Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen de Algebra
y C
alculo
Tensorial
Jose M.a Goicolea Ruigomez,
nica de Medios Continuos y Teora de Estructuras,
Depto. de Meca
cnica de Madrid
Universidad Polite
8 de octubre, 2002
Indice
1. Algebra
vectorial y tensorial
1.1. Escalares, puntos y vectores . . . . . . . . . . . .
1.2. Producto escalar y vectorial . . . . . . . . . . . .
1.3. Bases y coordenadas . . . . . . . . . . . . . . . .
1.4. Tensores de orden dos . . . . . . . . . . . . . . .
1.5. Operaciones y clases especiales de tensores . . . .
1.6. Cambio de coordenadas de un tensor . . . . . . .
1.7. Coeficientes de permutacion . . . . . . . . . . . .
1.8. Formas bilineal y cuadratica asociadas a un tensor
1.9. Vector axial asociado a un tensor hemisimetrico .
1.10. Determinante de un tensor . . . . . . . . . . . . .
1.11. Autovalores y descomposicion espectral . . . . . .
1.12. Teorema de Cayley-Hamilton . . . . . . . . . . .
1.13. Descomposicion simetrica - hemisimetrica . . . . .
1.14. Descomposicion Polar . . . . . . . . . . . . . . . .
1.15. Tensores de orden cuatro . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2
2
3
5
8
11
12
14
15
15
16
17
22
23
24
25
2. C
alculo vectorial y tensorial
2.1. Derivada de un campo escalar . . . .
2.2. Derivada de un campo vectorial . . .
2.3. Divergencia, rotacional y Laplaciano
2.4. Teorema de la divergencia . . . . . .
2.5. Teorema de Stokes . . . . . . . . . .
2.6. Funciones de tensores de orden dos .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
26
27
28
29
31
32
33
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Aptdo. 1. Algebra
vectorial y tensorial
1.
Algebra
vectorial y tensorial
1.1.
v = AB = B A;
A + v = B.
(1)
J. Rodrguez Pi
nero: Tensores y geometra diferencial, 1998; D.A. Danielson: vectors
and tensors in engineering, 1991; G.E. Hay: Vector and tensor analysis, 1953.
3
u
v
u+v
v+u
u
Figura 2: Regla del paralelogramo para la suma de vectores: A + (u + v) =
(A + u) + v; comprobamos la conmutatividad, u + v = v + u
ra elementos a, b, c V y , R, son
a + b = b + a,
(a + b) + c = a + (b + c),
0 | a + 0 = a,
(a) | a + (a) = 0;
(a + b) = a + b,
( + )a = a + a,
(a) = ()a,
1 a = a.
(2)
1.2.
(3)
|a|= aa,
interpretandose como la distancia entre los puntos origen y final del mis
mo, |a|= |AB|= dist(A, B). Como consecuencia de los axiomas anteriores se
obtienen diversas propiedades interesantes, como la desigualdad de CauchySchwartz,
|ab| |a||b|.
a
Figura 3: Producto escalar de dos vectores
Por otra parte, el producto escalar puede interpretarse geometricamente
como
ab = |a| |b|cos ,
(4)
siendo el angulo formado por a y b. Cuando el producto escalar de dos
vectores es nulo (a b = 0) se dice que son normales o perpendiculares.
El producto vectorial de vectores es una operacion hemisimetrica (antisimetrica) entre vectores, simbolizada por una cu
na (), cuyo resultado es
otro vector (a b V), con las propiedades:
b a = a b,
(a + b) c = (a c) + (b c),
a(a b) = 0,
(a b)(a b) = (aa)(bb) (ab)2 0.
(5)
El producto vectorial se interpreta geometricamente como un vector perpendicular al plano formado por los dos vectores que se multiplican, orientado
seg
un la regla de la mano derecha (sentido del pulgar cuando el ndice va del
primer vector al segundo), y cuya magnitud es
|a b|= |a||b||sen |,
es decir el area del paralelogramo formado por los dos vectores.
ab
b
(6)
(8)
1.3.
