\(AB) =| 6] = Acol(B) 3/4 17 5 7 1 2 col(AB) = | 17 ] = Acoh(B) 3|+2]4 7 =I 5 . 6 I 2 col(AB) = | 16] = Acots(B)=4] 3) 41/4]. 1 I 5 a SISTEMAS LINEALES A continuacin generalizaremos el ejemplo 6. Consideremos el sistema lineal de m ecuaciones en n ineégnitas, aX, + aie2 +--+ ain ty = by GX) + ant, Foes + Aone = by : : : : (3) Gy Xp AF My rX2 bb Gn Xy = Dane Ahora definamos las siguientes matrices: a a in x1 by Ce X by A= . . > : Gyyt Amr 0 Ginn Xe. Dm Entonces an ain Ain | Pd MX, + yox2 bee Ain Xn ay Gy ay | | ae aqxy + amex +++ + A2n%p Ax=|. : i=] A : Amt Am2 2° Gnd Ltn, Ayn 1X4 AF AyaXz Ho + Monn Xn, Las entradas en el producto Ax son sdlo los lados izquierdos de las ecuaciones en (5). Por lo tanto, el sistema lineal (5) puede escribirse en forma matricial como Ax=b. La matriz A es la matriz de coeficientes del sistema lineal (5), y la matriz an an ain | by a2) A ++ Ay | be Amt G2 + Onn} Br, obtenida al agregar la columna b a A, se denomina matriz aumentada del sistema i- neal (5). La matriz aumentada de (5) se escribe como [A | b]. Recfprocamente, cual- quier matriz con més de una columna puede considerarse 1a matriz aumentada de wa sistema lineal. La matriz de coeficientes y la matriz aumentada tienen una funcién esen- cial en nuestro método de solucién de sistemas lineales.kerr 5 ane eA sla Rena ty Sec. 1.3. Producto punto y multiplicacion de matrices 29 Considere el sistema lineal Si hacemos podemos escribir el sistema lineal dado en forma matricial, como Ax=b. La matriz de coeficientes es A y la matriz aumentada es 2 0 1:5 203 -4 574, 302 2:53 e La matriz Con base en el anélisis anterior, se desprende que el sistema lineal en (5) puede es- cribirse como una combinacién lineal de las columnas de A, como an ain an by a2 a2 my bo My, PSar] . ptt] 2 f= . (6) Ayn Am. Ban, Pn, Reciprocamente, una ecuacién las de (6) siempre describe un sistema lineal como en (5). PARTICION DE MATRICES (OPCIONAL} Si comenzamos con una matriz A = [ay] dem x 1, y eliminamos algunas filas (renglo- nes) © colurnas (pero no todos), obtenemos una submatriz de A 1 2°93 4 As{-2 4 -3 5}. 3.0 -3 Si climinamos Ja segunda fila y la tercera columna, obtenemos la submatriz Bo 3] 300 -3 a Sea w30 Capitulo 1 Ecuaciones lineales y matrices a aveors) Para subdividir una mattiz en submatrices, se pueden trazar rectas horizontales en- tre las filas (renglones) y rectas verticales entre las columnas. Por supuesto, la particién se puede realizar de muchas formas distintas, La matriz as as a35 as se puede separar como También podrfamos escribir ay a A= |G a1 a4 + qa) ag Jo cual da otra particién de A. En consecuencia, podemos hablar de particiones de una matriz. a La matriz aumentada de un sistema lineal es una matriz con una particidn. Asf, si Ax = », podemos escribir 1a matriz. aumentada de este sistema como [A | b]. a Sid y B son matrices de m x que tienen una partici6n de Ja misma forma, A + B se obtiene simplemente sumando las submatrices correspondientes de A y B. De ma- nera andloga, si A es una matriz.con una particién, el miiltiplo escalar cA se obtiene for- mando el miltiplo escalar de cada submatriz. Si A se divide como en (7) y bu by bay B=|ba : bar bs bs2 entonces un ediculo directo nos muestra que A ap = | AUB AioBa + AisBu) | (Au Bio + AB + AigBe) (An By + An Boi + AasBy SeaEJEM Sec. 1.3 Producto punto y multiplicacién de matrices 31 y sea Entonces “9 -2 7732 2 =-1 donde Cy; debe ser Ay)Bj1 + Ay2By1. Verificamos como sigue que Cy, es esta expre- sién: o][2 0 13 An Bu + Anbu = [3 2] [i i ‘| +[} | [3 Al H| [2 9 oF, fi 3 0 = [: 2 Hl + [s 0 3 303 ‘| = =Cir. [3 2 0 a Este método de multiplicacién de matrices con una particién también se conoce co- mo multiplicaeiéa por bloques. Las matrices con particién son tities al trabajar con matrices que exceden la capacidad de memoria de una computadora. De esta manera, al multiplicar dos matrices con particién se pueden conservar las matrices en un disco y levar a Ja memoria solamente las submatrices necesarias para formar sus productos. Por supuesto, el resultado puede guardarse en el disco conforme se vaya calculando. La particién de las matrices debe hacerse de modo que los productos de las matrices corres- pondientes estén definides. Gracias a la tecnologia de cémputo actual, las computado- Tas con procesamiento paralelo utilizan las particiones para realizar més répidamente los célculos con matrices. La particién de una matriz implica una subdivisidn de la informacién en bloques 0 unidades, El proceso inverso consiste en considerar matrices individuales como bloques y unirlas para formar una mattiz por bloques. El nico requisito es que, después de unir los bloques, todas las filas y todas las columnas tengan el mismo mimero de entradas. Sean Entonces tenemos e r\-[332. Capitulo 1 Ecuaciones lineales y matrices, Una préctica comtin en muchas aplicaciones, consiste en hacer fa unién de matri ces en bloques para extender las estructuras de informacidn. Por ejemplo, suele conser varse la informacién de las ventas mensuales de cada afio en una matriz de 1 x 12, y Juego unir tales matrices para consteuir la matriz de ventas histéricas de varios afios. De manera similar, los resultados de nuevos experimentos de laboratorio se adjuntan a la informaci6n existente para actualizar una base de datos en una investigaciGn. En el ejemplo 20 se dijo ya que la matriz aumentada del sistema lineal Ax = b es una matriz por bloques. En ocasiones necesitaremos resolver varios sistemas lineales en los que la matriz, de coeficientes A es Ia misma, pero son diferentes los lados derechos de los sistemas, digamos b, ¢ y d, En estos casos, encontramos conveniente considerar Ja matriz por bloques [A |b ¢ } d]. (Vea la seccién 6.7.) NOTACION BE SUMA (OPCIONAL) Habré ocasiones en que sera necesario emplear la notacién de suma. Por ello, a conti- nuacién revisaremos esta iitil y compacta notacién que se utiliza ampliamente en mate- imdticas. Laexpresién a; significa ay tanto + ap. La letra ies el indice de la suma; se trata de una variable muda o arbitraria que puede remplazarse por otra letra. Por lo tanto, podemos escribir iI EJEMPLO 23: MSY 4=3 a=4 a=5 y entonces XL Pejavig bees) La expresidn 1a} significa ryay + orga +o + rade Es facil demostrar (ejervicio T.1 1) que la notacién de suma satisface las siguientes pro- piedades: @ (i) Yetrias) =-(Sna). i EJEMPLO 25: BSTeuaeeess aM laeoers EJEMPLO 28: Sec. 1.3 Producto punto y multiplicacién de matrices 33, el producto punto a bse puede expresar mediante notacién de suma como ab = aby + arby ++ + auby =) aby. m= a En términos de Ja notacién de suma, podemos escribir la ecuacién (2), para el i, J-ésimo elemento del producto de las matrices A y B, como . Saud Usigmisj Ml = en a) awe wae ° " = son simétricas. @Pate Solucién Beacon! Soluci6n Sec. 14 Propiedades de las operaciones con matrices 47 FJEMPLOS CON MATRICES BINARIAS (OPCIONAL) Todas las operaciones matriciales analizadas en esta seccién son validas para matrices Dinarias, siempre y cuando utilicemos aritmética binaria, Por lo tanto, los dnicos esca- lares disponibles son 0 y 1. 