Anlisis Matricial

Giddea Consulting & Training

Departamento de Investigacin y Desarrollo
Renzo Ren Sifuentes Napur
26 de febrero de 2013
2
Mtodos Cuantitativos renzo.sifuentesn@gmail.com
ndice general
1. Anlisis Matricial 5
1.1. Denicin de matrices . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1. Notacin de una matriz . . . . . . . . . . . . . . . . . . 5
1.2. Tipos de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1. Matriz la . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.2. Matriz columna . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.3. Matriz nula . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.4. Matriz cuadrada . . . . . . . . . . . . . . . . . . . . . . 6
1.2.5. Matriz simtrica . . . . . . . . . . . . . . . . . . . . . . 6
1.2.6. Matriz diagonal . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.7. Matriz escalar . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.8. Matriz identidad . . . . . . . . . . . . . . . . . . . . . . 7
1.2.9. Matriz idempotente . . . . . . . . . . . . . . . . . . . . 7
1.2.10. Matiz nilpotente . . . . . . . . . . . . . . . . . . . . . . 8
1.2.11. Matriz involutiva . . . . . . . . . . . . . . . . . . . . . . 8
1.3. Operaciones con matrices . . . . . . . . . . . . . . . . . . . . . 8
1.3.1. Igualdad de matrices . . . . . . . . . . . . . . . . . . . . 8
1.3.2. Matriz transpuesta . . . . . . . . . . . . . . . . . . . . . 8
1.3.3. Suma de matrices . . . . . . . . . . . . . . . . . . . . . . 9
1.3.4. Producto de un escalar con una matriz . . . . . . . . . 10
1.3.5. Producto de matrices . . . . . . . . . . . . . . . . . . . . 10
1.3.6. Potencia de matrices cuadradas . . . . . . . . . . . . . 12
1.3.7. Suma de elementos . . . . . . . . . . . . . . . . . . . . . 12
1.3.8. Matriz idempotente para trasformar datos en desvia-
ciones de la media . . . . . . . . . . . . . . . . . . . . . 14
1.3.9. Derivadas matriciales . . . . . . . . . . . . . . . . . . . 16
1.4. Geometra de matrices . . . . . . . . . . . . . . . . . . . . . . . 16
1.4.1. Espacio vectorial . . . . . . . . . . . . . . . . . . . . . . 16
1.4.2. Combinaciones lineales . . . . . . . . . . . . . . . . . . 17
1.4.3. Dependencia lineal e independencia lineal . . . . . . . 17
1.4.4. Rango de una matriz . . . . . . . . . . . . . . . . . . . . 18
1.4.5. Determinante de una matriz . . . . . . . . . . . . . . . 18
3
4 NDICE GENERAL
1.4.6. Ortogonalidad de una matriz . . . . . . . . . . . . . . . 19
1.4.7. Valores y vectores propios . . . . . . . . . . . . . . . . . 21
Mtodos Cuantitativos renzo.sifuentesn@gmail.com
Sesin 1
Anlisis Matricial
1.1. Denicin de matrices
Las matrices son herramientas matemticas que nos permite un mejor
manejo de bases de datos, adems desde el punto de vista computacional
es ms facil el uso por medio de matrices.
1.1.1. Notacin de una matriz
Una matriz es un conjunto de pares ordenados, que se denota:
A = [a
ik
] = [A]
ik
=
_

_
a
1
1 a
1
2 a
1
k
a
2
1 a
2
2 a
2
k
.
.
.
.
.
.
.
.
.
.
.
.
a
n
1 a
n
2 a
n
k
_