Bases y coordenadas
El espacio vectorial eucldeo V tiene dimension 3, es decir se puede establecer una base de 3 vectores linealmente independientes (e1 , e2 , e3 ) que
permite expresar un vector cualquiera v V como combinacion lineal,
v=
3
X
vp ep
p=1
(9)
= vp ep
= v1 e1 + v2 e2 + v3 e3 .
En esta formula y en lo que sigue, con objeto de simplificar la notacion, siempre que en un monomio haya un ndice repetido dos veces se entendera que
la expresion se suma sobre el rango del ndice, sin que sea necesario escribir
el smbolo del sumatorio, salvo que se indique expresamente lo contrario. Los
coeficientes (v1 , v2 , v3 ) se denominan coordenadas de v en la base (e1 , e2 , e3 ).
Se puede escoger esta base de forma que sea ortonormal, es decir formada
por vectores unitarios y mutuamente perpendiculares, verificandose
ei ej = ij .
(10)
3
x E se definen como las coordenadas del vector x = ox = p=1 xp ep .
En funcion de sus coordenadas en una base ortonormal, el producto escalar de dos vectores puede expresarse como
uv =
3
X
up vp = up vp .
(11)
p=1
(12)
de forma equivalente, podemos expresar la relacion de cambio de base mediante la ecuacion matricial
(e0i ) = (ei )[A],
2
Esta restricci
on da lugar a los denominados tensores cartesianos.
(13)
e0
e0
e3
e0
e2
e1
Figura 6: Cambio de base entre {ei } y la nueva base {e0i }, ambas ortonormales.
donde (ei ), (e0i ) indican matrices fila (1 3) con los vectores de la base, y
[A] = [aij ] es la matriz (3 3) con los coeficientes del cambio de base3 .
La expresion matricial anterior puede escribirse tambien de la forma
{e0i } = [A]T {ei },
(14)
(15)
vp ep e0j = vp apj ,
0
vej =
v 0 e0 e0 = v 0 = v 0 .
q q j
q qj
j
es decir,
vj0 = apj vp
(16)
Emplearemos la notaci
on (ai ) o (a) para indicar matrices fila, {bi } = (bi )T o {b} para
indicar matrices columna, y [cij ]
o [C] para otros tipos de matrices.
{v} = [A]{v}0 .
(17)
aip ajp = ij ,
(18)
1.4.
x
Figura 7: Una aplicacion lineal de R en R puede interpretarse geometricamente como una recta por el origen, definida por el valor de su pendiente
R (tensor de orden cero)
El siguiente tipo de aplicacion que consideramos es la que asocia a un
vector cualquiera u V un escalar, (u) R. La propiedad de linealidad
en este caso es (u + v) = (u) + (v). Esta propiedad precisamente
la verifica el producto escalar (3)3 , por lo que un vector cualquiera a define
una aplicacion lineal asociada, el producto escalar:
(u) = au.
Esta propiedad permite identificar los vectores como tensores de orden uno.
La siguiente extension logica a las aplicaciones que consideramos es la de
aplicaciones lineales de vectores en vectores, que como veremos a continuacion
se denominan
(19)
v V.
(20)
v V
(21)
v V
(23)
Otros autores suelen omitir el punto para indicar la accion de un tensor sobre un
vector, escribiendo exclusivamente T v en lugar de T v como aqu. Nosotros preferiremos
escribir explcitamente el punto para dejar claro que en la expresion indicial se contrae un
ndice, como veremos m
as adelante (25).
5
Aqu tambien la notaci
on que emplean otros autores para el producto de tensores es la
simple yuxtaposici
on de ambos smbolos, ST , aunque nosotros preferiremos escribir punto
() para enfatizar que en la expresion indicial se contrae un ndice entre ambos (27), de
forma similar a la aplicaci
on del tensor sobre un vector.
10
(i, j = 1, 2, 3).
(24)
vi = ei v = ei (Sup ep ) = Sip up .
(25)
(26)
v V.
(28)
u i = ai b p v p .
(29)
La expresion en componentes es
u = (a b) v
(30)
(31)
(32)
1.5.
