Documente Academic
Documente Profesional
Documente Cultură
Aznar
Dpto. de lgebra
1.
2.
3.
6
7
7
8
9
9
9
9
10
10
11
12
12
13
13
Pgina de Abertura
Contenido
JJ
II
Pgina 1 de 64
Atrs
Pantalla grande/pequea
Cerrar
4.
5.
Corolario 1
Lema 7
Definicin 3
Corolario 2
Ejemplo 4
El grupo ortogonal O(n).
Definicin 4
Corolario 3
Ejemplo 5
Definicin 5
Interpretacin geomtrica de O(2).
Corolario 4
Lema 8
Ejemplo 6
Definicin 6
Definicin 7
Corolario 5
Lema 9
Ejemplo 7
Definicin 8
Corolario 6
Definicin 9
Ejemplo 8
13
14
14
14
15
16
16
18
19
20
20
20
21
21
23
23
23
24
24
26
26
26
26
Enrique R. Aznar
Dpto. de lgebra
JJ
II
Pgina 2 de 64
Atrs
Pantalla grande/pequea
Cerrar
6.
7.
8.
27
27
27
28
29
29
29
29
30
30
31
33
33
33
34
34
35
36
37
37
37
37
38
Enrique R. Aznar
Dpto. de lgebra
JJ
II
Pgina 3 de 64
Atrs
Pantalla grande/pequea
Cerrar
9.
10.
11.
12.
13.
Definicin 16
Teorema 3
Ejemplo 13
Ejemplo 14
Ejemplo 15
rea de paralelogramos.
Lema 14
Lema 15
Ejemplo 16
Ejemplo 17
Nmero de condicin de una matriz.
Definicin 17
Ejemplo 18
Ejemplo 19
Lema 16
Ejemplo 20
Apndice 1. Valores propios de un producto de matrices.
Ejemplo 21
Teorema 4
Ejemplo 22
Apndice 2. Una aplicacin estadstica de la SVD.
Ejemplo 23
Ejercicios.
38
38
38
39
39
40
41
42
43
43
44
44
44
45
46
47
48
48
53
53
55
57
59
Enrique R. Aznar
Dpto. de lgebra
JJ
II
Pgina 4 de 64
Atrs
Pantalla grande/pequea
Cerrar
Ejercicio 1
Ejercicio 2
Ejercicio 3
Ejercicio 4
Ejercicio 5
Ejercicio 6
Ejercicio 7
Ejercicio 8
Ejercicio 9
Ejercicio 10
14. Test de repaso.
59
59
59
60
60
60
60
61
61
61
61
Enrique R. Aznar
Dpto. de lgebra
JJ
II
Pgina 5 de 64
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
Dada una matriz cuadrada real, A = (ai j ) Mn (R), sus autovalores son las
races de su polinomio caracterstico
a 11
a 12
a 21
a
22
p() = |A I | = ..
.
..
.
a n1
a n2
.. =
..
.
.
. . . a nn
a 1n
a 2n
...
...
= (1)n n + (1)n1 p n1 n1 + + p 0
Contenido
JJ
II
Pgina 6 de 64
n1
n1
p n1
Atrs
Pantalla grande/pequea
+ + p 0 = (1) ( 1 ) ( n )
1Hay frmulas para los dems coeficientes aunque son mas complicadas.
2Todas sus demostraciones tienen una parte que cae fuera del alcance de estas notas.
Cerrar
Enrique R. Aznar
Dpto. de lgebra
p n1 = t r (A) = a 11 + + a nn = 1 + + n
p 0 = det(A) = 1 n
Pgina de Abertura
Contenido
JJ
II
Demostracin:
1) Av = v implica A(v) = (v).
2) Av = v implica (A)v = ()v .
Pgina 7 de 64
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
1
v.
3) Av = v implica v = (A v) = A v =
4) Av = v implica, por induccin, A k v = k v .
5) |A I | = |(A I )t | = |A t I |.
1
Pgina de Abertura
|B A I | = 0
Contenido
JJ
II
Pgina 8 de 64
Atrs
Pantalla grande/pequea
Cerrar
1
1
1 1 1
Ejemplo 1. Dadas las matrices A =
y B = 0 1,
0 0 1
0
1
1 1
2
1 1
1 0
1 2
1
Ejemplo 2. Dadas las matrices A =
y B = 0 1,
0
1 1
1 1
1 2
1
0 1
Enrique R. Aznar
Dpto. de lgebra
JJ
II
Pgina 9 de 64
Atrs
Pantalla grande/pequea
Cerrar
Dada una base, B = {e 1 , . . . , e n } de V , por definicin, la matriz de un endomorfismo, A = (ai j ), por columnas son las coordenadas de f (e 1 ), . . . , f (e n )
respecto de la propia base.
Enrique R. Aznar
Dpto. de lgebra
JJ
II
Pgina 10 de 64
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
Ay = bx + a y
Entonces
Ax y = (ax b y) y = a(x y) bkyk2
x Ay = x (bx + a y) = bkxk2 + a(x y)
Pgina web personal
restando
2
0 = x Ay Ax y = b(kxk + kyk )
finalmente, como kxk2 + kyk2 6= 0, b = 0 y = a R es real.
