MAT2 ADE

2013-14

BLOQUE 1: LGEBRA LINEAL (continuacin) 1. Algunos conceptos sobre vectores. 2. Planos en el espacio tridimensional. 3. Valores propios de matrices. 4. Formas cuadrticas.

1. Algunos conceptos sobre vectores. Ya hemos utilizado vectores en la asignatura Matemticas 1 (vector director de una recta, solucin de un sistema de ecuaciones, matriz fila o matriz columna) aunque sin dedicar un estudio especial a los mismos. Como sabemos, un vector en

R n es un conjunto de n nmeros reales ordenados v = ( x1, x2 ,..., xn ) . En esta seccin vamos a ver algunas

nociones bsicas de vectores. Operaciones con vectores Sean

v = ( x1, x2 ,..., xn ) y w = ( y1, y2 ,..., yn ) dos vectores y ! un nmero real (en este contexto de vectores a los
Suma/resta de vectores La suma o resta de vectores se realiza coordenada a coordenada

nmeros reales se les llama escalares)

v + w = ( x1, x2 ,..., xn ) + ( y1, y2 ,..., yn ) = ( x1 + y1, x2 + y2 ,..., xn + yn ) v ! w = ( x1, x2 ,..., xn ) ! ( y1, y2 ,..., yn ) = ( x1 ! y1, x2 ! y2 ,..., xn ! yn )

Begoa Subiza. Departamento de Mtodos Cuantitativos y Teora Econmica. Universidad de Alicante

MAT2 ADE

2013-14

Producto por un escalar Para multiplicar un vector por un escalar (nmero real) se multiplican todas las coordenadas del vector por dicho nmero

! v = ! ( x1, x2 ,..., xn ) = (! x1, ! x2 ,..., ! xn )

Cuando se multiplica un vector por un nmero el resultado es un vector en la misma direccin. Si el nmero es mayor que 1 alargamos el vector, si el nmero est entre 0 y 1 lo acortamos. Adems si el nmero es de signo negativo tambin cambia de sentido. Producto escalar de vectores El producto escalar de dos vectores da como resultado un nmero

v ! w = ( x1, x2 ,..., xn ) ! ( y1, y2 ,..., yn ) = x1 y1 + x2 y2 + ... + xn yn " R

Ejemplos: Dados los vectores

v = (1, !1, 2 ) y w = ( 0, 3, !2 )

3v + 5w = 3 (1, !1, 2 ) + 5 ( 0, 3, !2 ) = (3, !3, 6 ) + ( 0,15, !10 ) = (3,12, !4) v ! w = (1, "1, 2 ) ! ( 0, 3, "2 ) = 1 ! 0 + ("1) ! 3 + 2 ! ("2 ) = 0 " 3 " 4 = "7

v ! v = (1, "1, 2 ) ! (1, "1, 2 ) = 12 + ("1) + 2 2 = 6

Notemos que, en general, el producto escalar de dos vectores puede ser un valor positivo o negativo. Sin embargo, cuando multiplicamos un vector por s mismo el resultado ser mayor o igual a cero ya que ser la suma de sus componentes al cuadrado. De hecho siempre que el vector sea distinto del vector nulo el producto por s mismo ser un nmero estrictamente positivo (el nico vector que cumple que

v ! v = 0 es el vector ( 0, 0,..., 0 ) ).

Begoa Subiza. Departamento de Mtodos Cuantitativos y Teora Econmica. Universidad de Alicante

MAT2 ADE
Norma o longitud de un vector Dado un vector

2013-14

v = ( x1, x2 ,..., xn ) ,

llamamos

norma

longitud

del

vector

al

valor

2 v = v ! v = x12 + x 2 2 + ... + x n . La norma de un vector, como podemos observar para el caso de dos variables

utilizando el teorema de Pitgoras, nos indica lo que mide el vector Si

v.

v = ( x, y) , x e y son los catetos de un tringulo rectngulo y por tanto v = x 2 + y 2 es, segn el teorema de

Pitgoras, lo que mide la hipotenusa.