11
(34)
(35)
(36)
(37)
(38)
(39)
aT = T T a,
(40)
12
x2
u
P u
x1
Figura 8: Tensor proyeccion sobre el eje Ox1
Ejemplos. Citaremos algunos ejemplos sencillos de tensores, desarrollados por simplicidad en dimension 2:
1. Proyeccion sobre una recta o plano dado. Sea la proyeccion sobre el
eje Ox1 (definido por el vector e1 por el origen de coordenadas) Es
facil verificar que la aplicacion de proyeccion cumple los requisitos de
linealidad que definen a los tensores. Podemos obtener las componentes
aplicando la regla al efecto (24):
P11 = e1 (P e1 ) = e1 e1 = 1; P12 = e1 (P e2 ) = 0;
P21 = e2 (P e1 ) = 0; P22 = e2 (P e2 ) = 0.
1 0
[P ] =
0 0
2. Rotacion de angulo . Es facil comprobar tambien la linealidad de esta
aplicacion, por lo que constituye un tensor que denominamos R (figura 9). Las componentes se hallan de la misma forma que antes:
R11 = e1 (Re1 ) = e1 (cos e1 + sen e2 ) = cos ;
R12 = e1 (Re2 ) = e1 ( sen e1 + cos e2 ) = sen ;
R21 = e2 (Re1 ) = sen ; R22 = e2 (Re2 ) = cos .
cos sen
[R] =
sen cos
1.6.
13
x2
Ru
u
x1
Figura 9: Tensor rotacion de angulo
cambio definido es equivalente a la actuacion de un tensor A que transforma
los vectores de la antigua base en los de la nueva:
e0i = A ei .
(41)
AT A = 1.
(44)
El tensor A asociado a un cambio de bases ortonormales es por tanto ortogonal. Si ademas de un triedro a derechas produce otro triedro igualmente a
derechas, se denomina ortogonal propio o rotaci
on. En caso contrario producira una rotacion seguida de una reflexion respecto de un plano del triedro.
Mas abajo (apartado 1.10) veremos que una condicion equivalente para el
tensor ortogonal sea propio es que su determinante valga +1.
Sea un cambio de base definido por las expresiones tensoriales (41) o de
forma equivalente, por las expresiones algebraicas (42). Un tensor T define
una aplicacion lineal en V,
v = T u,
(45)
que expresada en unas u otras coordenadas resulta en las siguientes ecuaciones matriciales:
{v} = [T ]{u},
{v}0 = [T ]0 {u}0 .
(46)
14
(47)
por lo que
[T ]0 = [A]T [T ][A]
1.7.
(48)
Coeficientes de permutaci
on
(49)
(50)
ijk = 1 si la permutacion (i, j, k) es impar:
0
si en (i, j, k) alg
un ndice esta repetido.
Se comprueba facilmente la propiedad de hemisimetra para los coeficientes,
jik = ijk ;
ikj = ijk .
(51)
(52)
(53)
1.8.
15
1.9.
La forma bilineal asociada a un tensor hemisimetrico es igualmente hemisimetrica. En efecto, aplicando la definicion de tensor traspuesto (33) a un
tensor W hemisimetrico, que verifica W T = W :
u(W v) = v(W T u) = v(W u) u, v V.
(56)
i, j = 1, 2, 3.
(57)
w V, W x = w x x V.
(58)
(59)
rpq wr xp = Wqp xp ,
(60)
Wij = wp pji .
(61)
e igualando estas,
por lo que
Asimismo, se puede invertir esta relacion para obtener
1
wi = piq Wpq .
2
(62)
16
w1
{w} = w2 ,
w3
1.10.
b
W = w = w
m
(63)
0
w3 w2
b = w3
0
w1 .
[W ] = [w]
w2 w1
0
(64)
Determinante de un tensor
(65)
(66)
Se trata igualmente de una operacion tensorial intrnseca, por lo que el resultado es el mismo independientemente de la base empleada para calcular
las coordenadas. Es por tanto otro invariante del tensor.
El determinante tiene las propiedades siguientes.
1. Un tensor cuyo determinante es no nulo posee siempre inverso:
det T 6= 0
T 1 | T T 1 = 1.
(67)
det T 1 =
1
.
det T
(69)
(71)
1.11.