10 6
Ejemplo 3. Dada la matriz, A =
, su polinomio caracterstico es
6
5
10
6
p() =
= 2 15 + 14 = ( 1)( 14) = 1, 14 R.
6 5
Pgina de Abertura
Contenido
JJ
II
Pgina 11 de 64
U = V1 Vr V = Rn
Pantalla grande/pequea
Cerrar
7El espectro tiene tamao r n . Pero contados con su multiplicidad, en total, dan n .
Atrs
Enrique R. Aznar
Dpto. de lgebra
f (v) u = v f (u) = 0
U = V1 Vr = Rn
Pgina de Abertura
Contenido
JJ
II
Pgina 12 de 64
Atrs
Pantalla grande/pequea
u f (v) = u (v) = (u v)
Cerrar
3. C ONGRUENCIA - SEMEJANZA .
Enrique R. Aznar
Dpto. de lgebra
Por lo anterior, dada una matriz simtrica real A , podemos aplicar el mtodo
de Gram-Schmidt, para obtener una base ortonormal para cada V .
Por el lema anterior, su unin ser una base de Rn , formada por autovectores
ortonormales. La matriz por columnas de estos vectores, P , es una matriz
ortogonal, P t = P 1 , tal que diagonaliza A . O sea,
1
..
P AP = D = .
0
...
..
..
.
Pgina de Abertura
. . . r
Contenido
JJ
II
Pgina 13 de 64
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
uv
g (u) g (v)
=
= cos((g (u), g (v)))
kukkvk kg (u)kkg (v)k
Pgina de Abertura
Contenido
JJ
II
uv =
ku + vk
kg (u) + g (v)k
=
= g (u) g (v)
2
2
2(kuk + kvk ) 2(kg (u)k2 + kg (v)k2 )
Pgina 14 de 64
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
10 6
10x 12x y + 5y = (x, y)
6
5
10 6
con A =
una matriz simtrica real.
6
5
2
x
= X t AX
y
p1
13
Contenido
3 2
.
2 3
JJ
II
x
3 2 x0
1
p
Por tanto, el cambio de base es X =
=
=PX0
13 2 3 y 0
y
As, diagonalizamos
Pgina 15 de 64
0
2
2
t
0 t
0
0t t
0
0 0 14 0 x
10x 12x y+5y = X AX = (P X ) AP X = X P AP X = (x , y )
0 1 y0
C = (x 0 , y 0 ) R2 : 14x 02 + y 02 = 1
p1
14
y 1.
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
Contenido
JJ
II
Pgina 16 de 64
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
x1
.
f (u) = y 1 f (e 1 ) + + y n f (e n ) = ( f (e 1 ), . . . , f (e n )) .. = Au
xn
a11 ... a1n
donde A = ( f (e 1 ), . . . , f (e n )) = ... . . . ... es la matriz ortogonal cuyas colum-
Pgina de Abertura
Contenido
JJ
II
Pgina 17 de 64
Atrs
Pantalla grande/pequea
a n1 ... a nn
Cerrar
Enrique R. Aznar
Dpto. de lgebra
a b
t
1
O(2) = A =
M 2 (R) : A = A
c d
JJ
II
Pgina 18 de 64
Ahora, si A O(2)
1 0
a b a c
a + b 2 ac + bd
t
= I = AA =
=
0 1
c d b d
ac + bd c 2 + d 2
a 2 + b 2 = 1 = c 2 + d 2 ,
Contenido
ac + bd = 0,
ac = bd
Atrs
Pantalla grande/pequea
Cerrar
a b
O sea, se tiene que A SL(2) si, y slo si a + b = 1 y A =
b a
a b
SO(2) =
M 2 (R) : a 2 + b 2 = 1
b a
2
Enrique R. Aznar
Dpto. de lgebra
a
b
O sea, se tiene que A SL(2), A O(2) si, y slo si a +b = 1 y A =
b a
a
b
O(2) SO(2) =
M 2 (R) : a 2 + b 2 = 1
b a
2
0 1
0 1
1 0
1
0
,
,
,
SO(2)
1
0
1 0
0 1
0 1
0 1
0 1
1
0
1 0
,
,
,
O(2) SO(2)
1 0
1
0
0 1
0 1
cos() sin()
A=
SO(2)
sin()
cos()
JJ
II
Pgina 19 de 64
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
Adems, la primera columna, f (e 1 ) = (cos(), sin()), representa grficamente el vector e 1 (eje x ), girado grados en sentido levgiro12.
Anlogamente, la segunda columna, f (e 2 ) = ( sin(), cos()), representa
grficamente el vector e 2 (eje y ), girado grados en el mismo sentido.
Definicin 5. Una isometra definida por la matriz ortogonal A =
es llamada una rotacin levgira de ngulo .
cos() sin()
sin() cos()
a b
SO(2), se puede interpretar tambin como un
b a
giro en sentido dextrgiro. Basta tomar , tal que a = cos() y b = sin()14.