10 1 SeaA= 1 Oo: de manera que a = 1b = 0, c= 1,d= le =Oyf= 1. Bn consecuencia, —A = A. (Vea también el ejercicio 38.) a | una matriz binaria. Determine el inverso aditivo de A. ao8 b d | (el inverso aditivo de A), Entonces, A + (—A) = O. Tenemos f l+a=0 0+b=0 l+d=0 1 A partir de la matriz binaria A = [! oh determine una matriz binaria de 2 x 2, B # 0, tal que AB = 0. seo = [2 th Entonces L O}fa 6]_fa 6] _[o o an} ale -[ i= [o Al siempre y cuando a = tales matrices, 0,¢=001yd=001., Por lo tanto, existen cuatro de bo} Ga) Rly fa . La seccidn 2.2, teorfa de graficas, utiliza el material de esta seccién; si lo desea, esttidiela en este momento.48 Capitulo 1 Ecuaciones lineales y matrices Figura 1.6 > Teoria de graficas (seccién 2.2) En los tiltimos afios, Ia necesidad de resolver problemas que tienen que ver con Ja co- municacién entre individuos, computadoras y organizaciones, ha crecido con un ritmo sin precedentes. Observe, por ejemplo, el crecimiento explosivo de Internet y sus posi- bilidades de interactuar con medios de todo tipo. La teorfa de grificas es un frea de las matematicas aplicadas que estudia problemas como el siguiente: Considere una red de rea local que consta de seis usuarios, denotados mediante P,, P:,..., Ps Decimos que P; tiene “acceso” a P; si P; puede enviar directamente un mensaje a Pj. Por otro lado, es posible que P; no pueda enviar un mensaje de manera directa a P,, pero si pueda enviarlo a P,, quien lo enviard luego a P,, En este caso, de- cimos que P; tiene un “acceso en 2 etapas (0 pasos)” a Py. Del mismo modo, hablamos de un “acceso en r etapas”. Podemos describir la relacién de acceso en la red que apa- rece en la figura 1.6, definiendo la matriz A = [aj;} de 6 x 6, en la que aj; = 1 si P; tiene acceso a Py y ay = 0 en caso contrario. En consecuencia, A puede ser PL oP) Py Pa Ps Pe Pro 0 6 0 1 0 2/0 0 0 6 1 0 A Pz) 1 1 0 @ FT 1 ~ Py} O 1 0 0 1 0 P10 0 0 0 0 1 PLO 0 G6 1 0 0 Utilizando la matriz A y las técnicas de teorfa de gréficas que se estudian en la sec- cién 2.2, podemos determinar el mimero de formas en que P; tiene acceso a P; en reta- pas, donde r= 1, 2,.... La teorfa de gréficas permite resolver muchos otros problemas que implican las comunicaciones. En realidad, la matriz A que se acaba de describir es una matriz binaria, pero en es- ta situacién es mejor considerarla una matriz de base 10, como se mostrar en ta seccién 2.2.~ Sec, 1.4 Propiedades de las operaciones con matrices 49 Términos clave Propiedades de la suma de matrices Propiedades de la multiplicacién de matrices __Propiedades de la transpuesta Identidad aditiva o matriz. cero Mateiz identidad Matriz simétrica Inverso aditivo o negative de una matriz, —_-Potencias de una matriz Matriz. antisimétrica ique el teorema 1.1 para De ser posible, calcule A= [; 2 = ] Ba G 0 3] (a) (By (b) BTAT (ch ATR 30405 3.205 (a) Bet fe) BTR y 9. De ser posible, catcule c i $ of (a) GC~26y'p AD +A BIC+A (a) QE)AT 2. Vorifique el inciso (a) del teorema 1.2 para os o oe © 08) 1 3 “130 | A [: i}. a-[ 1-3 1] 10. Si 0 =r]. 2 3. Verifique el inciso (b) del teorema 1.2 para u. -3 2-3 x ah eB 3 4 y y oO 1 2 cof | “pas 1 03 ~2 c=|y Ty. 4, Yeidime Tos incisos (a), {b) y (c) del teorema 1.3 para r= 6, detmestre que AB = AC. 42 0 2 A= [i 3): B= [3 3] 12 SiA i ah demuestre que A? = hy, 5. Verifique el inciso (a) del teorema 1.3 para r= —3 y 13 “1 3 2 =[? 2 nat a}. e[ 13 i]. B. sea a=[f 3}: Determine 6. Verifique los incisos (b) y (d) del teorema 4 para r= —4 y (@) A434 =[} 3 2 =| 4 2 -1 b) 243 4 34? + 44 + SF; asf} 1 J): a-[5 1 +} ‘ ° 7. Verifique el inciso (c) det teorema 1.4 para 14, Sea A= [: a Determine 3-1 asf} iq i: B : ‘} fa) Ab 2A 12 (b) 349-24? 4 54 —4n, En los ejercicios 8 y 9, sean 2-4 15. Determine un escalar r tal que Ax = rx, donde Ae [ l q B=|3 4 201 1 pe bet ah “E J» =f 3 ‘ D= [ 2 a 16. Determine una constante & tal que (kA)" (kA) = 1, donde. » D=!_3 7]. a) “Lf aHay més de un valor de & que se pueda vtilizar’50 Capitulo 1 Ecuaciones lineales y matrices 17, Sean i ab 2 t 0 y a= cola), j = 1, 2,3. Verifique que ara; Ara: By ae ATAS} asa) aysa, aya; aysay ayaa aye ay afa; afar alas =|afa, ala, alas afa, ale, ala, Los ejercicios 18 a 21 tienen que ver con cadenas de Markov, un drea que se estudiard con mas detatle en la seccién 2.5. 18. Suponga que la roatriz del ejemplo 9 es A= & a Sw (a) Determine la distribucion del mercado después de un afio. {b) Determine la distribucién estable del mercado. 19, Considere dos compafifas de comida répida, M y N. Cada afio, la compaiifa M conserva ! de sus clientes, mientras que 3 de sus consumidozes cambian a N. Cada afio, N conserva $ de sus clientes, mientras que $ cambia aM. Suponga que la distribucién inicial del mercado esté dada por Xo {a) Determine la distribucién del mercado después de un aio. (b) Determine la distribucién estable del mercado. 20. Tomando como base ef ejemplo 9, considere que habja tres compajiias competidoras, R, $ y T, de modo que el patrén de retencién y pétdida de clientes esté dado por Ia informa- cién de 1a mattiz A, donde sins ioe By Ae ake hin (a) Sila distribucién inicial de) mercado esta dada por & determine la disttibacisn det mercado al cabo de un aiio, y después de dos afios. (b) Demuestre que la distribucién estable del mereado esté dada por le he (©) (Cuél de las tres compaiias, R, $0 7, ganaré la mayor parte de} mercado a largo plazo (suponienda que el pa- trén de retencién y pérdida de clientes permanece cons- tante)? {Cul es, aproximadamente, el porcentaje del mercado que gané esta compatifa? 21, Tomando como base el ejer A esti dada por io 20, suponga que la matria. 