Documente Academic
Documente Profesional
Documente Cultură
Repaso de matrices
Matrices
Elemento: aij
Tamao: m n
Matriz cuadrada: n n
(orden n)
Elementos de la diagonal: ann
Vector columna
(matriz n x 1)
Vector fila
(matriz 1 x n)
a21 a22 a2 n
am1 am 2 amn
a1
a2
an
(a1 a2 an )
Suma:
2 1
0 4
AB
24
09
6 1
3
4 7 8
6 , B 9
3
5
1 1
6 10 5
2
1 7
43
3 (8) 6
65 9
10 (1) 5 2 5
6
7
9
11
3
(
k
a
)
ij
mn
A+ B= B + A
A + (B + C) = (A + B) + C
(k1k2) A = k1(k2A)
1A=A
k1(A + B) = k1A + k1B
(k1 + k2) A = k1A + k2A
Multiplicacin:
4 7
,B
(a) A
3 5
49 76
AB
39 56
5 8
(b) A 1 0 , B
2 7
9 2
6
8
4(2) 78
78 48
3(2) 56 57 34
4 3
2
0
5(4) 82 5(3) 80 4 15
AB 1(4) 02 1(3) 00 4 3
2(4) 72 2(3) 70 6 6
Nota: En general, AB BA
a12
AT
a1n
a21 am1
a22 am 2
a2 n amn
(i) (AT)T = A
(ii) (A + B)T = AT + BT
(iii) (AB)T = BTAT
(iv) (kA)T = kAT
Nota:
(A + B + C)T = AT + BT + CT
(ABC)T = CTBTAT
Matriz cero
A+0=A
A + (A) = 0
0
0 0
0 ,0
0
0 0
0 0
, 0 0 0
0 0
Matrices triangulares
1 2 3 4
0 5 6 7
0 0 8 9
0 0 0 1
Triangular superior
2 0 0 0 0
1 6 0 0 0
8 9 3 0 0
1 1 1 2 0
15 2 3 4 1
Triangular inferior
Matriz diagonal:
Matriz cuadrada n n, i j, aij = 0
0
0
0
1
0
1
Matriz identidad:
A: m n, entonces
I m A = A In = A
5 0
1 0
0 5
0 1
1 0 0
0 1 0
0 0 0
1
8
Una matiz A n n es
AT = A.
simtrica si
1 2 7
A 2 5 6
7 6 4
1 2 7
T
A 2 5 6 A
7 6 4
am1 x1 am 2 x2 amn xn bm
Matriz aumentada
a11
a21
a12
a1n
b1
a22
a2 n
b2
am1 am 2 amn
bm
10
2x1 + 6x2 + x3 = 7
x1 + 2x2 x3 = 1
5x1 + 7x2 4x3 = 9
2 R1 R2
5 R1 R3
3 R2 R3
2 6
1 2
1 1
5 7 4 9
2 1 1
1
2
3 9
0
0 3
1
14
1 2 1 1
3
9
0 1
2
2
0 0 11 55
2
2
2 R2
11R3
R12
1 2
2 6
1 1
1 7
5 7 4
2 1 1
1
3
9
1
0
2
2
0 3
1
14
1 2 1 1
3
9
0 1
2
2
0 0
1
5
x1 2 x2 x3 1
x3 = 5, x2 = 3, x1 = 10
3
9
x2 x3
2
2
x3 5
11
3 2 7
1
3
5
2 5
7
19
111R2
1 3 2 7
111R3
0 1 1 3
0 1 1 3
4 R1 R2
2 R1 R3
3 2 7
1
0 11 11 33
0 11 11 33
3 R2 R1
R2 R3
1
2
1 0
0 1 1 3
0 0
0
0
Entonces:
x2 x3 = 3
x1 + x3 = 2
Haciendo x3 = t, tenemos x2 = 3 + t, x1 = 2 t.
12
Resolver: x1 + x2 = 1
4x1 x2 = 6
2x1 3x2 = 8
1
1
1
4 1 6
2 3
1 0 1
0 1 2
0 0 16
0 + 0 = 16 !! No tiene soluciones.
