Академический Документы
Профессиональный Документы
Культура Документы
Si A es una matriz m n, esto es, una matriz con m fi las y n columnas, entonces la entrada escalar en la I-sima fila y la j-sima columna de A se denota mediante aij y se llama entrada (i, j) de A. Vea la figura 1. Por ejemplo, la entrada (3, 2) es el nmero a32 en la tercera fila, segunda columna. Las columnas de A son vectores en Rm y se denotan mediante a1,. . ., an (en letras negritas). La atencin se centra sobre estas columnas cuando se escribe.
Observe que el nmero aij es la i-sima entrada (de arriba a abajo) del j-simo vector columna aj.
FIGURA 1 Notacin matricial. Las entradas diagonales en una matriz m n A = [aij] son a11, a22, a33,. . ., y forman la diagonal principal de A. Una matriz diagonal es una matriz cuadrada cuyas entradas no diagonales son cero. Un ejemplo es la matriz identidad n n, In. Una matriz de m n cuyas entradas son todas cero es una matriz cero y se escribe como 0. El tamao de 0, por lo general, resulta evidente a partir del contexto.
Entonces
Pero A + C no est definida porque A y C tienen diferentes tamaos. Si r es un escalar y A es una matriz, entonces el mltiplo escalar rA es la matriz cuyas columnas son r veces las columnas correspondientes de A. Al igual que con los vectores, se define A como (1)A y se escribe A B en lugar de A + (1)B. EJEMPLO 2 Si A y B son las matrices del ejemplo 1, entonces
En el ejemplo 2 no fue necesario calcular A 2B como A + (1)2B porque las reglas usuales del lgebra pueden aplicarse a las sumas y mltiplos escalares de matrices, como se ver en el teorema siguiente. Sean A, B y C matrices del mismo tamao, y sean r y s escalares. a. A + B = B + A d. r(A + B) = rA + rB b. (A + B) + C = A + (B + C) e. (r + s)A = rA + sA c. A + 0 = A f. r(sA) = (rs)A Cada igualdad del teorema 1 se verifica mostrando que la matriz del miembro izquierdo tiene el mismo tamao que la del miembro derecho y que las columnas correspondientes son iguales. El tamao no es problema porque A, B y C son de igual tamao. La igualdad de columnas es consecuencia inmediata de las propiedades anlogas de los vectores. Por ejemplo, si las columnas j-simas de A, B y C son aj, bj y cj, respectivamente, entonces las columnas j-simas de (A + B) + C y de A + (B + C) son respectivamente. (aj + bj) + cj y aj + (bj + cj) Como estas dos sumas vectoriales son iguales para cada j, la propiedad (b) queda verificada. Debido a la propiedad asociativa de la suma, es posible escribir simplemente A + B + C para la suma, la cual se puede calcular como (A + B) + C o como A + (B + C). Lo mismo es aplicable para sumas de cuatro o ms matrices.
Multiplicacin de matrices
Cuando una matriz B multiplica a un vector x, transforma a x en el vector Bx. Si despus este vector se multiplica por una matriz A, el vector resultante es A(Bx). Vea la figura 2.
FIGURA 2 Multiplicacin por B y luego por A. Entonces A(Bx) se produce a partir de x gracias a una composicin de funciones, las transformaciones lineales. La meta aqu es representar dicha funcin compuesta como la multiplicacin por una matriz nica, denotada mediante AB, de manera que A(Bx) = (AB)x Vea la figura 3. (1)
Esta definicin convierte en verdadera a (1) para toda x en Rp. La ecuacin (1) prueba que la funcin compuesta de la fi gura 3 es una transformacin lineal y que su matriz estndar es AB. La multiplicacin de matrices corresponde a la composicin de transformaciones lineales. EJEMPLO 3
Observe que, como la primera columna de AB es Ab1, esta columna es una combinacin lineal de las columnas de A usando como pesos las entradas de b1. Un enunciado similar es verdadero para cada columna de AB. Cada columna de AB es una combinacin lineal de las columnas de A usando pesos de la columna correspondiente de B. Desde luego, el nmero de columnas de A debe corresponder al nmero de filas que haya en B para que una combinacin lineal como Ab1 est definida. Tambin, la definicin de AB muestra que AB tiene el mismo nmero de fi las que A y el mismo nmero de columnas que B.
EJEMPLO 4 Si A es una matriz de 3 5 y B una matriz de 5 2, cules son los Tamaos de AB y de BA, si tales productos estn definidos? Solucin Como A tiene 5 columnas y B tiene 5 filas, el producto AB est definido y es una matriz de 3 2:
El producto BA no est definido, porque las dos columnas de B no corresponden con las tres filas de A. La definicin de AB es importante para el trabajo terico y las aplicaciones, pero la siguiente regla proporciona un mtodo ms eficiente para calcular las entradas individuales de AB cuando se resuelven a mano problemas sencillos. REGLA FILA-COLUMNA PARA CALCULAR AB Si el producto AB est definido, entonces la entrada en la fi la i y la columna j de AB es la suma de los productos de entradas correspondientes de la fila i de A y la columna j de B. Si (AB) ij denota la entrada (i, j) en AB, y si A es una matriz m n, entonces (AB) ij = ai1b1j + ai2b2j + + ainbnj Para verificar esta regla, sea B = [b1 bp]. La columna j de AB es Abj, y puede calcularse Abj por medio de la regla fi la-vector para calcular Ax a partir de la seccin 1.4. La i-sima entrada de Abj es la suma de los productos de entradas correspondientes de la fi la i de A y del vector bj, que es precisamente el clculo descrito en la regla para calcular la entrada (i, j) de AB.
