Vous êtes sur la page 1sur 764
Octava edicién PEARSON Bernard Kolman m David R. Hill se SET. ne SS SS A NSS LISTA DE PROCEDIMIENTOS DE CALCULO BASICOS 1 Método de reduccién de Gauss-Jordan, pagina 70 1 Método de etiminacién gaussiana, pagina 70 O Procedimiento pata el edtculo de ta inversa de una matriz, pagina 95 a Procedimiento pata obtener la factorizacién LU de una matriz, pégina 111 1 Procedithiento para la determinacién de un clan en una gréfica dirigida (digréfica), pagina 130 C0 Procedimiento para determinar si una grifica dirigida es fuertemente conexa, pagina 133 ( Primer método para calcular el vector de estado estacionario de una matriz de transicién regular, pagina 155 © Segundo método para calcular el vector de estado estacionario de una matriz de transicidn regular, pégina 155 1 Regla de Cramer, pagina 206 Procedimiento para caloular la matriz estandar de una transformacién L: R" > R", péginas 252-253 1 Procedimiento para verificar si vectores dados generan un espacio vectorial, pdgina 291 I Procedimiento para determinar si vectores dados son linealmente dependientes o linealmente independientes, pagina 294 Procedimiento para determinar un subconjunto de $ que sea una base para gen S, donde S es un conjunto de vectores no nulos en un espacio vectorial, pagina 308 ©) Procedimiento para determinar un subconjunto de $ que sea una base para gen S, donde S es un conjunto de vectores no nulos en R™, pdgina 308 1 Procedimiento para determinar una base para el espacio soluci6n de un sistema homogéneo, pigina 320 Ci Procedimiento para dcterminar una base para gen S, donde $ es un subconjunto de R", pégina 330 (7 Procedimiento para calcular e] rango de una matriz, pégina 333 i Procedimiento para calcular la matriz.de transicién de una base a otra, pagina 344 3 Método de Gram-Schmidt, pagina 356 0 Procedimiento para determinar la factorizaci6n QR de una matriz de m x n, pagina 376 Procedimiento para calcular la soluci6n de minimos cuadrados para Ax = b, pagina 379 5 Procedimiento para calcular Ja recta de mfnimos cuadrados para n puntos dattos, pégina 383 o Procedimiento para calcular el polinomio de minimos cuadrados para n puntos dados, pagina 386 © Procedimiento para verificar si una palabra recibida x,, es una palabra cédigo, pagina 392 Gi Procedimiento para generar una matriz (de verificaci6n) de Hamming, pégina 397 1) Procedimiento para diagonalizar una matriz, pégina 428 © Procedimiento para diagonalizar una matriz simétrica mediante una matriz ortogonal, pagina 437 15 Procedimiento para obtener la solucién general de x’ = Ax, donde A es diagonalizable, pagina 456 5 Procedimiento para identificar una seccién c6nica no degenerada cuya grifica no esta en forma car pagina 487 Qo Procedimiento para calcular la matriz de una transformacién lineal L: R” + R", pagina 524 © Enfoque de iteracién aleatoria, pagina 545-546 © Procedimiento para resolver de manera geométrica un problema de programacién lineal, pagina 567 (0 El método simplex, pagina 585 ALGEBRA LINEAL ALGEBRA LINEAL OctTava EDICION Bernard Kolman Drexel University David R. Hill ‘Temple University TRADUCCION: ‘Victor Hugo Ibarra Mercado Escuela de Actuaria-Universidad Anéhuac 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 Carreito Instituto de Matemdticas Pontificia Universidad Javeriana Universidad Nacional Auténoma de México Cali, Cotombia Jaime Kiwa Kristal Jorge Ivan Castaiio Departamento de Ciencias Bdsicas Instituto Tecnolbgico de Ciudad Judrex Gustavo Preciado Rosas Departamento de Mateméticas Universidad EAFIT Medellin, Colombia Conrado Josué Saller Universidad Teenoldgica Nacional Instiuto Tecnolégico Auténomo de México Buenos Aires, Argentina Fabio Molina Focazzio Pontificia Universidad Javertana, Bogotd, Colombia PEARSO MEXICO * ARGENTINA * BRASIL * COLOMBIA * COSTA RICA + CHILE + ECUADOR ESPANA * GUATEMALA + PANAMA + PERU « PUERTO RICO * URUGUAY © VENEZUELA Datos de catalogacion bibliggtica KOLMAN, BERNARD; HILL, DAVID R Algebra lineal PEARSON EDUCACION, México, 2006 ISBN; 970-26-0696-9 Area: Universtarios Formato: 20 % 25.5 em Péginas 760 ‘Authorized tanslation from the English language edition, ented Inroductory liner algebra: a applied fist coutse 8 ed, by Bernard Kolman and David R. Hil, published by Pearson Education, In, publishing as PRENTICE HALL, INC., Copyright © 2005. All righ teserved ISBN0-13-145740.2 “Tradtesin auovizada dela aicin en idioma inglés, told Introdactory linea algebra applied Fes: course Bed David R, Hil, publicads por Pearson Elscaton, Esta eicion en espatol e a unica sutorizada Envigue Quinanar Duane Eathela Gontilee Guerero Supervitor de produccion: Enrique Trejo Hernéndez Edicion en inglés Executive Acquisitions Editor: George Lobell Eitor-in-Chiet: Sally Yaga Prodietion Eitor: Jeanne Audina ‘Assistant Managing Editer: Bayani Mendoza de Leon Senior Managing Ealtor Linds Mibetov Behrens Executive Managing Editor: Kathleen Schiaparell Vice Presiden/Direciorof Production and Manufacturing: David W. Ricardi ‘Assisant Manufacturing Manages/Buyer; Michael Bell Manufacturing Manager: Trady Pisiot ‘Marketing Manager: Halee Dinsey Marketing Assistant: Rachel Bockman ‘OCTAVA EDICION, 2006 DR. © 2006 por Pearson Bducacn de México, S.A. de CY. ‘Adlacomsleo im, 800-5" piso Col Industri Atoio 153519, Naecalpan de Susser, Eo, de México ‘Cérmara Nacional de la Industria Editorial Mexicana eg. Nim, 1031 ‘ait entiuesintsnarSpearsoned com de Bernard Kolenan ac. publicada como PRENTICE HALL, INC. Copytight © 2005, Tados os derechos reservados. ‘Are Drecto: Kenay Bec Ierice DesigneriCover Designer: Kristine Carey ‘Ar Director: Thomas Bent ‘Geeative Director Carole Arson Dissoto of Creative Services: Paul Bef (Cover image: Wassily Kandinsky, Farbstudlen mit Angaben ur ‘Maltechsik, 913, ‘Stich Galerie im Lenbachhaus, Munich Cover image Specialist: Karen Sanatr ‘Aa Studio Laserwords Private Limited ‘Composition; Dennis Kleting Reservados todos los derechos. Nila totaled ai pane de eta putlicacidn pueden reproducise,regiasseo transite, por un sistem de reeugeracign de informacién, en ninguna forma ni por ningin medio, sea elecebnico, mecinico, fotoquimico, magneto oelectrogptico, por fotocapi, grabacin o cualquier ota, sin perso previo por eerito del editor El préstae,alquilero cualquier otra forma de cesign de uso de este ejomplarroquatird también la autorizacion del editor 9 de sus repesentanes ISBN 970-26-0696-9 Impeeso en México. Primed in Mexico 1234567890. 0807 06 PEARSON Pelee ee A la memoria de Lillie; para Lisa y Stephen BK. Para Suzanne D.R.H. ee _ CONTENIDO Prefacio xi Alestudiante xix 1 Ecuaciones lineales y matrices J LL Sistemas lineales 1 1.2 Matrices 10 1.3 Producto punto y multiplicacién de matrices 21 14. Propiedades de fas operaciones con matrices 39 1.5 Transformaciones matriciales 52 1.6 Soluciones de sistemas de ecuaciones lineales 62 17 Lainversa de una matriz 91 18 Factorizacion LU (opcional) 107 2 Aplicaciones de ecuaciones lineales y matrices (opcional) 119 2.1 Introduc n ala teorfa de cédigos 119 2 Teorfa de erdfieas 125 23 Creacién de gréficos por computadora 135 24 Circuitos eléctricos 144 2.5. Cadenas de Markov 149 2.6 Modelos econdmicos lineales 159 2.7 Introduccién a wavelets (ondeletas u onditas) 166 3 Determinantes 182 3.1 Definicién y propiedades 182 3.2. Desarrollo por cofactores y aplicaciones 196 3.3. Deterninamtes desde un punto de vista computacional 210 A Vectores en R* 214 4.1 Vectores enel plano 214 42 n-vectores 229 4.3. Transformaciones lineales 247 vii Contenido 5 Aplicaciones de vectores en R’ y RB (opcional) 259 5.1 Producto cruzen R? 259 5.2 Rectas y planos 264 6 Espacios vectoriales reales 272 6.1 Espacios vectorisles 272 6.2 Subespacios 279 6.3. Independencia lineal 291 64 Bases y dimension 303 6.5 Sistemas homogéncos 317 66 El rango de una matriz y sus aplicaciones 328 6.7 Coordenadas y cambio de base 340 6.8 Bases ortonormales en R” 352 69 Complementos ortogonales 360 7 Aplicaciones de espacios vectoriales reales (opcional) 375 7 Factorzacién QR 375 7.2. Minimos cuadrados 378 7.3. Algo més sobre codificacién 390 8 Valores propios, vectores propios ydiagonalizacién 408 8.1 Valores propins y vectorespropics 408 82. Diagonalizacion 422 83 Diagonaliascion de matrices simétricas 433 9 Aplicaciones de valores propios ‘P! prop. y vectores propios (opcional) 447 9.1 Lasucesidn de Fibonacci 447 9.2 Ecuaciones diferenciales 451 93 Sistemas dinémicos 461 9.4 Formas cuadriticas 475 9.5. Secciones c6nicas 484 9.6 Superficies cuddricas 491 10 ‘Transformaciones lineales y matrices 502 10.1 Definiciones y ejemplos 502 10.2 El micleo y Ia imagen de una transformacién lineal 508 10.3 La matriz de una transformacién lineal 521 10.4 Introduccién a fractales (opcional) 536 11 Contenido ix Programacién lineal (opcional) 558 11.1 El problema de la programacién lineal; solucién geométrica 558 11.2 El método simplex $75 113 Dualidad 591 114 Teorfa de juegos 598 12 Marcas para dlgebra lineal 615 avenoice AL avénoice B 12.1 Bntrada y salida en Marian 616 12.2. Operaciones matriciales con MATLAB 620 12.3 Potencias de matrices y algunas matrices especiales 623, 124 Operaciones elementales por fila con MaTLas 625, 12.5. Inversas de matrices en MATLAB 634 12.6 Vectores en Marta 635 12.7 Aplicaciones de las combinaciones lineales en MATLAB 637 12.8 Transformaciones lineales en MATLAB 640 12.9 Resumen de comandos de Marian 643 Numero complejos Al Acl_ Nimero complejos AT A-2 Nimeros complejos en dlgebra lineal AQ Instruccién adicional A19 B-1 Espacios con producto interno (requiere conovimientos de célculo) A19 B-2 Transformaciones lineales invertibles y compuestas 30 Glosario para Algebra lineal A39 Respuestas A45 indice 11 Material incluide Este libro presenta una introduccién al lgebra lineal y a algunas de sus aplicaciones importantes. Esté pensado para alumnos de nivel medio y avanzado, y cubre mas material del que se requeriia para impartir un curso semestal o trimestal. Omitiendo algunas secciones, es posible:abarcar en un semestre o en un trimestre los element esenciales del dlgebra lineal (incluyendo los valores y vectores propios), ensefar c6mo Utlizar Ia computadora en problemas de lgcbra lineal, y dedicar algin tiempo a varias aplicaciones relacionadas con el tema. Si se toma en cuenta que existe gran cantidad de aplicaciones de dlgebra lineal en disciplinas como matemsticas, fisica, biologta, qui ca, ingeniera, estadistica, economia, finanzas, psicologia y sociologta, no resaliaexa- ferado afirmar que esta materia es una de las que més impacto tendré en la vida de los estudiantes. Por ot ldo, el contenido de esta obra puede utilizarse también en un cur- 0 de Algebra lineal con duraci6n de un afto, o para impartir un segundo curso del tema con hincapig en las aplicaciones, Al final del prefacio proponemos cierto ritmo para es- tudiar el material bésico, El nivel y el ritmo del curso se pueden mocifcar fécilmente, variando el tiempo que se invierta en el material teGrico y en las aplicaciones, Contar con conocimientos de eélculo diferencia e integral no es un requisito; sin embargo, se incluyen varios ejemplos y ejercicios en que se utlizan ciertos aspectos bisieas de ceAlculo, a los que afiadimos ia nota “Requiere conocimientos de célculo” Enel texto se subrayan los aspectos computacionales y geomiétticos de la materia, ‘manteniend la abstraccién en un nivel minimo, De acuerdo con lo anterior, en ocasio. ‘es omitremos las demostraciones de algunos teoremas, dficiles 0 poco provechosas, 4 Ia vez. que ampligremos su ilustracién mediante ejemplos. Las demostraciones tienen el nivel adecuado para el estudiante, También hemos centrado nuestra atencidn en las reas esenciales del algebra lineal; ¢ libro no preiende deseribir la materia en forma exaustiva Novedades en la octava edicién 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 edlculo realiza- do en Estados Unidos durante los dltimos aos, dio lugar a que se hayan comenzado a estar ideas para mejorar la ensefianza del dlgebra lineal, El grupo de estudio del pro- grama de dlgebra lineal y otros de carécter similar han hecho varias recomendaciones ‘eneste sentido. Al preparar esta edicin, las hemos tomado en cuenta, asi como fas su gzcroncias de profesores y estudiantes. Aunque realizamos muchos cambios en esta edi- cién, 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 basicas del dlgebra lineal, 2si como a con prender algunas de sus aplicaciones. Para lograrlo, esta edici6n incluye las caracteristicas siguientes: xi xil Prefacio m Se agregaron estas nuevas secciones: ‘8 Seccidn 1.5, Transformaciones mat nas aplicaciones geomeétricas, 4 Seccién 2.1, Introduccion a la teorfa de cédigos: junto con tun material de apoyo sobre matrices binarias que se presenta a lo largo de los primeros seis capitulos, cesta nueva seccién proporciona una intraduccién a Ios conceptos bisicos de la teo- ria de eédigos. «# Seceidn 7.3, Algo mds sobre codificacién: desarrolla algunos eédigos sencillos y sus propiedades baisicas relacionadas con el dlgebra lineal ciales: introduce, desde muy temprano, alg Se agregé mis material geométrico 12 También se afadieron 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. 