04 0 O4TR A 0 05 04} 8 06 05 02}T (@) Si la distribucion inicial del mercado esta dada por x= determine ia distribucién del mercado al cabo de un afio, y después de dos aijos. (b) Demuestre que In distribucién estable del mercado esté dada por (©) {Cul de las tres compaiiias, R, 5.0 T, ganaré la mayor parte del mercado en el largo plazo (suponiendo que el patron de retencidn y pérdida de clientes permanece constante)? {Cudl es, aproximadamemte, el porventaje del mercado que gané esta compaiia? Las ejercicios 22 a 25 tienen que ver con ef uso de matrices binarias. 22, Sila matriz binaria A = ft ih demuestre que A? = 0 . Sila mauiz binaia A = [o 0 Ht demuestre que A? = >. 24, Sea A= [° Hl una matriz. binarla. Determine (@ A WA +A +A 28, Sea A= [? 1] una mattiz binaria, Determine @A+A (b) At AS + A? eos as as acEjercicios tedricos Th 12. 13. T4. TS. Té. 17. TS. Ts. T1o. Tu. Ta, TA, Td. TAs. T.A6. Tay. Demuestre las propiedades (b} y (d) del teorema 1.1 Si A = [aj] es una maiz de 2 x 3, B = By] es ana ma- wiz.de 3 x 4 y C= [cy] es una matriz de 4 x 3, demues- tre que A(BC) = (ABYC. Demnesire Jas propiedades (b) y (¢) del teorema 1.2. Si A es una matria. de m x n, demuestre que [,A= AL, =A. Scan p y g enteros no negativos, y sea A una matriz cua- drada, Demuestre que APAS a2 ADEE y (Arye am, Si AB = BA, y p es un entero no negativo, demuestre que (AB)? = APB. Demuestre que si A y B son matrices diagonales den x 1, ‘AB = BA. Determine una matriz de 2 x 2,B # Oy B # Ih, tal que AB = BA, donde {Cudntas de estas matrices B existen? Determine una matriz B de 2 x 2, B # Oy B # hy, tal que AB = BA, donde 1 2 = i] {Cudntas matrices B de este tipo hay? cos @ ox —sené Sea A= [ cose (a) Determine una expresiOn sencilla para A?. (b) Determine una expresién sencilla para A?, (c) Conjecure Ja forma de una expresién sencilla pata A‘ en Ja que kes un entero positive. (a) Verifigue su conjetura del inciso (¢), Si p es un entero no negativo y ¢ es un escalar, demuestre que (cA) ‘Demuestre el teorema 1.3. = CPAP Demuestre que (—1)A = ~A. Complete la demostracién del teorema I 4. Demuestre que (4 - B)! = AT BT, (a) Demuestre que (°F = (44). (b) Demuestre que (A3)" = (a7. (©) {Cierto 0 falso? Para k= 4, 5... abl = a7. Demuestre que una matriz cuadrada A es simétrica si y s6lo si ay = aj: para toda i, j Sec. J.4 Propicdades de las operaciones con matrices. S4 TAB. T.19. ‘120. Tu. ‘122. 123. T24, 126. ‘T.27. 1.28, T29. 130, T3L. 7.32. 733. 734, ‘T.38. T.36. ‘137. Demuestre que si A es simétrica, entonces A’ es simétrica. Sea A una matriz de x mm. Demuesire que si Ax = @ ‘para todas las matrices x de nx I, entonces A = O. Sea A una matriz den x 0, Demuestre que si Ax = x para todas las matrices x den x 2, entonces A = I, Demuestre que si AA? = 0, entonces A = 0. Demuestre que si A es una matriz simétrica, entonces Al, 4 =2,3,...,€8 simétrica, Sean A y B matrices simétricas. (a) Demuestre que A + Bes stmétrica, (b) Demuesire que AB es simétrica si y s6lo si AB = BA, Una matriz A == [ay] es antisimétriea si A? = —A, Demuestre que A es antisimétrica si y slo si ay = para toda fj ay Describa todas las matrices escalares que son antisimétri- cas, (Vea Ja secci6n 1.2 para la definicién de maria, escalar.) SiA es una matriz de x n, demuestre que AA? y ATA son simétricas. Si Aes una matriz de n x 1, demuestre que (a) A+ AT es simétrica, (b} AAT es antisiméttica. Demuestre que si A es una matriz det x 1, entonces A puede escribirse de manera tinica como A = $+ K, donde 5 es una matriz simétrica y K es una matriz antisi- métrica, Demuestre que si A €s una matriz escalar de nx n, entonces A = ri, para algiin ntimero real r. Demuestre que 17 = 1,. Sea A una matriz de m x n. Demuestre que si rA = O, entonces r= 004 =O. Demuestre que si Ax = b es un sistema lineal que tiene mis de una solucién, entonces tiene un numero infinito de soluciones. (Sugerencia: si uy y uz son soluciones, consi- dere W = ru; + suy, donde r +s = 1.) Determine todas tas matrices A de 2 x 2, tales que AB = BA, para cualquier matriz B de 2 x 2. Si A es una matriz antisimétrica, jqué tipo de matriz es A? Justifique su respuesta. {Qué tipo de matriz es una combinacién lineal de matrices simetricas? (Vea la secci6n 1.3.) Justifique su respuesta, Qué tipo de mattiz es una combinacién Lineal de matrices escalares? (Vea la secciGn 1.3.) Justifique su respuesta, Sea A = [a,j] la matriz den x i definida por aj, = ry 4, =0 sii # j. Demuestre que si B es cualquier matriz den x n, entonces AB = rB.52 Capitulo | Bcuaciones lineales y matrices 'T.38. Si A es cualquier mawiz binaria den x re, demuesire que. ~ASA, T.39. Determine todas las matrices binarias A de 2 x 2, tales que A? = 0. ‘T40. Determine todas tas matrices binarias A de 2 x 2, tales que A? Ejercicios con MATLAB Para utilicar Mata en esta seccidn, primero deberd haber leido el capitulo 12, hasta ia seccién 12.3. ML.L. Utilice Marcas para determinar el menor entero positi- vo ken cada uno de los siguientes casos (vea también el ejercicio 12). Oo 0 2 (a) Abe ijpaaA=}1 0 0 o 1 oO o 1 0 6 Ae afr} 0 0 0 A= Apted=|~45 49 9 4 oo 1 0 Utilice Manas para desplegar la matriz, A en cada ano de los siguientes casos. Determine el menor valor de k tal que A* sea una matriz nula. tril, ones, triu fix, y rand, son comandos de MATLAB. (Para ver una descripeién, utilice el comando help del programa.) {a) A= tril(ones(5), —1) (b) A = trin(fix(10 « rand(7)),2) ML.3. 1-1 0 Sead=| 0 1 —1|. Utilice el comando -1 0 41 polyvalm de Maras para caleular los siguientes poli- nowios de matrices: @) AAP +AP EI, AD 342 4 34 : 1 03 vs ML. Sead =] 0.2 0.2 06). Unitice Marcas para 03 03° 04 calcular las siguientes expresiones matriciales: (a) (AP TAYA +315). 0) A-BY +43 44). (c) Observe la sucesin A, A*, A®,...,A8,.... gParece gue converge a alguna matriz? De ser asf, ga qué matric? 