13
a11
a21
a1n
a12
a22
a2 n
amn
am1 am 2
Vectores fila:
u1 = (a11 a12 a1n),
u2 = (a21 a22, a2n),,
um = (am1 am2 amn)
Vectores columna:
El rango de una
matriz A m n, es
el mximo nmero
de vectores fila
linealmente
independientes.
a11
a12
a1n
a21
a22
a2 n
v1
, v2
, , v n
am1
am 2
amn
1 1 3
1
A 2 2
6 8
3
5 7 8
2 R1 R2
3 R1 R3
1 1 3
1
8 2
0 4
0
2 4 1
2 R2 R3
14 R2
1
3
1 1 1
1
0 1 2 2
0 0
0
0
14
rang A = 2.
AX = 0
Siempre hay soluciones
(consistente)
Solucin nica X = 0
(solucin trivial)
rang(A) = n
Infinitas soluciones
Rang(A) < n
n r parmetros
15
AX = B, B0
Consistente
rang(A) = rang(AB)
Solucin nica
rang(A) = n
Inconsistente
rang(A) < rang(AB)
Infinitas soluciones
rang(A) < n
n r parmetros
16
Determinantes
a11 a12
det A
a11a22 a12 a21
a21 a22
a11
det A a21
a31
a12
a22
a32
a13
a23
a33
a11a22 a33 a12 a23 a31 a13 a21a32 a13 a22 a31
a a a a a a .
11 23 32
det A a11
a22
a32
12 21 33
a23
a21 a23
a12
a33
a31 a33
a13
a21 a22
a31 a32
17
a11
a12
a13
det A a21
a31
a22
a32
a23
a33
a22
C11
a32
a23
a33
El cofactor de aij es
Cij = (1)i+ j Mij
donde Mij se llama menor.
a21 a23
C12
a31 a33
a21 a22
C13
a31 a32
18
2 4
2 4 7
A 6 0 3
det A 6 0
1 5 3
1 5
2 4 7
11
11 0
C11 (1) 6 0 3 (1)
5
1 5 3
2
C12 (1)12 6
1
2
C13 (1)13 6
1
4
0
5
4
0
5
7
1 2 6
3 (1)
1
3
7
13 6
3 (1)
1
3
7
3 2C11 4C12 7C13
3
3
3
3
3
0
5
19
2 4 7
det A 6 0 3 2C11 4C12 7C13
1 5 3
11 0 3
1 2 6 3
13 6 0
det A 2(1)
4(1)
7(1)
5 3
1 3
1 5
2[0(3) 3(5)] 4[6(3) 3(1)] 7[6(5) 0(1)] 120
Ms corto desarrollando por la segunda fila...
6(1)
4 7
5 3
3(1)
2 3
2 4
1 5
20
6 5 0
A 1 8 7
2 4 0
6 5
0
det A 1 8 7 0C13 (7)C23 0C33
2 4
0
6 5 0
6 5
23
2 3
(7)(1)
1 8 7 ( 7)(1)
2 4
2 4 0
7[6(4) 5(2)] 238
21
det AT = det A
det A
3 4
41
det A
7 4
41
A 4 2 2
9 2 2
6 2 2
det A 4 2 2 0
9 2 2
22
det B = det A
2
1 3
4 1 9
det B 6 0 7 6 0 7 det A
4 1 9
2
1 3
23
det B = k det A
det B kai1Ci1 kai 2Ci 2 kain Cin
k det A
5 8
1 8
1 1
5
58
20 16
4 16
4 2
1 1
582
80(1 2) 80
2 1
24
5
1 1
3
12 22
AB
6 9
25
det B = det A
1 2
5
A 3 0 7
4 1 4
3 R1 R3
5
1
2
3
0
7 B
11 4 2
0
0
a11
A a21 a22
0
a
a
a
31 32
33
a22
det A a11
a32
0
a33
A
5
0
0
6
0
9 4
2
0
0
4 2
matriz diagonal
3 0 0
A 0 6 0
0 0 4
3
2
det A
5
7
0
0
0
6
0
0
9 4
0
2
4 2
3 0 0
det A 0 6 0 (3)64 72
0 0 4
27
28
Demostracin
Sea B la matriz que obtenemos de A al
cambiarle los elementos de la i-sima
fila por los de su k-sima fila:
bi1 = ak1, bi2 = ak2, , bin = akn
B tendr entonces dos filas idnticas
de modo que det B = 0, y:
6
2 7
4 3 2
2
4 8
30
Inversa de un matriz
Sea A una matriz n n. Si existe una matriz
n n B tal que
AB = BA = I
donde I es la matriz identidad n n, entonces
se dice que A es una matriz no singular o
invertible. Y B es la matriz inversa de A.