_
Habitualmente se denotan las matrices con letras maysculas y con mi-
nuscula los elementos que las constituyen. Los elementos de las matrices
se leen como a
f ila,columna
.
1.2. Tipos de matrices
Existen algunas clases de matrices con caracteristicas comunes de en-
contrar.
1.2.1. Matriz la
La matriz la es una matriz que tiene una sola la y varias columnas
(1xn), es equivalente a un vector la.
Por ejemplo:
A
(1xn)
=
_
a
11
a
12
a
1n
_
5
6 1. Anlisis Matricial
1.2.2. Matriz columna
La matriz columna es una matriz que tiene una sola columna y varias
las (nx1), es quivalente a un vector columna.
Por ejemplo:
A
(mx1)
=
_
_
_
_
_
a
11
a
21
.
.
.
a
m1
_
_
_
_
_
En general una matriz es un conjunto de vectores
columnas o tambin podemos decir que es un con-
junto de vectores la.
1.2.3. Matriz nula
Es una matriz donde todas sus columnas son cero.
Por ejemplo:
A
(mxn)
=
_
0
_
1.2.4. Matriz cuadrada
Es una matriz donde el nmero de las es igual al nmero de columnas.
A
(nxn)
=
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_
_
_
_
_
1.2.5. Matriz simtrica
Es aquella matriz que es igual a su transpuesta (a
ik
= a
ki
).
Por ejemplo:
A =
_
_
1 3 7
3 5 2
7 2 1
_
_
Mtodos Cuantitativos renzo.sifuentesn@gmail.com
1.2. Tipos de matrices 7
1.2.6. Matriz diagonal
Una matriz diagonal es una caso especco de una matriz cuadrada,
donde la diagonal principal de la matriz tiene valores distintos a cero, y el
resto de la matriz tiene ceros como elementos.
Por ejemplo:
A =
_
_
_
_
_
a
11
0 0
0 a
22
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 a
nn
_
_
_
_
_
1.2.7. Matriz escalar
Una matriz escalar es un caso de una matriz diagonal, la diferencia es
que los elementos de la diagonal son los mismos.
Por ejemplo:
A =
_
_
_
_
_
0 0
0 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0
_
_
_
_
_
1.2.8. Matriz identidad
Una matriz escalar es un caso de una matriz escalar, en este caso los
elementos de la diagonal son la unidad.
Por ejemplo:
A =
_
_
_
_
_
1 0 0
0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1
_
_
_
_
_
1.2.9. Matriz idempotente
Es un matriz que elevado a cualquier potencia es igual a la misma ma-
triz.
A
p
= A
Mtodos Cuantitativos renzo.sifuentesn@gmail.com
8 1. Anlisis Matricial
1.2.10. Matiz nilpotente
Cuando una matriz elevado a cualquier potencia y es igual a una matriz
cero.
A
p
= (0)
mxn
1.2.11. Matriz involutiva
Cuando una matriz elevado a cualquier potencia y es igual a una matriz
identidad.
A
p
= I
1.3. Operaciones con matrices
Las operaciones de matrices nos ofrece la facilidad de operar conjuntos
de ecuaciones, mediante el lgebra matricial.
1.3.1. Igualdad de matrices
Para que dos matrices sean iguales tienen que ser necesariamente de la
misma dimensin, es decir
A = B si y slo si a
ik
= b
ik
1.3.2. Matriz transpuesta
Al transponer una matriz se invierte las las por columnas, es decir si
A = a
ij
A
T
= a
ji
. Una matriz transpuesta se puede escribir A
T
A

.
Por ejemplo
A =
_
_
_
_
1 2 3
5 1 5
6 4 5
3 1 4
_
_
_
_
, A

=
_
_
1 5 6 3
2 1 4 1
3 5 5 4
_
_
Propiedades
1. (A
T
)
T
= A
2. (A + B)
T
= A
T
+ B
T
3. (.A)
T
= .A
T
(.A + .B)
T
= .A
T
+ .B
T
4. (A.B)
T
= B
T
.A
T
Mtodos Cuantitativos renzo.sifuentesn@gmail.com
1.3. Operaciones con matrices 9
1.3.3. Suma de matrices
Para que dos matrices se puedan sumar tiene que tener necesariamente
la misma dimensin.
Es decir:
Sean: A = (a
ij
)
mxn
, B = (b
ij
)
mxn
A + B = (a
ij
+ b
ij
)
mxn
A + B =
_

_
a
11
+ b
11
a
12
+ b
12
a
1n
+ b
1n
a
21
+ b
21
a
22
+ a
22
a
2n
+ b
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
+ b
m1
a
m2
+ b
m2
a
mn
+ b
mn
_

_
Por ejemplo:
Sea: A =
_
0 1 3
4 2 5
_
B =
_
3 4 1
2 5 2
_
A + B =
_
3 3 4
6 7 7
_
Propiedades
Suma con matriz nula:
La suma de cualquier matriz con una matriz nula es igual a la misma
matriz.
Ejemplo:
A + 0 = A
Conmutativa:
El orden al sumar las matrices no interesa, es el mismo resultado.
Ejemplo:
A + B = B + A
Asociativa:
Cuando se quier sumar 3 ms matrices podemos asociarlas para
sumarlas, el resultado es el mismo.
Ejemplo:
(A + B) + C = A + (B + C)
Mtodos Cuantitativos renzo.sifuentesn@gmail.com
10 1. Anlisis Matricial
1.3.4. Producto de un escalar con una matriz
Cuando queremos multiplicar un escalar con una matriz, el escalar mul-
tiplicar a cada uno de los elementos de la matriz, es decir:
Sean: A = (a
ij
)
mxn
y R
.A = (.a
ij
)
mxn
.A =
_