En realidad, A =
JJ
II
Pgina 20 de 64
Atrs
Pantalla grande/pequea
Cerrar
x1 x2
En efecto, si B =
, elegimos el nico ngulo [0, ] tal que
y1 y2
q
y1
x1
cos() = , sin() = , con r = x 12 + y 12 = k(x 1 , y 1 )k
r
r
O sea, tomamos la rotacin R tal que
x 1 /r y 1 /r x 1 x 2
r (x 1 x 2 + y 1 y 2 )/r
RB =
=
y 1 /r x 1 /r y 1 y 2
0 (x 1 y 2 y 1 x 2 )/r
Enrique R. Aznar
Dpto. de lgebra
1 1
Ejemplo 6. Para, A =
, con la rotacin asociada a su primera columna
1 1
p
p
p
p
1/p2 1/p2 1 1
2 2/ 2
R1 A =
=B
=
0
0
1/ 2 1/ 2 1 1
ahora, si definimos la rotacin, R 2 , asociada a la primera fila de B y multiplicamos a la derecha por su traspuesta, se diagonaliza
p
p p
p
2/2
1/
2
2 0
2 2/ 2
p
p
=D
R 1 AR 2 = B R 2 =
=
0 0
0
0 1/ 2
2/2
JJ
II
Pgina 21 de 64
Atrs
Pantalla grande/pequea
Cerrar
15
Enrique R. Aznar
Dpto. de lgebra
a b
= (a )2 + b 2 = 0 = (a )2 = b 2 = b = 0, a = 1
p() =
b
a
Consideramos ahora
inversa. O sea, A O(2) SL(2).
una isometra
a
b
con a 2 + b 2 = 1, tiene los autovalores
b a
b
= 2 a 2 b 2 = 0 = 2 = a 2 +b 2 = 1 = = 1, 1
p() =
b
a
En este caso, A =
Contenido
a 1
b
x
0
=
= x(a 1) = yb = (x, y) = (b, 1 a)
b
a 1 y
0
a +1
b
x
0
=
= x(a + 1) = yb = (x, y) = (b, 1 a)
b
a + 1 y
0
1
(b, 1 a), v = p 1 (b, 1 a), tenemos
Si los normalizamos, u = p22a
2+2a
u v = 0,
Au = u,
Av = v
JJ
II
Pgina 22 de 64
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
v = (x, y) R2 : a 1 x + a 2 y = 0
Contenido
II
1 0
a1
1 0
2a 12 2a 1 a 2
t
H = I 2v v =
2
(a 1 , a 2 ) =
=
0 1
a2
0 1
2a 1 a 2 2a 22
1 2a 12 2a 1 a 2
a 2 a 12 2a 1 a 2
=
=
O(2) SL(2)
2a 1 a 2 1 2a 22
2a 1 a 2 a 12 a 22
Atrs
Pantalla grande/pequea
Cerrar
16
Corolario 5. Las isometras inversas del plano eucldeo son sus reflexiones .
16En el plano afn, hay ms pero se reducen a stas.
Pgina 23 de 64
Enrique R. Aznar
Dpto. de lgebra
q
x1 x2
, con ku 1 k = x 12 + y 12 ,
y1 y2
tomamos q = (x 1 + sg (x 1 )ku 1 k, x 2 ) y lo normalizamos
En efecto, si B = {u 1 , u 2 } =
v=
1
(x 1 + sg (x 1 )kx 1 k, x 2 )
kqk
Pgina web personal
sg (x 1 )ku 1 k
t
Entonces, la reflexin H = I 2v v satisface que Hu 1 =
0
y hace cero por debajo de la diagonal de B .
Pgina de Abertura
Contenido
p
1 1
Ejemplo 7. Para, A =
, la norma de su primera columna es ku 1 k = 2
1 1
p
p
p
p
Entonces, q = (1 + 2, 1), kqk = 4 + 2 2 = v = p 1 p (1 + 2, 1)
4+2 2
p
1
1
1
1
1+ 2
t 1
H1
= (I 2v v )
=
(1 + 2, 1)
=
p
1
1
1
1
1
2+ 2
p
p
p p
2+ 2 1+ 2
1
1
1+ 2
2
=
=
p
1
1
1
1
0
2+ 2
JJ
II
Pgina 24 de 64
Atrs
Pantalla grande/pequea
Cerrar
p
p
p
p
2 2
Por tanto, H A =
Finalmente, como k( 2, 2)k = 2, existe
0
0
otra reflexin H2 que multiplicada por la derecha diagonaliza A .
p
p
(2) 0
2 0
2 2
H1 AH2 =
H2 =
=
0
0
0 0
0
0
Observamos, en este ejemplo, que la matriz diagonal es la misma17 del ejemplo 6 (donde se diagonaliza por rotaciones).
Si usamos reflexiones, no es necesario calcular explcitamente las matrices
de cambio H para obtener los productos y por tanto la diagonal. Adems,
conocemos de antemano la primera columna o fila del resultado.
As, para toda A M2 (R), existen matrices ortogonales18 U ,V O(2) tales
que
V t AU = D =
d1 0
0 d2
Enrique R. Aznar
Dpto. de lgebra
JJ
II
Pgina 25 de 64
t t
A A = (V DU ) V DU = U DV V DU = U DDU = U D U
17
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
Contenido
JJ
II
Pgina 26 de 64
1 1
5 3
2 3
t
t
, sus grammianas A A =
, A A=
Ejemplo 8. Para, A =
3 2
3 5
2 1
tienen los autovalores positivos {6.8541, 0.145898}. Sus races cuadradas
{2.61803, 0.381966} son los valores singulares de la matriz.