1 MLS. Sea d= | | Utilice Maras para caleular 0 Jos elementos de la succsién 4, A, 43... A%.. Escriba una descripcién del comportamiento de esta sucesién de matrices, owe ML. Sea | 1 Repita el ejercicio MLS. ML7. oO 2 1 boacer lo siguiente: (@) Caleule 47 y AAT. ¢Son iguales? (b) Calcule Baz A + A? y C= A~A™. Demuesire que Bes simétrica y C es antisimétrica. (Vea el ejerci- cio T.24,) (©) Determine una relacién entre B+ Cy A 1-201 Sea A= [: 1 Al Utilice MarLas para En los ejercicios ML8 a ML. se emplean matrices binarias y los comandos adicionales que se describen en la seccién 12.9. ML8. (a) Utilice binrand para generar una matriz binaria B de3 x 3, (b) Utilice binadd para calcular B+ By B+ B+ B. (©) Si B se sumara con ella misma n veces, ;cudil seria ¢l resultado? Explique su respuesta. ML.9. Sea B = triu(ones(3)). Determine k de modo que BY = I. ML.10. Sea B = triu(ones(4)). Determine k de modo que =k, ML-11. Sea B = triu(anes(5)). Determine k de modo que =. UGTRANSFORMACIONES MATRICIALES Bn la seccidn 1.2 mencionamos la notacién R" para el conjunto de todos los n-vectores con entradas reales. De acuerdo con ello, R” denota el conjunto de todos los 2-vectores, y el conjunto de todos los 3-vectores, De manera gcométrica, es conveniente represen- tar los elementos de R? y R* como segmentos de recta en un sistema de coordenadas rectangular? En esta seccién nuestro enfoque es intuitivo, y nos permitir4 presentar al- gunas aplicaciones geométricas interesantes en la seccién. siguiente (en una etapa tem- Prana del curso). En la seccidn 3.1 realizaremos un andlisis mAs cuidadoso y preciso de los 2-vectores y los 3-vectores. *Sin duda ha visto sistemas de coordenadas rectangutares en sus cursos de precdiculo o de céleulo,Sec. 1.5 Transformaciones matriciales 53 En R?, el vector E Se representa por medio del segmento de recta que se muestra en Ja figura 1.7. En R3, el vector x x=|y z Se representa por medio del segmento de recta que se muestra en la figura 1.8 eee iey y Gy» é 2 4% 2) fx f . cjey ejex o x sie x Figura 1.7 4 Figura 1.8 a SIME En la figura 1.9 se muestran las representaciones geométricas de los 2-vectores -f'], yf? _ fe maifom=f a) yx w=} en un sistema de coordenadas rectangular de dos dimensiones. La figura 1.10 muestra las representaciones geométricas de los 3-vectores 1 -1 0 M={2}, w=] 2) y we=Jo 3 —2 1 en un sistema de coordenadas rectangular de tres dimensiones. a ¥ Figura 1.9 Figura 1.1054 Capitulo | Eevaciones lineales y matrices Las funciones aparecen en casi todas las aplicaciones de mateméticas. En esta sec- cién daremos una breve introduccién a ciertas transformaciones de R" a R" desde un punto de vista geométrico. Ya que deseamos representar estas funciones, denominadas transformaciones matriciales, Ja mayor parte de nuestro andlisis en esta seccién se limi- ta a la situacién en que m y n tienen los valores 2 0 3. En la seccién siguiente se anali- zaré una aplicacién de estas funciones a las graficas por computadora en el plano, esto es, para m y n iguales a 2. En el capitulo 4 consideraremos con mayor detalle una fun- cin mas general, denominada transformacién lineal de R" a R”, Puesto que toda trans- formacién matricial es una wansfosmacién lineal, a continuacién aprenderemos més acerca de sus propiedades. Las transformaciones lineales desempefian un papel muy importante en muchas reas de mateméticas, asf como en numerosos problemas de aplicacién en ciencias fi- sicas, ciencias sociales y economia. Si A es una matriz. de m x my ues un m-vector, el producto Au es un m-vector. Una funcién f que transforma R” en R" se denota mediante f: R” -» R".2 Una trans- formacién matricial es una funcién f: R" > R, definida con f(u) = Au. El vector f(a) cu R" se denomina imagen de u, y el conjunto de todas Jas imagenes de los vectores en R” se denomina rango de /, Aungue en esta secci6n nos limitaremos a es- tudiar matrices y vectores con entradas reales, puede desarrollarse un andlisis comple- tamente similar para matrices y vectores con entradas complejas. (Vea el apéndice A.2,) TaMeRe a] (2) Sea fla trasformacién matricial definida por fu) = E | u La imagen de u = [i] es ro FS L)-B) y la imagen de f] es (*s] (verifique). (b) SeaA = [; a th y considere la transformacién matiicial definida por F(a) = Au. al eet OF pe En consecuencia, a imagen de | 0 | es [2] la imagen de | 1 | es A y a ima- 1 3 2149 gende| 1 al (verifique). a 31. Observe que si A es una matriz de m x ny f: R® ~> Rl es una transformacién ma- tricial de R" a R™, definida por f(u) = Au, un vector w en R” esté en el rango de f s6lo si podemos encontrar un vector v en R” tal que f(¥) = w. BI apéndice A, que, aborda el tema de conjuntos y funciones, puede consultarse conforme sea necesario.EJEMPLO 3 Solucién EJEMPLO 4 FJEMPLO 5 Sec, 1.5 Transformaciones matriciales 55 12 Sea A=} _5 3] + ¥ considere la transformaci6n matricial definida por f() = Au. . 4 Determine si el vector w = [4] est en el rango de f. La pregunta es equivalente a inquirir si existe un vector v= [] tal que f(v) = w. Tenemos _ fu t2u _f4 Ave [a 33] w= [4 yt2m= 4 ~2v; + 3m =I Al resolver este sistema de ecuaciones lineales por medio del método usual de elimina cin, obtenemos v; = 2 y vz = | (verifique). Por lo tanto, w esté en el rango de g. En particular, si v= {i} entonces f(¥) = e (Produccién) Un editor publica un libro en tres ediciones diferentes: comercial, riis- tica y de lujo. Cada libro requiere de cierta cantidad de papel y lienzo (para la tapa). Los requerimientos se dan (en gramos) por medio de la matriz. Comercial Riistica De tujo Aa[{ 309 300 800. 7 Papel ~ 40 50 60 | Lienzo el vector de produccién, en donde x), x2 y x3 son el niimero de libros que se publicaréin en ediciGn comercial, ristica y de lujo, respectivamente, La transformacin matricial f R? R®, definida por f(x) = Ax, da el vector ob) en donde y) es la cantidad total de papel requerido, y ys es la cantidad total de lienzo necesario para la publicaci6n, a Para las transformaciones matriciales en donde m y n son 2 0 3, podemos dibujar representaciones que muestren é] efecto de la transformacién matricial. Esto se ilustra- 14 en los ejemplos siguientes. Sea f: R? > R® Ja transformacién matricial definida por 1 0 ro-[} 2] Asi, situ = [;]: entonces w-r(QD-U56 Capitulo 1 Ecuaciones lineales y matrices El efecto de la transformacién matricial f, denominada reflexién respecto del eje x en R?, se muestra en la figura 1.11. En el ejercicio 2 consideramos fa reflexi6n respecto del eje y. 5 Figuratdip —y Reflexisn respecto del eje.x BaMaeex] Sea f: R° > R° la transformacién matricial definida por x x 100 rov=s( x )-f 1 0] y z z * x f@=f{}y)]= [] z La figura 1.12 muestra el efecto de esta transformacién matricial, (Precaucién: observe con atencién los ejes en la figura 1.12.) Entonces Figura 1.12 > Observe que si s en donde s es cualquier escalar, entonces ot Proyeccién fv) = (;] = s(n) Figura 1.13 & Por lo tanto, un niémero infinito de 3-vectores tienen el mismo vector imagen. Vea la fi- gura 1,13, La transformacién matricial fes un ejemplo de ua tipo de transformacién ma- tricial denominado proyeecién. En este caso, f es una proyeccién de R* en al plano xy. x Observe que la imagen del 3-vector v= | y |, bajo la tansformacién matricial f: zSec. 1.5 Transformaciones matriciales. 