_
.a
11
.a
12
.a
1n
.a
21
.a
22
.a
2n
.
.
.
.
.
.
.
.
.
.a
m1
.a
m2
.a
mn
_

_
Ejemplo:
Sea: A =
_
0 1 1
3 1 2
_
y = 3
(3).A =
_
0 3 3
9 3 6
_
1.3.5. Producto de matrices
Por cuestiones didticas empezaremos viendo la multiplicacin de dos
vectores, que nos da como resultado un escalar
a

b = a
1
b
1
+ a
2
b
2
+ a
3
b
3
+ ... + a
n
b
n
Por ejemplo:
a

b =
_
1 3 4
_
_
_
3
8
2
_
_
= 3 + 24 + 8 = 35
Por lo tanto podemos deducir que a

b = b

a.
Ahora que deducimos el caso general, sabiendo que una matriz es un con-
junto de vectores, que nos resultara no un escalar sino varios valores que
sern los elementos de la matriz.
Para multiplicar matrices necesitamos que la cantidad de columnas de la
primera matriz sea igual al nmero de las de la segunda matriz. Obten-
dremos como producto una matriz con la cantidad de las de la primera
matriz y la cantidad de columnas de la segunda matriz, veamoslo matem-
ticamente.
Mtodos Cuantitativos renzo.sifuentesn@gmail.com
1.3. Operaciones con matrices 11
A
mxn
.B
nxp
= C
mxp
= (c
ij
)
mxp
donde: c
ij
=
n

k=1
a
ik
b
kj
Por ejemplo:
_
_
2 1
0 3
1 2
_
_
.
_
3 2
4 2
_
=
_
_
2x3 + 1x4 2x2 + 1x(2)
0x3 + (3)x4 0x2 + (2)
1x3 + 2x4 1x2 + 2x(2)
_
_
=
_
_
10 2
12 6
11 2
_
_
Propiedades
Asosiativa
Ax(BxC) = (Axb)xC
Distributiva
Ax(B + C) = AxB + AxC
(A + B)xC = AxC+
El producto de dos matrices NO necesariamente es conmutativa
AB = BA
Puede ser que AxB = (0) con A = (0) y B = (0)
Producto por una matriz identidad
Al multiplicar una matriz con la matriz identidad, el producto seguir
siendo la matriz original.
AxI = IxA = A
AxB = AxC no necesariamente B = C
Ejemplo:
_
_
5
4
1
_
_
=
_
_
4 2 1
2 6 1
1 1 0
_
_
.
_
_
a
b
c
_
_
Estas matrices representan un sistema de ecuaciones:
Mtodos Cuantitativos renzo.sifuentesn@gmail.com
12 1. Anlisis Matricial
5 = 4a + 2b + c
4 = 2a + 6b + c
1 = a + b
Tambin lo podemos escribir como una representacin de combinacin li-
neal.
_
_
5
4
1
_
_
= a.
_
_
4
2
1
_
_
+ b.
_
_
2
6
1
_
_
+ c.
_
_
1
1
0
_
_
1.3.6. Potencia de matrices cuadradas
Es cuando se multiplica cieta cantidad de veces la misma matriz:
A
p
= A.A.A.....A
. .
p veces
Cuando una matriz es elevado a la cero es igual a una matriz identidad:
A
0
= I
Propiedades
1. A
p
.A
q
= A
p+q
2. (A
p
)
q
= A
p.q
1.3.7. Suma de elementos
Las matrices y vectores pueden representar suma de elementos. Para
ello usaremos un vector i, el cual es un vector columna de unos.
n

i=1
x
i
= x
1
+ x
2
+ ... + x
n
= i

x
Por ejemplo:
_
1 1 1

_
_
2
3
4
_
_
= 2 + 3 + 4 = 9
Si todos los elemetos del vector x son iguales a la misma constante a, en-
tonces x = ai.
Mtodos Cuantitativos renzo.sifuentesn@gmail.com
1.3. Operaciones con matrices 13
x =
_
_
4
4
4
_
_
= 4.
_
1 1 1