Si A carece de inversa, se dice que es una
matriz singular.
Sean A, B matrices no singulares.
(i)
(A-1)-1 = A
(ii) (AB)-1 = B-1A-1
(iii) (AT)-1 = (A-1)T
31
Matriz adjunta
Sea A una matriz n n. La matriz formada por
la transpuesta de la matriz de cofactores
correspondientes a los elementos de A:
C21 C22 C2 n
Cn1 Cn 2 Cnn
C21 Cn1
C22 Cn 2
C1n
C2 n Cnn
C11
C12
1
A
adj A
det A
1
Para n =3:
a11 a12
0
det A
0
0
0
det A
33
1 4
A
2 10
1 10 4 5 2
A
1
2 2
1 1
2
1
1 4 5 2 5 4 2 2 1 0
AA
2 10 1 12 10 10 4 5 0 1
1
5 2 1 4 5 4 20 20 1 0
A A
1
1 1 4 5 0 1
1
2 2 10
1
34
2 2 0
2 1 1
3 0 1
1 1
2 1
C11
1 C12
5
0 1
3 1
2 0
C21
2
0 1
2 0
C31
2
1 1
2 1
C13
3
3 0
2 0
2 2
C22
2 C23
6
3 1
3 0
1
A
12
2 0
2 2
C32
2 C33
6
2 1
2 1
1
1 2
2 112 16
6
5
1
1
5
2 2 12
6
6
1
1
3
6
6 14
2
2
35
2 0 1
2 3 4
5 5 6
2 0 1 1 0 0
2 3 4 0 1 0
5 5 6 0 0 1
a11
a21
a12 a1n
1 0 0
a22 a2 n
0 1 0
0 0 1
(A | I)
an1 an 2 ann
2 R1
2 R1 R2
5 R1 R3
1 0
2 3
5 5
1 0
0 3
0 5
0 0
0 1 0
0 0 1
4
6
1
5
17
1
5
0 0
1 0
0 1
36
3 R2
1 R
5 3
R2 R3
30 R3
12 R3 R1
5 3 R3 R2
1 0
0 1
0 1
1 0
0 1
0 0
1 0
0 1
0 0
1
5
17
1
5
1
1
5
2
3
30
2
3
1
1
1
1
1
3
6
13
0
1
1
0
3
10 6
0
2
3
1 0 0 2
0 1 0 8
0 0
0
0
10
5 3
17 10
5 10
5 3
2
1
A 8
17 10
5 10
6
37
1 1 2
A 2 4
5
6 0 3
Singular
1 1 2 1 0 0
5 0 1 0
2 4
6 0 3 0 0 1
1 0
1 1 2
2 R1 R2
0 6 9 2 1
6 0 3
0 0
1 0
1 1 2
6 R1 R3
0 6 9 2 1
0 6
9 6 0
1 0
1 1 2
R2 R3
0 6 9 2 1
0 0
0 4 1
0
1
0
1
0
0
138
am1 x1 am 2 x2 amn xn bm
a21 a22 a2 n
A
,
X
am1 am 2 amn
AX = B
x1
b1
x2
b2
,
B
xn
bm
Si m = n, y A es no singular, entonces:
X = A-1B
39
2 x1 9 x2 15
3 x1 6 x2 16
2 9 x1 15
6 x2 16
3
2 9
39 0
3
6
2 9
6
3
1 6 9
39 3 2
x1
1 6 9 15
1 234 6
1
x2 39 3 2 16 39 13 3
x1 6 , x2 1/ 3
40
2 x1 x3 2
5 x1 5 x2 6 x3 1
2 x1 3 x2 4 x3 4
x1 2
x2 2
x 5
3
2
8
5
2 0 1
2 3 4
5 5 6
0 1 2
3 4 4
5 6 1
5 3 2 19
17 10 4 62
10
6 1 36
x1 19 , x2 62 , x3 36
41
1 C12 C22 Cn 2
-1
XA B
det A
C1n C2 n Cnn
b1C11 b2C21 bncn1
det A
Regla
de
Cramer
det A
b1
b2
bn
42