Atrs
Pantalla grande/pequea
Cerrar
a b
Las rotaciones del plano eucldeo, A =
SO(2), se pueden generb a
alizar a cualquier dimensin n . As, si a 2 + b 2 = 1, una matriz
1 ...
0 ... 0 ... 0
.. . .
..
..
..
.
.
.
.
.
0 . . .
a . . . b . . . 0
..
.
.
.
.
.
.
.
.
A= .
SO(n)
. .
.
.
0 . . . b . . . a . . . 0
..
..
.. . . ..
.
.
.
.
.
0 ...
0 ... 0 ... 1
Enrique R. Aznar
Dpto. de lgebra
representa una rotacin, tanto levgira como dextrgira, de dos de los ejes,
manteniendo iguales los n 2 restantes.
Definicin 10. Una matriz del tipo anterior es llamada una matriz de Givens.
Se dice que es una rotacin de los ejes i , j , respecto a los n 2 restantes.
JJ
II
Pgina 27 de 64
Atrs
Pantalla grande/pequea
1 0 0
a 0 b
a b 0
0 a b , 0 1 0 , b a 0
0 0 1
0 b a
b 0 a
Enrique R. Aznar
Dpto. de lgebra
1 ... 0
2a 12
.
.
. .
. .
H = .. . . . .. 2 .. (a 1 , . . . , a n ) = .. . . . .. ..
0 ... 1
an
0 ... 1
2a 1 a n
1 ... 0
a1
. . . 2a 1 a n
..
...
..
.
2a n2
Hu = u .
H v = v para todo v Rn tal que uv .
H = Ht.
H t = H 1 .
Demostracin:
Pgina de Abertura
Contenido
JJ
II
Pgina 28 de 64
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
d i m(u ) = n 1
al subesp. vect.
u = v Rn : u v = 0 = v = (x 1 , . . . , x n ) Rn : a 1 x 1 + + a n x n = 0
Definicin 11. Llamamos reflexin respecto de un hiperplano a un endomorfismo que tenga los autovalores 1, y 1, de multiplicidad geom. n 1.
Como dos endomorfismos coinciden si lo hacen sobre una base. Y por definicin, toda reflexin determina una base de autovectores de Rn . Entonces
Contenido
JJ
II
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
Anlogamente al caso bidimensional, multiplicando por matrices de Householder y/o Givens, se puede diagonalizar cualquier matriz19.
O sea, se puede diagonalizar con reflexiones y/o rotaciones cualquier matriz.
Una demostracin general es la siguiente.
Teorema 2. [de existencia de valores singulares (SVD)] Para toda A
M mxn (R), existen matrices U O(m), V O(n) tal que
V t AU = D
Contenido
d n2
II
Pgina 30 de 64
Atrs
Por Gram-Schimdt, podemos elegir, u 1 , . . . , u n Rn , autovectores ortonormales. As, Bu k = dk2 u k y por columnas U = (u 1 , . . . , u n ) es ortogonal nxn .
19
JJ
Pantalla grande/pequea
Cerrar
d k2 t
1
1
t t
t
=
u A Au k =
u Bu k =
u uk =
d j dk j
d j dk j
d j dk j
0, Si j =
6 k
1, Si j = k
= d k v tj v k
Enrique R. Aznar
Dpto. de lgebra
Pgina de Abertura
0,
Si j =
6 k
d k , Si j = k
Contenido
JJ
II
1 1
1 2 1 1
5 3
t
Ejemplo 11. Para, A =
, su grammiana A A =
=
,
2 1
1 1 2 1
3 2
tiene por ecuacin caracterstica p() = |A I | = (5 )(2 ) 32 =
2 7 + 1 = 0 cuyas races son los autovalores positivos
(
p )
p
7+3 5 73 5
,
= {6.8541, 0.145898}
2
2
20sta es la condicin. para la correspondencia entre autovectores izquierda y derecha.
Pgina 31 de 64
Atrs
Pantalla grande/pequea
Cerrar
Si para cada valor propio, se resuelven los s.l. y se normalizan sus soluciones se obtienen los vectores propios u 1 , u 2 que escritos por columnas dan
la matriz U tal que = U t A t AU es diagonal21. O sea,
Enrique R. Aznar
Dpto. de lgebra
=
0.525731 0.850651 3 2 0.525731 0.850651
0
0.145898
1.37638 0.32492
Entonces, B = AU =
y se tiene B t B = U t A t AU = .
2.22703 0.200811
Por tanto, las columnas de B son vectores ortogonales pero en general no
unitarios (su norma son las races cuadradas de los valores propios de A t A ).