1 Se actualizaron los archivos M de MarLab a versiones mis recientes 1 Al final de cada seccion se agreg6 un listado de términos clave, lo que refleja nues- tro interés en desarrollar atin mis las habilidades de comunicaci6n. 4 En las preguntas de falso/verdadero se pide al estudiante que justifique su respuesta, Jo que da una oportunidad adicional para exploracidn y redaecién. © Al repaso acumulativo de los primeros diez capi falso/verdadero, los se agregaron 25 preguntas de 1m Adems se afiadié un glosario, caracteristica totalmente nueva en esta edi Ejercicios Los ejervicios se agrupan en tres clases. Los de la primera, Ejercieios, son de ratina, En la segunda, Ejercicios tedricos, inctuimos los que cubren las lagunas de algunas demos- traciones y amplfan el material tratado en el texto, Algumnos de ellos piden una solucién oral. En esta era de la tecnologia, es particularmente importante escribir con cuidado y precisién, y estos ejercicios ayudarén al estudiante a mejorar esta habitidad, adems de elevar el nivel del curso y plantear retos a los alumnos més dotados y con mas interés, La tercera clase, Ejercicios con Martas (ML) consta de ejercicios preparados por Da- vid R. Hill para resolverse con ayuda de MATLAB o de algtin otro paquete de software matemitico 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 acumulativo del material b4- sico de Algebra lineal presentado hasta all, el cual consiste en 100 preguntas de falso/ verdadero (las respuestas se dan al final del texto), Presentacion La experiencia nos ha ensefiado que los conceptos abstractos deben presentarse de ma- era gradual y hasarse en fundamentos firmes, Por lo tanto, comenzamos el estudio del Algebra lineal con el tratamiento de las matrices como simples arreglos de nimeros que ssargen de manera natural en la solucién de sistemas de ecuaciones lineales, un problema familior para el estudiante. En cada nueva ediciGn nos hemos preocupado por pertec- ccionar los aspectos pedag6gicos de la exposiciGn. Las ideas abstractas se han equilibrado cuidadosamente, y acentiian los aspectos geométricos y de célculo de la materia, Temario El capitulo 1 aborda las matrices y sus propiedades. La secci6n 1.5 Transformaciones matriciales, nueva en esta edicién, proporciona una introduccién a este importante tema, Este capttulo consiste en dos partes: en la primera se analizan las matrices y los sistemas lineales; en la segunda se comentan las soluciones de sistemas lineales. El ca- pitulo 2, cuyo estudio es opcional, esti dedicado al andlisis de aplicaciones de ecuacio nes Lineales y matrices en éreas como la teorfa de c6digos, la creacién de graficos por compatadora, la teorfa de grificas, fos circuitos eléctricos, las caclenas de Markov, los modelos lineales en economia, y las wavelets. En la seccién 2.1, ntroduccién a la teo fa de cédiges también nueva en esta ediciGn—, se desarrollan los fundamentos pa- ra introducir un poco de material de la teoria de e6digos. Para mantener la discusiGn de estos temas en un nivel elemental, ha sido necesario abundar en detalles tecnicos. El ea- pitulo 3 presenta brevemente las propiedades basicas de las determinantes. El capitulo 4 plantea el tema de los vectores en R”, ademas de explicar los vectores en el plano y olrecer 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 Rs; por conveniencia, limitamos nuestra atenci6n a las éreas de producto cruz.en 2, y rectas y planos. En el capitulo 6 Hegamos a un concepio mas abstracto, el de espacio vectorial. La abstraccién en este capftulo se maneja con més sencillez. una vez que se ha cubierto el material sobre vectores en R”. Fl capitulo 7 (opcional) presenta tres aplicaciones de es- pacios vectoriales reales: la factorizacin QR, minimos cuadrados y, en la seccién 7.3, Algo més sobre cadificacién —nueva en esta edicién—, una introduccién a algunos ¢6- 4igos sencillos, El capitulo 8, que versa sobre valores propios (eigenvalores) y vectores propios (cigenvectores), constituye el punto culminante del curso, y ahora se presenta en tres secciones para facilitar la enseflanza; en este capitulo se desarrolla cuidadosa- ‘mente la diagonalizacion de matrices simétvicas. 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, seeciones cénicas y superficies cuddricas. El capitulo 10 cubre las ransformaciones lineales y matrices. La seccidn 10.4 (opcional), Introduc- cidn a fractales, analiza una aplicacién de ciertas transformnaciones no lineales, El ca- pitulo 11 (opeional) se ocupa de Ia programacién linesl, 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 MaTLan (abreviatura de MATRIX LA- BORATORY), un paquete de software may ttl para realizar eéleulos de algebra lineal en computadora (vea la descripcién mas adelante), El apéndice A presenta de manera breve pero completa los néimeros complejos y su uso en algebra lineal, El apéndice B toca otras dos temas avaneados del dlgebra li- neal: Jos espacios con producto interno, ta composicién de transformaciones lineales y Jas transformaciones lineales invertibles Aplicaciones Casi todas las aplicaciones son completamente independientes; pueden abordarse des: pugs de terminar todo et material introductorio de Algebra lineal en el curso, 0 bien estudiarse tan pronto como se termine de desarroliar el material necesario para una apli- cacidn en particular. En el caso de la mayoria de las aplicaciones se da una Vista pre liminar de una aplicacién en lugares adecuados de libro, cuyo propdsito es indicar eémo proporcionar una aplicacién inmediata del material que se acaba de estudiar. El ddiagrama que aparece al final de este prefacio proporciona los requisitos de cada una de las aplicaciones, y la Vista preliminar de wna aplicacion sera ttil para decidit cual apli- cacién estudiar y cudndo hacerlo. xiv Prefacio Algunas de las secciones en los eapitulos 2, 5,7, 9 y 11 también pueden utilizarse ‘como proyectos independientes para los estudiantes. La experiencia en el aula a partir de este enfogue ha demostrado una reaccidn favorable de Jos estudiantes. Por lo tanto, el profesor puede ser muy selectivo, tanto en la eleccién del material como en el méto- do de estudio de estas aplicaciones. Material al final de fos capitulo ‘Cada capitulo contiene un resumen de /deas clave para el repaso, un conjunto de ¢jer- cicios complementarios (las respuestas de todos Jos ejercicios impares aparecen al final del libro), y un examen dal capitulo (todas las respuestas aparecen al final del libro). Software Mara. ‘Aunque los ejercicios ML pueden resolverse usando diferentes paquetes de software, a nuestro juicio Matt. aB es el mas apropiado para este propésito, MATLAB es wh paquete de software versatil y poderoso, cuya piedra angular son sus capacidades para flgebra lineal, Marts incorpora rutinas de céleulo de calidad profesional, muy vtiles en dlge bra lineal. El eédigo de programacién de MATLAB esté escrito en lenguaje C, y ha ido rmejorando en cada nueva versién def software. MarLAb esté disponible de The Math Works, Inc., 24 Prime Park Way, Natick, MA 01760, ((508) 653-1415], diteccién de co- reo electrénico: info@mathworks .com; este libro no incluye el programa ni las ru- tinas de comandos desarrolladas pata la resoluci6n de tos ejercicios ML. La versién de Matias para el estudiante inclaye también una versién de Maple, proporcionado asi tuna capacidad de calculo simbélico. E] capitulo 12 de esta edicidn incluye tna breve introducci6n a fas capacidades de MatLap para resolver problemas de dlgebra lineal. Aunque MatLan permite la creacién de programas para impiementar muchos algoritmos matemiticos, ¢s preciso aclarar quue ‘en este libro no se pide al lector que escribat programas, sina simplemente que use Marta (0 ailgin otro paquete de software comparable) para resolver problemas numéricos es- pecificos. Aproximadamente 24 archivos (M) han sido desarrollades pare que el alumno los utilice con los ejercicios ML en este libro; el material correspondiente esté disponi ble en el sitio Web de Prentice Hall, www .pearsoneducacion-net/kolman. Estos archivos M estén diseBiados para transformar muchas de fas capacidades de MsTLAB en funci6n de las necesidades del curso. Esto proporciona una herramienta pedag6gica que permite al estudiante razonar los pasos para la resolucién de un probleme, dejando a Matzat la responsabilidad de realizar célculos que, por su complejidad, podrfan resul- tar tediosos. Sin duda, éste es el papel ideal de MarLas (0 de cualquier otro paquete de software) al iniciar un curso de flgebra lineal, Por otra parte, la introduceidn a una po- tente herramienta como MATLAB al inicio de ta carrera universitaria, abre el camino a ‘otros tipos de software que serin 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 os ejercicios de nimero par, y soluciones a todos los ejercicios testicos esté dispo- nible en inglés (s6lo para el profesor) solieftelo al representante de Pearson Educaci6n Prefacio xv Lecturas obligatorias para comprender las aplicaciones Seccién 2.1 Material sobre bits en el capitulo £ Sexcién 2.2 Seccién 14 Sescién 23 Seeci6n 1.5 Seccitin 2.4 Seccisn 1.6 Seecién 2.5 Seccién 1.6 Seocin 2.6 Seceisn 1.7 Seccidin 2.7 Secein 1.7 Seocién 5.1 Seccién 4.1 y Capitulo 3 Seocién 5:2 Secciones 4.1 y 5.1 Seocién 7.1 Secci6n 6.8 Seccion 7.2 Seociones 1.6, 1.7, 42,69 Seceién 7.3 Secci6n 2.1 Seccién 9.1 Seccin 8.2 Seccién 92 Seccin 8.2 Seccién 93 Seccin 9.2 Seccién 9.4 Seccin 8.3 Seecién 9.5 Seceién 9.4 Sexcién 9.6 Seccin 9.5 Seccién 104 Seceién 8.2 Sevciones I1-113 Seecién 1.6 Seccién 114 Secciones 11.1 ~ 113 A los usuarios de las ediciones anteriores: Durante los 29 afios de vida de las siete ediciones anteriores de esta obra el libro se hia utlizado principalmente para el curso de algebra lineal de segundo afio de licen- ciatura, Este curso cubtié to bésico de Algebra lineal y utilizé 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 ensefarse exactamente de Ia misma manera que antes. La ubicacién de las aplicaciones, con mayor cohesién y unificada con propésitos pedagézicamente estratégicos, junto con nuevas aplica- ciones y otros matcriales, facilitard sin duda la imparticiéa de un curso més rico y ms variado. xvi Prefacio os Nos complace expresar nuestro agraclecimiento a las siguientes personas, que revisaron cexhaustivamente el manuscrito de fa primera edicién: William Arendt, University of Missouri, y David Shedler, Virginia Commonwealth University. Fn 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. Mel aughlin, Rensselaer Polytechnic Ins- iuute; y Lynn Arthur Steen, St, Olat’s College. De la tercera edicién: Jerry Goldman, DePaul University; David R. Hill, Temple University; Allan Krall, Tae Pennsylvania State University en University Pork; Stanley Lukawecki, Clemson University; David Royster, The University of North Carolina; Sandra Welch, Stephen F, Austin State Uni- versity; y Paul Zweir, Calvin College. De la cuarta edicidn: William G. Vick, Broome Community College; Carrol G. Wells, Western Kentucky University; Andre L. Yandl, Seattle University; y Lance L. Littiejohn, Utah State University. De la quinta edici6n: 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 MeDanicls, University of Missouri; y Larry Runyan, Shoreline Community College, De la sexta edicién: Daniel D, Anderson, University of Iowa; iirgen 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 edicién: Ali A. Dad- del, University of California-Davis; Herman E, Gollwitzer, Drexel University; John Goulet, Worcester Polytechnic Institute; J. D. Key, Clemson University; John Mitchel, Rensselaer Polytechnic Institute; y Karen Schroeder, 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 Illinois en Chicago, por su revisi6n critica del material acerca de teoria de cédigos. “Tambien queremos dar las gracias a las siguientes personas, por la 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. Stab, de Drexel University; Avi Vardi, Seymour Lipschutz, Temple University; Oded Kariv, Technion, Israel Institute of Technology; William F. Trench, Trinity University; y Alex Stanoye- vitch, University of Hawai; y nuestro agradecimiento, asimismo, a todos los maestros, yy estudiantes de Estados Unidos y de ottos paises, que han compartido con nosotros sus experiencias con el libro y nos han ofrecido stiles sugerencias, Las diversas sugerencias, los comentarios las criticas de estas personas han me- Jjorado 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 encontr6 varios errores y obré milagros en muy poco tiempo, Fue un placer trabajar con él. Nuestra gratitud a Dennis Kletzing, de la 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 lectura critica de las galeras, y a Blaise deSesa por su ayuda en la ediciOn y la verificaci6n de las soluciones a los ejercicios. Por ditimo, una sincera expresién de agradecimiento a Jeanne Audino, editora de produccién, quien con paciencia y experiencia guid este libro desde su concepcidn has- {a su publicaci6n; a George Lobell, editor ejecutivo, y @ todo el equipo de Prentice Hall por st entusiasmo, interés y cooperacién constantes durante las etapas de concepeién, diseio, produccién y mercadeo de esta edicicn. Bemard Kolman bholman@mes.drexel.edu David R. Hill Hill@math.temple.edu AL ESTUDIANTE Es muy probable que este curso sea muy diferente @ cualquier otro de mateméticas que hhaya estudiado hasta ahora, por fo menos en dos sentidos importantes. Primero, es posible que constituys su primers experiencia en materia de abstracci6n; en segundo lugar, 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 daré una serie de téonicas aisladas de cateulo para resolver ciertos tipos de problemas, En lugar de ello, desarro- aremos un nticleo de material, denominado élgebra lineal, introduciendo ciertas defi- niciones y creando procedimientos para la determinacién de propiedades y la demos- tracin de teoremas. Esta iltima es una habilidad que toma tiempo dominar, por lo que Al principio s6lo esperamos que lea y entienda las comprobaciones que se incluyen en el libro; conforme avance en el curso, sin embargo, seri capaz ce realizar algunas demos- traciones sencillas por su propia cuenta. Poco a poco lo introduciremos a la abstraccién, aunque manteniendo la exigencia a este respecto en el minimo, ¢ilustrando ampliamen- te cada idea abstracta con ejemplos numéricos y aplicaciones. Si bien haré muchos clculos, el objetivo de casi todos los problemas no ¢s solamente obtener In respuesta “correcta”, sino que entienda y explique cémo obtener la respuesta e interpretar el re- sultada, E] Algebra lineal se utiliza diariamente para resolver problemas en otras éreas de mateméticas, fisica, biologia, ingenierfa, estadistica, economia, finanzas, psicologia y sociologfa. Entre las aplicaciones que utilizan dlgebra Lineal estin la transmnision de i formacién, el desarrollo de efectos especiales en peliculas y video, la grabacién de so- nido, el desatrollo de motores (0 méquinas) de bisqueda en Internet, y el andlisis ‘econémico, Como podré ver, el sgebra lineal nos afecta profundamente, En este libro se incluyen aplicaciones seleccionadas y, si hay tiempo suficiente, algunas de ellas po- «dein abordarse con més amplitud a Jo largo del curso. Adentis, muchas de las aplica- ciones pueden usarse como proyectos de estudio autodidacta Hay tres tipos de ejercicios en esta obra: primero, los ejereicios computacionales. Estos ejercicios, asf como sus ndmeros han sido cuidadosamente seleccionados de ma- nera de casi todos ellos pueden realizarse fécilmente a mano. Cuando se le pida que uti- lice Algebra lineal en aplicaciones reales, encontrard que el tamaito de los problemas es mucho més grande, y que los niimeros involucrados no siempre son sencillos. Este no 5 un impedimento, ya que es casi seguro que emplee algtin tipo de software pars resol- verlos. Una muestra de este tipo de programas se prove para el tereer tipo de ejercicios, disefiados pare resolverse por medio de una computadora y MatL.s, una poderosa hherramienta de software que tiene como base las matrices y que se utiliza ampliamente en la