57 ) x es [;} El efecto de esta transformacién matricial se muestra en la figura 1.14. La gra- 0 R° ~ R3, definida por 10 fyy=]0 1 00 eco fica es casi igual a fa de la figura 1.12, en donde la imagen es un 2-vector que esta en el plano xy, mientras que en la figura 1.14 la imagen es un 3-vector que esté en cl plano xy. Observe que fv) aparentemente es fa sombra proyectada por y sobre el plano xy. a Figura 1.14 > z TMT 800: 0° — 2° ta wansformacion matical definida por r 0 0 f= ]0 r Oja, oor donde 7 es un mimero real. Bs fécil ver que f(u) = ru. Sir > 1, f se denomina dilata- clon; si 0 R por g(a) = lc ‘] u. También tenemos que g(u) = ru, asi que, una vez més, si r > 1, g se denomina dila- tacién; si 0 2 z Au) = 20 a (a) Dilatacién: r> 1 (b) Contraccién: 0< r<158° Capitulo 1 Beuaciones lineales y matrices BPAIMECE SS §« (Praducctén) Retememos el caso del editor dei ejemplo 4. Los requerimientos estan dados por el vector de produccién donde 2, x2 y x3 representan la cantidad de ejemplares de la edicién comercial, ristica y de lujo, respectivamente, El vector = ax [i years || proporciona y;, la cantidad total de papel requerida, y ya, la cantidad total de lienzo ne- cesaria. Sea cy el costo por libra de papel y c2 el costo por libra de lienzo. La transfor- macién matricial g: R? — R! definida por g(y) = By, donde Bele, e) proporciona el costo total de la produccién de los libros. a Suponga que cada punto de R* se rota en sentido contrario a las manecillas del reloj, en un éngulo de @respecto del origen de un sistema de coordenadas rectangulares. En con- secuencia, si el punto P tiene coordenadas (x, y), después de la rotacién obtenemos el punto P’ con coordenadas (x’, y’). Para obtener una relacién entre las coordenadas de x y. mento de recta que va del origen a P(x, y). Vea la figura 1.16(a). Ademis, sea @ el én- gulo que forma u con la parte positiva del eje x. P’ y las de P, tomamos como w el vector [ | que se representa por medio del seg- Py’) Posy @) ¢b) Rotacién Denotando con r Ja longitud del segmento de recta dirigido de O a P, de acuerdo con Ia figura 1.16(a) vemos que x cos 8 y=rsend Q x= rcos( + 6), y' =rsen(6 + 9). (2) Por medio de las formulas para el seno y ef coseno de una suma de angulos, las ecus- ciones (2) se transforman en x" =r cos 6cos @ — rsen Asen@ y' = rsen Acos b+ rcos 6 sen d. Sustituyendo Ja expresién (1) en las tltimas dos ecuaciones, obtenemos x' =x cos @~ ysen g, xsen o-+ ycos g. 8 Tr Tr- 8) Sec. 1.5 Transformaciones matriciales 59 Al despejar x y y en (3), tenemos x=x'cosd+y'seng yy ya —x' send+y! cos. a La ecuacién (3) proporciona las coordenadas de P’ en términos de las de P, y (4) ex- Presa las coordenadas de P en términos de las de P’. Este tipo de rotacion se utiliza pa- 12 simplificar la ecuacién general de segundo grado ar + bry bey? + de bey +f=0. Al sustituir x y y en términos de x’ y y’, obtenemos ax? + Bly! tety? 4 dix! Holy’ $f" =O. E! punto clave es elegir @ de modo que b = 0. Una ver hecho esto (podriamos tener que realizar una traslacin de coordenadas), identificamos Ia ecuaciGn general de se- gundo grado como tna circunferencia, una elipse, una hipérbola, una parabola o una forma degenerada de éstas. Este tema se estudiard desde el punto de vista del 4lgebra lineal en Ja seccién 9.5. También podemos realizar este cambio de coordenadas considerando la transfor- macién matricial f: R° > R°, definida por xT) _ feos? —seng] fx i((])= [ex 28]: ° De esta manera, (5) puede escribirse, por medio de (3), como _[¥cosd —yseng] _ fx’ 0) = [ng 28] - EF]. Delo anterior se deduce que el vector f(u) esté representado por el segmento de recta gue va de O al punto P’, Por lo tanto, Ja rotacién de un éngulo ¢ en sentido contrario a las manecillas del reloj es una transformacién matricial. a Términos clave ‘Transformacisn matricial Rango Dilatacién ‘Transformacién (funcién) Reflexion Contraccién Imagen Proyeccion Rotacién60 Capitulo 1 Ecvaciones lineales y matrices Creacién de gréficos por computadora (seccién 2.3) El amplio uso y constante desarrollo de los gréficos creados por computadora para las areas de juegos de video, efectos especiales en la industria cinematografica y de televi- sin, y diseiio asistido por computadora (CAD, por sus siglas en inglés), nos sorprende todos los dias. En una aplicacién de CAD comin, se crea el modelo de un producto en computador, para Inego probarlo de manera exhaustiva a fin de encontrar fallas y, con base en Ia informacién recabada, mejorar el producto real. Las transformaciones matriciales desempefian un papel muy importante en las gré- ficas por computadora, En 1a seccién 2.3 analizaremos brevemente cuatro transforma- ciones matriciales. Dos de éstas son las siguientes: A([))-L) Ja cual transforma 5 s a |\ _ | cos x —sen jar | | ar a sen Sx cos hn || an que transformaSec. 1.5 Transformaciones matriciales 61 En los ejercicios | a 8, haga un bosquejo de wy de su imagen a partir de la transformacidn matricial f dada. Lf: R > BR? definida por (GD-b 1B) 6) 2. Ff: R? > R° (reflexién respecto del eje y) definida por AG)-Po Ub) [2] 3, f: R° > RB? es una rotacién de 30° en sentido contratio a las manecillas del reloj; w= i 4. f: R=» R® es una rotacion en sentido contrario a las manecillas del reloj de 3x radianes; w= [3] 5, fy R? > R* definida por x -1 vf], (CD-Eo AIL} 6, f: R° + R? definida por AG)-f 2G} [3] 7. f: Ro R? definida por 1 0 Ofx 2 ‘( el} -1 O}ly}; u=|-1 0 0 O6}iz 3 8. R? > RB definida por (Q)-G ae El En los ejercicios 9. 11, sea f: R? > R° la transformacién ma- ticial definida por f(x) = Ax, donde Li] Determine si el vector w dado estd en el rango de f aw-[j] w=] me =f nee En los ejereicios 12 a 14, sea f: R? —> R la transformacién ma- ivicial definida por f(x) = Ax, donde 1 2 A=|0 1]. 