Estas races
p cuadradas
p positivas son los llamados valores singulares de A
{d 1 , d 2 } = { 6.8541, 0.145898} = {2.61803, 0.381966}
por d 1 y d 2 , obtenemos
0.525731 0.850651
cuyas columnas son los
0.850651
0.525731
vectores unitarios v 1 , v 2 de la demostracin. Adems, por la definicin de V
la matriz ortogonal V =
=V D
0.850651
0.525731
0
0.381966
JJ
II
Pgina 32 de 64
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
1 1
0.525731 0.850651 2.61803
0 0.850651 0.525731
=
2 1
0.850651
0.525731
0 0.381966
0.525731 0.850651
U y V en una SVD no son nicas, los d 1 d p 0 si lo son. En efecto,
A t A = (V DU t )t V DU t = U DV t V DU t = U DDU t = U D 2U t
A A t = V DU t (V DU t )t = V DDV t = V D 2V t
Pgina de Abertura
Contenido
JJ
II
Pgina 33 de 64
Atrs
Pantalla grande/pequea
Cerrar
Como las matrices ortogonales U = (u 1 , . . . , u n ) y V = (v 1 , . . . , v m ) representan cambios de base ortonormales, desde la cannica.
Enrique R. Aznar
Dpto. de lgebra
Como una a.l., f , definida por una matriz diagonal, con entradas no negativas, es una dilatacin/contraccin de ejes coordenados.
El corolario nos dice que toda f es esencialmente una dilatacin/contraccin.
2 3
58 57
t
7
6
Ejemplo 12. Para, A = 2 0 , su grammiana A A =
tiene los auto57 126
1 9
valores positivos {158.37, 25.6298} y sus races cuadradas {12.5845, 5.06259}
son los valores singulares de A .
0.869563
Los autovectores de A t A son las columnas de U = 0.493823
0.869563 0.493823 .
Ahora, para hallar la matriz
V , lo que hacemos es calcular el producto
AU =
3.59633 0.257657
8.67413 3.124
0.987645 1.73913
8.31989 3.57484
2 3
7 6
2 0
1 9
0.0508943
0.68927 0.617076
0.078481 0.343525
0.661121 0.706129
12.5845
0
0
5.06259
0.493823 0.869563
0.869563 0.493823
Pgina de Abertura
Contenido
JJ
II
Pgina 34 de 64
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
2 3
A=
7 6
2 0
1 9
0.0508943
0.68927 0.617076
0.078481 0.343525
0.661121 0.706129
12.5845
0
0
0
0
5.06259
0
0
0.493823 0.869563
0.869563 0.493823
= V1 D 1 U t
D 1 D 1t
12.58452
0
0 0
0
5.062592 0 0
0
0
0 0
0
0
0 0
158.37
0
0
0
0
25.6298
0
0
0
0
0
0
0
0
0
0
es diagonal
Cuando una matriz cuadrada A tiene determinante positivo se puede conseguir que las matrices U y V sean de rotaciones. Si A tiene determinante
negativo, son una rotacin y una reflexin. Adems, siempre se tiene que
Lema 11. Si r n es tal que d r 6= 0 y d r +1 = 0. Entonces,
1)
2)
3)
4)
rango(A) = r .
A = (v 1 , . . . , v r )diag{d 1 , . . . , d r }(u 1 , . . . , u r )t .
N (A) = L(u r +1 , . . . , u n ) es el esp. nulo de A .
C (A) = L(v 1 , . . . , v r ) es el esp. de columnas de A .
Demostracin:
22Porque U es una matriz ortogonal de determinante 1.
JJ
II
Pgina 35 de 64
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
r
X
k=1
d k v k u kt = (v 1 , . . . , v r )diag{d 1 , . . . , d r }(u 1 , . . . , u r )t
Contenido
JJ
II
Pgina 36 de 64
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
Contenido
JJ
II
Lema 12. AB A = A,
B AB = B .
Atrs
Pantalla grande/pequea
Cerrar
Por lo anterior, toda matriz tiene una inversa de Moore-Penrose. Pero, adems
Enrique R. Aznar
Dpto. de lgebra
Pgina de Abertura
Contenido
II
Aunque no lo demostramos aqu, dado un s.l. de ecuaciones AX = b , compatible o incompatible, siempre se tiene que
Pgina 38 de 64
1 1
Ejemplo 13. A =
, es simtrica real. Por tanto, diagonalizable por
1 1
congruencia-semejanza.
1 1
0.707107 0.707107 2 0
0.707107 0.707107
=
1 1
0.707107
0.707107 0 0 0.707107 0.707107
Atrs
Pantalla grande/pequea
Como sus autovalores 2, 0 son no negativos, la matriz es semidefinida positiva y su SVD coincide con la descomposicin anterior.
Cerrar
x+y = 1
Ejemplo 14. El s.l.
es incompatible porque el rango de la
x + y = 1
1 1
matriz A =
es uno y el de su matriz ampliada es dos.
1 1
Enrique R. Aznar
Dpto. de lgebra
0.25 0.25
A b=
0.25 0.25
1
0
=
1
0
x+y = 1
x+y = 1
JJ
II
Pgina 39 de 64
0.25 0.25 1
0.5
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
9. REA DE PARALELOGRAMOS .
2
Empezaremos
reas de paralelogramos
calculando
en R .