Ejemplos:

v = (!2, 3)! " ! v = (!2)2 + 32 = 13

" 1 1 % " 1 % " 1 % 1 1 v = $! , + =1 '! ( ! v = $ ! ' +$ ' = # 2 2& # 2& # 2& 2 2

Normalizacin de vectores Un vector que mide uno (con norma 1) se llama unitario. En muchas ocasiones necesitamos los vectores para indicarnos una direccin y en realidad su longitud no es importante. En concreto en algunas situaciones necesitaremos que los vectores tenga norma 1. Si tenemos un vector cualquiera direccin que Ejemplo:

v que no es el vector nulo, el vector

v tiene la misma v

v y tiene norma 1.

v = (1, !1, 2 )

v = 12 + (!1) + 2 2 = 6

" 1 !1 2 % v 1 = (1, !1, 2) = $ , , ' # 6 6 6& v 6

Comprobemos que este ltimo vector tiene norma 1.

! 1 $ ! '1 $ ! 2 $ v 1 1 4 = # + + =1 & +# & +# & = " 6% " 6% " 6% v 6 6 6

Begoa Subiza. Departamento de Mtodos Cuantitativos y Teora Econmica. Universidad de Alicante 3

MAT2 ADE

2013-14

Distancia entre dos vectores Dados dos vectores

u = ( x1, x2 ,..., xn ) y v = ( y1, y2 ,..., yn ) llamamos distancia entre ellos al valor

d (u, v) = u ! v = ( x1 ! y1 )2 + ... + ( xn ! yn )2 .

u
v

d (u, v)

Ejemplo:

v = (!2, 3)!,! u = (1, !1) " ! d (u, v) = (!2 ! 1, 3 + 1) = (!3)2 + 4 2 = 25 = 5

ngulo entre dos vectores Dados dos vectores no nulos coincide con el valor

v = ( x1, x2 ,..., xn ) y w = ( y1, y2 ,..., yn ) es posible demostrar que el producto escalar

v ! w = v !! w !cos !

siendo

el ngulo que forman los vectores

v y w . Entonces
x1 y1 + x2 y2 + ... + xn yn
2 n 2 n x12 + x2 + ... + xn !! y12 + y2 + ... + yn

cos ! =

v!w = v!w

Estaremos particularmente interesados en ver si dos vectores son perpendiculares (ortogonales), esto es si el ngulo que forman es de 90 (

! 2

radianes). Como

cos

! v!w =0= 2 v!w

entonces los vectores sern perpendiculares cuando

v!w = 0
Ejemplos: Dados

v = (1, !1) y w = (!2, 2 ) , como el producto v ! w = (1, "1) ! ("2, 2 ) = 1 ! ("2 ) + ("1) ! 2 = "4 # 0 no son

perpendiculares.

cos ! =
entonces

!4 !4 !4 = = = !1 2 8 16 (1, !1) ! (!2, 2)

! = " !(180 )

v = (1, !1) y u = (1,1) s son perpendiculares ya que v ! w = (1, "1) ! (1,1) = 0 .

Begoa Subiza. Departamento de Mtodos Cuantitativos y Teora Econmica. Universidad de Alicante

MAT2 ADE
2. Planos en el espacio tridimensional. En

2013-14

R 3 , dado un vector n = ( p1, p2 , p3 ) el conjunto

! " !!!{( x, y, z ) ! R 3 !:!! ( p1, p2 , p3 ) ! ( x, y, z ) = c ! ! R} = {( x, y, z ) ! R 3 !:!! p1 x + p2 y + p3 z = c}

forma un plano. Dado un punto

( x0 , y0 , z0 ) ! R3

y un vector no nulo

n = ( p1, p2 , p3 ) , el nico plano que pasa por

( x0 , y0 , z0 )

es perpendicular al vector

n = ( p1, p2 , p3 ) tiene la ecuacin

( p1, p2 , p3 ) ! ( x, y, z) = ( p1, p2 , p3 ) ! ( x0 , y0 , z0 )
Al vector

n = ( p1, p2 , p3 ) se le llama vector normal al plano.