Adems:

n
i=1
x
i
= i

(ai) = a(i

i) = na
Veamos en el ejemplo:
x =
_
1 1 1

4
_
_
1
1
1
_
_
= 4
_
1 1 1
_
_
1
1
1
_
_
En general para cualquier constante a y vector x,
n

i=1
ax
i
= a
n

i=1
x
i
= ai

x
Por ejemplo:
5.(1 + 2 + 3) = 5.
_
1 1 1

_
_
1
2
3
_
_
Media
Si a =
1
n
, obtenemos la media aritmtica
x =
1
n
n

i=1
x
i
=
1
n
i

x
Deduciendo:
n

i=1
x
i
= i

x = n x
Suma de cuadrados de los elementos de un vector x es:
n

i=1
x
2
i
= x

x
La suma de productos de los elementos de los vectores x e y es:
n

i=1
x
i
y
i
= x

y
Apartir de la denicin de matrices:
_
X

ij
=
_
x

i
x
j

ij
Mtodos Cuantitativos renzo.sifuentesn@gmail.com
14 1. Anlisis Matricial
1.3.8. Matriz idempotente para trasformar datos en desvia-
ciones de la media
Primero:
i x =
1
n
i

x =
_

_
x
x
x
.
.
.
x
_

_
=
1
n
ii

x
Esta matriz es nxn con cada elemento igual a
1
n
.
El conjunto de valores en forma de desviacin es:
_

_
x
1
x
x
2
x
.
.
.
x
n
x
_

_
=
_
x i x

=
_
x
1
n
ii

=
_
I
1
n
ii

x = M
0
x
La matriz M
0
todos los elementos de la diagonal son 1
1
n
y fuera de la
diagonal
1
n
. Adems esta matriz sera til para el clculo de sumas de
desviaciones al cuadrado.
M
0
i =
_
I
1
n
ii

i = i
1
n
i(i

i) = i
1
n
in = i i = 0
Se deduce que i

M
0
= 0

. Por lo tanto, la suma de desviaciones respecto a

la media es:

n
i=1
(x
i
x) = i

[M
0
] = 0

x = 0
Varianza
Para una variable x, la suma de los cuadrados de desviaciones respecto
a la media es:
n

i=1
(x
i
x)
2
n

i=1
(x
2
i
2 xx
i
+ x
2
)
n

i=1
x
2
1
2 x
n

i=1
x
i
+ x
2
n

i=1
1
n

i=1
x
2
i
2 x(n x) + x
2
n
Mtodos Cuantitativos renzo.sifuentesn@gmail.com
1.3. Operaciones con matrices 15
(
n

i=1
x
2
1
) 2n x
2
+ n x
2
(
n

i=1
x
2
1
) n x
2
En matrices:
n

i=1
(x
1
x)
2
(x x
i
)

(x x
i
)
(M
0
x)

(M
0
x)
x

M
0
M
0
x
M
0
es una matriz simtrica e idempotente
x

M
0
x
Covarianza
La construccin de una matriz de sumas de cuadrados y productos
cruzados de desviaciones respecto a las medias. Para dos vetores x e y.
n

i=1
(x
i
x)(y
i
y) = (M
0
x)

(M
0
y)
Matriz Varianza-Covarianza
Juntando lo obtenido en la representacion de las varianzas y covarianzas
obtenemos la siguiente matriz:
_

_
n

i=1
(x
i
x)
2
n

i=1
(x
i
x)(y
i
y)
n

i=1
(y
i
y)(x
i
x)
n

i=1
(y
i
y)
2
_

_
=
_
x

M
0
x x

M
0
y
y

M
0
x y

M
0
y
_
Si unimos los dos vectore columna, x e y, en una matriz Z = [x, y] entonces
M
o
Z es la matriz en la que dos columnas estn en forma de desviacin
respecto a la media, entonces:
(M
0
Z)