Sean u =
a c
a
c
,v=
R2 y A = (u, v) =
la matriz que definen. El
b
d
b d
y
Pgina web personal
Pgina de Abertura
Contenido
T3
T2
d
T
T1
a
T3
T2
T
T1
x
II
d
Pgina 40 de 64
=
2
2
2
ab + cd + (ad + bc ab cd )
ad + bc ad bc
= ad
= ad
=
=T
2
2
2
R = ad = T + T1 + T2 + T3 T = ad
JJ
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
S = 2T = ad bc = |A|
a c
a
|A| =
= v u = kv kkukcos() = kvkkhk
= ad bc = (d , c)
b d
b
p
donde kv k = c 2 + d 2 = kvk es la longitud de la base
khk = kuk cos() es la longitud de la proyeccin de u = (a, b) sobre v .
O sea, khk es la altura del paralelogramo.
Finalmente, el signo depende de cos() y es el signo del determinante.
Los razonamientos anteriores sirven para todo u, v R2 . As
JJ
II
Pgina 41 de 64
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
con u . O sea,
(u v) u = 0 (u u) = v u = u v
u u u v u u u v u
u v v v u v v v v (u, v) |A t A|
=
=
=
=
h2 =
u u 0
u u
kuk2
kuk2
u v 1
p
= |A t A| = h 2 kuk2 = S = hkuk = |A t A|
p
Lema 15. S = |A t A| es el rea del paralelogramo formado por u , v .
JJ
II
Pgina 42 de 64
Atrs
Pantalla grande/pequea
Cerrar
|A t A| =
|A t | |A| =
|A t A|,
2
Ejemplo 16. Dada la matriz A = 1
1
mado por sus columnas, u = (2, 1, 1) y
2
0 el rea del paralelogramo for1
v = (2, 0, 1), se calcula como la raz
Enrique R. Aznar
Dpto. de lgebra
p
p
u u u v 6 5
t
= 30 25 = 5 = S = |A t A| = 5 = 2.23607
|A A| =
=
uv v v
5 5
Contenido
JJ
II
Pgina 43 de 64
2
1
Ejemplo 17. Dada la matriz A =
0
1
2
0
el rea del paralelogramo formado
1
1
p
p
u u u v 6 5
t
= 3625 = 11 = S = |A t A| = 11 = 3.31662
|A A| =
=
u v v v 5 6
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
V t AU = D
es diagonal mxn con entradas d1 d p 0 con p = min{m, n}.
Pgina de Abertura
Contenido
d1
1
dr
Si k(A) >> 1, es mucho mayor que 1, decimos que A est mal condicionada.
Si por el contrario, k(A) 124 decimos que A est bien condicionada.
a b
Ejemplo 18. Dada la matriz de una rotacin arbitraria A =
, con
b
a
a 2 + b 2 = 1, sabemos que tiene autovalores complejos conjugados, ya que
a b
= (a )2 + b 2 = 0 = (a )2 = b 2 =
p() =
b
a
p
= = a b 2 = a bi
24Prximo a uno.
JJ
II
Pgina 44 de 64
Atrs
Pantalla grande/pequea
Cerrar
los
p dos autovalores son nmeros complejos de norma uno, k1 k = k2 k =
a 2 + b 2 = 1. O sea, pertenecen a la circunferencia unidad.
Enrique R. Aznar
Dpto. de lgebra
a b
A A=
b a
t
a b
1 0
=
b
a
0 1
a
b
Ejemplo 19. Dada la matriz de una reflexin arbitraria A =
, con
b a
a 2 + b 2 = 1, sabemos que tiene los autovalores 1 y 1.
JJ
II
At A =
a
b
b a
a
b
1 0
=
b a
0 1
Pgina 45 de 64
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
Demostracin:
Contenido
JJ
II
Pgina 46 de 64
Atrs
Pantalla grande/pequea
Cerrar
3 1
Ejemplo 20. La matriz A =
, es simtrica real y definida positiva.
1 1
Tiene dos autovalores reales positivos, que son 1 = 3.41421 y 2 = 0.585786.
Enrique R. Aznar
Dpto. de lgebra
Por tanto, coinciden con sus valores singulares. As, el nmero de condicin
de esta matriz es
kA =
3.41421
= 5.82843
0.585787
Pgina de Abertura
3 1
0.92388 0.382683 3.41421
0 0.92388 0.382683
=
1 1
0.382683 0.525731
0 0.525731 0.382683 0.850651
25
Contenido
JJ
II
Pgina 47 de 64
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
Por definicin, para que una matriz tenga valores propios tiene que ser la
matriz de un endomorfismo. O sea, tiene que ser una matriz cuadrada26.
Por tanto, para que el producto, AB , de dos matrices tenga autovalores, hace
falta que tengan dimensiones simtricas m n y n m .
De forma que ambos productos, A B de dimensin m m y B A de dimensin n n son matrices cuadradas y se pueden comparar sus autovalores.
a 11 . . . a 1n
b 11 . . .
..
.
.
..
.. ... . . .
A B = .
a m1 . . . a mn
b n1 . . .
n m
m n
b 11 . . . b 1m
a 11 . . .
.
.. ..
...
...
B A = ..
. .
b n1 . . . b nm
a m1 . . .
n m
m n
b 1m
c 11
.. = ..
.
.
...
..
c 1m
.. = C
1
.
b nm
c m1 . . . c mm
0 m m 0
a 1n
c 11 . . . c 1n
.. = .. . .
.
.
. .. = C 2
.