industria, La segunda categoria esti compuesta por ejercicios tedricos, En algunos xix Xx Al estudianie de éstos es probable que se le pida demostrar un resultado 0 analizar una idea. La e pacidad de obtener una respuesta no siempre es suficiente en el mundo actual; muchas veces se le pedir que prepare un informe en donde se analice la solucién y se justi ‘quen los pasos que le Hlevaron a ella, asi como interpretar los resultados. Estos tipos de ejercicios le darén experiencia en la redaccién de textos relaciona- dos con las matemtias; esta disciplina utiliza palabras, no s6lo simbolos Recomendaciones para aprender algebra lineal + Leal libro lentamente, y tenga lipiz y papel a mano, Quizd tenga que leer una seceién en particular més de una vez. Deténguse a verificat fos pasos marcados con “verifique” en el texto. ‘© Asegirese de realizar su tarea de manera oportuna. Si espera hasta gue los proble- ‘mas le sean explicados en clase, no aprenders a resolverlos por usted mismo. Aun ‘cuando no pueda terminar un problema, inténtelo: de esta manera le sera més fécil comprenderlo cuando se le analice en clase. Tal vez le sea ti tabajar con ottos estudiantes el materiat cubierto en clase y algunos problemas de tarea. * Asegurese de preguntar tan pronto como algo no le quede claro, Cuando se cons truye uma 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 bar se una serie de conceptos desarrollados previamente, Si alguno de tales concepts Je resulta conguso o sencillamente incomprensible, sus conocimientos serén insu. ficientes para entender las ideas subsccuentes, ‘+ Haga uso de los recursos pedagégicas que proporciona este libro. Al final de ca- da seccin se presenta una lista de términos clave; al final de cada capitula se ofte- ce una lista de ideas clave para repasar, ejercicios complementarios y un examen det capitulo. Al final de fos primeros diez capitules (que completan el nticleo del ‘material de lgebra lineal de que se compone el curso) se hace un repaso que con siste en 100 preguntas de falso/verdadero, en las que le pedimos que justifique su respuesta. Por ltimo, al final det libro aparece un glosario de términos relaciona- os con el algebra lineal. Estamos seguros de que su esfuerzo por aprender lgebra lineal se veré aampliamente te- ‘compensado en otros cursos y a lo largo de su carrera profesional ‘Le deseamos mucho éxito en su estudio del dlgebra lineal. [hemed Kibean Rul Hell ALGEBRA LINEAL SISTEMAS LINEALES ECUACIONES LINEALES Y MATRICES 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 te- lacionan a dos conjuntos de variables. Una ecuacién del tipo ax=b, ‘que expresa Ia variable b en términos de la variable x y la constante a, se denomina ecuacién lineal. Aquf se utiliza la palabra linea! porque la gréfica de Ta ecuacién ante- rior es una linea recta. De manera andloga, la ecuacién ayy t apt Hoe + ay ay que expresa b en términos de las variables x1, x2, ... x» ¥ las constantes conoci- a5 dj, 3...» dq Se denomina ecuaeién lineal. En muchas aplicaciones se nos den b yllas constantes a1, a2... a, ¥ 8€ nos dice que debemos determinar los ntime- TOS £1, Az, - «s%ys deniominados inedgnitas, que satisfacen la ecuacién (1), ‘Una solucién de una ecuacién lineal (1) es una sucesién de m niimeros.s4. 82... 5 4 que tienen la propiedad de satisfacer (1) cuando.xy = 51.2 Se SUS: tituyen en (1) En consecuencia, xy = 2, x2 =3 yx Bee = —4 es una solucién de la ecuacién lineal 13, 6x, — 3x + 4x5 ya que 6(2) ~ 33) + 4(-4) = -13, Esta no es la nica solucién para Ia ecuacién lineal dada, ya que x, = 3,.x2 7 tambien lo es, De manera ms general, un sistema de m ecuactones lineales con 7 incégnitas xy, 2X25+++ 94 —al que podemos llamar simplemente bistema lineal—, es un conjunto de ‘eciiaciones lineales, cada una con n incégnitas, Un sistema lineal puede denotarse sin problema mediante yu= yxy + aia, bo + digkn = by yxy + naka bee adn = bp : Q mi X1 + amas +--+ Andy = Bn 2 Capivlo 1 Bevacionesliveales y maurises Bvieten Los dos subindices, i y j, se utilizan como sigue. EI primer subindice, i, indica que es- tamos trabajando con Ta Fésinna ecuacién, mientras que el segundo subindice, j, esté asociado con la j-ésima variable aj. Ast, la -ésima ecuacién es ants + aan + inky = Be En (2), las ay son constantes conocidas, Dados los valores de by. by,» iy querernos determinar los valores de x1, .. 2%, Que satisfagan cada ecuacién en (2). del sistema lineal (2) es una sucesion de m rimer0s $1, 535... Syp que tiene Ta propiedad de que cada ecuacicn en (2) se satisface euando x1 ~ sj ay = 5; Se sustituyen en (2) Para encontrar as Soluciones de! sistema lineal, usaremos una técnica denominada método de eliminaci6n.;Esto es, eliminamos algunas de las ineégnitas sumando un ‘nlipfo de una ecusci6n a otra ecifatiGn. Casi todos los lectores haba fenido alguna experiencia com esta técnica en cursos de élgebra en niveles bésicos, aunque lo mas se- zuro 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 préctica el métado citado tratando con siste- mas en los que tenemos m =, m n. En realidad, existe una gran cantidad de aplicaciones en que m # n. Si nuestzo problema involucra dos, tes o cuatro inc6g- nitas, solemos escribir x, y, zy w. En esta seccidn utilizaremos el método de elimina- cin como se estudié en cursos bésicos, y en Ia seccién 1.5 lo haremos de manera mucho més sistematica, El director de un fondo de inversién tiene $100,000 para invertr. Las reglas del fondo establecen que la inversin debe hacerse tanto en cettificados de depésito (CD), como a largo plazo, El objetivo del director es obtener un rendimiento de $7,800 sobre las versiones al cabo de um aifo, Los CD elegidos tienen un rendimiento de 54% anual, mien- tras que el bono offece 9% al afi, Fl director determina cémo sigue la cantidad x que debe invertir en los CD, y la cantidad y que dedicaré a comprar bonos: Como la inversi6n total es de $100,000, debemos tener x + y = 100,000. Toda vez que el rendimiento deseado es de $7,800, obtenemos la ecuacién 0.05x + 0.09y = 7,800. Por lo tanto, tenemos ef sistema lineal x+ y= 100,000 @ 0.05x +0.09y= 7,800. Para eliminar x, sumamos (—0.05) veces la primera ecuacién a la segunda, para obtener (00,000 800, cen donde la segunda ecuacién no tiene término 2; en otras palabras, hemos eliminado la inednita x. Después despejamos y en la segunda ecuacién, para obtener y = 70,000, ¥y sustituyendo y en la primera ecuacién 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 de! sistema lineal dado, En consecuencia, ef director del fondo debe invertir $30,000 en los CD y $70,000 en bo- nos a largo plazo. a VEE) Sev. Ll Sistemas lineales 3 Considere el sistema lineal r-3y=-T 2x -6y= 7. a ‘Nuevamente decidimos eliminar x. Para ello, sumamos (~2) veces la primera ecuacién ala segunda, y obtenemos ‘cuya segunda ecuacién no tiene sentido. Esto significa que la solucién del sistema li- neal (4) es el conjunto vacio; en términos précticos, podemos decir que el sistema no tiene solucién, e5 un conjunto vacio, Pedrfamos haber obtenido la misma conclusién observando que en (4) el lado izquierdo de la segunda ecuacién es igual a dos veces el lado izquierdo de la primera ecuacién, pero el lado derecho de la segunda ecuacién no 5 dos veces el lado derecho de ta primera ecuacién. a Considere ef sistema lineal x+2y 432 2x = Sy +22 Bet y= © Para eliminar x, sumamos (~2) veces la primera ecuacién a fa segunda y (—3) veces la primera ecuaci6n 2 la fercera, lo que da por resultado xtly+ x= 6 ~Ty- 4z= 2 6) ~ Sy ~ 10z = ~20. Después eliminamos y como sigue, con ayuda de fa segunda ecuacién en (6). Multipli- ccannos la tercera ecuacién de (6) por (—4), para obtener x 2y $32, Luego intercamibiamos I segunda y tercera ecuaciones, Io que nos da X+2y4+32=6 yee o ~Ty-4z=2 Ahora sumamos 7 veces la segunda ecuacién a la tervera, para obtenet x+2y4 3e= 6 ye Qe 4 10z = 30. Al mutiplicar Ia tercera ecuacién por 4, tenemos PH y43e=6 yb @) Capitulo 1 Beuaciones tinesles y matvices Sustituyendo 2 = 3 en la segunda ecuacién de (8), encontramos que y = —2. Al susii- twit estos valores de z y y en la primera ecuacién de (8), obtenemos x = 1, Para com probar que x = I, y——2, z= 3 es una solucién de (5), verificamos que estos valores de x, y yz satisfagan cada una de las ecuaciones del sistema. En consecuencia, x = 1, y = —2,2= 3 es una solucién para el sistema lineal. La importancia del procedimien: to radica en el hecho de que los sistemas Tineales (5) y (8) fienen exactamente las mis- ‘mas soluciones. El sistema (8) tiene la ventaja de que puede resolverse con mucha facilidad, dando los valores anteriores para x, ¥ y 2 = STEMISESE | Considere et sistema lineal at2y—3==4 Qet y-3e= 4 oe Para eliminar x, sumamos (2) veces la primera ecuacién a ta segunda y obtenemos rb2y 325-4 (10) = 3y432= 12, Despejamos y en la segunda ecuacién en (10) para obtener 4, donde z puede ser cualquier némero real. Entonces, con base en la primera ecuacién de (10), xs 4 = dy $3: —4=2z-4) +32 4 Por lo tanto, una solucién para el sistema lineal (9) es vert ra4 donde r es cualquier mimero real. Esto significa que el sistema lineal (9) tiene un ni- ‘mero infinito de soluciones. Cada vez. que asignamos un valor a r, obtenemes otra so- lucida para (9). En consecuencia, si r = 1, entonces es una solucién, mientras que si r = —2, entonces. x= y 8 otra solucién . PEARCE | Considere el sistema lineal x#2y 2x -2y 3x4 5y ay GE See. 1.1 Sistemas lineales 5 ‘Una vez més, para eliminar x sumamos (—2) veces la primera ecuacicn a la segunda y (3) veces la primera ecuacién a la tercera, obteniendo Muliplicando la segunda ecuacién por (1) y Ta tercera por (~1), tenemos x+2y=10 4 a2 ye 4 ‘gue tiene las mismas soluciones que (1). Al sustituir (12), obtenemos x = 2, Por lo tanto, x = 4 en la primera eouacién de . y = 4 es una solucién para (11), a Considere el sistema lineal xt2y= 10 y= 4 a3) 3x -+5y = 20, 2x = 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+y 10 by = — 4 = +10. ‘Al multiplicar Ia segunda ecvaci6n por (2) y la tercera por (—1), abtenemos el sis- tema x+2y=10 yea aay 0, due 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 na soluci6n (es decir, luna tinica solucién), no tener solucién, o un niimero infinite de solicionés. ~ a Hemos visto que el método de eliminaciGn consist de la elizacion repetida de las | operaciones siguientes: be Intercambiar dos ecuaciones. 2. Multiplicar una ecuacién por una constante diferente de cero. 3, Sumar un miltiplo de una ecuacién a Ja otra, Noes diffcil 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 dificultad. Capito « renserones Hneaies y marsees Figura 1.1 Como quizé haya notado, hasta él momento, hemos descrito el método de etimina- cin dnicamente en té:minos generales, de manera que no hemos indicado regla alguna para seleceionar las incSgnitas que ser climinadas. Antes de proporcionar una descripciGn sistemética del método de eliminacién en la siguiente seccién, hablaremos del concepto de matiz, fo que 10s ayuderé a simplificar en gran medida nuestra notacin, permitisn- donos desarrollar herramientas para resolver muches problemas importantes. Considere ahora un sistema lineal con las incdgnitas x y y: ar toy =e, bye t bay = en, as) La grifica de cada una de estas ecuaciones es una Ine recta, que denotamos median- tel; y dy, respectivamente. Six = 51, y = 52 es uoa soluciGn del sistema lineal (15), en- tonees el punto (sy, s2) pertenéee a ambas rectas, f, y ly. De manera reciproca, si el punto (8.52) estaen-atibas rectas, fy y f, entonces x = sy, Y= s2 es una solucién para cl sistema lineal (15). (Vea la figura 1.1.) En consecuencia, hemos Hegado a las mismas tres posibilidades mencionadas, siguiendo una alternativa geométtica: 1. Bl sistema tiene una soluci6n nica; esto es, las rectas fy fy se intersecan exacta- mente en un punto. 2. El sistema no tiene soluci6n; es decir, las recta fy fy no se intersecan, 3. El sistema tiene un ntimero infinito de soluciones; en otras palabras, las rectas fy y 1 coinciden, (a) Una dnica solucisn (b)No hay solucién —_(¢) Una infnidad de soluciones ‘Ahora, consideremos un sistema lineal de tres ecuaciones con tres ineSgnitas, xy ax thy +oz= dy tax + bay bere = dy (16) gx + byy +032 = dy, La gréfica de cada una de estas ecuaciones es un plano, y se denots con Py, Pa y Ps, respectivamente, Como en el caso de un sistema lineal de dos ecuaciones con dos in- ‘edgnitas, el sistema lineal en (16) puede tener una solucién tinica, no tener solucién o tener una infinidad de soluciones. Estas situaciones se ilustran en la figura 1.2. Para ‘comprender de forma mas conereta algunos de los casos posibles, piense en que las pa- redes (planos) de una habitaciGn se intersecan-en tin nico punto: una esquina de ta ha- bitacigin; de esta manera, el sistema lineal tiene una solucién tnica, Ahora piense en los planos como si se tratara de las paginas de wn libro. Cuando el libro se sostiene abier- to, tres de sus péginas se intersecan en una Ifnea 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, ‘See. LL Sistemas Fneales 7 Figura 1.2% a “ H “ i ¢ 1 oo. yy (a) Una inca solucidn——_(&) No hay olucién _(@) Una infin de soluciones ERAT csi oe peor) Un atvicate produce wes tips eferemes de produces quimicos: 4, B y C. Cada producto debe pasar por dos méquinas de procesamiento: Xy ¥. La manufactura del producto requiere los tiempos siguientes en las mdquinas X y ¥ 1, Una tonelada de A requiete 2 horas en la mdquina X y 2 horas en fa méquina ¥. 2. Una tonelada de B requicre 3 horas en la maquina X y 2 horas en la méquina ¥. 3. Una tonelada de C requiere 4 horas en la maquina X’y 3 horas en la méquina Y. La méquina X ests disponible durante 86 horas a la semana, y la maquina ¥ puede uti- lizarse 60 horas a la semana. Como la gerencia no quiexe que las costosas méquinas X ¥y Yestén ociosas, le gustaria saber cudntas toneladas debe manufacturar de cada pro- ducto, de modo que las méquinas se utiticen a su capacidad total. Daremos por sentado que el fabricante puede vender todos los productos que se manufacturen. Para resolver este problema, denotamos con 41, x2 y x3, espectivamente, ef mime- ro de toneladas de productos A, B y C que se fabricardn. El mimero de horas que la mé- ‘quina X sera utilizada es dey +3 + 45, que debe ser igual a 80. Por fo tanto, Asi tenemos que 2a + 3m + dry = 80, De manera similar, ef ndmero de horas que empleard la maquina Yes 60, por lo que te- nemos Day + ey + 3x5 = 60. Desde el punto de vista matemético, nuestro problema consiste en determiinar los valo- Tes no negativos de xy, x» y x3 tales que 2xy + Buy + 4x5 = 80, 2ay + 2x + 3x5 = 60. Este sistema lineal tiene un nero infinito de soluciones. Siguiendo el método del ejemplo 4, vemos que todas las soluciones estén dadas por neta i 2 = 20~ 43 2%) = cualquier miimero real tal que 0 = 23 < 20, 3 Capfiulo 1 Eevaciones lineales y matrices toda vez que debemos tener x; 2 0, x2 = Oy x3 = 0. Cuando x3 = 10, tenemos x25, = 10, y= 10 mientras que eal, meT evando x5 = 7. Observe que una soluci6n es tan buena como Ia otra. Ninguna es me- jot, a menos que se nos diera més informacién 0 s¢ nos plantearan algunas restric~ ciones, = Tarmines clave euacién lineal Solucién de un sistema lineal Sin solucién Incégnitas ‘Método de climinacién Infinidad de sotuciones: ‘Solueién de una ecuacién lineal Solucisn tnica ‘Manipulacién de un sistema lineal En los efercicios I a 14, resuelva el sistema lineal dado por me- (6) ¢Cudntos valores diferentes de r pueden seleccienarse dio del método de eliminacin. fen Ia parte (b)? Le xd2yes 16. Dado el sistema lineal Be 4y=4 2x + 3y— Bart2y+ z = Ay 4520, ae 4 2y 422 xo yh cad (a) verfique que x 1,2, = —Les una solucion, 5. 