17
Autovalores y descomposici
on espectral
Dado un tensor S pueden existir ciertas direcciones privilegiadas, definidas por el correspondiente vector unitario u, en las que la transformada del
vector sea paralela al mismo:
Su = u,
(72)
T12 T13 1
0 T22 T23 0 = 0 .
0 T32 T33
0
0
Descomposici
on espectral de un tensor sim
etrico. Si un tensor
S es simetrico, tiene tres autovalores reales, propiedad que enunciamos
sin demostrar. Los autovectores correspondientes a dos autovalores distintos son mutuamente ortogonales. En efecto, sean dos parejas de autovectores/autovalores (u, ), (v, ), con 6= . Aplicando la propiedad de simetra
de S (ver apartado 1.5):
v(Su) = uv
, y restando ambas: 0 = ( )uv, uv = 0.
u(Sv) = vu
En consecuencia, para todo tensor simetrico puede escogerse una base ortonormal en que todas las direcciones sean principales, denominada base principal o triedro principal, (p1 , p2 , p3 ).
Para un tensor simetrico, la matriz de componentes en el triedro principal
sera por tanto
1 0 0
[S] = 0 2 0 .
0 0 3
18
3
X
r pr pr
(73)
r=1
= 1 p1 p1 + 2 p2 p2 + 3 p3 p3 .
Es facil comprobar que el cuadrado de un tensor simetrico tiene los mismos vectores propios, mientras que los valores propios son los cuadrados. En
efecto, para p principal,
S 2 p = S(Sp) = S(p) = 2 p,
por lo que su descomposicion espectral sera
2
S =
3
X
2r pr pr ,
p=1
S =
3
X
nr pr pr .
p=1
S=
3 p
X
r pr pr .
p=1
3
X
er pr pr ,
p=1
3
X
ln(r ) pr pr .
p=1
C
alculo de los autovalores. El calculo de los autovalores de un tensor S se realiza considerando que el determinante de la denominada matriz
caracterstica debe ser nulo,
Sp = p
(S 1)p = 0
det(S 1) = 0.
19
La expresion anterior constituye un polinomio de orden 3, denominado polinomio caracterstico, cuyo desarrollo es
det(S 1) = P () = 3 + I1 (S)2 I2 (S) + I3 (S),
(74)
(75)
(76)
Habr
a un autovalor real o bien tres autovalores reales, ya que las soluciones complejas
vienen en parejas conjugadas.
20
Descomposici
on espectral de un tensor hemisim
etrico. En el apartado 1.9 se vio que un tensor hemisimetrico tiene u
nicamente tres componentes no
nulos y puede caracterizarse por un vector axial asociado.
Sea un tensor hemisimetrico W . La propiedad de hemisimetra (56) aplicada
para u = v = a obliga a
a(W a) = 0.
(77)
Por otra parte, sabemos que W , como todo tensor, tiene al menos un autovalor
real. Sea un autovalor de W , y el vector propio asociado (unitario) p. De la
ecuacion (77) se deduce que = 0, por lo que W tendra un u
nico autovalor real
nulo, o bien los tres autovalores nulos (en cuyo caso se reducira al tensor nulo que
carece de interes). Sean q y r dos vectores unitarios que forman junto con p un
triedro ortonormal a derechas:
p = q r,
q = r p,
r = p q,
[p, q, r] = 1.
(78)
0 0 0
[W ] = 0 0 .
0 0
Podemos comprobar (se deja como ejercicio) que el vector axial es precisamente
w = p, de forma que para cualquier vector a
W a = p a.
Tambien es inmediato observar que los invariantes son
I1 (W ) = 0,
I2 (W ) = 2 ,
I3 (W ) = 0,
por lo que la ecuacion caracterstica resulta (2 + 2 ) = 0 que solo tiene una raz
real ( = 0).
Descomposici
on espectral de un tensor ortogonal. Consideramos
un tensor Q ortogonal, que verifica por tanto QT Q = 1. Tomando determinantes
en esta expresion,
det QT Q = (det QT ) (det Q) = (det Q)2 = det(1) = 1
det Q = 1. (79)
El caso en que sea det Q = +1 se denomina tensor ortogonal propio, correspondiendo a una rotaci
on rgida (ver apartado 1.5). Este tensor aplicado a un triedro
ortonormal a derechas produce una nueva base rotada que es tambien ortonormal
a derechas.