0
0
a mn
c n1
. . . c nn
n n
Contenido
JJ
II
Pgina 48 de 64
Atrs
Pantalla grande/pequea
Pero puede suceder que uno de los productos tenga una dimensin ms pequea y sea ms fcil calcular su ecuacin caracterstica y autovalores.
26De nmeros reales o complejos.
Cerrar
1
1
1
1
y B = ( 1 2 1 2 ), se tiene
1
A B =
1
1
1
1
(1
41
B A = (1
2 1 2 )
1 4
1
1 2 ) 1
1
= C1
44
= (2) = C 2
14
2 1 2
1 2 1 2
1 2 1 2
1 2 1 2
Enrique R. Aznar
Dpto. de lgebra
41
11
Pgina de Abertura
Aqu, C 2 es una matriz mucho ms sencilla ya que, C 2 = (2), es esencialmente un escalar y es inmediato que = 2 es el nico autovalor que tiene.
Contenido
JJ
II
Pgina 49 de 64
1
C1 =
2 1 2
1 2 1 2
1 2 1 2
1 2 1 2
2 1 2
0 0 0 0
1 2 1 2
1 2 1 2
2 1 2
0 0 0 0
1 2 1 2
1 2 1 2
= E 1 C 1 E 11
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
2
0 0
0 0
1 2
1 2
0 0
0 0
1 2
2
0 0
0 0
0 2
1 2
0 0
0 0
1 2
2
0 0
0 0
0 2
1 2
0 0
0 0
1 2
0
0
0
2
0
0
0
1 2
0 0
0 0
0 0
0
0
0
2
0
0
0
1 2
0 0
0 0
0 0
0
0
0
2 1 2
0 0
0 0
0 0
Pgina de Abertura
= ()3 (2 ) = 0
Contenido
JJ
II
Pgina 50 de 64
Atrs
Pantalla grande/pequea
Cerrar
Esto nos permite, cambiar una de las matrices por su forma normal de Hermite (de filas o columnas segn nos interese) para hacer la demostracin de
que tienen la misma ecuacin caracterstica salvo una potencia de .
Enrique R. Aznar
Dpto. de lgebra
0 ... 0 !
0 ... 0
B P = .. .. . . ..
. . ..
0 ... 0
a 11
.
A B = ..
a m1
1
. . . a 1n
b
21
..
..
.
.
.
..
. . . a mn
b n1
m n
0 ... 0
c 11 0 . . . 0
0 . . . 0
.
.. . . .. = C
= ..
.. . . ..
. .
1
.
. .
.
c m1 0 . . . 0
0 ... 0
n m
m m
1 0 ... 0
b 21 0 . . . 0 a 11 . . . a 1n
..
.. = C
..
B A = ..
.
.. . . ..
.
2
.
.
.
.
.
a m1 . . . a mn
b n1 0 . . . 0
n m
m n
JJ
II
Pgina 51 de 64
Atrs
Pantalla grande/pequea
Cerrar
n n
Pero podemos aplicar la propiedad de que dos matrices semejantes tienen los
mismos autovalores. Por tanto, si aplicamos una trasformacin elemental de
filas a B que equivale a multiplicar E C 2 y luego la correspondiente (a E 1 )
transformacin elemental de columnas a A .
Entonces, la nueva matriz E C 2 E 1 tiene la misma ecuacin caracterstica.
As, si restamos en B a la segunda fila la primera multiplicada por b21 y
despus en A sumamos la segunda columna por b21 a la primera
1 0 ...
b 21 0 ... 0
a11
... a 1n
.. . . ..
. . .
B A = .. .. . . ..
. . ..
a m1 ... a mn
b n1 0 ... 0
1 0 ... 0
0 0 ... 0
b31 0 ... 0
a 11 +a 12 b 21 a 12 ... a 1n
. . . .
.. .. . . ..
b n1 0 ... 0
..
.
.. . . ..
. . .
BA
0 ... 0 !
0 0 ... 0
P
a 11 + ni=2 a 1i b i 1 a 12 ... a 1n
.. .. . . ..
.. ..
a
0 0 ... 0
..
.. . .
.. =
. . .
Pn.
m1 + i =2 a mi b i 1 a m2 ... a mn
Pn
11 +
= a 11 +
Pgina de Abertura
Contenido
a b a
... a 1n
i =2 1i i 1 12
0
0 ... 0
..
.
JJ
II
.. . . ..
. . .
...
a m1 +a m2 b 21 a m2 ... a mn
Enrique R. Aznar
Dpto. de lgebra
a 1i b i 1 = a 11 + a 12 b 21 + + a 1n b n1 = c 11
i =2
Pgina 52 de 64
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
2
1 7
1 2
JJ
II
Pgina 53 de 64
Atrs
Pantalla grande/pequea
Cerrar
1 2
1 0
1 0
2 7 2
4 13 14
4 13 14
A B =
1 7
1 5
1 1
1 3 6
1 3 6
5 15 30
1 2
1 0
1 0
Enrique R. Aznar
Dpto. de lgebra
1 0
1 0
18 13
4 13 14
4 13 14
0 1 =
A B
1 1
53 28
9 28 44
5 15 30
1 0
1 0
1 0
1 0
18 13 14
4 13 14
18 13 14
B A 0 1
0 1
= 53 28 44
9 28 44
53 28 44
1 0
0 0
0 0 0
JJ
II
Pgina 54 de 64
18
13
14
18
13
53
28 44 =
=0
53
28
0
0
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
a 1r
X=
.. . . ..