am1 x1 am 2 x2 amn xn 0
Problemas de
autovalores
DEFINICIN
Autovalores y autovectores
44
Verifica que
es el autovector de la matriz:
K 1
1
Solucin
AK
0 1 3
2 3
3
2
1
1
0 1 3
2
3
3
2
1
1
1 2
1
1 2 (2) 1 (2)K
1
1 2
Autovalor
45
(A I)K = 0
Que es lo mismo que un sistema de ecuaciones lineales
homogneo. Si queremos que K sea una solucin distinta de
cero, debera ocurrir que:
det (A I) = 0
Observa que det (A I) nos proporcionar un polinomio de
grado n, que llamaremos ecuacin caracterstica.
46
1
2
1
6 1 0
1 2 1
1
det( A I ) 6
1
3 2 + 12 = 0
( + 4) ( 3) = 0
= 0, 4, 3.
(A I)K = 0
2
1
2
1
0
0
1
(A 1I)K = 0
(i) 1 = 0
( A 0I | 0)
1 0
0 0
6 R1 R2
R1 R3
2
1 0
1
0 13 6 0
0
0
0
0
1 2 1 0
1 0 2 R2 R1 1 0
113 R2 1 2
6
0 1 13 0 0 1
0 0 0 0
0 0
13
0 0
1
6
k1 k3 , k2 k3
13
13
Tomando k3 = 13
1
13
K1
6
13
48
(ii) 2 = 4
( A 4I | 0)
(A 2I)K = 0
R3
R13
1 2 3 0
0 1 2 0
0 1 2 0
3 0 0
1 2 3 0
19 R2
18 R3
2 1 0
1 2 3 0
6 3
0 0
5 2
1 0
2 R2 R1
2 R2 R3
6 R1 R2
5 R1 R3
2 3 0
1
0 9 18 0
0 8 16 0
1 0
1 0
0 1 2 0
0 0
0
0
k1 = k3 , k2 = 2k3. Tomando k3 = 1:
K2 2
1
49
(iii) 3 = 3
(A 3I)K = 0
2
1 0
2
( A 3I | 0) 6 4
0 0
1 2 4 0
1 0
0 1
0 0
1 0
3
0
2
0 0
K3
3
2
50
3 4
A
1 7
det( A I )
( 5) 2 0
1 = 2 = 5 es un autovalor de multiplicidad 2.
A partir de (A 5I|0), tenemos: 2k 4k 0
1
Tomando k2 = 1, tenemos
k1 = 2, y entonces K
1
k1 2k2 0
51
9 1 1
A 1 9 1
1 1 9
9
1
1
2
det( A I ) 1
9
1 ( 11)( 8) 0
1
1
9
1 = 11, 2 = 3 = 8 (multiplicidad 2).
52
1
1 0
2
( A 11I | 0) 1 2
1 0
1
2
0
1 0 1 0
0 1 1 0
0 0 0 0
53
(ii) 2 = 8,
1 1 1 0
( A 8I | 0)3 1 1 1 0
1 1 1 0
1 1 1 0
0 0 0 0
0 0 0 0
K 2 1 ,
Y k2 = 0, k3 = 1:
0
K3 0
1
54
AK = K, A K K , A K K
55
6
det( A I )
5
6 1
A
5 4
1
2 10 29 0
4
1 5 2i , 2 1 5 2i
1 = 5 + 2i
(A 1I)K = 0
(1 2i ) k1 k2 0
5k1 (1 2i )k2 0
1
1 2i
2 1 5 2i,
1
K 2 K1
1 2i
56
A AAA
A
m
m factores
57
Teorema de Cayley-Hamilton
Ecuacin caracterstica: det (A I) = 0
n 1
(1) cn1
n n
c1 c0 0
(1) A cn1A
n 1
c1A c0I 0
58
Comprobarlo con:
2 4
A
1 3
2 2 = 0.