Ejemplos: a) Ecuacin del plano que pasa por

(1, !1, 2) y es perpendicular al vector

p = (!2, 2, !1)

(!2, 2, !1) " ( x, y, z) = (!2, 2, !1) " (1, !1, 2)! # !!!2 x + 2 y ! z = !6
b) Dado el plano

3x ! y + 5z = !2 , calcula un vector perpendicular al plano y un punto con las tres coordenadas

iguales que pertenezca al plano. Un vector perpendicular ser el que tiene como coordenadas los coeficientes de las variables en la ecuacin del plano

p = (3, !1, 5) . El punto que se pide ser de la forma ( a, a, a ) y debe cumplir la ecuacin

3a ! a + 5a = !2 !! " !! 7a = !2 !! " !! a =

!2 7

" !2 !2 !2 % $ , , ' # 7 7 7&

3. Valores propios de Matrices. Dada una matriz cuadrada A llamamos valor propio de dicha matriz a cualquier valor

! que cumpla que

det ( !I " A) = 0 . Cuando eso ocurre existir un vector v no nulo que cumple que Av = !v , dicho vector se
denomina vector propio de la matriz

A asociado al valor propio ! .

Begoa Subiza. Departamento de Mtodos Cuantitativos y Teora Econmica. Universidad de Alicante

MAT2 ADE
Ejemplo:

2013-14

! ( 0 $ ! 1 2 $ ! ( ) 1 )2 $ ! 1 2 $ A =# &)# & &!! ' !! (I ) A = # &! = # " 2 4 % " 0 ( % " 2 4 % " )2 ( ) 4 % det ( !I " A) = ! " 1 "2 = ( ! " 1) ( ! " 4) " 4 = ! 2 " 5! + 4 " 4 = ! 2 " 5! = ! ( ! " 5) "2 ! " 4
det ( !I " A) = ! ( ! " 5) = 0 !! # ! = 0,!! ! = 5
Polinomio caracterstico Dada una matriz cuadrada A de orden n

p ( ! ) = det ( !I " A) es polinomio de grado n que se denomina polinomio

caracterstico de A. Sus races son los valores propios de la matriz. Ejemplo:

" !1 0 1 % $ ' A =$ 2 0 0 ' $ 1 0 1 ' # &

! + 1 0 !1 p ( ! ) = ! I ! A = !2 ! 0 = ! (( ! ! 1) ( ! + 1) ! 1) = ! ( ! 2 ! 2 ) !1 0 ! ! 1
las races del polinomio sern los valores propios

p ( ! ) = ! ( ! 2 ! 2 ) = 0 !! " !! ! = 0 !!!!! ! = 2 !!!! ! = ! 2

Propiedades 1) Una matriz cuadrada de orden n tiene n valores propios 2) Si la matriz es simtrica

( A = A ') todos los valores propios son nmeros reales

3) Para cualquier matriz cuadrada su determinante es el producto de sus valores propios 4) Si una matriz es triangular, sus valores propios son los elementos de la diagonal Ejemplo: La matriz A tiene 5 filas y 5 columnas y sus valores propios son -1, 2 (doble), 1 y 3. Cunto vale su determinante?

det ( A) = (!1) " 2 " 2 " 1 " 3 = !12

4. Formas cuadrticas. Dada una matriz simtrica A se llama forma cuadrtica asociada a dicha matriz a una funcin que a cada vector v le asigna el nmero

Q ( v ) = v ' Av
Caso dos variables:

! a 11 Q ( x, y) = ( x !! y) # # a12 "

a12 $! x &# # y a22 & %"

$ 2 2 & & = a11 x + 2 a12 xy + a22 y %

6

Begoa Subiza. Departamento de Mtodos Cuantitativos y Teora Econmica. Universidad de Alicante

MAT2 ADE

2013-14

Caso tres variables:

! a # 11 Q ( x, y, z ) = ( x !! y !!! z ) # a12 # # a13 "

Ejemplos: a) Dada la matriz

a12 a22 a23

a13 $! x &# a23 &# y &# z a33 & %"