2x bay $6e==12 () verifique que 222 = Des ana solucisn, 2e— ay 15 © wen ta=-hy=ntnelye= Bet 4y+Se= -8, 8 una solucion del sistema Lineal? 2 xtay- 2202 (@) 23%, 3y, 3, donde x, yy z so como en ta parte (€), €5 3e48y— c= 4. tuna colueign del sistema lineal? 9 xt ytdee ld AT. Resuelva el sistema lineal siguiente sin utilizar el método d++e= 6 de eliminaeidn Rt y-%e=-s U1 2x +3y Bye L ey ain ze 4 sry 13 x43 48, Resuela el sistema lineal siguiente sin ulzar el método a+ 5y deeliminacion reve : a 8 1S. Dado el sistema lineal Sheet Bx 4Sy-2e= 11 19, {Existe un valor de rtal que x= 1, y= 2,5 sea una so- Tueién del siguiente sistema lineal? De ser ast, determtneto {a} determine wn valor de r para que el sistema tenga una soluci6n, Qx+3y- z= () determine un valor de rpara que el sistema no tenga x y$%e=-7 solucién, ax+ y-2= 12 © Capitulo 1 Ecuaciones lineales y matrices (EA MATRICES Si analizamos el método de efiminacién descrito en la seccin 1.1, observaremos lo si guiente. Al realizar los pasos necesarios, s6l0 modificamos los ntmeros que aparecen junto a las ineOgnitas x}, 23, ... 2, En consecuencia, podrfamos buscar una forma de eseribir un sistema Lineal sin tener que mantener las incégnitas. En esta secci6n dei remos un objeto, unaiifatiiZ’ que nos permite hacer precisamente ¢so: escribir sistemas lineales de una manera Coipacta que facilite la automatizaci6n del método de elimina: cidn en una computadora, déndonos un procedimiento répido y eficaz para determinar las soluciones. Su uso, sin embargo, no nos proporciona solaimente la oportunidad de conlar con una notacién conveniente, sino también —como veremos a continuacién— resolver sistemas de ecuaciones lineales y otros problemas computacionales de manera rdpida 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 definiciGn, la del concepto de matriz no s6lo permite mirar de otra forma los proble- mas existentes, sino que, ademés, da lugar a muchas nuevas preguntas, algunas de las cuales estudiaremos en este libro. DEFINICION | Una'matriz 4 dem» niles un arreglo rectangular de.nym niimeros reales (0 complejos) ordenads en m Alas PEhglones) horizontales yn columnas veticales: ayy diz ses ip in ay am ayy A= : ma ” ay Gy TE ain | — cron 1 int a Gn te columns fan an aig) Sis); La jeésima columna de A €s a; ayy An ne Diremos que A es m por m (que se escribe m x 1). Si m = n, decimos que A es una _._matriz cuadrada de orden n, y que los nimeros gj , dz; +. dyn forman la diagonal ~ ‘principal de A. Nos referimos al ndmero ay, que €sté en la i-€simvia fila (renglén) y la {1 j-éiia éolumaa de A, como eli, j-ésimo elemento de A, oa entrada Gi) de A, y so- Jemos escribir (1) como A= lal Para simplificar, en este libro restringiremos nuestra atenci6n (salvo en el apéndi- ce A) al andisis de las matrices cuyas entradas son n\imeros reales. Sin embargo, también se estudian las matrices con entradas complejas, mismas que tienen gran importancia en muchas aplicaciones. 20. (Existe un valor de rtal que x 1 sea une so: Iucion del siguieate sistema tneal? De ser asi, determsnelo Br tes 4 xdyt 23-5 Wat Iy tes 9, 21. Diga cual es el ndmero de puntos que estin simulténea- ‘mente en los tres planos que se muestran en eada inciso de Ja figuea 1.2, 22, Diga cual es el mimero de puntos que estin simultine- ‘mente en Jos tes planos que se muestran en cada inciso de Ja figura 1.3, Figura 1.3 4 23, Una refinerfa produce gasolina con azufte y sin azufe, Pa- + producir cada tonelada de gasoline sin e2ufze 5 minutos en la planta mezcladora y 4 minutos en la planta de refina ign, mientras que cada tonelada de gasolina con azure ro- {quiere 4 minutos en ta planta mezcladara y 2 minutos en la planta de refinscién. Sila planta mezcladora estédisponi- ble 3 horas y la de refinacidn 2 horas, ;eusntas toneladas {de cada tipo de gasotins deben producirse de modo que las plantas operen a toda su capacidad? Ejercicios teéricos ‘TL. Demuestre que el sistema linel que se obtiene al intercem> Diar dos ccuaciones en (2) tiene exactamente les misinas soluciones que (2) ‘T-2, Demuestre que el sistema lineal obtenide al emplazar una ‘ecuacidn en (2) por un milo constante de Ia eeuacién diferente de cero, tiene exactamente las mismas soluciones gue (2), T3, Demuesize que el sistema tineal que se obtiene al ramplazar tuna ecuacién en (2) por elle misma més un muplo de otra Sec. 11 Sistemas lineales 9 24, Un fabrieante produce dos tipos de plasticns: regular y es- pecial. La produccién de cada tonelada de pléstico regular requiere dos horas en la planta A y 5 horas en la planta B; para product cada tonelada de plistien especial se necesi- ‘an 2 horas en la planta A y 3 horas en fa planta B. Sila planta 4 esté disponible § horas arias y la planta B 15 horas al dia, jeusntas toneladas de cada tipo de plistico pueden producirse diariamente de modo que ambas plantas ‘2 utilcen al méximo de su eapacidad? 2S, Un nutsidlogo prepare una dieta que consiste en los alimentos A B y C. Cada onza del slimento A contiens 2 umidades de proteina, 3 unidades de grasa y 4 unidedes de carbohidratos, Cada onza del alimento B contiene 3 unida- es de protefnas, 2 unidades de grusa y | unidad de esrho= hideaios. Por su parte, cada onze del alimento C contiene 3 unidades de protefnas, 3 undades de grasa y 2 tnidades dle carbohidratos. Si la dieta debe proporcionar exactamente 25 unidades de protefnas, 24 unidades de grasa y 21 unida- des de carbohidratos, ccusntus onzas de cada tipo de ali- mento deben utizarse? 26. Un fabricante produce revsladores de pelicula de 2, 6 y 9 minutos. La fabricacién de cada tonelada de) revelador de 2 minutos requiere 6 minutos en fa planta A y 24 minutos en lo planta B. Paca manufacturer cada tonelada del revela- dor de 6 minutos son necesarios 12 minutos en la planta Ay 12 minutos en la planta B. Por tltimo, para producic cada tonelads del revelador de 9 minutos se utilize 12 minutos Ialanta A y 12 minutos la planta B, Si la planta A esta disponible 10 horas al dia y In planta B 16 horas diarias, {eutntas toneladas de cada tipo de revelador de pelicula pueden producirse de modo que las plantas operen a toda su capacidad? 27. Supongs que los tres puntos (1,5), (1, 1) y @, 7) estén en la parabola p(x) = ax? + by + 6, (a) Determine un sistema lineal de tres ecuaciones con tes incdgnitas que deba resolverse para determina a, by c (b) Resuelvael sistema lineal que obtuvo en la parte (a) paraa, By 6, 28. Lina herencia de $24,000 se dividié en tres fideiconisos; el segundo fideicomiso recibié el doble del primero. Los tres fi- Aeicomisos pogan una tsa de interés de 9, 10 y 6% anu, respectivamente; al final de primer affo, el renimiento total Fue de $2,210. ;Cusm se invirtié en cada Fideicomiso? ‘ccuacién en (2) tiene exactamente las mismas soluciones ue (2, ‘Ta, {EF sistema lineal siempre tiene solucién para enalesquiera valores de a, b,¢ yar See.1.2 Matrices 11 EJEMPLO 1 fis Entonces, A es una matriz de 2 x 3 con ayz matriz de 2 x 2, con by) 3; Ces una matriz de 3 x 1, con ey; = 1, en = Ly, es una matriz.de 3 x 3; £ es una matriz de 1 1, y F es una matriz de 1 x 3. En D, los elementos dj) = 1, dy = 0 y dy; = 2 forman la dia- ‘gonal principal = yaz3= 1; Bes una Por conveniencia, en los ejemplos y ejercicios ilustrativos de los capftulos 1 a 7 centramos gran parte de nuestra atencién cn matrices y expresiones que solo tienen ‘mimeros reales. Por otra parte, aunque aparecen en algunos ejemplos de los capitilos 8 9, es en el apéndice A donde puede encontrarse una introduccién a los niimeros com- plejos y @ sus propiedades, asf como ejemplos y ejercicios que muestran eémo se utili zan estos niimeros en Algebra lineal Las matrices de 1 x n 0 m x 1 también se denominan un neveetores, y Io denota- emos mediante letras minisculas en negritas. Cuando se sobreentienda el valor de n, tos referiremos @ los n-vectores s6lo como veetores. En el capitulo 4 analizaremos los vectores a detalle, Eevee 1 3 ‘Si todas las entradas de un n-vector son iguales a cero, se denota con 0, Observe que si A es una matriz de n x n, los renglones de A son matrices de 1 x n. E] conjunto de todos los n-veetores con entradas reales se denota con R®. De manera si- ilar, el conjunto de todos los 1-vectores con entradas complejas se denota mediante C*. Como se indicé anteriormente, en los primeros siete capttulos de este libro trabaia- remos casi por completo con veotores en R". Despliegue de valores en forma de tabla) La mati siguiente prporcona ls is: tani ents as cndades inca (en mle terete) Londies Maid’ Nueve York Tokio Londres 0 785 3,469 5,959 Madrid 785 oO 3,593 6,706 Nueva | 3469 3593 0 8787 Tokio 5,959 6,706 6,757 0 . (Protucei6n) Suponga qu un fabricate Heneeuato plantas, en cada ua de sc lesse manufac tes produto, denolamos cons] nimero de uiades dlp uta elaoradas por la plata jen una semana le mit de fe 3 Producto 1 Producto2 Producto 3 Planta 560 340 280 Planta?) 360 450 270 Planta3] 380 420 210 Planta 0 80 380 2 Capitulo 1 euaciones lineales y matrices proporciona la produceisn semanal del fabricante. Por ejemplo, en una semana, Ja plan- ta 2 produce 270 unidades del producto 3. 2 TIMERS 1s tabla siguiente, en donde se lisa el factor de congelacién del viento, muestra cémo tuna combinacién de la temperatura y la velocidad del viento hace que un cuerpo se sienta més frfo que la temperatura real. Por ejemplo, cuando la temperatura es de 10°F yel viento es de 15 millas por hora, cl cuerpo pierde la misma cantidad de calor que la ‘que perderia si la temperatura fuera de —18 “F sin viento. -10 mph [5 10 is | lls 25388 AS 20 | 7-4 tO Esta tabla puede representarse como la matriz, 5 2 7 0 -5 -10 = au [!0 3 <9 1S 22 -27 —34 = lis 11 -18 -25 -31 38-45 20-17 -24 -31 -39 46 ~53. 5 GTEVIGEGE | Con sistema lineal considerado en el ejemplo 5 de 1a seecién 1.1 x+2y= 10 4 26, x -2y 3x +5y podemos asociar las matrices siguientes’ En la secei6n 1.3, Hamaremos A a la mattiz de coeficientes del sistema lineal a DEFINICION. Una matriz cuadrada A = [ay], en donde cada término fuera de fa diagonal principal es igual a cero, es decir, ay = 0 para i # j, es una matriz diagonal. Eiiuakend son matrices diagonales, . DEFINICION DEFINICION Sec. 1.2 Maitices 13 Una matriz diagonal A = (ay], en donde todos los términas de Ia diagonal principal son iguales, es decir, ay = c para i= j y ay = 0 para i # j, es una matriz escalar. Las siguientes son matrices escalares: 1 0 0 7 o 1 of, g a 3}: o 0 L Los motores de busqueda para localizacisn y recuperacién de informacién en n= temet, utilizan matrices para seguir el rastro de las ubicaciones en donde ésta se en cuentra el tipo de informacién que se halla en cada ubicacién, las palabras clave que aparecen en ellas, ¢ incluso la manera en que los sitios Web se vinculan entre sf con ctros. En gran medida, la eficacia de Google® estriba en la manera en que utiliza lus ‘matrices para determinar cuales sitios est referenciados en otros sitios. Esto es, en li. far de mantener de manera directa el rastro del contenido de la informacién de una pa gina Web real o de un tema de bisqueda individual, la estructura de la matriz de Google Getermina las paginas Web que coinciden con el tema de bisqueda, y Inego presenta tuna lista de tles paginas en un orden de “importancia”. Suponga que existen n paginas Web accesibles durante cierto mes. Una manera sencilla de comprender las matrices que conforman el esqueina de Google, consiste en imaginar una matrizA de x n, denominada “matria de conectividad”, la cual slo con. tiene ceros al principio. Para construir las conexiones se procede como sigue. Cuando se detesta que el sitio Web jesté vineulado con el sitio Web i, la entrada ay Se hace igual a uno. Como 7 es muy grande —su valor se calculaba en alrededor de 3 mil millones en diciembre de 2002—, casi todas las entradas de la matriz de conectividad A son o 10. (Las matrices como ésta se denominan esparcidas, ralas o poco densas.) Si la (rengl6n) i de A contiene muchos unos, significa que existen muchos sitios vinculados* al sitio i, El software que controla el motor de bdsqueda de Google considera gue los sitios que estén vinculados con muchos otros son mas “importantes” (en otras palabras, les da una calificacion ms alta) Por lo tanto, tales sitios aparecerfan al principio de la lista de resultados de busqueda que generatfa Google cuando el usuario saicitara temas relacionados con la informacién del sitio i. Ya que Google actualiza su matriz de cone. tividad cada mes, n aumenta con el paso del tiempo, al agregarse nuevos enlaces y «i tio. La técnica fundamental que utiliza Google® para calificar los sitios, emplea con ceptos de algebra lineal que estin fuera del alcance de este curso, Informacién adicio. nal sobre cl tema puede encontrarse en las fuentes siguientes, 1, Berry, Michael W. y Murray Browne, Understanding Search Engines Mathematical Modeling and Text Retrieval. Filadelfia: Siam, 1999, 2. www. google.comechnology/index.html 3. Moler, Cleve, “The World's Largest Matrix Computation: Google’s Page Rank Is an Eigenvector of a Matrix of Onder 2.7 Billion”, MatLan News and Motes, octubre de 2002, paginas 12-13, En mateméticas, siempre que se presenta un nuevo objeto es preciso definir cuan- do dos de ellos son iguales. Por ejemplo, en el conjunto de todos los nimeros raciona Jes, decimos que los nimeros 2 y ¢ son iguales, aunque no se representen de la misina ‘manera. Lo que tenemos en mente es la definicin sean la cua @ es igual a cuando ‘ad = be. De acuerdo con esto, tenemos la siguiente definicién Dos matrices de m x n, A = [ay] y B = [bj], son iguales si ay ismisj =, 68 