(M
0
Z) = Z

M
0
M
0
Z = Z

M
0
Z
Mtodos Cuantitativos renzo.sifuentesn@gmail.com
16 1. Anlisis Matricial
1.3.9. Derivadas matriciales
Si f = a

x tendremos que:
f
x
=
(a

x)
x
= a
Si f = Ax donde A es una matriz,
f
x
=
(Ax)
x
= A

Si f = x

Ax donde A es simtrica
f
x
=
(x

Ax)
x
= 2Ax
Si f = a

xb, donde X
(nxp)
,
f
x
=
(a

xb)
x
= ba

Si f = a

xb, entonces
f
x
=
(a

xb)
x
= (ab

+ ba

)x

Ln|x|
x
= (x

)
1
(bxc)
partialx
= b

tr(xb)
x
= b

tr(x

axb)
x
= bx

a + b

tr(bx
1
)
x
= (x
1
b

x
1
)
1.4. Geometra de matrices
1.4.1. Espacio vectorial
Es un conjunto de vectores que est cerrado bajo multiplicacin y suma.
R
2
est cerrado bajo multiplicacin escalar de un vector, en un plano,
es tambin un plano.
R
2
est cerrado bajo la suma, la suma de dos vectores en un plan,
siempre otro vector.
Operaciones de vectores
a =
_
1
2
_
a

= 2a =
_
2
4
_
a

=
1
2
a =
_

1
2
1
_
c = a + b =
_
1
2
_
+
_
2
1
_
=
_
3
3
_
Mtodos Cuantitativos renzo.sifuentesn@gmail.com
1.4. Geometra de matrices 17
1.4.2. Combinaciones lineales
Sea V un espacio vectorial real, donde los vectores u
1
, u
2
, u
3
, ..., u
n
V,
adems
1
,
2
,
3
, ...,
n
son escalares y x V, donde:
x =
1
. u
1
+
2
. u
2
+
3
. u
3
+ ... +
n
. u
n
=
n

i=1

i
. u
i
Por lo tanto x es combinacin lineal de u V cuando existe .
En matrices:
_

_
x
1
x
2
.
.
.
x
n
_

_
=
_
u
1
u
2
u
n

.
_

2
.
.
.

n
_

_
1.4.3. Dependencia lineal e independencia lineal
Dependencia lineal
Un conjunto de vectores es linealmente dependiente cuando cualquiera
de los vectores en el conjunto puede ser escrito como una combinacin li-
neal de los otros.

1
. u
1
+
2
. u
2
+ ...
n
. u
n
=

0
1
,
2
, ...,
n
no todos son nulos.
Mtodos Cuantitativos renzo.sifuentesn@gmail.com
18 1. Anlisis Matricial
Independencia lineal
Un conjunto de vectores es linealmente independientes si y slo si:

1
. u
1
+
2
. u
2
+ ...
n
. u
n
=

0
1
=
2
= ... =
n
= 0
Subespacio
La dimensin de un subespacio se dene como el nmero de vectores
linealmente independientes que lo generan.
Diremos que un vector es ortogonal a un espacio E
p
si es ortogonal a
todo vector E
p
, entonces, si x pertence al subespacio E
p
, entonces:
x

= 0
1.4.4. Rango de una matriz
El rango de una matriz A de orden nxn, es el orden de la submatriz
cuadrada ms grande contenida en A, cuya determinante es no nulo y que
denotamos por r(A) = rangodeA.
En otras palabras es el nmero mximo de las linealmente independientes
de una matriz o el nmero mximo de columnas linealmente independien-
tes de una matriz.
Sea una matriz A de mxn entonces el r(A) min(m, n)
1.4.5. Determinante de una matriz
En el caso de una matriz R
2
la determinante sera un rea, en una matriz
R
3
la determinante seria el volumen, etc.
Para hallar la determinante de una matriz de segundo orden:
Sea A =
_
a
11
a
12
a
21
a
22
_
det(A) = |A| =

a
11
a
12
a
21
a
22

= a
11
a
22
a
12
a
21
Propiedad
Si la matriz A =
_
a
11
a
12
a
21
a
22
_
tiene inversa A
1
si y solo si |A| = 0, esto debido a:
A
1
=
1
|A|
_
a
22
a
12
a
21
a
11
_
Mtodos Cuantitativos renzo.sifuentesn@gmail.com
1.4. Geometra de matrices 19
Para hallar la determinante de una matriz de tercer orden:
Sea A = [a
ij
]
3x3
=
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
Al menor complementario de a
11
es M
11
=