EJEMPLO 5 Use la regla fila - columna para calcular dos de las entradas de AB para las matrices del ejemplo 3. Una inspeccin de los nmeros involucrados aclarar cmo los dos mtodos para calcular AB producen la misma matriz. Solucin Para encontrar la entrada de la fi la 1 y la columna 3 de AB, considere la fila 1 de A y la columna 3 de B. Multiplique las entradas correspondientes y sume los resultados, como se muestra a continuacin:
Solucin Por aplicacin de la regla fi la-columna, las entradas de la segunda fi la de AB provienen de la fi la 2 de A (y las columnas de B):
Observe que, como el ejemplo 6 peda solamente la segunda fila de AB, se podra haber escrito nicamente la segunda fila de A a la izquierda de B y haber calculado
Esta observacin acerca de las filas de AB es cierta en general, y es consecuencia de la regla fila-columna. Si filai (A) denota la i-sima fi la de una matriz A, entonces filai (AB) = filai (A) B (2)
Propiedades de la multiplicacin de matrices El teorema siguiente enumera las propiedades estndar de la multiplicacin de matrices. Recuerde que Im representa la matriz identidad m m, y que Imx = x para toda x en Rm. T E O R E M A 2 Sea A una matriz m n, y sean B y C matrices con tamaos para los cuales las sumas y los productos indicados estn defi nidos. a. A(BC) = (AB)C (ley asociativa de la multiplicacin) b. A(B + C) = AB + AC (ley distributiva izquierda) c. (B + C)A = BA + CA (ley distributiva derecha) d. r(AB) = (rA)B = A(rB) para cualquier escalar r e. ImA = A = AIn (identidad de la multiplicacin de matrices) EJEMPLO 7 Para enfatizar, se incluye la observacin acerca de la conmutatividad con la siguiente lista de diferencias importantes entre el lgebra de matrices y el lgebra de nmeros reales. Si desea ver ejemplos de estas situaciones, consulte los ejercicios del 9 al 12. Advertencias: 1. En general, AB _ BA. 2. Las leyes de la cancelacin no se aplican en la multiplicacin de matrices. Esto es, si AB = AC, en general no es cierto que B = C. (Vea el ejercicio 10.) 3. Si un producto AB es la matriz cero, en general no se puede concluir que A = 0 o B = 0. (Vea el ejercicio 12.) Potencias de una matriz Si A es una matriz n n y k es un entero positivo, entonces Ak denota el producto de k copias de A: Si A es distinta de cero y si x est en Rn, entonces Akx es el resultado de multiplicar x repetidamente a la izquierda por A, k veces. Si k = 0, entonces A0x debe ser la misma x. Por lo tanto, A0 se interpreta como la matriz identidad. Las potencias de matrices son tiles tanto en la teora como en las aplicaciones (secciones 2.6, 4.9, y posteriormente en el texto). La transpuesta de una matriz Dada una matriz A de m n, la transpuesta de A es la matriz n m, denotada mediante AT, cuyas columnas se forman a partir de las fi las correspondientes de A. EJEMPLO 8 Sean T E O R E M A 3 Sean A y B matrices cuyos tamaos son apropiados para las sumas y los productos siguientes. a. (AT)T = A b. (A + B)T = AT + BT c. Para cualquier escalar r, (rA)T = rAT d. (AB)T = BTAT Las demostraciones de (a) a (c) son directas y se omiten. Para (d), vea el ejercicio 33. Por lo general, (AB)T no es igual a ATBT, an cuando A y B tengan tamaos tales que el producto ATBT est defi nido. La generalizacin del teorema 3(d) a productos de ms de dos factores puede establecerse en palabras de la manera siguiente: La transpuesta de un producto de matrices es igual al producto de sus transpuestas
en el orden inverso. Los ejercicios contienen ejemplos numricos que ilustran las propiedades de las transpuestas. T E O R E M A 3 Sean A y B matrices cuyos tamaos son apropiados para las sumas y los productos siguientes. a. (AT)T = A b. (A + B)T = AT + BT c. Para cualquier escalar r, (rA)T = rAT d. (AB)T = BTAT NOTAS NUMRICAS 1. La manera ms rpida de obtener AB en una computadora depende de la forma en que la computadora guarde las matrices en su memoria. Los algoritmos estndar de mayor efi ciencia, tales como los de LAPACK, calculan AB por columnas, como en la defi nicin del producto presentada en este texto. (Una versin de LAPACK escrita en C++ calcula AB por fi las.) 2. La defi nicin de AB se presta al procesamiento paralelo en una computadora. Las columnas de B se asignan individualmente o en grupos a diferentes procesadores, los cuales de manera independiente y, por lo tanto, simultnea calculan las columnas correspondientes de AB. PROBLEMASDEPRCTICA 1. Dado que los vectores en Rn pueden verse como matrices n 1, las propiedades