14 Determine si el vector w dado esid en el rango de f L 1 0 Wwwe}-l| 1 w=]l 14. w= | 0 2 1 0 Ent los ejercicios 15 a 17, proporcione una descripcién geomé- trica de la transformacién matricial f: R? —» R° definida por f(u) = Au para ta matriz A dada. 15. (@) A= [3 Hi @) A= i | L o- 4] (b) A= [4 al 1 0 0 0 17. w 4=[h a] a={p ‘| 18. Algunas transformaciones matiiciales f tienen la propiedad de que f(u) =/(v), cuando u # v. Esto es, las imégenes de vectores diferentes pueden ser iguales, Para cada una de las transformaciones matriciales siguientes, f: R’ —> R? defini- da por f(u) = Au, encuentre dos vectores diferentes, uy ¥ tales que f(u) = f(¥) = w para el vector w dado. waely ? Je-[ 2 1 0 4 b) A= fs 2 i} = i] 19, Seaf: R? > R? la transformacién lineal definida por J(u) = Au, donde A= [eos ~ send =lsen@ cose Para ¢ = 30°, f define una rotacién en un éngulo de 30° en sentido contrario a las manecillas del reloj. (a) Si T\(u) = Au, deseriba ta acci6n de Ty sobre u. (b) Si Fy(u) = A~!u, deseriba la accion de Ty sobre u. (©) {Cua es el valor positivo més pequefio de k para el cual T(u) = A*u = u? 0 16. @) A= i n Ejercicios tedricos TA, Sea f: R" > R una transformacién matricial definida por flu) = Au, donde A es una matriz dem x 2, (a) Demuostre que f(u + ¥) = fa) + f(y) para cuales» quiera uy ven R". (&) Demnestre que f(cu) = cf(u) para cuaiquier u en R y cualquier ntimero real ¢ (c) Demuestre que (cu + dv) = ¢f(u) + df(v) para cualesquiera uy y en R" y cualesquiera niimetos reales cyd,52 Capitulo 1 Ecuaciones lineales y matrices (2. Sea f: R" > R™ una transformacién matricial definida por entonces ficu + dv) = 0 para cualesquiera ntimeros reales f(a) = Au, donde A es una matriz de m x n, Demuestre que cyd. si wy V son vectores en R" tales que f(u) = 0 y f(v) = 0, donde T3, (a) Sea O: R" > R" la transformacién matricial definida por O(u) = Ou, donde 0 es le mattiz cero de m x 1 Demuestre que O(u) = 0, para toda wen R’. (b) Sea J: R” > R" la transformaci6n matricial definida por M(u) = Inu, donde J, es la matriz identidad (vea a secci6n 1.4). Demuestre que Ku) = u para toda u en R’, G2 SOLUCIONES DE SISTEMAS DE ECUACIONES LINEALES DEFINICION EJEMPLO.1 En esta secci6n sistematizaremos el método de eliminaciGn de incégnitas que ya cono- cemos (analizado en la seccién 1.1), con lo que obtendremos un método titil para resol- ver sistemas fineales. El métode comienza con la matriz aumentada del sistema lineal dado, con lo cual se obtiene una matriz de una forma particular. Esta nueva matriz re- presenta un sistema lineal que tiene exactamente las mismas soluciones que el sistema dado. Por ejemplo, si 1 0 Oo ol o 0 representa la matriz aumentada de un sistema lineal, es fécil determinar la soluci6n a partir de las ecuaciones correspondientes xt dxy= 4 2 = my =—-5 43 + 3x4 6. E] objetivo de esta secoisn consiste en manipular la matriz aumentada que representa un sistema lineal dado, hasta Ilevarla a una forma de la cual puedan deducirse facilmen- te las sohuciones. ‘Una matriz.A de m x nesté en forma escalonada reducida por filas (renglones) cuan- do satisface las propiedades siguientes: (a) Todas las filas que constan sdlo de ceros, si las hay, estan en la parte inferior de la matriz. (b) La primera entrada distinta de cero de la fila, al leer de izquierda a derecha, es un 1. Esta entrada se denomina entrada principal o uno principal de su fila. (©) Para cada fila que no consta sélo de ceros, et uno principal aparece a la derecha y abajo de cualquier uno principal en las filas que le preceden. (€) Si una columna contiene un uno principal, el resto de las entradas de dicha colum- na son iguales a cero. En una matriz en forma escalonada reducida por filas, los unos principales descri- ben un patrén de escalera (“escalonada”) que desciende a partir de fa esquina superior izquierda, Se dice que una matriz de m x n que satisface las propiedades (a), (b) y (c) esta en la forma escalonada por filas. Las matrices siguientes estén en la forma escalonada reducida por filas, ya que satisfa- cen las propiedades (2), (b), (c) y (A):Sec. 1.6 Soluctones de sistemas de ecuaciones lineales 63 10006 1 0 0 0 -2 4 o100 Oo 10 0 4 8 4=lo oo 7 of B=]9 0 0 1 7 ~2 0001 0 0 60 0 0 06 o 60 0 0 0 6 y 12001 C=10 0 1 2 3]. 90000 Las matrices siguientes no estén en forma escalonada reducida por filas. (Por qué no?) 30 4 2 5], 12 30 4 2.5 1 2 0 0 a EMETOA) Las mattices siguientes estén en la forma escalonada por filas: 1 5 022 ¢ Oo 1 0 3 4 8 77 08 H=/0 0 0 1 7-2], r= oo10 9 9 0 0 0 0 0001 0 0 0 0 0 6 y 0 0 1 3 5 7 g 0 0 6 0 1-2 3 J=/0 0 0 0 0 1 2 0 0 0 0 0 6 7 09 09 0 6 0 0 06 a Una propiedad itil de las matrices en forma escalonada reducida por filas (vea el sjercicio T.9), es que si A es una matriz de n x n en forma escalonada teducida por fi- Jas y no es igual a J,, por lo menos una fila de A consiste s6lo de ceros. A continuaci6n estudiaremos c6mo transformar una matriz dada en una matriz en forma escalonada reducida por filas. DEFINICION — Cualquiera de las siguientes cs una operaci6n elemental por filas (renglones) sobre una matriz A = [ayy] de m x nz (@) Intercambiar las filas ry s de A. Es decir, remplazar a1, a2... , ain por ayy, Fd 4 Asn Y Ast Bsa + +, Ay POT Ay, os Aye (b) Multiplicar la fila r de A por ¢ # 0. Es decir, remplazar ays, a, ... 5 djy por cays, C02, 6. Cy.64 Capitulo 1 Eouaciones lineales y matrices DEFINICION Bitiieen (c) Sumar d veces |a fila r de A ala fila (renglon) s de A, r # s. Bs decir, remplazar sty Wade + gy POF gy + day, 53 + days. yy + dey, Observe que cuando una matriz se considera como la matriz aumentada de un sis- tema lineal, las operaciones elementales por filas son equivalentes, respectivamente, al intercambio de dos ecuaciones, a la multiplicacién de una ecuacién por una constante distinta de cero y a la suma de un méltiplo de una ecuacién a otra, Sea Oo 1 2 3 0 ~-2]. 3. 6 -9 a Al multiplicar ta tercera fila de 4 por }, obtenemos 0 0 1 2 C=}2 3 ie Al sumar (—2) veces la fila 2 de A a la fila (renglén) 3 de A, obtenemos o oOo 1 2 D=| 2 3 0 ~2 Observe que al obtener D a partir de A, la fila 2 de A no cambia. a Se dice que una matriz A de m x n es equivalente por filas (renglones) a una matriz B de m x n, si B se puede obtener al aplicar a la matriz.A una serie finita de operacio- nes elementales por fila. 12 4 3 A=|2> 1 3. 2]. 1202 3 Si sumamos 2 veces la fila 3 de A a su segunda fila, obtenemos 1 2 4 3 B=/4 -3 7 8], 1-2 2 3 de manera que B es equivalente por filas a A. Si intercambiamos las filas 2 y 3 de B, obtenemos 1 2 4 3 C=|/1 -2 2 34, 4-3 7 8 por lo que C es equivatente por filas a A y también equivalente por filas a A. SeaGauiies See. 1,6 Soluciones de sistemas de ecuaciones lineales 65 Al muttiplicar la fila 1 de € por 2, obtenemos 2 4 8 6 D=il 2 2 3 4-3 7 8 Por lo que D es equivalente por filas a C. De lo anterior se deduce que D es equivalen- ‘e por filas a A, ya que D se obtuvo D aplicando tres operaciones elementales por filas aA. 5 Resulta fécil demostrar (ejercicio T.2) que 4, toda matriz es equivalente por filas a sf misrna; 2. sid es equivalente por filas a B, B es equivalente por filas a A, y 3. sid es equivalemte por filas a B y B es equivalente por filas a C, A es equivalente por filas a C. De acuerdo con 2, la pareja de afirmaciones “A es equivatente por filas a B” y “Bes equivalente por filas a A” puede remplazarse por “A y B son equivalentes por filas”. Toda matriz de m x n es equivalente por filas (renglones) a una matriz en forma esca- lonada por filas. Uustraremos la demostraci6n del teorema exponiendo los pasos que deben realizar- seen uaa mattiz espectfica, A, para obtener una matriz. en forma escalonada por filas que sea equivalente por filas a A. Utilizatemos el siguiente ejemplo para ilustrar el pro- cedimiento. Sea 002 3-4 1 00 2 3 4 A=lp 0 5 2 4 200-6 9 7 El procedimiento para transformar una matriz.a una forma escalonada reducida por fi- las es el siguiente Procedimiento Ejemplo Paso 2. Determinar la primera columna (con- 0 2 3-4 1 tando de izquierda a derecha) den A, tal que 0 0 23 4 no todas sus entradas sean cero, Fista es la co- A=|, 5 5 0 4 lumaa pivote. 