decir, si los elenienitos coréspondientes Son iguales. # Cepitulo 1 Bouaciones Hineates y mati RE Las maitices 12-1 Aa|2 3 4] y 0-4 5 son iguales siw = —1,x=-3,y=0y2= A continuacién definiremos varias operaciones que producirén nuevas matrices a partir de otras, Estas operaciones son ttiles en las aplicaciones que involueran matrices. SUMA DE MATRICES DEFINICION — SiA = [aj] y B = [Bj] son matrices de m x n, la suma de A y B da por resultado la matriz C = [ey] de m % n, definida por c= aytby GO Sismisjsn) Oy Scan Entonces sae a 242 sre] -[} 241 -143 341 | [5 ec otine uid oslements corspondins de A y B | 2 4 . Observe que la suma de las matrices A y B s6lo se define cuando A y B tienen el mismo némero de filas {renglones) y el mismo némero de columnas; ¢s decir, s6l0 cuando A y B son del mismo tamatio, establecemos la demos que A y B tienen el Hasta el momento, la suma de matrices sélo se ha definido para dos matrices. En covasiones, sin embargo, nuestro trabajo exigiré que sumemos més de dos matrices. El teorema [1 de la seccién siguiente muestra que la summa de matrices satisface la propie~ dad asociativa, A+ (B+ C) = (A + B) + C. En la seccidn 14 se consideran mas pro- piedades de las matrices, mismas que son similares a que satisfacen los niémeros reales. (Producciin) Un fabricante de cierto producto realiza tres modelos, A, B y C. Algunas partes aries de cada uno se elaboran en la fbriea Fy, ubicada en de Taiwén, y después se terminan en la fabrica F, de Estados Unidos. Bl costo total de cad producto consta de los costos de manufactura y de embarque. En consecuencia, los costos (en délares) de cada fabrica pueden deseribirse mediante las matrices Fy y F; de 3 x 2: Costode Costa de. smamufectoraembarque 32 40] Modelo A. R= 50 80 | Modelos Modelo C 70 20 DEFINICION EJEMPLO 12 BEakones Solucién See. 12 Matrices 15 Coiode Caode wate Sk 4 60.) Mao SoS). | won no | Mace La matriz Fy + Fy proporciona los costos totales de manufactura y embargue de cada producto, Asi, los costos totales de un producto del modelo C son $200 y $40, respec tivamente, e MULTIPLICACIGN POR UN ESC. AR SiA = [aj] es una matriz, de m x n y res un niimero real, el miiltiplo esealar de A por 7A, 5 la matriz B= (by) de m x n, donde », a ay GS i= m1 ej ,---, 6-500 nmeros reales, enton- ces una expresién de Ia forma ory te + cde 2 se denomina combinacién lineal de Ay, Ay... Ay Y Cts C2... 64 8e Haman coe ficientes. EJEMPLO 14 OMS DEFINICION 5 2 9 6 2 31, -1 2 3 entonces C = 3A) ~ 42 es tina combinacién lineal de Ay y Ap. Por medio de la ‘moltiplicacién por un escalar y fa surna de matrices, podemos calcular C: 0-3 5] «fs 2 3 c=3/2 3 4/-3) 6 2 3 1-2-3] 2[-1 -2 3 (b) 28 3{5 OJ + 4[-2 5} es unacombinacién lineal de [3-21.15 Oy [2 5h Puede cles (verge) para obtener [—17 16} Ir on 1) for (© -05]-4] + 0.4] 4] es una combinacién lineal de | ~4| y | -4 |. -6 02 6} [02 0.46 Puede calcularse para obtener (verifiquelo) | 0.4 |. 3.08, = LA TRANSPUESTA DE UNA MATRIZ. SiA = [ay] es una matriz de m > n, la matriz, [af] den x m, donde (sisni 1 tal que RA = O, entonces k= 00 A = 0, 6S. Una matriz A = (ay) se denomina triangular superior si 6 ~0 para i> j, Se Hansa triangular inferior si jy para n existen? representa un conmutador de interruptores en donde 0 re- "T16. Represente con O la palabra OFF y con 1 ta palabra ON presenta apagado y I representa encendido, (los tsminos de muchos sparatos electrénicos para “apa- (@) Determine una matric B tal que A + B represente et do” y “encendido”, respectivamente), y sea cconmutador de interrapores eon el estado de cada in- bit -ba pba teruptor “invertidr A=|OFF ON OFF () Sea OFF ON ON iy aircon cada entrada iguat a OFF 10. ‘TAT. Represente con 0 la palabra OFF y con | i palabra ON, y «La mati B del inciso (a) también “invertrs” los es- sea {dos del conmutador de iterruptoresrepresentado 10 C? Verifque sv respuesta, ‘ON ON OFF 7 ee A=|OFF ON OFF (©) Sides cualquiee matriz binaria de m > 1 que repre- OFF ON ON senta un conmutador de interrptores, determine una matriz binarie B de m x n tal que A + B “invierta” Determine la matriz.B de ON/OFF tal que A + B sea una tos los estado de los interraptores en A. Justfique smatri2 con cada entrada igual a ON. por qué B “invert” los estados de A. Ejercicios con Mariage Para utilizar Mam en esta secciéa, primero deberd leer las valores redondeados a cuatro decimales. Restablezea secciones 12.1 y 12.2, las cuales proporcionen informacin bsica 1 formato a format short acerca del programa ast como de ias operaciones maxriciales con M{L.2. Escriba el comando H = hilb(S) en Maras; (Observe el mismo, Le pedimos que siga con cuidado los ejemplos o usta ue el ultimo cardeter es un punto y coma, el cual sirve ciones de las instrciones de MaTLaB que aparecen en las pra suprimir el despliezve del contenido de la matriz Hs secciones 12.1 y 122 anies de intensar realizar estos ejercicios. vea la seveidn [2.1), Pura obtener ms informacion acerca del comando hilb,escriba help hilh, Utilice los coma dos apropiados de Manas para hacer lo siguiente; MLal, Introduzca las siguientes matrices ea Marva, 54 2 (0) Detemine el tama de, =[-3 0 4), (b) Deslegne el contenido de Zao (©) Despliegue el contenido de H como nimeros racio- rales e213 peeves es (4) Extra tas tes primera columns com na mati aon 443 (©) Extraga as ds has fas (englones como ona mati Uilice 1os comandos apropiados de MAn.aB para desple~ gar lo siguiente: Los ejercicios ML.3 a MLS emplean matrices binarias y os co (0) any, bey bi. ‘mandos complementarios descrtos en la seecicn 12.9, () fila(4), columnasi), flag) ML-3. Utilce bingen par resolver los ejecicios 10 y TL. (©) Exeriba el comando format long de Maras y des. MLA. Utilice bingen para resolver el ejecicio T.13. (Sugeren- pliegue la matriz B. Compare los clementos de B in- ia: una matiiz de n xm contiene el mismo mimero de divados en el inciso (a) y los del despliegue act entradas que un n?-vestor) Observe que el comendo format short despliega los MIS. Resuelva el ejercicio 11 utilizando binadd PRODUCTO PUNTO Y MULTIPLICACION DE MATRICES En esta seccion presentaremos la operacién de muitiplcacién de matrices. A diferencia de la suma, algunas de las propiedades de la multiplicacin de matrices la distinguen de la multiplicacin de némeros reales. Capitulo 1 Ecuaciones lineales y matrices DEFINICION Bice Stee Solucién Byviakee! El producto punto o producto interior de los n-vectores a y b es Ia suma de los pro- ductos de Tas entradas correspondientes. En consecuencia, si a be as y b= 4, by, centonces o De manera similar, si a.0 b (0 ambas) som n-vectores escritos como una matriz de 1x 2, el producto punto a + b esté dado por (1). Bl producto punto de los vectores en C" se define en el apéndice A.2. El producto punto es una operacién importante que usaremos tanto en ésta como cen secciones posteriores. El producto punto de 1 2 2 3 w=[ 3] oy v=|3 4, 1 es (YQ) + (293) + BX-2) + A) = 4 Seana=(x 2 3)y b= | 1). Sia-b=~4, determine x. 2 Tenemos asb=4r+246 a+ 8 r= . (Aplicacién: eéteulo de fa califieactén promedio de un curso) Suponga que un pro- {esor utiliza cuatro notas para determinar ta calificacién promedio que obtiene un estu- diante en un curso: cuestionatios, dos exmenes de una hora y un examen final. Cada luna de estas notas tiene una ponderacidn de 10, 30, 30 y 30%, respectivamente. Si las calificeciones de un estudiante son, en cada rubro, 78, 84, 62 y 85, podemos calcular el promedio det curso haciendo 10 78 0.30 84 “=Jo30) ¥ 8=/62 0.30. 85, y caleulando W = £ = (0.10)(78) + (0.30)(84) + (0.30)(62) + (0.3085) = 77.1 Ast, el promedio del curso del estudiante es 77.1 5 "Tal vex ya esté fariiaizado con esta i notacién a tact de Suma. De cualquier manera, a analiza smo con dtalle al inl de exta seccién ‘Sec. 1.3 Producto punto y multiplicacién de matrices 23 MULTIPI DEFINICION Si A = fay] es una matriz de m x p,y B= [by] es una matriz. de p x n, el producto de AY B, que se denota mediante AB, es la matriz.C = [cy] m Xn, definida como 045 = anrbyy + ainda; +b aipb py y (E Vanby Asi 2 m1 Zached, oe col(2) fa an 6 ba by ba] bn by bs, | 4a) | a af : bn, by 'm 4 FA) = 0h 8) = > au Observe que el producto de A y B sélo esta definido cuando el n ode filas de Bes exactamente igual al nimero de columnas de A, como se indica en la figura 1.5. Figura 1s 4 eo mxpy* pxn X t_t 7 iguales Tamatio de AB Entonces Ap = [DCD +4) +-DQ)_ UNS) + AK-3) + (UY {3-2 + A) + 2) GBXS) +. 3) + (KD -[ 7 '4 Capitulo 1 Eeuaciones lineales y matrices EJEMPLO 5 any Caleule Ja entrada (3, 2) de AB. Solucién $i AB= la entrada (3, 2) de AB es 32, que es fils(A) + coly(B). Ahora tenemos, 4 fils(A) -col,(B) = [0 1-2]. | -1] =—. 2 = BEM El sistema lineal x42y- c=2 Be Hae =5 puede escribirse (verifiquelo) por medio del producto de matrices como | [ é ] =a : : 2-1 i] y ' sian = [2]. asuminezy Soluci6n Tenemos : lox 3 —[t+4e43y) _ fiz weft U]-bee)-f : Las propiedades bésicas de la multiplicacién de matrices se estudiardn en la sec- ign siguieite. Por lo pronto, diremos que la multiplicacién de matrices requiere mu- cho més cuidado que la suma, ya que fas propiedades algebraicas de la multiplicaci6n de matrices difieren de las que satisfacen los nimeros reales, Parte del problema se de- be al hecho de que AB se define sélo cuando el niimero de columnas de A es igual al riimero de filas de B. En consecuencia, si A es una matriz dem x py B es una matriz, de p x n, AB es una matriz de mt x x. {Qué ocumte con BA? Pueden suceder cuatro si- tuaciones diferentes: 1. Es posible que Ba no esté definido; esto pasard sin # m, 2. Si BA esta definida, lo que significa que m = n, entonces BA es de p x p, mientras que AB es de m x ma; de esta manera, si m % p, AB y BA son de tamafios diferentes. TUE Baits BEvnmen EER See. 13. Producto punto y multiplicacién de matrices 25 3. Si AB y BA son del mismo tamaiio, pueden ser iguales, 4. Si AB y BA son del mismo tamaiio, pueden ser diferentes, Si A es una matriz de 2 x 3 y B es una mateiz de 3 x 4, AB es una matria de 2 x 4, mientras que BA no esti 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 consecuencin, AB # BA. os Uno se preguntarfa por qué Ia igualdad y la suma de matrices se definen de manc- ra natural, mientras que la multiplicaci6n de matsices parece mucho mas complicada, El ejemplo 11 nos proporciona una idea al respecto. (Ecologia) Una siembra se rocia con pesticidas para eliminarinsectos daitinos: sin em- bargo, las plantas absorben parte de tas sustancias, Luego, los animales herbivoros de ta zona comen las plantas contaminadas y absorben los pesticidas. Para determina la dad de pesticida absorbida por uno de esos animales, procedemos de la manera si uiente. Suponga que tenemos tres pesticidas y cuatro plantas, Sea ai la cantidad de Pesticida é (en mitigramos) ebsorbida por Ia planta j. Esta informacién puede represen. tarse mediante la matriz Planta 1 Planta 2 Planta 3 Plante 4 2 3 4 3) Pesticide t A= | 3 2 2 5 | Pesticida 2 4 1 6 4 | Pesticida 3 Imagine ahora, que tenemos tres animales herbivoros, y sea by la cantidad de plantas del tipo i que uno de ellos, de tipo j, come mensualmente. La informacion puede repre sentarse mediante la matriz, Herbivoro 1 Hesbivoro 2. Herbivoro 3 20 12 8 Planta 1 28 15 15 Planta 2 30 2 10 Planta 3 40 16 20 Planta La entrada (i, ) de AB proporciona la cantidad de pesticida del tipo i que ha atsorbido el animal j. En consecuencia, si i= 2 y J = 3, la entrada (2, 3) de AB es 3(8) + 215) + 2(10) + 5(20) 174 mg de pesticida, 2 absorbidos por el herbivoro 3, Ahora bien, si taviéramos p animales carnfvoros (como el hombre) que se comen a los herb{voros, podrfamos repetir el andlisis para determinar cuanto pesticida absorbe cada uno, a 26 Capitulo 1 Feuaciones lineales y matrices atone Observacién EWakones ‘A veces es stil poder determinar una columna en el producto matricial AB sin te- ner que multiplicar las dos matrices. Puede demostrarse (ejercicio 7:9) que la j-ésima columna del producto matricial AB es igual al producto matricial Acol{B). + Sean Entonces, la segunda columna de AB es mol IO Si wy ¥ son m-vectores, puede demostrarse (ejercicio T.14) que si los consideramos como matrices den x 1, Esta observacin nos servird en el capitulo 3, De manera similar, siw y v se consideran matrices de 1 x 1, emtonces uev=uv, Por iltimo, wesuna matriz de 1 > my ves una matri2 de mx 1,0 + v= nv. wore [ yee [ tome uv =102)+2-D + (-3)0) Ademés, i = 12) 42-1) + (-3)0) + 3. EL PRODUCTO MATRIZ-VECTOR ESCRITO EN TERMINOS DE COLUMNAS Sea ay a2 oe On rs Ay) Ona uuna matriz de m xn, y sea See, 13 Producto punto y multiplicacion de matrices 27 1m n-vector, es decir una matriz. de x 1. Como A es de m x ny ¢¢s den x 1, el pro- ducto matricial Ae es la matriz de m x 1 a = ay 2] rengl6ny(A)+€ a) a a>, | |cz| | renglong(a)-e Ac= Any Ay oot Le] rengl6n,( A) +€. 8 anc) Faines +s paige, anyc1 + anc) Ho ancy, Ani C1 + And °° Aan} El lado derecho de esta expresi6n puede escribirse como ay an ‘ay ay an ay Leg teal |e tey @ Am Aya, Aran = cyc0l4(A) + cxcoly(A) +--+ cgcol,(A) En consceuencia, el producto Ae de una matriz A de m x ny una matriz ede n x I pue- de escribirse como una combinacién lineal de las columnas de A, en las que los coefi- cientes son las entradas en e. EOE sean : 2-1 = aBisjy fs ae 5 Entonces, el producto Ae escrito como una comunicacién lineal de las columnas de (3 aE)-8-Gee-ee SiA es una matriz de m x p y B es una matriz de p x n, podemos concluir que la i-€sima columna del producto AB se puede escribir como una combinacién lineal de las columnas de Ja matriz. A, en la que los coeficientes son las entradas en Ia j-ésima co- Jumna de Ia mata, B: £0 (AB) = Acol,(B) = by col\(A) + b2;c01XA) +--+ by jcalpA). DBMS 5 1 so as maces denis emt ejempo 12, etones 12 476 w=) 3 P23 gfe os a5 vt 28° Capitulo | Ecuaciones lineales y matrices Las columnas de AB comp combinaciones lincales de las columnas de 4 estén dadas por 0 4 col (AB) =| 6| = Acolh(B) T r 2 col,(AB) = | 17) = Acok(B)=3] 3] +2) 4 1 -1 5 IL é oa) = [+] = Aco SISTEMAS LINEALES 2 4 $ a A continuacién generalizaremos el ejemplo 6. Consideremos el sistema lineal de m couaciones en 1 incégnitas, ayty + agra $2 dante = ty + ants +20 + dann = ba ; 6 agit $22 +--+ Gandy = Do Ahora definamos las siguientes matrices: ai a Ain 7 by ay aap + tay » b ns Onn °° fn bn. Entonces, an ar + aie] Px] anne + anny boo + inte aan am {|x| anes + aoe +--+ aanty Ax= ; Am) An? + Omnd Ln. yy Xm a¥2 bob Aone Xn. Las entradas en el producto Ax son slo los Indos izquierdes 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, ay din ain | by a, dn + Ag ee ‘obtenida al agregar Ja colurnna b a A, se denomina matriz aumentada de! sistema li- neal (5). La matriz aumentada de (5) se escribe como [4b]. Rectprocamente, cul dquier matiz con més de una columna puede considerarse la matriz sumentada de U2 sistema lineal. La matriz de coeficientes y 1a matriz aumentada tienen una funci6n esen- Gial en nuestro método de solucin de sistemas Lneales, BEitenrs EJEMPLO 18 Sec. 1.3 Producto pueto y multiplicacion de matrices 29 Considere el sistema lineal me da +3y 4 3x + 2y +25 Si hacemos t i nee oes podemos escribir el sistema lineal dado en forma matical, como Ax=b. La mattiz de coeficientes es A y la matriz.aumentada es 2 2 3 La matriz. Con base en el andlisis anterior, se desprende que el sistema lineal en (5) puede es- cribirse como una combinacin lincal de las columnas de A, como an ay ‘ain ‘by o on an| |b af |u| FL pete Oe © mn ana tod Low Reefprocamente, una ecuscién las de (6) siempre describe un sistema lineal como en (5). PARTICION DE MATRICES (OPCIONAL) ‘Si comenzamas con una matriz A = [aj] d= m x n, y eliminamos algunas filas (tenglo- nes) 0 columnas (pero no todos), obtenemos una submatriz de A. Sea Si eliminamos Ia segunda fila y 1a tercera columna, obtenemos Ja submatriz. bo 3] . 