de las transpuestas del teorema 3 tambin se aplican a vectores. Sean 2. Sean A una matriz de 4 4 y x un vector en R4. Cul es la forma ms rpida de calcular A2x? Cuente las multiplicaciones. LA INVERSA DE UNA MATRIZ El lgebra de matrices proporciona herramientas para manipular ecuaciones matriciales y crear diversas frmulas tiles en formas similares a la ejecucin ordinaria del lgebra con nmeros reales. En esta seccin se investiga el anlogo matricial del recproco, o inverso multiplicativo, de un nmero diferente de cero. Recuerde que el inverso multiplicativo de un nmero como 5 es 1/5 o 5 1. Este inverso satisface la ecuacin La generalizacin matricial requiere ambas ecuaciones y evita la notacin con diagonales (para indicar una divisin) debido a que la multiplicacin de matrices no es conmutativa. Ms an, una generalizacin completa slo es posible si las matrices involucradas son cuadradas.1 Se dice que una matriz A de n n es invertible si existe otra matriz C de n n tal Que CA = I y AC = I donde I = In, la matriz identidad n n. En este caso, C es un inverso de A. De hecho, C est determinado nicamente por A, porque si B fuera otro inverso de A, entonces B = BI = B(AC) = (BA)C = IC = C. Este inverso nico se denota mediante A1, de manera que Una matriz que no es invertible algunas veces se denomina matriz singular, y una matriz invertible se denomina matriz no singular.
A continuacin se presenta una frmula sencilla para el inverso de una matriz de 2 2, junto con una prueba para saber si existe el inverso. TEOREMA4 La demostracin sencilla del teorema 4 se describe en trminos generales en los ejercicios 25 y 26. La cantidad ad bc se llama determinante de A, y se escribe El teorema 4 establece que una matriz A de 2 2 es invertible si, y slo si, det A 0. Las matrices invertibles son indispensables en el lgebra lineal principalmente para clculos algebraicos y deducciones de frmulas, como en el teorema siguiente. En ocasiones una matriz inversa permite entender mejor un modelo matemtico de alguna situacin de la vida real, como en el ejemplo 3 que se presenta ms adelante. EJEMPLO 3 Una viga elstica horizontal tiene soportes en cada extremo y est sometida a fuerzas en los puntos 1, 2, 3, como indica la fi gura 1. Sea f en R3 tal que enliste las fuerzas en estos puntos, y sea y en R3 tal que incluya las magnitudes de la defl exin (esto es, movimiento) de la viga en los tres puntos. Al aplicar la ley de Hooke de la fsica, se puede demostrar que y = Df donde D es una matriz de fl exibilidad. Su inversa se denomina matriz de rigidez. Describa el signifi cado fsico de las columnas de D y D1. FIGURA 1 Defl exin de una viga elstica. Solucin Escriba I3 = [e1 e2 e3] y observe que D = DI3 = [De1 De2 De3] Interprete el vector e1 = (1, 0, 0) como una fuerza unitaria aplicada hacia abajo en el punto 1 (con fuerza cero en los otros dos puntos). Entonces la primera columna de D, De1, enlista las defl exiones debidas a una fuerza unitaria en el punto 1. Interpretaciones similares son vlidas para la segunda y tercera columnas de D. Para estudiar la matriz de rigidez D1, observe que la ecuacin f = D1y calcula un vector de fuerza f cuando se da un vector de defl exin y. Escriba Ahora interprete e1 como un vector de defl exin. Entonces D 1e1 enlista las fuerzas que crean la defl exin. Esto es, la primera columna de D1 enlista las fuerzas que deben aplicarse en los tres puntos para producir una defl exin unitaria en el punto 1 y cero defl exin en los otros puntos. De manera similar, las columnas 2 y 3 de D 1 enlistan las fuerzas requeridas para producir defl exiones unitarias en los puntos 2 y 3, respectivamente. En cada columna, una o dos de las fuerzas deben ser negativas (apuntar hacia arriba) para producir una defl exin unitaria en el punto deseado y cero defl exin en los otros dos puntos. Si la fl exibilidad se mide, por ejemplo, en pulgadas de defl exin por libra de carga, entonces las entradas de la matriz de rigidez estn dadas en libras de carga por pulgada de defl exin. La frmula del teorema 5 se utiliza muy pocas veces para resolver en forma numrica una ecuacin Ax = b porque la reduccin por fi las de [A b] casi siempre es ms rpida. (La reduccin por fi las es tambin ms precisa, generalmente, cuando los clculos requieren el redondeo de los nmeros.) Una posible excepcin es el caso de 2 2; ya que los clculos mentales para resolver Ax = b en ocasiones resultan ms fciles usando la frmula para A1, como en el siguiente ejemplo.