20-6 9 7 t_ Columna pivete de A Paso 2. Identificar la primera entrada (con- 002 3-4 1 tando de arriba hacia abajo) distinta de cero 002 3 4 en la columna pivote. Este elemento es el pi- Azly 2-5 2 4 Vote, que seiialamos mediante un eirculo, 2 0-6 9 7 Pivote Paso 3, Intercambiar, en caso necesatio, la 2-5 2 4 primera fila por aqueila en el renglén donde 0023 4 aparece el pivote, de modo que éste se en- A= 9 3-4 cuentre ahora en Ja primera fila (renglén), i 2 6 9 7, Llamamos a esta nueva matriz A). o Se intercambiaron la primera y tercera filas de A,66 Capitulo 1 Ecuaciones lineales y matrices Paso 4. Multiplicar ta primera fila de A, por 3 el reefproco del pivote. Asi, ta entrada de la b 3 ; primera fila del pivote y Ja colurnna pivote Aa=ly 9 3 a (donde estaba el pivote) es ahora un 1. Lla- 2 0-6 9 7 mamos a la nueva matriz Ao. La primera fila de A, se multiplies por £ Paso 5. Sumar los miltiplos apropiados de 1 1-3} b 2 Ja primera fila de Az a las demés filas, para awl[o? ° 2.3 4 hacer que todas las entradas de Ja colummna B=lo 2 3 -4 1 pivote, excepto aquella en entrada donde se 0-2-1 7 «3 encuentra el pivote, sean iguales a cero. Asi, todas las entradas de la columna pivote y las (~?) veces la primera fila de Ap se le filas 2, 3,..., mse anulan, Llamamogs ala SWm6 a su euarta fila nueva matriz A, Paso 6. Identificar B como la submatriz de (mt — 1) x nde As, obtenida al ignorar 0 “ta- par” la primera fila de A3. Repita los pasos a5 con B. B= Columna pivote de B J R= [0-2 -1 7 3 Se intercambiaron la primera y Ja segunda filas de B. 0-2 - La primera fila de 3; se multiplics por }, o 1 $2 4 B=]0 0 2 3 4 0 0 2 3 4 Se sumé 2 veces la primera fila de B: se sumé 2 veces a su tercers fla,Observacién Sec. 1.6 Soluctones de sistemas de ecuaciones lineales 67 Paso 7. Identificar C como la submatriz de easy (m — 2) x n, obtenida al ignorar o “tapar” 1 Bo 1 a Ja primera fila de B3; no lo borre. Repita los Og eae ok pasos 1 a 5 para C. 003 4 C= [ 0 2\ 3 d \ Columna Pivote pivote de C sl nese ghee pea pol 2 ee oo 1 2 2 C= O= [° 0 23 4 No se intercambiaron las filas de C. La pri mera fila de C se multiplicé por !. oo t 3 2 Ge [° 0 0 0 4] La primera fila de Cy se sumé (—2) veces el primer renglén de Cy a su segunda fila. Paso 8. Identifique D como la submatriz de (mt ~ 3) x nde C3, A continuacién debe tra- tar de repetir los pasos 1 a 5 sobre D. Sin om- bargo, como en este caso no existe fila pivote en D, hemos terminado. La matriz, denotada por H7, que consiste en la matriz D y las filas sombreadas arriba de D, esté en la forma es- calonada por renglones. 3 H= 1 0 0 0 oN Cuando los célcutos se realizan de manera manual, en ocasiones es posible evitar las fracciones mediante una modificacion adecuada de los pasos del procedimiento. of i] Para determinar una matriz en forma escalonada por filas que sea equivalente por filas 2A, modificamos el procedimiento anterior para evitar fracciones y procedemos como sigue. Sume (~1) veces Ia fila 1 a la fila2 para obtener af 2 Intercambie las filas 1 y 2 de A, para obtener 1 +2 a=[} 4} Sea18 Capitulo 1 Ecuaciones lineales y matrices Observacién EJEMPLO 7 Solucién Sume (—2) veces Ja fila 1 a la fila 2 para obtener 1-2 w=[} 3). uma matriz que est en Ja forma escalonada y que es equivalente por filas a A. a Puede haber mas de una matriz en forma escalonada que sea equivalente por filas @ una matriz A dada. Por ejemplo, si realizamos la operacién siguiente en la matriz H del ejem- plo 5, sumar (—1) veces la segunda fila de H a su primera fila, obtenemos la matriz. 10-4 3 3 w OL pal o 0 1 3 2 9 9 0 0 0 que esté en la forma escalonada por filas y es equivalente por filas a A. Por lo tanto, tan- to H como W son matrices en Ia forma escalonada por filas, y cada una de ellas es equi- valente por filas a A En general, si A es una matriz dada, una matriz en forma escalonada por filas que es equivalente por filas a A se denomina forma escalonada por filas de A. Toda matriz de m x n es equivalente por filas a una tinica matriz en forma escalonada reducida por filas. @ La matriz del teorema 1.6 se denomina forma escalonada reducida por filas de A. Tlustraremos Ia demostraci6n de este teorema Ievando a cabo los pasos que deben realizarse sobre una matriz A especifica para obtener una matriz en la forma escalona- da reducida por filas equivalente a A. Omitiremos la demostracién de que la matriz ob- tenida es tinica. El ejemplo siguiente se utilizar para ilustrar el procedimiento. Determine la forma escalonada reducida por filas de Ia matriz. A del ejemplo 5. Iniciamos con la forma escalonada por filas H de A que obtuvimos en el ejemplo 5. Su- maimos miltiplos adecuados de cada fila de 7, que no est formada slo por ceros, para hacer cero todas las entradas por artiba del uno principal. Asf, iniciamos sumando (2) veces Ja tercera fila de H a su segunda fila: I 1 ooo oor o = opm { ope 4 { Oo Nm Abora, surmamos 2 veces la tercera fila de J; a su primera fila: 1 0 0 ~ 1 0 o uw AG lS 1 eooe oN Ne aObservacién Demostracién és COROLARIO 1.1 Demostracién Scc. 1.6 Soluciones de sistemas de ecuaciones lineales 69 Por tiltimo, sumamos (—1) veces la segunda fila de Jy a su primera fila: 1 0 0 9 B® ca\o 1 Oe =a} 0 0 1 3 2 0 0 0 0 que esté en la forma escalonada reducida por filas y es equivalente por filas a A. Observe que en este ejemplo iniciamos con la fila inferior distinta de cero, y traba- Jamos hacia arriba para hacer ceros las entradas por encima de los 1 principales. El procedimiento que se dio aqui para determinar Ia forma escalonada reducida por fi- las no es Ja tinica posible. Como alternativa, podriamos primero hacer cero todas las en- tradas por