21
(80)
(81)
p(Qp) = 1.
Por consiguiente, las parejas de vectores (q, r) y (Qp, Qr) son ortogonales entre
s y con p. La configuracion de estos vectores admite una interpretacion geometrica,
mediante una rotacion de un determinado angulo en el plano perpendicular a p,
como se indica en la figura 10. El resultado anterior permite interpretar un tensor
r
Qr
Qq
(82)
22
1
0
0
[Q] = 0 cos sen .
0 sen cos
Por u
ltimo, observamos que los invariantes de Q son
I1 (Q) = I2 (Q) = 1 + 2 cos ,
I3 (Q) = 1,
1.12.
Teorema de Cayley-Hamilton
Este teorema afirma que todo tensor de 2.o orden que posea tres autovalores reales satisface su propia ecuaci
on caracterstica, es decir,
S 3 I1 (S)S 2 + I2 (S)S I3 (S)1 = O.
(83)
3
X
r=1
3
X
pr pr ,
S=
2r pr pr ,
r=1
S3 =
3
X
r=1
3
X
r pr pr ,
3r pr pr .
r=1
(3r I1 2r + I2 r I3 )pr pr = O.
{z
}
|
=0
C
alculo del inverso de un tensor. Sea un tensor A con tres autovalores, e
invariantes (I1 , I2 , I3 ). Aplicando (83) y multiplicando por A1 ,
A2 I1 A + I2 1 I3 A1 = O,
de donde despejamos:
A1 =
1
(A2 I1 A + I2 1).
I3
2.
23
(84)
2
1
C (I12 I2 )C I1 I3 1 .
I3 I1 I2
1.13.
Descomposici
on sim
etrica - hemisim
etrica
24
La accion de un tensor simetrico sobre un vector, empleando la descomposicion espectral del tensor (74), puede interpretarse como una distorsi
on
ort
otropa del vector, en la cual cada coordenada seg
un las direcciones principales se ve multiplicada por el autovalor (coeficiente de alargamiento) correspondiente:
!
X
X
Sx =
r pr pr (xq pq ) =
r xr pr .
(85)
r
1.14.
Descomposici
on Polar
T
T
dradas U = F F y V = F F . Definimos entonces R = F U 1 ,
comprobandose que es ortogonal:
RT R = U T F T F U 1 = U 1 U 2 U 1 = 1.
Por otra parte,
det(R) = det(F ) det(U 1 ) > 0,
por lo que sera entonces det(R) = +1 correspondiendo a una rotacion.
La interpretacion de esta descomposicion permite comprender mejor la
accion de un tensor sobre un vector determinado. La descomposicion por la
izquierda (86)1 consiste en efectuar primero una distorsion del mismo (U )
seguida de una rotacion (R):
F x = R(U x).
La rotacion al tratarse de un tensor ortogonal preserva la magnitud de x,
(Rx) (R x) = x(RT R)x = xx,
25
1.15.
26
Para el ejemplo anterior, puede comprobarse como ejercicio que las componentes son
(CA )ijkl = Aik jl ,
pudiendose escribir tambien como
C A = Apr qs ep eq er es .
Algunos tensores importantes de 4.o orden.
1. El tensor identidad tiene por componentes
Iijkl = ei ej :I:ek el = ei ej :ek el = ik jl
2. El tensor de trasposici
on, definido mediante J (S) = S T , tiene por
componentes
Jijkl = ei ej :J :ek el = ei ej :el ek = il jk
3. El tensor de proyeccion desviadora, que se define mediante
1
D = I 1 1,
3
1
Dijkl = ik jl ij kl ,
3
y opera de la manera siguiente:
T 0 = D:T = T
1
tr(T )1,
3
1
Tij0 = Tij Tpp ij .
3
2.
C
alculo vectorial y tensorial
campo escalar;
: E D R, x 7 (x),
3
v : E D V, x 7 v(x),
campo vectorial;
27
2.1.
/x1
{} =
= /x2
xi
/x3
,1
= {,i } = ,2
,3
lm
28
up =
u1 +
u2 +
u3
xp
x1
x2
x3
= ,p up = ,1 u1 + ,2 u2 + ,3 u3 .