50 Capitulo F Heuaciones linesles y matrices Para subdividir una matriz en submatrices, se pueden trazar rectas horizontales en- tte las files (renglones) y rectas verticales entre las columnas. Por supuesto, la particién se puede realizar de muchas formas distintas ROEM 12 matriz au ay ais an, aos ay ass aay aes aus, se puede separar como ‘An 4 n [is También podriamos escribir ais aia ims Aare 4 42324! tas Ae i As a as Sas an an ay aa | 045 aa | ys lo cual da otra particién de A. En consecuencia, podemos hablar de particiones de una mati, 7 WMT siemens tun sistema tinal es una maiz con una prcdn, Ass Ax b, podemos esribir la matiz aumentads de este sistema como [A b] ® Sia y B son matrices de m x m que tienen una partici6n de la misma forma, A + B se obtiene simplemente sumando las submatrices cotrespondientes de Ay B. De ma- neta andloga, si A es una matriz.con una particién, el miltiplo escalar cA se obtiene for- mando el multiple escalar de cada submattiz. SiA se divide como en (7) y bu ba iby by bab! bas bag Bi! Ba B= lbs ds bs bu | =| Ba By |. bay ban bs bs by Bay entonces un célculo directo nos muestra que apa | ANB: + Anbu + AB) | Ay Bat AaB + Aye, (Aa Bu: + AnBoi + AesBy) | (An Bi2 + An Ba + AnsBu) EJEMPLO 21 [a Ses Brie Sec. 1.3 Producto punto y multiplioacién de mattices 31 ysea 2 0 oo4 Balr3 3-1 Entonces 6 12 0-3 7 S| _ feu ice ani 0 293] Le “9-2 732 2-1 5 donde Cy, debe ser 4ysByn + Ay2Bpy. Ver sin: 2 0 o,f opi 3 of 2jfo 1 af*[s -j[-3 a 2 2 0 o,f 3 oF -[ 2 a+ [6 10 4] 33 0 Este método de multiplicaci6n de matrices con una partici6n también se conoce co- mo multiplicacién por bloques. Las matrices con particién son tiiles 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 la 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 eorres- Pondientes estén definidos. Gracias a Ta tecnologta de cémputo actual, las computado- ras con procesamiento paralelo utilizan las particiones para realizar més tpidamente Jos céleulos con matrices. La particién de una matriz implica una subdivisién de la informacién en bloques 0 unidades. El proceso inverso consiste en considerar matrices individuales como bloques {yunirlas para formar una matriz por bloques. El Gnico requisito es que, después de unir los bloques, todas las filas y todas las columnas tengan el mismo nimero de entradas. amos como sigue que Cy, es esta expre- Anbu + Anba =[ Sean Entonces tenemos (eiv}=[3 $2 Capitulo 1 Giieerss Glace: EEK: Eeuaciones lineales y matrices Una préctica comén en muchas aplicaciones, consiste en hacer ta unién de matei- ces en bloques para extender las estructuras de informacién. Por ejemplo, suele conser. varse la informacién de las ventas mensuales de cada aifo en una matriz de I x 12, y Juego unir tales matrices para construir la matriz. de ventas histéricas de varios aiios. De manera similar, los resultados de nuevos experimentos de laboratorio se adjuntan a la informacién existente para actualizar una base de datos en una investigacién, En el ejemplo 20 se dijo ya que fa matriz aumentada det sistema lineal Ax = b es tuna 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, encontrainos conveniente considerar la matriz por bloques [A |b {¢ | d}. (Vea la seccién 6.7.) NOTACIGN DE SUMA (OPCIONAL) Habra ocasiones en que seré necesario emplest la notacién de suma. Por ello, a conti muacién revisaremos esta itil y compacta notaciGn que se utiliza ampliamente en mate- miticas La expresién })a) significa tat La letra ies el indice de la sumay se trata de una variable muda o arbitraria que puede remplazarse por otra letra, Por lo tanto, podemos escribir a =4, 2 y=5 yy m=8 entonces Dia =3 444548 = 20, iat . Laoxpresién Soria; significa ray rytg +o + rly Es ficil demostrar (ejercicio 7.11) que la notaciGn de suma satistace las siguientes pro- piedades: @ Ye + $1); =Yna Ysa qi) 2 Seo. 13. Producto punto y muliplicacion de watises 33 el producto punto a -b se puede expresar mediante notacisn de suma como sb = aby + dab2 +++ bayby =) aiby i s ES LAMAKOPLS) En términos de Ja notacién de suma, podemos escribir Ja ecuacidn (2), para el i, J-Ssimo elemento del producto de las matrices A y B, como Tambi guy (Si Sm sj |2 La matriz cero de 2 x 3 es "El concctr pico “sy so si" significa que ambas proposiciones son verdaderas o amas son flss, Por Totanio, (1)siA + Ua A, entonces ay + mj = ayy 2) sia + ny = aj, entonees A + U=A Sec, 1.4 Propiedades de las operaciones con matrices 41 EMISRe Pave ilustrar el inciso (d) del teorema 1.1, sea Entonces EJEMPLO 3. wn Entonces (Propiedades de la multiplicactén ae matrices) (@) Sia, By C son matrices de los tamaitos apropiados, A(BC) = (ABYC. (©) SiA, By C son matrices de los tamatios apropiades, entonces A(B + C)= AB + AC. ©) SiA, By Cson matrices de los tamaitos apropiades, entonces (A+ B)C=AC4 BC. Demostracién (a) Omitremos una demostracién general, Enel ejecicio 2 se pide al lector que de- muestre el resultado para un caso especifico, (b) Ejercicio 73, (©) Ejervicio 73, @ 2-1 1 0 ry fi ts 7] palo 2 21, 300-1 3 y 10 2 2-3 0 =lo 0 3 2 41 o Entonces 03 7 3 2 3 4316 56 ABC) [: E ] B46 -[ } 2-3 4} -$ Sl=[2 3 °s y 10 2 9-1 6 13/2 -3 0] fs 16 56 (aac [ie -8 8 Al 0 0 3 [8 30 ‘| 2 1 0, ® 42_ Capitulo | Eousciones linesles y matrices Gin DEFINICION TG 1 oe 0 2) mye saro=[} 3 AL: ‘|-[5 2] , aesac-[S_J]-[6 Z-F 2] 7 La matriz esealar den x n cuyas entradas en la diagonal son todas iguules 2 1, es la matriz identidad de orden 1 Si A es una mattiz de m x n, es fécil verificar (ejorcicio T.4) que IgA = Aly = A. ‘También resulta sencillo ver que toda matriz.escalar de n x n puede escribirse como 11, para alguna r. La matriz identidad Jp de orden 2 es Si entonces, La matriz identidad Jy de orden 3 es Por lo tanto, Ab =A. 1. Observacién ‘Sec. L4 Propiedades de las operaciones con matrices 43 Suponga que A es una matriz cuadrada. Si p es un entero positivo, definimos las poten- clas de una matriz. como sigue: AeA And piecares SiA es den x n, también definimos 40 In En el caso de enteros no negativos p y q, algunas de las leyes conocidas de les expo- nentes de los nimeros reales tambign pueden demostrarse para la multiplicacién de una Inatriz cuadrada A (ejereicio T) APAS = APH (ay = a9 Observe que (AB)? # APBP. para las matrices cuadradas en general. Sin embargo, si AB = BA, esta regla es vélida Giercicio T.), A continuacién Hamaremos su atencién respecto de otras dos peculiaridades de la ‘moltiplicacién de matrices. Si a y b son ndmeros reales, ab = 0 se cumple sélo si a 0 6 son cero. Sin embargo, esto no es vélido para Jas matrices, Si entonces ni A ni B es la matriz cero, pero 0 0 AB = [4 " Si a, by € son nimeros reales para los cuales ab = ac y a + 0, se tiene que b Es decir, podemos cancelar a. Sin embargo, la ley de cancelacién no se cumple para las ‘matrices, como muestra el siguiente ejemplo, Si entonces pero B# C, a ic En Ja seccién 1.7 analizamos una clase especial de matrices A, para las cuales AB implica que B = C, (Comercio) Suponga que tnicamente dos competes rivales,R y 5, fabrican cero pro- ducto, Cada af, la compania R conserva | de sus clientes, mientras que 3 de los con 44° Capitulo 1 Bousciones linesles y matrices sumidores cambian a S. En el mismo lapso, 5 conserva 2 de sus clientes, mientras que 4 cambia a R. Esta informacién puede desplegarse en forma matricial como RS lA ‘Al comenzar por vez primera la fabricacién del producto, & tiene } del mercado (el mer- ccado es la cantidad total de clientes), mientras que S tiene los otros 2, Denetamnos a dis- tribucién inicial del mercado como Un afio después, la distribuciGn del mercado es vm El best Esto se puede ver técilmente como sigue, Supongamos que el mercado iniial consta de & personas, digamos, k = 12,000, y que este néimero no se modifica con el paso del tiempo. Entonces, inicialmente, R tiene 3k clientes, y § tiene 3k consumidores, Al fi- nal del primer aio, R conserva } de sus clientes y gana | de os de S. En consecuencia, Riiene 4k) + 428) = [4(8) + 42)] & = Be clientes. 2,000, K tiene $3(12,000) = 3,400 clientes, De manera similar, al final del primer aff, $ conserva 2 de sus clientes y gana 3 de los clientes de R. En consecuen- ia, S tiene Cuando & 3G) + 36K) = Cuando k = 12,000 $ tiene $3 (12,000) = 8,600 clientes. De manera andloga, al paso de Tos dos aos, la distribucin del mercado estaré dada per ) + 3Q)]é = Skctientes. Xz = AX, = A(AXg) = Ax, Si {podemos determinar a y b de modo que Ia distribucién sea la misma aiio con afio? Cuando esto ocurre, se dice que la distribucién del mercado es estable. Procedemos de Ja manera siguiente, Como R y $ controlan todo el mercado, debemos tener a+b @ ‘También queremos que la distribuci6n no se modifique después de un afio. Por lo tanto Axo = Xo mo a Demostracién BEER TEOREMA 1 Sec. 4 Propiedades de las operaciones on matrices 45 Entonces @ Observe que las dos ecuaciones en (4) son iguales. Usilizamos la ecuacién (3) y una de Jas ecuaciones en (4) para determinar (verifique) que El problema que acabamos de ver es un ejemplo de una cadena de Markov, En la sec- cidn 2.5 volveremos a sbordar este tema, (Propiedades de la multiplicacién por ua escatar) Si ry s som nimeros reales y Ay B son matrices, entonces (a) 1s) = (0s)A (b) (+5) = rl 5A © HAFB)=rA tr (@) A(rB) = r1AB) = (AB Bjercicio 7.12 a Sean r= ~2, Entonees wwo=[ 4 2 wanecalt Jf Jo cual ilustra el inciso (4) del teorema 1.3. Resulta fécil demostrar que (—1)A = ~A (ejercicio 7.13), a (Propiedades de la transpuesta) Si r es un escalar y A y B son matrices, entonces @) ATPaa ©) (A+ BAT + Bh (© (AB = Bla? aT 46 Capitulo 1 Beuaci De ‘acién Eaeonel DEFINICION Biauacenes mes lineales y mattices Dejaremos las demostraciones de (a), (b) y (@) como ejercicio (7.14); agut sélo demos. twaremos el inciso (c). Asf, fag) waa matriz de m x p y sea B = (b,,) una ma- ttiz de p Xn. Eli, j-ésimo elemento de (AB) es cf, Ahora bien, ef) = ey) = fi1,(A) -coh(B) = aby + ajaby +--+ apd, TB +0f,0h +--+ af 07 = dha, + bal, +--+ blah, = fil)(BT) -col(A"), que es el i, j-ésimo elemento de BTA. 5 Sean r 2]. “1 Entonces y waref? 2 3){3 alee 7 1 2-13 3/=b5 3) a Bs decir, A es simétrica si es una matriz cuadrada para la cual ay, (ejercicio 7.17). Si la matrz A es simétrica, los elementos de A son simétricos respecto de la diagonal principal de Las matrices son simétricas. a Sekewe: Solucion ETaenes Solucién See. 14 Propivdades de las operaciones con matrices 47) EJEMPLOS CON MATRICES BINARIAS (OPCIONAL) ‘Todas las operaciones matriciales analizadas en esta seccién son vélidas para matrices binarias, siempre y cuando utilicemos aritinética binaria, Por Io tanto, Ios tinicos esca- Iares disponibles son 0 y 1 a) sass E | cra main, Dseine inten tv de o1 a 6 er lta=0 0+0=0 l+e=0 14d OFe=0 14s=0 de manera que a= 1, b l.e= Oy f= 1. Bn consecuencia, ~A (Vea tambien el ejercicio 1.38) os sea ={ | Entonces 1 O}fa d]_fa #]_Jo o w=[ JE -E d-B 4] siempre y cuando a = = 0,¢=001yd=00 1. Por lo tamo,existen cuatro de tales matrices, 00] fo 0] [fo o 0 0 oo} |o ip fro rt 7 La seccién 2.2, teorfa de grificas, utiliza el material de esta sec estiidiela en este momento, silo desea, 48 Capitulo | [Eeuaciones ineales y matrices aficas (seccién 2.2) En fos tiltimos afos, fa necesidad de resolver problemas que tienen que ver con Ia co- ‘municaci6n entre individuos, computadoras y organizaciones, ha erecido 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 gréficas es un frea de las ‘mateméticas eplicadas que estudia problemas como el siguiente: Considere una red de érea local que consta de seis usuarios, denotados mediante Pi, Pz... Pe Decimos que P; tiene “acceso” a P;si P; puede enviar directamente un mensaje a P, Por ott lado, es posible que P; no pueda enviar un mensaje de manera directa a Py, pero si pueda enviarlo a P,, quien To enviard luego 4 Py, 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”. Podlernos describir la relacién de acceso en la red que apa~ rece en la figura 1.6, definiendo la matriz. A = (a;;] de 6 x 6, en la que ayj = 1 si P; tiene acceso a Pj, y ay = 0 en caso contrario. En consecuencia, A puede ser PL Pa Ps Ps Ps Po Bro 9 0 0 1 0 PJ oO 0 0 0 1 0 acPit to 0 1 1 =~ylo 1 0 0 1 Oo Ps}0 0 0 0 0 1 BLO Oo 0 1 0 0 Uiilizando la matriz.A y las técnicas de teorfa de grificas que se estudian en la sec~ cidn 2.2, podemos determinar el nimero de formas en que P; tiene acceso a Py en r eta- pas, donde r= 1, 2,.....La teorfa de gréficas permite resolver muchos ofros problemas que implican las comunicaciones. En realidad, la matriz A que se acaba de describir es una matriz binaria, pero en es- jaciGn es mejor considerarla una matriz. de base 10, como se mostraré en 1a Términos clave Propiedades de la suma de matrices Identidad aditiva 0 matriz cero Inverso aditivo 0 negative de una matriz Mati identidad a fg e-f 2g 3 2. Verifique el inciso (a) del teorema 1.2 para 3. Vetifqu el ncso (de sora 1.2 para tas 23 a=[5 Gh o-B 3 o 4 eff 3 J] 4. Verifique los incisos (a), (b) y (©) del teorema 1.3 para r = 6, 5. Yee asi del ren pcr = 35 Vo) get oT cd | 6 esque is 0s yl meme pare Ay Jeo. pepe 2 abi jp e[s iy 1. Vesti (del ore ap : : 4], 2 a En los ejercicios 8 y 9, sean : ; Propiedades de la muliplicacién de matrices Potencias de una matriz 8. 10, a 4. oe ‘See, 1.4 Propiedades de las operaciones con matrices 49 Propiedades de la transpuesta Matriz simetrica Matsiz antisimétrica De ser posible, ealcule @ 48" RAT ater © 5B ie) ae De ser posible, caleule @ BC~20yR AD +A) (@ BIC+A @ aes? © Wr +ae si [3 }> ‘ emuestre que AB = si a4 demuestre que AB = AC. : on ; sat-[} J osm (a) ab aaa (b) 2474 3A? 4 44 4 Sfp 1 23): Determine sa a=[ (a) AP 2a (0) 34-24? 