Y por el teorema de CayleyHamilton:
A2 A 2I = 0
Am = c1A + c0I y m = c1 + c0
2 2 = 0; 1 = 1 , 2 = 2:
(1) c0 c1 (1)
m
2 c0 c1 (2)
m
m
m
[
4
(
1
)
]
m
3
A
1 [ 2 m ( 1) m ]
3
1
m
m
[
2
1
)
]
3
2
m
1 [2
(1) ]
3
4
60
61
Calcula A para:
1 1 2
1 2
1
0 1 1
Solucin
3 + 2 2 + 2 = 0, = 1, 1, 2.
Am = c0I + c1A +c2A2
m = c 0 + c 1 + c 2 2
Con 1 = 1, 2 = 1, 3 = 2, obtenemos:
(1)m = c0 c1 + c2
1 = c 0 + c1 + c 2
c0
2m = c0 +2c1 + 4c2
c2
3 [3
(1) 2 ],
c1 2[1 (1) m ],
1
m
m1
[
1
)
2
]
6
62
m 1
m
[
9
1
)
]
6
1 2m
1 [3 2 m 1 ( 1) m ]
6
m
m
[
2
1
)
]
3
2m
1 [ 2 m ( 1) m ]
3
1
m 1
m
[
7
(
1
)
]
6
m
2 1
1 [ 3 2 m 1 7( 1) m ]
6
10
A 1023 1024 1023
341 341 342
63
Por el teorema
2 4de Cayley-Hamilton:
0,
1
3
2
I = (1/2)A (1/2)A,
A2 A 2I =
2 4
1 3
1 2 4 1 1 0 32 2
1
2 1 3 2 0 1 2 1
64
K AK K K
T
0 ( ) K K
T
K K ( | k1 | | k2 | | kn | ) 0
0 es real.
65
Autovectores ortogonales
Al igual que definimos el producto escalar
entre vectores:
x y = x 1 y1 + x 2 y2 + + x n y n
podemos definirlo con matrices (vectores
fila o columna):
X Y X T Y = x 1 y1 + x 2 y2 + + xn y n
Demostracin
Sean 1,, 2 dos autovalores distintos
correspondientes a los autovectores K1 y K2.
0 1 0
1 1 1
0
1 0
T
K1 K 2 (1 0 1)
= 0, 1, 2 y
1
1
1
K 1 0 , K 2 1 , K 3 2
1
1
1
1 1(1) 01 1(1) 0
1
T
K1 K 3 (1 0 1) 2 11 02 1(1) 0
1
T
K 2 K 3 (1 1 1) 2 (1)1 12 1(1) 0
1
68
Matriz ortogonal:
Una matriz A n n no singular es ortogonal si:
A-1 = AT
A es ortogonal si ATA = I.
1 0 0
I 0 1 0
0 0 1
I I = II = I
3
3
A A 3
2
3
2
2
2
1
3
3
3
2 3 13 2 3
2
1
2
3
3
3
2 2
1
3
3
3
23
2
1
3
3
1 0 0
0 1 0 I
0 0 1
69
XT X
n 1
Es decir si:
X1T X 2 X1T X n 1 0 0
T
T
X2 X2 X2 Xn 0 1 0
T
T
Xn X2 Xn Xn 0 0 1
XiTXj = 0, i j , i, j =1, 2, , n
XiTXi = 1, i =1, 2, , n
70
1
2
3
3
2
2
1
T
X1 X 2
X1T X3
XT2 X3
X1
3
3
(1
23
( 13
, X2
X3
23
2 4 2
2
2
3 )
0
3
9 9 9
1
3
2
2
3 )
1 )
3
2 2 4
0
3
9
9
9
2
3
1
4 2 2
0
3
9 9 9
2
3
1
71
3
23
2 4 4 1
T
2
2
1
X 2 X 2 ( 3 3 3 ) 3 1
1 9 9 9
3
XT3 X3 ( 2 3
23
4 1 4
2 ) 1
1
3
3
2 9 9 9
3
72
0 1 0
1 1 1
0
1 0
Vimos
|| K1 || K1T K1 2,
|| K 2 || K T2 K 2 3,
|| K 3 || K T3 K 3 6
0
1
1
1
3
6
1
2
3
6
1
1
3
6
1
1
1
K 1 0 , K 2 1 , K 3 2
1
1
1
0 ,
1 ,
3
1
Autovalor dominante
| k | | i | ,
i 1, 2 , 3 , , n
0 4
1 2, 2 2
A 0 5 1
0 0 5
1 2, 2 3 574
X1 AX0
i 1, 2, 3,
X 2 AX1 A 2 X0
Vector n 1
Supongamos que
A tiene un autovalor
dominante.