Por u
ltimo, a efectos de recordatorio para la notacion, puede pensarse en
el smbolo como un vector cuyas componentes sean
/x1 1
=
= /x2 = 2 ,
xi
/x3
3
de forma que en la notacion funciona como un operador,
/x1
/x1
= /x2 = /x2 .
/x3
/x3
2.2.
v2 (x) = v2 (x1 , x2 , x3 ),
v3 (x) = v3 (x1 , x2 , x3 ).
La derivada o gradiente del campo vectorial en un punto x es una aplicacion v(x) tal que su valor para una direccion cualquiera, definida por el
vector u, es el vector
v(x + hu) v(x)
= v(x)u.
h0
h
lm
(88)
v
(x).
x
29
2.3.
(90)
Hacemos notar que el operador divergencia esta asociado a la parte simetrica del gradiente v, ya que v = tr(v) = tr(v T ).
7
30
(92)
31
(93)
Por otra parte, la misma definicion podemos aplicarla para el Laplaciano de un campo vectorial, solo que en esta ocasion obtendremos un campo
vectorial:
v = (v) = vp,qq ep .
(94)
Como ejemplo de aplicacion, puede comprobarse que si la divergencia y
el rotacional de un campo vectorial son nulos tambien lo sera el Laplaciano.
En efecto, veamos en primer lugar que (v T ) = (v):
(v T ) = vp,qp eq = vp,pq eq = (v);
Por otra parte, al ser v = 0, sera v = v T , y por tanto
v = (v) = (v T ) = (v) = 0.
2.4.
Teorema de la divergencia
Z
v dV,
vn dA =
ZB
ZB
vp np dA =
(95)
x3
B
vp,p dV.
B
x2
x1
El primer termino de la igualdad anterior se denomina flujo del campo
vectorial v a traves de la superficie B. El teorema de la divergencia permite
transformar una integral de volumen en una integral de superficie, es decir
en una region de una dimension menos.
32
n(S T a) dA;
B
T
2.5.
Teorema de Stokes
Consideramos ahora una superficie no cerrada , con borde . Supondremos que la curva no se corta a s misma, es suave y acotada. Por su parte,
es suave a tramos, acotada y orientable.
El teorema de Stokes afirma que: dado un campo vectorial v suave, definido en un dominio que contenga a ,
Z
Z
( v)n dA = vt ds.
(97)
33
x3
x2
x1
Figura 11: Superficie y borde en el teorema de Stokes.
Tomando el lmite al tender a cero y aplicando el teorema de Stokes (97)
resulta
Z
1
lm
vt ds = ( v)(y)n(y) = | v(y)|.
0 area( )
n
y
x2
x1
Figura 12: Interpretacion del rotacional como la circulacion en un disco
tado normalmente al rotacional y normalizada al dividir por el area del disco,
es igual a la magnitud (norma) del rotacional. Si el campo v correspondiera
a las velocidades de un fluido, y pusieramos un peque
no molinillo en el seno
del mismo, el giro del mismo nos medira la circulacion del campo y por lo
tanto el rotacional. Si el molinillo no gira para ninguna orientacion del eje
del mismo, el campo de velocidades (flujo del fluido) tiene rotacional nulo, se
denomina por tanto irrotacional.
2.6.
34
= (A) + h
U11 + h
U12
A11
A12
+ ... + h
U33 + O(h2 )
A33
= (A) + hDA:U + O(h2 ),
donde
def
(A) =
(A)ep eq .
A
Apq
El resultado anterior justifica la siguiente definicion para la derivada direccional en la direccion de U :
(A + hU ) (A)
lm
= D(A):U ,
(98)
h0
h
siendo D(A) = /A (A) la derivada de (A) en el punto A, que constituye un tensor de segundo orden.
D(A) =
1 Apq
1
Apq
(A) =
Apq + Apq
,
Aij
2 Aij
2
Aij
y observando que Apq /Aij
A11
= 1,
A11
se tiene entonces
(A) =
Aij
por lo que
= pi qj , es decir,
A11
A11
= 0,
= 0,
A12
A13
etc.,
1
1
pi qj Apq + Apq pi qj = Aij ,
2
2
D(A) = A.
35
D det(A) = det(A)AT .
(99)