a
22
a
23
a
32
a
33

Al menor complementario de a
12
es M
12
=

a
21
a
23
a
31
a
33

Al menor complementario de a
13
es M
13
=

a
21
a
22
a
31
a
32

Hallando el cofactor:
A
ij
= (1)
ij
M
ij
El cofactor de a
11
es A
11
= (1)
1+1
M
11
= M
11
El cofactor de a
12
es A
12
= (1)
1+2
M
12
= M
12
El cofactor de a
13
es A
13
= (1)
1+3
M
13
= M
13
Hallando |A|:
|A| = a
11
A
11
+ a
12
A
12
+ a
13
A
13
= a
11
M
11
a
12
M
12
+ a
13
M
13
|A| = a
11

a
22
a
23
a
32
a
33
| a
12

a
21
a
23
a
31
a
33

a
13

a
21
a
2
a
31
a
32

|A| = a
11
(a
22
a
33
a
23
a
32
) a
12
(a
21
a
33
a
23
a
13
) + a
13
(a
21
a
32
a
31
a
22
)
1.4.6. Ortogonalidad de una matriz
Vectores ortogonales
Empezaremos a analizar cuando dos vectores son paralelos:
a||

b r R tal que a = r.

b
Veamos todo lo contrario, cuando se trata de ortogonalidad:
Dos vectores a y

b son ortogonales si se verica la siguiente relacin.

||a +

b|| = ||a

b||
Cuando existe ortogonalidad de dos vectores, se dice que estos hacen un
ngulo de 90

, veamos si estas caracteristicas de la ortogonalidad se cum-

plen.
Mtodos Cuantitativos renzo.sifuentesn@gmail.com
20 1. Anlisis Matricial
||a +

b|| = ||a

b||
||a +

b||
2
= ||a

b||
2
||a||
2
+ 2a.

b +||

b||
2
= ||a||
2
2a.

b +||

b||
2
4a.

b = 0
a.

b = 0
En conclucin, se deduce que si la multiplicacin de dos vectores es igual
a 0 estos son ortogonales.
Matriz ortogonal
Una matriz cuadrada es ortogonal si:
A.A

= A

.A = I
Con este concepto podemos deducir que una matriz ortogonal es simtrica
y adems que su transpuesta es igual a su inversa (A

= A
1
).
Mnimos Cuadrados
Deduciremos una estimacin por minimos cuadrados pero centrando-
nos en el analisis de vectores ortogonales.
Para empezar tenemos una combinacin lineal y = Xb, en este caso no
tenemos ningun vector que sea ortogonal, pero de este concepto de ortogo-
nalidad en la estadstica surge el error que siempre existir y es ortogonal
al subespacio Xb.
Mtodos Cuantitativos renzo.sifuentesn@gmail.com
1.4. Geometra de matrices 21
Ahora por suma de vectores tenemos: y = Xb + e
Y por condicin de ortogonalidad: (Xb)

e = 0
Desarrollando con estas ecuaciones:
b

(y Xb) = 0
b

y b

Xb = 0
b

y = b

Xb
b = (X

X)
1
X

y
1.4.7. Valores y vectores propios
Los valores propios son las medidas bsicas del tamao de una mtriz y
los vectores propios representan las direcciones caractersticas de la matriz.
Si tenemos una matriz A:
A =
_
a
11
a
12
a
21
a
22
_
Donde la ecuacin estructuramos la ecuacin caracterstica
Ac = c
Desarrollando...
Ac = Ic
(A I)
. .
c = 0
Matriz
singular
|A cI| = 0
Desarrollando la determinate de la matriz
Mtodos Cuantitativos renzo.sifuentesn@gmail.com
22 1. Anlisis Matricial
A I =
_
a
11
a
12
a
21
a
22
_

_
0
0
_
=
_
a
11
a
12
a
21
a
22

_
|A I| = (a
11
)(a
22
) = a
21
a
12
|A I| = a
11
a
22
a
11
a
22
+
2
= a
21
a
12
= 0
|A I| = a
11
a
22
(a
11
+ a
22
) +
2
= 0
|A I| =
2
(a
11
+ a
22
)
. .
tr(A)
+ (a
11
a
22
a
21
a
12
)
. .
det(A)
= 0
Luego para hallar los vectores propios se reemplaza los valores propios
obtenidos en el polinomio caracterstico.
Mtodos Cuantitativos renzo.sifuentesn@gmail.com
Bibliografa
[1] Greene William - Anlisis Economtrico.
[2] Kesber Angulo Sanchez - Apuntes de clases - Teora de Probabilidades
y Estadstica Matemtica
[3] Eduardo Espinoza Ramos - Vectores y Matrices
23