$ & 2 2 2 & = a11 x + 2 a12 xy + 2 a13 xz + a22 y + 2 a23 yz + a33 z & %

" 1 3 % A =$ ' define la forma cuadrtica # 3 !1 &

Q ( x, y ) = x 2 + 6 xy ! y 2

" 0 !1 3 % $ ' b) Dada la matriz A = $ !1 2 1 ' define la forma cuadrtica $ 3 1 4 ' # &
Q ( x, y, z ) = !2 xy + 2 y 2 + 6 xz + 2 yz + 4 z 2
c) Dada la forma cuadrtica

Q ( x, y, z ) = x 2 + 2 xy + 3y 2 ! yz + 2 z 2 la matriz simtrica que la define es

" 1 1 0 $ A =$ 1 3 !1 / 2 $ 0 !1 / 2 2 #
Signo de una forma cuadrtica Una forma cuadrtica

% ' ' ' &

Q ( v ) = v ' Av decimos que es Q ( v ) = v ' Av > 0 Q ( v ) = v ' Av < 0

Definida positiva si para cualquier v no nulo Definida negativa si para cualquier v no nulo Semidefinida positiva si para cualquier v,

Q ( v ) = v ' Av ! 0 y existe un vector no nulo para el cual

Q ( v ) = v ' Av = 0
Semidefinida negativa si para cualquier v,

Q ( v ) = v ' Av ! 0 y existe un vector no nulo para el cual

Q ( v ) = v ' Av = 0
Indefinida en cualquier otro caso, esto es, existen vectores v y w tales que

Q ( v ) = v ' Av > 0 y

Q ( w ) = w ' Aw < 0

Begoa Subiza. Departamento de Mtodos Cuantitativos y Teora Econmica. Universidad de Alicante

MAT2 ADE
Ejemplos: a)

2013-14

Q ( x, y, z ) = x 2 + 2 y 2 + 4 z 2 es definida positiva ya que al ser suma de cuadrados multiplicados por nmeros Q ( x, y ) = ! x 2 ! 2 y 2 es definida negativa ya que al ser cuadrados multiplicados por nmeros negativos es Q ( x, y, z ) = x 2 ! 2 y 2 + 4 z 2
es indefinida ya que por ejemplo

positivos es siempre positivo y nicamente se anula cuando las tres coordenadas son ceros. b)

siempre negativo y nicamente se anula cuando todas las coordenadas son ceros. c)

Q (1, 0, 0 ) = 1 > 0 mientras que

Q ( 0,1, 0 ) = !2 < 0 .
d)

Q ( x, y, z ) = x 2 + 4 z 2 es semidefinida positiva ya que siempre da un valor positivo pero por ejemplo

Q ( 0,1, 0 ) = 0 .
Cuando en la expresin de la forma cuadrtica aparecen nicamente los trminos de las variables que estn al cuadrado es fcil calcular su signo. Los siguientes resultados nos dan maneras sencillas de calcular el signo de las formas cuadrticas. Mtodo de los menores principales izquierda

! # # # Dada una matriz A = # # # # "

a11 a21 a31 ! an1

a12 a22 a32 ! an 2

a13 ... a23 a33 an 3

a1n $ & ... a2 n & & ... a3n & los menores principales izquierda son ! & & ... ann & %

D1 = a11 ,

D2 =

a11

a12

a11
,

a12 a22 a 32

a13 a23 a33

, ,

a21 a22

D3 = a21 a31

Dn = A

Dada una matriz simtrica A, si

Di ! 0 para todos los i = 1, 2,..., n ! 1 entonces Q ( v) = v ' Av = D1 x12 + D2 2 D3 2 D 2 x2 + x3 + ... + n xn D1 D2 Dn!1

Por lo tanto si todos los

Di > 0 ser definida positiva

D1 < 0,!! D2 > 0,!! D3 < 0,.... y los signos siguen alternando ser definida negativa ya que todos los
coeficientes sern negativos se anula el determinante y los patrones anteriores se cumplen, ser semidefinida positiva si los dems menores son positivos y semidefinida negativa si los signos alternan empezando por negativo

Nota: Si alguno de los menores (salvo el ltimo) se anula no se puede usar el mtodo anterior.