X m AX m1 A m X0
AX 0 c11K 1 c2 2 K 2 cn n K n
75
(...)
1m c1K1 c2 2 K 2 cn n K n
1
1
A X0 1 c1K1
76
A X0
m
m
1 c1K 1
A m X 0 = Xm
De modo que Xm ser una aproximacin al autovector
dominante.
Puesto que AK = K, AKK= KK
AXdominante.
AK
K aproximacin al autovalor
m Xm
que
nos
da
una
K K
Xm Xm
Cociente de Rayleigh.
77
2
4
A
3 1
1
X0
1
i
Xi
3
144
68
4 2
X1 AX0
3 1
4 2
X 2 AX1
3 1
4
712
364
5
3576
1772
1 6
1 2
6 28
2 16
6
7
17848 89304
8956 44588
A X0
m
m
1 c1K1
X 7 89304
0.4933
78
2
1 4.9986
4
AX7
3 1 0.4993 2.5007
T
1
4.9986
AX7X7
6.2472
2.5007 0.4993
1
1
X7X7
1.2493
0.4993 0.4993
AX7X7 6.2472
1
5.0006
X7X7
1.2493
1
1
, K2
1 5, 2 2, K1
0 .5
3
79
Matriz diagonalizable
Si existe una matriz P, tal que P-1AP
= D sea diagonal, entonces decimos
que A es diagonalizable.
TEOREMA
Demostracin
Puesto que P = (K1, K2, K3) es no singular,
entonces existe P-1 y
AP ( AK1 AK 2
AK 3 ) (1K1 2K 2
1 0
(K1 K 2 K 3 ) 0 2
0 0
As que P-1AP = D.
3K 3 )
0 PD
3
81
3 4
A
1 7
2
K1
Tenemos que = 5, 5.
1
Y solo podemos encontrar un autovector.
La matriz no puede diagonalizarse.
82
5 9
Diagonaliza: A
6 10
det( A I )
= 1, 4.
P (K 1
10
5 4 ( 1)( 4)
2
3
1
K1 , K 2
2
1
3 1
1 1
1
K2)
,
P
2 1
3
2
1 1 5 9 3 1 1 0
P AP
D
3 6 10 2 1 0 4
2
1
83
1 0 , 2 4 , 3 3 ,
K1
1 2 1
P (K 1 K 2
1
1
2
6 , K 2 2 , K 3 3
1
2
13
K3)
1 1
13
112 0 112
9
1
3
2
P AP 28 7
28
8
1
2
21
7
21
0 0
0
0 4 0 D
0
0
3
1 2
6 1 0
1 2 1
112
9
1
P 28
8
21
0 112
2
1
7
7
28
1 1
21
13
1 2
84
0 1 0
A 1 0 0
0 0 1
= 1, 1, 1. = 1 K1
1
0
1 1 0
1 1 0
= 1 ( A I | 0) 1 1 0 0 0 0
0 0 0
0 0 0
1
0
K 2 1 , K3 0
junto con K , forman tres vectores
linealmente independientes. Luego la
0
1
matriz es diagonalizable.
1
1 1 0
1 1 0
0 0 1
1 0 0
-1
P AP = D D 0 1 0
0 0 1
85