. . .
donde mi = x i =
a i 1 ++a ni
n
7 A = X X =
11 m 1 a 1r m r
..
.
..
.
...
Contenido
= (A U ) (A U ) = U A A U = = ... . . . ...
t
Pgina de Abertura
a n1 m 1 a nr mr
a n1 a nr
0 r
JJ
II
Pgina 55 de 64
Atrs
Pantalla grande/pequea
Cerrar
Por tanto, son perpendiculares dos a dos y cada vector z i tiene de norma la
raz cuadrada del valor propio i (es positivo porque A t A es simtrica real).
kz i k =
2
2
=
+ + b ni
b 1i
zi zi =
i = d i
Como cada z i =
p
p i
n1
..
.
2
2
b 1i
++b ni
n1
i
n1
es su varianza y
b ni
di
n1
=p
Enrique R. Aznar
Dpto. de lgebra
su desviacin tpica.
JJ
II
Pgina 56 de 64
Atrs
Pantalla grande/pequea
Cerrar
vi =
1
di
Enrique R. Aznar
Dpto. de lgebra
.. . . ..
. . .
.. . . .. U t = V D U t
. . .
= A = V
0 d r
0 d r
Pgina de Abertura
2 3
7 6
2 0
1 9
, calculamos
= 3, y = 18
= 4.5, sus desviaciones,
las medias de sus columnas, x = 12
4
4
23
A = X X =
34.5
73 64.5
23 04.5
13 94.5
1.5
4 1.5
1 4.5
2 4.5
1 4 1 2
1.5 1.5 4.5 4.5
1.5
4 1.5
1 4.5
2 4.5
22
3
3 45
22
3
=
= 2 67+981
3
45
p
21.6151 = 4.64921
0.991871
Los autovectores de A t A son las columnas de U = 0.127245
0.991871 0.127245 .
d1 =
d2 =
Contenido
JJ
II
Pgina 57 de 64
Atrs
Pantalla grande/pequea
Cerrar
1.5
4 1.5
1 4.5
2 4.5
0.127245
0.991871
0.991871 0.127245
0.801003
1.99679 3.77662
4.59067 0.419267
4.20893 2.55635
1.61505
=
Enrique R. Aznar
Dpto. de lgebra
0.801003
1.99679 3.77662
4.59067 0.419267
4.20893 2.55635
1.61505
Z = A U =
0.172288
0.296399 0.812314
0.681428 0.0901804
0.624764 0.549846
0.239735
6.73683
0
0
4.64921
=V D
4 1.5
1 4.5
2 4.5
0.172288
0.296399 0.812314
0.681428 0.0901804
0.624764 0.549846
0.239735
1.5
=
6.73683
0
Contenido
0
4.64921
0.127245 0.991871
0.991871 0.127245
0.801003
1.99679 3.77662
4.59067 0.419267
4.20893 2.55635
1.61505
que est
JJ
II
Pgina 58 de 64
Atrs
Pantalla grande/pequea
Cerrar
1
n (1, . . . , 1) Z
y entonces
Enrique R. Aznar
Dpto. de lgebra
Z = A U = X X U = X U X U
13. E JERCICIOS .
3
6
2 1 7
Ejercicio 1. Dadas las matrices A =
y B = 0 1 comprueba
2 0 1
0
9
que coinciden los autovalores de AB y B A .
2 1 7
3 6 2
Ejercicio 2. Dadas las matrices A = 2 0 1 y B = 1 0 7 comprueba
1 1 3
0 9 2
que coinciden los autovalores de AB y B A .
JJ
II
Pgina 59 de 64
Atrs
Pantalla grande/pequea
Cerrar
10 10
Ejercicio 3. Dada la matriz A =
. Se puede diagonalizar por
10 10
Enrique R. Aznar
Dpto. de lgebra
10 10
Ejercicio 4. Dada la matriz A =
. Se puede diagonalizar por
10
10
a b
10x 10x y + 10y = X AX = (x, y)
b c
2
x
y
JJ
II
a b x
2
2
t
10x 40x y + 10y = X AX = (x, y)
b c y
Pgina 60 de 64
Atrs
a b
10x 20x y + 10y = X AX = (x, y)
b c
2
x
y
Pantalla grande/pequea
Cerrar
1 1 0
Ejercicio 8. Dada la matriz A = 1 2 1 Comprueba si se diagonaliza
0 1 1
Enrique R. Aznar
Dpto. de lgebra
1 1 2
Ejercicio 9. Dada la matriz A = 1 1 2 Se puede diagonalizar por
0 1 1
1 1 1
Ejercicio 10. Dada la matriz A = 1 1 2 Se puede diagonalizar por
0 1 1
JJ
II
Pgina 61 de 64
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
JJ
II
Pgina 62 de 64
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
JJ
II
Pgina 63 de 64
Atrs
Pantalla grande/pequea
Cerrar
Enrique R. Aznar
Dpto. de lgebra
JJ
II
Pgina 64 de 64
Atrs
Pantalla grande/pequea
Cerrar