Begoa Subiza. Departamento de Mtodos Cuantitativos y Teora Econmica. Universidad de Alicante

MAT2 ADE
Ejemplos:

2013-14

" 1 1 0 $ 3 !1 / 2 a) La forma cuadrtica definida por la matriz A = $ 1 $ 0 !1 / 2 2 #

% ' ' es definida positiva ya que ' &

1 1 0 1 15 1 1 D1 = 1 > 0,!!! D2 = = 3 ! 1 = 2 > 0,!!!!!! D3 = 1 3 !1 / 2 = 6 ! 2 ! = > 0 1 3 4 4 0 !1 / 2 2 " 1 1 0 % $ ' 3 !6 ' es indefinida ya que b) La forma cuadrtica definida por la matriz A = $ 1 $ 0 !6 !1 ' # & 1 1 0 1 1 D1 = 1 > 0,!!! D2 = = 3 ! 1 = 2 > 0,!!!!!! D3 = 1 3 !6 = !3 + 1 ! 36 = !38 < 0 1 3 0 !6 !1
c) La forma cuadrtica definida por la matriz

" !3 2 % A =$ ' es definida negativa ya que # 2 !2 & !3 2 = 6 ! 4 = 2 > 0 !!!!!! 2 !2

D1 = !3 < 0,!!! D2 =

Mtodo de los valores propios Dados los valores propios de la matriz simtrica A que define la forma cuadrtica cuadrtica se puede expresar como
2 2 2 Q ( v ) = v ' Av = !1 x12 + !2 x2 + !3 x3 + ... + !n xn

!1,! !2 ,! !3,..., !n , dicha forma

Por lo tanto si todos los todos los todos los todos los

!i > 0 !i < 0 !i ! 0 !i ! 0

ser definida positiva ser definida negativa y alguno es cero ser semidefinida positiva y alguno es cero ser semidefinida negativa

si hay valores positivos y otros negativos ser indefinida

Nota: Una de las ventajas de este mtodo es que se puede utilizar siempre.

Begoa Subiza. Departamento de Mtodos Cuantitativos y Teora Econmica. Universidad de Alicante

MAT2 ADE
Ejemplos:

2013-14

! 1 1 1 $ # & a) La matriz A = # 1 0 2 & tiene como valores propios 3, -2 y 0, por lo tanto tiene asociada una forma # 1 2 0 & " %
cuadrtica indefinida. b) Una matriz simtrica que tiene como valores propios -2, -1,0 y -3 tiene asociada una forma cuadrtica semidefinida negativa. Formas cuadrticas restringidas En muchas ocasiones queremos estudiar el signo de una forma cuadrtica no en cualquier vector sino en un conjunto de vectores que cumplen alguna condicin particular. En estos casos se restringe la forma cuadrtica al tipo particular de vectores que nos interesan y ello nos lleva a que algunas variable desaparecen y se reduce el orden de la matriz que define la nueva forma cuadrtica restringida. Si la forma cuadrtica de partida tenia un sigo determinado, la restringida tendr el mismo signo. Si la forma era semidefinida o indefinida puede que en algunos conjuntos tenga un signo concreto. Ejemplos:

" 1 1 0 % $ ' 3 !6 ' en los vectores que tienen las dos ltimas a) Estudiar la forma cuadrtica definida por A = $ 1 $ 0 !6 !1 ' # &
coordenadas iguales pero de signo opuesto.

Q ( x, y, z ) = x 2 + 2 xy + 3y 2 ! 12 yz ! z 2 es en general una forma cuadrtica indefinida pero si la analizamos en

vectores de la forma

( x, y, ! y)
Q ( x, y, ! y) = x 2 + 2 xy + 3y 2 ! 12 y (! y) ! (! y) = x 2 + 2 xy + 14 y 2
2

Notemos que ahora slo hay dos variables y la matriz de esta nueva forma cuadrtica ser definida positiva ya que

! 1 1 $ B =# & que es " 1 14 %

D1 = 1 > 0 y D2 = det ( B) = 13 > 0 .

Begoa Subiza. Departamento de Mtodos Cuantitativos y Teora Econmica. Universidad de Alicante

10