4 54-4 Determine un escalarr tal que Ax = rx, done aids =f Derermine wna constante& cal que (AY! (RA) = [|] Hay més de un valor de & que se pueda viilizar" donde ry 50 Capitulo 1 Ecuaciones lineales y matrices 1. Sean y aj col{A), j= 1, 2,3, Verifique que yea) aye; ay vay ATA=|apeay area; apeay ara army yeas ata, alas alas Ja; aa; afay aka, ata, aay Las ejercicios 18 a 21 tienen que ver con cadenas de Marten; un drea que se estudiard con més detalle en la seccidn 2.5 418 Suponga que la matriz del ejemplo 9 es files (a) Determine la disribucisn del mercado después de un ao. (@) Determine la disuribucisn estable del mercado, A 19, Considere dos compaiias de comida ripe, My N. Cala 0, la compatia M conseeva + de sus clientes, mientas que J de sus consumidores cambisn a N. Cada aio, N conserva } de sus clientes, mientras que 4 cambia M. ‘Suponga que la distribucin inicial del mercado esté dada xl (a) Determine a distribucign de] mercado después de un so, (®) Determine la distribuci6n estable del mercado. 20. Tomannto como base el ejemplo 9, consivere que haba tres ‘compatiis competidoras, R, $'y T, de modo qoe el patrén de reiencisn y petdida de clientes esté dado por la informa ign de ls matriz A, donde esr Aslb dd ob tyr (a) Sila distribucién inicial del mereado esté dada por determine la distribucién del mercado al cabo de un ao, ¥ después de dos aos (0) Demuesre que la distribucign estable de mercado esté dada por 1 im oh ae (6) {Cul de las tes compalfas, R, $0 T, ganaré la mayor pparte del mercado a largo plazo (suponiendo que el pa ‘un de retenci6n y peérdida de clientes permanece cons- tante)? ;Cual es, aproximadamente, el porcentaje del ‘mercado que gan6 esta compaia? 21. Tomando como base el ejercicio 20, suponga que la matriz A estf dada por Ros T 04 0 047 8 o os o4| s 06 05 02) 7 (a) Sila distribucion inicial del mercado esté dads por ‘determine la distribuctén del mercado al cabo de un allo, y después de dos ais, (b) Demuestre que ta distribucidn estable del mercado ests dada por (©) {Cudl de tas wes compatias, R, $e 7, ganars lx mayor parte del mercado en el argo plaza (suponiendo que el patron de reteaciéa y pérdida de clientes permanece cconstante)? Cul es, aproximadamente, el porcentaje del mercado que gané esta compania? Los ejercicios 22 a 25 tienen que ver con el uso de matrices binarias. 22 siamasetins 4=[! ] ames 0 23. Sila mate binasia [ftp sammie ne 7 2, sa.a~[2 {Jami ite Deni (a) A OA +A +A a sa.a-[! Seen tine oeie @a+a AMSA EA’ 1 1 7 1 1 Ejercicios tedricos ‘TA. Denne las propiedads (by (i) del eorema J 2. SiA = [aj] es uns matriz de 2 x 3, B = [by] es una mae ttizde 3 x 4 y C= [ey] es una maviz de 4 x 3, demues- tre que A(BC) = (ABYC. 3. Demvestre las propiedades (b) y (2) del teorema 1.2. TA. SiA es una matria de m x n, doonuestie que IgA = Aly =A TS. Sean p y g enteros no negatives, y sea A una matsiz cua R".! Una trans- formacién matricial cs una funcin f: R” > R”, definids con f(a) = Au. El vector flu) en R” se denomina imagen de u, y el conjunto de todas las imagenes de los vectores en R" se denomina rango def. Aungue en esta seccién 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.) (@) Sea fla trasformacién matricial definida por 0) wo-B ILI-E yy fa imagen de iH «[ % (verifique) ©) seram[f a If conse rnstormactn maa fina por Flu) = Au. bles ° [2 tn smc 8] [wimg ce] 1 3 Sate sont T] af] cite . 3 Observe que si A es una matriz. de m x my f: R"—> Res una transformacién ma- tricial de R" aR", definida por ft a, un vector w en R esti en el rango def solo si podemes encontrar un vector Vv en R" tal que f(v) = w. TF apéndice A, que, socda el tema de conjunts y funciones, puede onsultrseconforme sea necesaro, EJEMPLO 3 Solucién ieee Sec. 1.5 Transformaciones matriciales $5 se A} 3} veo uso mail Stns) =A La pregunn es equiaente a nguiei exe un vecior w= [$"] tt ues) Tenemos : Al resolver este sistema de ecuaciones lincales por medio del método usual de elimina- in, obtenemos v; = 2 y up = I (verifique). Por lo tanto, w esté en el rango de g. En particular siv = {i} entonces f(v) = 8 (Produecisa) Un editor publica un libro en tres ediciones diferentes: comercial, ris- tica y de lujo, Cada libro tequiere de cierta cantidad de papel ylienzo (para Ia tapa). Los, requerimientos se dan (en gramos) por medio de la maiz Comercial Rustica De tujo 300 500,800] Papet 60 03 Tio A el vector de produccién, en donde x), x2 y 13 son el nsimero de libros que se publicarén en ediciGn comercial, nistica y de lujo, respectivamente. La transformaci6n matricial f # — R°. definida por f(x) = Ax, dael vector [): en donde y) es la cantidad total de papel requerido, y yz es la cantidad total de lienzo necesario para la publicacién, a Para las transformaciones matriciales en donde m y n son 2 0 3, podemos dibujar representaciones que muestren el efecto de la transformaciGn matricial. Esto se ilustra- 14 en los ejemplos siguientes. ‘Sea f: R? > R* Ia transformacién matricial definida por v-[b lo 1 Eewaciones lineales y matrices El efecto de le transformacién matricial f, éenominada reflexién respecto del eje x en R®, se muestra en Ia figura 1.11, Ba el ejercicio 2 consideramos la reflexién respecto del eje y a Figuratiie Refenignrespecta del gjex 2 y) Entonces La figura 1.12 muestra el efecto de esta transformacién matricial, (Precaueién: observe ‘con atencién los ejes en la figura 1.12.) Figura 1.12 > Observe que si or } [=r Figura 1.13 & Por lo tanto, un niimero infinito de 3-vectores tienen el mismo vector imagen. Vea la fi- gura 1.13, La transformacién matricial Fes un ejemplo de un tipo de transformacién ma- tricial denominado proyeecién, En este caso, f es una proyeccién de R° en al plano xy. Observe que la imagen det 3-vector v= | |, bajo la transformacién matricial f 2 en donde s ¢s cualquier esealar,entonces FW) Sec. 1.5 Transformsciones matriciales 57 wor-| |: R > R°, definida por cen one ese, 0 fica es casi igual a la de la figura 1.12, en donde la imagen es un 2-vector que esti en el plano xy, mientras que en la figura 1.14 la imagen es un 3-vector que esta en el plano ay. Observe que f(v) aparentemente es la sombra proyectada por v sobre el plano xy. = Figura 1.14 GRITS «1° 1 wanstormacon matical etna yor r 00 fi)=[0 r Ofu, oor donde r es un mimero real. Bs facil ver que f(u) = ru. Sir > 1,fse denomina dilata- cidn; si 0 < r< 1, F se conoce como contraceién, En la figura 1.15(a) se muestra el vector fi(u) = 2u, y en la figura 1.15¢b) el veetor fa(u) = Lu. Como puede verse, la Gilatacion estira el vector y una contracci6n lo comprime. De manera similar, podemos definir la ransformacién matricial g: R? > R? por sw =[5 ‘Je También tenemos que g(u) = ru, asf que, una vez més, si r > 1, g se denomina dila- tactn; si0 <<, ge ama contracién 7 Figura 1.15 » (@) Dilatacién: > 1 () Contaccion: 0 R' definida por g(y) = By, donde Bala cl proporciona el costo total de la produccién de los libros. a IEIZReM Suponga que cada punto de R? se rota en sentido contrario a las manecillas del reloj, en un dngulo 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 (2', y’). Para obtener una relacién entre las coordenadas de P” y las de P, tomamos como w el vector [}: aque se representa por medio del seg » mento de recta que va del origen a Plx, »). Vea la figura 1.16(3). Ademiés, sea @ el gulo que forma u eon a parte positiva del ee x. , () Rotacién Denotando con r Ia longitud del segmento de recta ditigido de O a P, de acuerdo con la figura I.16{a) vemos que 008 8, y=rsen 6 a x =rcos(O + 9), y =rsen(O + 9). @ Por medio de las formulas para el seno y el caseno de una suma de éngulos, las ecu ciones (2) se transforman en x = cos @cos @ — rsen 8 sen y' = rsenBcos + rcos 8 sen @ Sustituyendo la expresisn (1) en las titimas dos ecuaciones, obtenemos x = xcos#—yseng, xsen 9 +9008 ¢. @ Tr @) Sec. 1.5 Transformaciones matvciales 59 Al despejar x y yen (3), tenemos X= cose ty'seng yy yas" seng-+y! cosa, o La ecuaci6n (2) proporciona las coordenadas de P’ en términos de las de P, y (8) ex- Presa las coondenadas de P en términos de las de P', Este tipo de rotaciGn se utiliza pa. "0 simplifcar la ecuaciGn general de segundo grado a? thy tort drt et f=0. Al sustituir x y y en términos de x’ y y', obtenemos ax + bey ey? + dl’ tely' +f! =0. Fi punta clave es elegir @ de modo que b' = 0, Una vez hecho esto (podirfamos tener ue realizar una traslaciGn de coordenadas), identificamos la ecuacién general de se- gundo grado como una circunferencia, una elipse, una hipérbola, una pardbola 0 una forma degenerada de éstas, Este tema se estudiara desde el punto de vista del algebra Tineal en la seccién 95. También podemos realizar este cambio de coordenadas considerando la transfor- ‘macién matricial f: R® + R°, definida por x]) _ feos —sen) fx “(G) [S85 “21. ° De esta manera, (5) puede escribirse, por medio de (3), como ‘xeosp—yseng] _ fx" Xseng + yoosd | ~ fy! }* Delo anterior se deduce que el vector f(u) esté representado por el sezmento de recta {que va de O al punto P’, Por lo tanto, Ia roiacién de tn éngulo ¢ en sentido conttario fou) las manecitlas del reloj es una transformacién matricial a Términos clave ‘Transformacisn matricial Rango Dilatacién ‘Transformacién (fancién) Reflexion Contraccién Imagen Proyeccién Rowacisn 60 Capitulo 1 Ecaaciones lineales y matrices ee de eo eeenecen Creacién de graficos por computadora (seccién 2.3) EL amplio uso y constante desarrollo de los grificos ereados por computadora para las freas de juegos de video, efectos especiales en la industria cinematogréfica y de televi- sin, y diseio asistido por computadora (CAD, por sts siglas en inglés), nos sorprende todos los dias. En una aplicacién de CAD comiin, se crea el modelo de un producto en ‘computadora, para Iuego probarlo de manera exhaustiva afin de encontrar falas y, con base en la informacion recabada, mejorar el producto real. ‘Las transformaciones matriciales desempefian un papel muy importante en las gré- ficas por computadora, En la seccién 2.3 analizaremos breverente cuatro transforma- ciones matriciales. Dos de éstas son las siguientes: AED-L) Ja cual transforma ‘que transforma See, LS Transformaciones matriciales 61 Enlos ejercicios 1 a 8, haga un bosquejo de wy de su imagen a partir de la transformacién matricial f dada. Db -E G)=Po IE) [2] 3. f: R° + R® es una rotacidn de 30° en sentido contrario a sets dea = [1] 4. £038 + Res una otacin en sentido contaro ales uss dt fans w= [2] 5. f:R' > R° definida por ACD-Co IEF eB 6 2 RB eetinida por (-l! 7. f:R° > R definida por AD-04 J -F 8 RY detinida por E)-EE} -E] En los efercicias 9 a 11, sea f: R2 > RP la wansformacién ma Iricial definida por fix) = Ax, donde Li 3 Determine si et vector w dado estd en ef rango de f- sf] mele Ex los ejercicios 12 a 14, sea f: R° — R° la transformactéon ma: ‘rivial definida por f(&) = Ax, donde ela Determine si el veetor w dado esté en el rango de f Til R* definida por Ja) = Au para la matric A dada seafh of bY ols 3 nor wal | 18, Algunas uansformaciones maticialesf tienen la propiedad de que f(a) = f(s), cuando u # ¥. Eso es, las imégenes de ‘vectores diferentes pueden ser igules. Para cada una de las transformaciones matriciales siguientes, f: K? —» R? defini- da por f(a) = Au, encuentre dos vectores diferentes, u y ¥, tales que (u) = (0) = w parm e vector w dado, =f it -}e-[5] oat Sef 19, Sea: > Bla wansformacisn lineal defini por (9) = Au, donde w= 16. (a) A @ — Joos —sene =|seng cvs Para # = 30°, fdefine una rotacién en un éngulo de 30° en sentido contrario a las manecillas del rele (@) Si T\(u) = Au, doseriba la acei6n de 7) sobre w. (0) Si Tx(w) = AW'u, deseriba la accién de T; sobre w. (©) {Cui es el valor positivo mas pequetio de k para el cual Ta) = Atu =u? A Bercicios tedricos TA, Seaf: RY + Rune trnsformacién matricial dfinida por flo) = Au, donde 4 es une matte dem 1. (@) Demssre que f(u + ¥) = (4) + ft) para cunts: awiera wy ven (@) Demuestre que f(eu) = of(u) para cualquier wen RY y ‘cualquier némero real c (©) Demuestre que ficu + dv) = ef(u) + dfiv) para cuslesquiera u y v en Ry cualesquiera nimeros reales cya. 52. Cepitulo 1 Beuaciones lineales y matrices (2. Sea: R" > R una transformacién matical defnida por entonces feu +d) =O para cualesquiera némeros reales ‘lw) = Au, donde A es una mati de m x 1 Demuestre que cya sim y v son vectores en "tales que f(u) = 0 y f() donde TB. (@) Sea O: R"— R la transformacién matricial definida Por O(u) = Ou, donde O es Ia mattiz cez0 de m x n 07 Demuestre gue O(u) = 0, para toda w en R 0 aa () Sea I: R* — R" a tansformacién matical definida 7 por (u) = Zu, donde J, es la matriz identidad (vea 0 Ja seceidn 1.4), Demuestre que J(u) =u para toda 0. en HA SOLUCIONES DEFINICION DE SISTEMAS DE ECUACIONES LINEALES En esta seccnsistematizaremos el método de climinavin de inodenitas que ya cono- cemos (analizado en la seeci6n 1.1), con lo que obtendremos un méiodo dtl para resol ver sistemas lineales. El método comienza con la matriz aumentada del sistema lineal dado, con lo eval se obtiene una matriz de una forma particular. Esta nueva mattz re presenta un sistema lineal que tiene exactamente las mismas soluciones que el sistema dado. Por ejemplo, si 1 0 0 2:4 0 1 0 ~1 i-5 Oo 0 1 316 representa la matriz aumentada de un sistema lineal, es féeil determinar la solucién @ partir de las ecuaciones correspondientes a+ E1 objetivo de esta seccidn consiste en manipular la matriz aumentada que representa un sistema lineal dado, hasta llevarla a una forma de ta cual puedan deducirse fécilmen- te las soluciones, ‘Unamatriz A dem x n esti en forma escalonada reducida por filas (renglones) cuan- do satisface las propiedades siguientes: (@) Todas las filas que constan slo de ceros, si las hay, estén en la parte inferior de la matt, (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. (©) Pora cada fila que no consta sélo de ceros, el uno principal aparece a la derecha y abajo de cualquier uno principal en las filas que le preceden. (@ Siuna columna contiene un uno principal, el resto de las entradas de dicha colum- na son iguales a cero. En una matriz en forma escalonada reduicida por ilas, los unos principales descti- ben un patrén de escalera (“esealonada”) que desciende a partir de la esquina superior inquierda. Se dice que una matriz de m x n que satisface las propiedades (a), (b) y (c) esté en Ja forma escalonada por filas. EERIE | as matrices siguientes estén en la forma escalonada reducida por fila, ya que