debajo del 1 principal y luego, de manera inmediata, hacer cero las entradas por arriba del 1 principal. Este procedimiento no es, sin embargo, tan eficiente como el que describimos previamente, En la prdctica, no perdemos tiempo identificando las ma- trices Ay, Az, ..., By, By... Ci, Cz, ete, Sélo iniciamos con la matriz. dada y Ia transformamos a la forma escalonada reducida por filas. RESOLUCION DE SISTEMAS LINEALES A continuacién aplicaremos estos resultados a Ia resolucién de sistemas lineales. Sean Ax =b y Cx = d dos sistemas lineales, cada uno con m ecwaciones y n incégni- tas, Si las matrices aumentadas [A } b] y [C | d] de estos sistemas son equivalentes or filas, ambos sistemas lineales tienen exactamente las mismas soluciones. Esto es consecuencia de la definicién de equivalencias por filas, y del hecho de que las tes operaciones elementales por filas sobre la matriz aumentada resultan ser las tres modificaciones sobre un sistema lineal que se analiza en la seccién 1.1, con lo cual se obtiene un sistema lineal que tiene las mismas soluciones que el sistema dado. Obser- ve, asimismo, que si un sistema no tiene solucién, el otro tampoco. a Si Ay C son dos matrices de m x n equivalentes por filas, los sistemas lineales Ax = 0» Cx = 0 tienen exactamente las mismas soluciones. Ejercicio T3. a Los resultados que tenemos hasta el momento nos proporcionan dos métodos pa- ra resolver sistemas lineales, La idea central consiste en iniciar con el sistema lineal Ax = b, obtener Ja matriz por bloques[C ! d] ya sea en la forma escalonada por filas 0 en Ja forma escalonada reducida por filas que sea equivalente por filas a la matriz au- mentada [4 { b]. Ahora, [C ! d] representa el sistema lineal Cx = d, que es més fécil de resolver debido a la estructura més sencilla de[C : d], y el conjunto de todas Jas soluciones para este sistema proporciona precisamente el conjunto de todas las soluciones para el sistema dado, Ax = b. El método en donde [C' ! d] esta reducido a la forma escalonada por filas se denomina reduccién de Gauss"-Jordan”™: el método “Carl Friedrich Gauss (1777-1855) nacido en una familia pobre de obreros en Brunswick y muerto en Go- ‘nga, Alemania, ha sido uno de los mateméticos ms famosos del mando, Fue un nifio prodigio incompren- ido por su padre, quien lo Namaha “contemplador de estrellas”, Sin embargo, su genio logré impresionar lo suficiente a sus maestros como para que obtuviera del duque de Brunswick una beca para que pudiera asistir ais escuela secundaria local. Durante su adolescencia realizé descubrimieatos originales en teorfa de mime os y comenz6 a espccular acerca de la geometria no euclidiana. Sus obras cientificas incluyen importantes70° Capitulo 1 Ecuaciones lineales y matrices en donde [C ! d] esti en la forma escalonada por filas se denomina eliminacién de Gauss. Hablando estrictamente, el método alterno de Gauss-Jordan descrito en la ob- servaciOn anterior no es tan eficiente como el que se utiliz6 en los ejemplos 5 y 6. En la practica, ni la reducci6n de Gauss-Jordan ni la eliminacién de Gauss se utilizan tan- to como el método que implica la factorizacién LU de A, del que hablaremos en la sec- cién 1.8. Sin embargo la reduccién de Gauss-Jordan y Ia eliminacién de Gauss son litiles para resolver problemas de menos envergadura; en este libro emplearemos el pri- mer procedimiento con més frecuencia. El procedimiento de reduccién de Gauss-Jordan para resolver el sistema lineal Ax = bes el siguiente. Paso 1. Formar la matriz aumentada [A : b] Paso 2, Transformar la matriz aumentada [A | b] a su forma escalonada reducida por filas [C } d] mediante operaciones elementales por filas. Paso 3. Para cada fila distinta de cero de la matriz[C } d], se despeja la incdgnita correspondiente a la entrada principal de cada fila asociada con la entrada principal de esa fila. Las filas que constan completamente de ceros se pueden ignorar, pues la ecuacién correspondiente serd satisfecha por cualesquiera valores de las inc6gnitas, El procedimiento de eliminacién gaussiano para resolver el sistema Ax = b es como sigue Paso 1. Formar la matriz aumentada [A { b] Paso 2. Por medio de operaciones elementales por filas, obtener una forma escalo- nada por filas[C | d] de la matriz aumentada [A } b]. Paso 3. Resolver el sistema lineal correspondiente a[C | d] por medio de sustitu- cidn hacia atrés (ilustrado en el ejemplo 11). Las filas que constan tinicamente de ceros pueden ignorarse, ya que la ecuaciGn correspondiente scré satisfecha por cua- lesquiera valores de las incégnitas. Los siguientes ejemplos ilustran el procedimiento de Gauss-Jordan. Ccontribuciones a la teorfa de nimeres, a la astronomfa matemética, a la geografia matemética, a la estadisti- ca, ala geometria difereocial y al magnetism. Sus diarios y notes privadas contienen muchos otros descu- lrimientos que no public6. Hombre austero y conservador que tevo pocos arnigos y una vida privada poco afortunada, se preocu= 6 muche por dar el crédito de les descubrimientos cientificos a sus fuentes originales. Cuando sus estudios se basaban en resultados de otros, tenfa cuidado de reconocerlo; y cuando otros descubrian de manera inde- pendiente algunos resultados en sus notas privadas, répidamente reclamaba su propiedad. En sus investigaciones utili2g tun método que después se generaliz6 para Ja reduccién por filas de una matriz. Aungue dicho método se aplicaba en China desde casi 2000 afios antes, lleva ef nombre de este ifus- {re matemético en su honor. ** Withelm Jordan (1842-1899) nacié en el sur de Alemania, Asisti6 a la Universidad en Stuttgart y en 1868 se convirti6 en profesor de tiempo completo de geodesia en la escuela téenica de Karlsruhe, Alemania. Par ticipé en la medicién de varias regiones de Alemania. Jordan fue un prolifice autor cuya obra principal, Hand- buch der Vermessumgskunde (Manual de geodesia) fue traducido al franeés, al italiano y al ruso; ademds de ‘magnifico autor, se Je consideraba un excelente maestro. Por desgracia, ef método de reduccién de Gauss-Jor- dan he sido ampliamente atribuido a Camille Jordan (1838-1922), matemitico francés bastante conocido. Ademis, parece que el método fue descubierto también, de monera independiente y en la misma época, por B. 1. Clasea, un sacerdote avecindado en Luxemburgo. Este bosquejo biogrifico se basa en cl excelente articu- Jo de S.C. Althoen y R. McLaughlin, “Gauss-Jordan reduction: A Brief History”, MAA Monthly, 94, 1987, paginas 130-142. aa