satisfa- ccen las propiedades (a), (b), (c) y (4): Sec. 1.6 Soluciones de sistemas de ecuaciones lineales 63 10 0 0-2 ¢ phatase 0 100 4 8 o 100 ooo oo 0 17-2 otptoty o 0 09000 9 0 0 0 0 oF y 12001 c=|0 01 23]. oo000 Las matrices siguientes no estén en forma escalonada reducida por filas. (;Por qué no? L204 Loos 4 D=|0 0 0 ol, F={o 2-2 sj, bo TS oo td Lo 3 4 123 4 012 5) (fo 3 3 oO © 2 2 “Jo o 1 2 ooo 0) lb 8 bo 2 a TaReP Las matrices siguientes estén en la forma escalonada por filas: 1s 022s 01034 8] ploee w=/0 0 0 1 7 -2), F=I9 9 1 9 o 0 80 0 0 0 0001 00050 8 y 0013 5 7 5 0 0 0 0 1-2 3 J=]0 0 0 60 0 1 2 o 0 0 0 0 6 1 0 0 00000 o Una propiedad ttil de las matrices en forma esealonada reducida por filas (vea el ejercicio T.9), es que si A es una matriz de n x 1 en forma escalonada reducida por fi- las y no es igual a J,, pot lo menos una fila de A consiste sélo de cetos. A continuaci6n estudiaremos emo transformar una matriz dada en una matriz.en forma escalonada reducida por filas, DEFINICION — Cuatquiera de las siguientes es una operacién elemental por filas (renglones) sobre una matriz A = [a,j] de m x x: (@) Intercambiar las filas ry s de A. Bs decir, remplazar ays, a3... ., dy POF a, Bm 0 dan Y Oss iD, «6-5 Asp POLY + 5 Ory (©) Multiplicar la fila r de A por ¢ # 0, Bs decir, remplazar ayy, 073 «+ dm POF Ca, 0,3, «+ Cy 64 Capitulo 1 Eeuaciones lineales y matrices DEFINICION Siuiseoe! (©) Sumar d veces ta fila r de A a la fila (renglén) s de A, r + s. Bs decir, remplazar Ast, Bed «+ gy POF Mgt + day, 9 + a, 5 ay + dey Observe que cuando una matriz se considera como la matri2 aumentada de un sis- tema lineal, las operaciones elementales por filas son equivalentes, respectivamente, al intetcambio de dos ecuaciones, a la multiplicacién de una ecnaciéa por ana constante istinta de cero y a la suma de un méiltiplo de una ecuacién a otra. Sea Al intercambiar las filas 1 y 3 de A, obtenemos ees B=|2 3 oo Al multiplicar la tercera fila de A por 1, obtenemos 0 0 1 2 C=!2 3 0 -2 Pe) 233, Al sumar (—2) veces la fila 2 de A a la fila (renglén) 3 de A, obtenemos oo 1 2 2 3 0-2 6 Ss Observe que al obtener D a partir de A, Ia fila 2 de A no cambia, a D 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- nies elementales por fila. 1204 3 =|2 1 3 2 1-202 3 Si sumamos 2 veces la fila 3 de A a su segunda fila, obtenemos 124 3 B=/4 -3 7 8, 1-202 3 de manera que B es equivalente por filas a A intercambiamos las filas 2 y 3 de B, obtenemos 12 4 3 c=|1 2 2 3}, 4397 8 ppor lo que C es equivatente por filas a A y también equivalente por filas a A. Sea A Saker Sec, 146 Soluciones de sistemas de ecnaciones linzales 65 Al multiplicar la fila 1 de C por 2, obtenemos 2 4 8 6 pD={1 -2 2. 3], 4-307 8 or lo que D es equivalente por filas a C. De lo anterior se deduce que D es equivalen- te por filas a A, ya que D se obtuvo D aplicando tres operaciones elementales por filas aA, = Resulta fécil demostrar (ejercicio 7.2) que 1. toda matriz es equivatente por filas a sf misma; . si A es equivalente por filas a B, B es equivalente por filas aA, y 3. SiA es equivalente 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 R” y “B es equivalente por filas a A” puede remplazarse por “A y B son equivalentes por filas Toda mairiz de m x m es equivalente por filas (renglones) a una matriz en forma esca- lonada por filas. a ustraremos 1a demostracién del teorema exponiendo los pasos que deben realizar- se en una mattiz especffica, A, para obtener una mattiz en forma escalonada por filas {ue sea equivalente por filas @ A. Utilizaremos el siguiente ejemplo para ilustrar el pro- cedimiento, Sea 0 2 3-4 4 0 0 2 3 4 A=)o 2-5 2 4 20-6 9 7. El procedimiento para transformar una matriz a una forma escalonada reducida por fi las es el siguiente, Procedimiento Ejemplo Paso J. Determinat la primera columna (con- 0 23-4 1 tando de izquierda a derecha) den A, tal que 0023 4 no todas sus entradas sean cero, Esta es la e0- 2245 2 4 Jumna pivote. 20-6 9 7 1 cotunna pivoted A Paso 2. \entificar Ia primera entrada (con- 02 3-4 4 tando de arriba hacia abajo) distinta de cero 0023 4 en la columna pivote. Este elemento ¢s el pi- ® 2-5 2 4 vote, que sefialamos mediante un circulo. Podge Pivote Paso 3, Intercambiar, en caso necesatio, la 2-52 4 primera fila por aquella en el renglén donde 0023 4 aparece el pivote, de modo que éste see = A= 15 93 gy cuentre ahora en 1a primera fila (englén), Scop cag eee cioe Llamamos a esta nueva matriz A Se intercambiazon la primera y tercera filas de. 66 Capitulo 1 euaciones lineales y matrices Paso 4. Multiplicar la primera fla de A, por cl reefproco del pivote. Asi, la entrada de la primera fila del pivote y Ia columna pivote (Gonde estaba et pivote) es ahora un I, Lla- ‘mamos a Ia nueva matriz. A. Paso 5. Sumar los mltiplos apropiados de 1a primera fila de Ap a las demés files, para hacer que todas las entradas de Ia colurana pivote, excepto aquella en entrada donde se encuentra el pivote, sean iguales a cero. Asi, todas las entradas de la column pivot y las filas 2,3, ...,m se anulan, Llamamos a la nueva mattiz As, Paso 6. Identificar B como ta submatriz. de (m= 1) x mde As, obtenida al ignoraro “ta- pat” la primera fila de A, Repita los pasos 1 aScon 11 -$ 1 2 0023 4 0.2 3-4 1 20-6 9 7 La primera fila de Ay Se multiplicé por J 14 z 0 0 4 A=ly 9 1 0 2 3 (2) veces a primera fila de Ap se le sumé a su cuarta fil au 4 B 1 3 Cotumna pivore de B 2 1 02-173 Se intercambiaron la primera y Ia segunda Flas de B, PS o 1 3-2 4 B=|0 0 2 3 4 0-2 73 La primera fila de se multiplies por } Pees o 1 32 B=]0 0 2 3 4 oo 23 4 ‘Se summé 2 veces la primera fila de Bz se sumé 2 veces a su tercera fla, Observacién Sec. 16 Soluciones de sistemas de ecusciones linesles 67 Paso 7. Tdentificar C como la submatviz de (m ~ 2) x n, obtenida al ignorar 0 “tapar” Ja primera fila de Bs; no lo borre, Repita los pasos Ia 5 para C. c-[° Coturmna pivote de © Pores Oe Eos 0 0 1 8 2 ones 5} J Noss itercambtrom las files de C.La pri- tera fila de C se multpties por } Ley % oo 4 0 0 x on (o 0 ‘ La primera fila de Cy se sums (—2) veces el primer rengién de Cy a su segunda fila Paso 8. Identifique D como la submatriz de ee n~3) xn de Cy, A continsacién debe tra. eae tar de repetir los pasos | a sobre D. Sin em- Oe a z bargo, como en este caso no exist fila pivote Oo aS ‘en D, hemos terminado. La matriz, denotada Por, que consisteen la matriz Dy as las «P= [0 9 0 0 o) sombreadas arriba de D, esté en la forma es- calonada por renglones. tou 12 0 24 H a oo 32 0 0 0 6 Of] » Cuando los eéleulos se realizan de manera manual, en ocasiones es posible evitar las fracciones mediante una modificacién adecuada de los pasos del procedimiento, Bi] Para determinar una matriz en forma escalonada por filas que sea equivalente por filas 2.4, modificamos el procedimiento anterior para evitarfracciones y procedemos como sigue, Sume (—1) veces la fila I @ la fila 2 para obtener af 3) Tntercambic las filas 1 y 2 de Ay para obtener ae] Sea Observacién Bakers Sofucién lo 1 Eeuaciones lineales y matrices Sume (—2) veces la fila | a la fila 2 para obtener 1-2 a=[h 3h una matriz que esté en la forma escalonada y que es equivalente por filas aA. Puede haber mas de una matriz.en forma escalonada que sea equivalente por filas a una matriz.A dade, Por ejemplo, si realizamos la operacién siguiente en la matriz-H del ejem- plo 5, sumar (—1) veces la segunda fila de Ha su primera fila, obtenemos la matriz 10-4 3 3 o 134 4 we a a], oo 1 32 0 0 0 0 Oo que esté en la forma escalonada por files yes 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 4 En general, si A es una matiz dada, una matriz en forma escalonada por filas que es equivalente por filas a A se denomina forma esealonada por filas de A. Toda matriz de m x nes equivalente por filas a wna tinica matriz.en forma escalonada reducida por filas. 5 La matriz del teorema 1.6 se denomina forma escalonada reducida por filas de A. iustraremos la demostracin de este teorema Ilevando a cabo los pasos que dehen 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 utilizaré para ilustrar el procedimiento, Determine la forma escalonada reducida por filas de la matriz A del ejemplo 5. Iniciamos con la forma escalonada por filas H de A que obtuvimos en el ejemplo 5. Su- amos miltiplos adecuados de cada fila de H1, que no esté formada sélo por ceros, para hacer cero todas las entradas por arriba del uno principal. Asi, iniciamos sumendo (—3) ‘veces Ja tercera fila de J7 a su segunda fila: 5 t1-$ 1 2 o 1 0-2 -§ he eT. oo 1 32 0 0 © 0 Oo Ahora, sumamos $ veces la tercera fila de J a su primera fila: 110 8 7 o 1 0-2 A= . oor $ 2 oo 0 0 0 Observacion fiecaeee Demostracién eam Demostracién et. 1.6 Soluciones de sistemas de ecuaciones linecles 69 Por ultimo, sumamos (—1) veces la segunda fila de J2 a su primera fila oo 1 -} 0 0 2)" o 0 0 ue esté en Ia forma escalonada reducida por filas y es equivatente 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, i El procedimiento que se dio aqué para determinar Ia forma escalonada reducida por fi {as no es la tna posible. Como altemativa, podriamas primero hacer cero todas las en- tradus por debajo del 1 principal y luego, de manera inmediata, hacer cero las entradas por arriba del 1 principal. Este provedimiento no es, sin embargo, tan eficiente como el ‘que describimos previamente. En la préctica, no perdemos tiempo identificando las ma- trices Ay, Ap, «By By... + Cys Cay... €1€. S6lo iniciamos con la matriz dada y ta transformamos a la forma escalonada reducida por filas. RESOLUCION DE SISTEMAS LINEALES A continuacién aplicaremos estos resultados & la resolucién de sistemas lineales. ‘Sean Ax = b y Cx = d dos sistemas lineales, cada uno con m ecuaciones yn incdgni- tas. Silas matrices aumentadas [A { b] y [C !d] de estos sistemas son equivalentes por filas, ambos sistemas lineales tienen exactamente las mismas soluecfones. Esto es consecuencia de fa definicién de equivalencias por filas, y del hecho de que las, ‘ues operaciones elementales por filas sobre la matriz. aumentada resultan ser las tres ‘modificaciones sobre un sistema lineal que se analiza en la seceién 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 A y C son dos matrices de m x n equivalentes por filas, los sistemas lineales Ax Oy Cx = O tienen exactamente las mismas soluciones. Fjercicio 73, = 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 la matriz. por bloques [C ! d] ya sea en la forma escalonada por filas 0 en la forma escalonada reducida por filas que sca equivalente por filas a la matriz au- mentada [A | b]. Ahora, [C ; d] representa el sistema lineal Cx = d, que es més fécil de resolver debido a la estructura més sencilla de [C | dy el canjunto de todas las soluciones para este sistema proporciona precisamente el conjunto de todas las solveiones para el sistema dado, Ax = b. EI método en donde [C’ : d] estéreducido a la forma escalonada por filas se denomina reduccién de Gauss"-Jordan"*: el método “Cat Friedrich Gauss (177-1855) nacido en una familia pobre de obreros en Brunswick y macito en Go- ‘ings, Alemania, ba sido uno d los matemétcos mas Famosos del mando, Fue un nfo peodigt incompeen- ido por su padre, quien io lamabs “contemplader de estrellas”, Sin embargo, sa genio loge imrecionas Io Suficente asus maestres eomo para que obtvier del duque de Brunswick una beca pare que puier tsistt I escuela secundaris loa, Durante sa adolescence reslizé descubrimientos originales en teri de ime os y comenzé a especular acerca de la geomenta no euclidiana, Sus obras ccnficas inclayen inipertanten 70 Capito 1 Ecuaciones lineales y matrices en donde [C j d] esta en la forma escalonada por filas se denomina eliminacién de Gauss. Hablando estrictamente, el método alterno de Gauss-Jordan descrito en la ob- servacién anterior no es tan eficiente como el que se utilizé en los ejemplos 5 y 6. En la prdctica, ni la reduecién de Gauss-Jordan ni la eliminacién de Gauss se utiizan 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 la eliminacién de Gauss son Utiles para resolver problemas de menos envergadura; en este libro emplearemos el pri- mer procedimiento con més frecuencia, El procedimiento de teducci6n de Gauss-Jordan para resolver el sistema lineal Ax = Desel siguiente, Paso 1. Fotmar la matriz aumentada [Ab] Paso 2, Transformar la mattiz aumentads [A ; b] a su forma escalonada reducida por filas [C | d] mediante operaciones elementales por fila. Paso 3. Para cada fila distinta de cero de la matriz [C { d], se despeja la incégnita 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 ighorar, pues la ecuacién correspondiente serd satisfecla por cuslesquiera valores de las incégnitas El procedimicnto de eliminacién gaussiano para resolver el sistema Av sigue Paso 1. Formar la mavia aumentada [A ; b} Paso 2, Por medio de operaciones elementales por fila, obtencr una forma escalo- nada por filas[C’ | dj de la mattiz aumentada [4 : b] | Paso 3, Resolver el sistema lineal correspondiente a[C | d] por medio de sustitu- cin hacia atrds (ilustrado en el ejemplo 11). Las filas que constan tinicamente de eros pueden ignorarse, ya que la ecuaciGn correspondiente serd satisfecha por cua- lesquiera valores de las incégnitas bes como Los siguientes ejemplos ilustran el procedimiento de Gauss-Jordan, ‘contribuciones la teorta de mimeros, a astrnomna matemsica, ala georafia matemética ea estas a, Ta geometraciferencil yal magntismo, Sus davis y nots pivadas contienen mivchos otros desc brimients que no bie, Hombre austero y conservader que tv9 pocos amigos una vida privada poeo afortunada, se preoe- ‘4 mucho par dal crétito de los descubrmienos cietfios asus fuentes oxiginses, Cuando sos extudion se basaban en resultados de ots, tenia culdado de reconocero; y cuando ottes decubrian de manersinde- pendent algunos resultados en sus nots privads,rpidamente reciamba su propiedad. En sus imvestigaciones utilis un méiodo que despugs se generals para le reduccién por fis de unt ‘mati2. Aungue dicho método se apicata en China desde casi 2000 aos anes, leva ol acme de ese ils- tee matemiice en su honox. ~ Witeim Jordan (1842-1899) naciéen el sor de Alemania, Asis a la Universidad en Ststarty en 1868 se convits en profesor de tiempo completo de geodesia en la escuela wenica de Karlstube, Alemania. Pat= ‘ips en la medic de varies regiones de Alemania, Jordan fue un prolfcaauiorcuya ob principal, Hand buch der Vermessungshunde (Manual de geedesi) fue vadscid al francés, a italiana y al ruso; adeints de ‘magnifica ao, le consierabs un excelente maestro. Por desgraca, el mstodo de redceign de Gauss-Jor

Vous aimerez peut-être aussi