II. AUTOVALORES Y
AUTOVECTORES DE UNA
MATRIZ
2.1. Aspectos bsicos.
2.2. Teorema de Schur y Gershgorin
2.3. Problemas propios de una matriz.
2.4. Factorizaciones Ortogonales
problemas de mnimos cuadrados
Pgina 1
a11
a
21
a31
a12 Columnas
... a1i ...
a1n
... a2n
a3n
m1 am 2 ami amn mn
a22
a32
... a2i
a3i
4
5 2 2
3
9
4
8
1
7
0
0
9
5 25
Pgina 2
a11
a
21
La representamos del siguiente modo: A
a m1 mx1
Ejemplo:
1.
2.
2
5A 5
1
4
10
2
5
20
10
PLANTA1
PLANTA 2
PLANTA3
PLANTA 4
PRODUCTO 1
5600
2330
5400
4580
PRODUCTO 2
2330
4500
4500
2500
PRODUCTO 3
5040
4500
5600
9500
PRODUCTO 4
4580
2500
9500
4600
Pgina 3
A (A)
( ) A A A
C A B aij bij
(a b) ij
m n
m n
Ejemplo:
8
6
5 6
; B
1
0 2
1.
2.
En una empresa
M1=
3 1
C A B
6 1
PRODUCTO 1
PLANTA1
50
PLANTA 2
20
PLANTA3
50
PLANTA 4
40
PRODUCTO 2
20
40
40
50
PRODUCTO 3
50
50
60
90
PRODUCTO 4
40
25
90
60
M2=
PLANTA1
PLANTA 2
PLANTA 3
PLANTA 4
PRODUCTO 1
50
20
50
40
PRODUCTO 2
10
10
PRODUCTO 3
20
PRODUCTO 4
10
Esta matriz nos proporciona el costo para producir parte de cada uno de
los cuatro productos en cuatro plantas ubicadas en ciudades diferentes
se requiere saber el costo total de cada uno de los productos.
Matriz
de
costo
total
PRODUCTO 1
PLANTA1
100
PLANTA 2
40
PLANTA3
100
PLANTA 4
800
PRODUCTO 2
30
50
44
50
PRODUCTO 3
70
55
66
99
PRODUCTO 4
50
27
99
66
Propiedades:
Pgina 4
1.
A B B A
2.
A ( B C ) ( A B) C
3.
( A B ) A B
4.
A; 0 tal que A 0 A
m p
A. aij
pn
y B bij
es una matriz
C cij
A es conforme con B ;
m p
p n
A aij
; B bij
m n
C A B cij
Ejemplo:
1.
1
1
1
C AB
1
2 3
C
2 5
2
; B
0
2 2
.
3 0
; Entonces:
1 1( 2) 2(0) 1( 1) 2( 2)
2 1( 2) 3(0) 1( 1) 3( 2)
Propiedades:
1.
A.B B. A
2.
A.( BC ) ( AB)C
3.
A.( B C ) AB AC
Pgina 5
4.
( B C ) A BA CA
5.
kA.B AkB ; k IR
de orden
m n;
Ejemplo:
1
1. A3 7
0
5
8
0
6
3
5
2.
2.
A7 2
0
MATRIZ
2
7
78
0
5
0
8
0
6
78
9
0
1
0
1
0
1
5
1
6
1
74
0'
1
9
TRIANGULAR
SUPERIOR:
Llamaremos
aij
matriz
i j ; y se representa como:
a11 a12
0 a 22
A 0
0
0
0
a 23 ... a 2n
a33 ... a3n
0
0 a nn
Pgina 6
3.
aij
representa como:
a11
a 21
...
...
a33
...
a 22
A a31 a32
a
m1 a m 2
4.
0
0
0
0
a m3 a nn
aij
0 a 22
A 0
0
0
0
5.
0
0
...
...
a33 ...
0
0 a nn
0
A 0
6.
...
K
0
0 ...
K ...
0 0
0
0
0
A 0
0
1
0
0
0
1
...
...
...
0 0 0
0
0
Pgina 7
7.
MATRIZ
TRANSPUESTA:
Dada
una
m n ;
A aij
matriz
a 21
a12
a13
...
a 22
a 23
...
a1n
a 2n
a11 a 21 a31
a12 a 22 a32
m1 a m 2 a m3 ... a mn
a1n a 2n
...
a m1
... a m 2
a33 ... a m3
a3n ... a mn
Ejemplo:
1
At
1. A
3
4
2 4
Propiedades:
1.
It I
2.
A t t A
3.
kA t
4.
AB t
5.
A B t
8.
MATRIZ SIMTRICA:
kAt
B t . At
At B t
Ejemplo: A 0
2
9.
At 0
aij a ji ; i j ;
es decir A At .
simtrica si A At
Ejemplo:
1.
A 2
4
At 2
4
2
0
6
6 At 2
4
0
A At
Pgina 8
2.
0
4
0
At
0
4
0
At
0
4
A At
, en donde * indica la
conjugada compleja
Ejemplo:
, en donde
Observemos si todos los elementos de la matriz Hermitiana fueran
reales, entonces tenemos una matriz simtrica.
11.
MATRIZ BANDA
1
A 0
0
0
2
1
0
0
1
2
1
0
0
1
2
1
0
0
1
1
Obs.
Pgina 9
1.
codiagonales.
2.
det( A) A
a11 a12
; entonces det( A) a11.a 22 a 21.a12
Si A
a 21 a 22
Ejemplo:
1
1. A
1 3
" M ij "
aij
se denota por
M ij .
31 a32 a33
a 22 a 23
a
a
32
33
a11 es M 11
a12 a13
a
a
32 33
a 21 es M 21
Pgina 10
Sea
define como:
Aij
y se
Aij 1 i j M ij
Sea A a 21 a 22 a 23 entonces
a
31 a32 a33
A11 111 M 11 M 11
A12 1 1 2 M 12 M 12
A13 1 1 3 M 13 M 13
A a11 M 11 a12 M 12 a13 M 13
Entonces
Ejemplo:
1 0 0
2 .3
A 1 2 3 det( A) 1 10
0,5
0 0 5
1.
det(A)
ans =
10
2.
B 2
0
3
2
4
1
Pgina 11
-2
-2
det(B)
ans =
44
2.1.8.3. Propiedades:
1.
su valor no se altera.
a1
a2
a3
a1
b1
c1
Es decir: b1
b2
c2
b3 a 2
c3 a 3
b2
b3
c2
c3
c1
2.
determinante es cero.
3.
a2
a3
b1
b2
b3
Es decir: b1
b2
c2
b3 a1
c3 c1
a2
c2
a3
c3
c1
4.
a2
a3
Es decir: ka1
ka 2
c2
ka3 0
c3
c1
5.
a2
a3
a1
a2
a3
a1
a2
a3
Es decir: kb1
b2
c2
b3 kb1
c3
c1
kb2
c2
kb3 k b1
c3
c1
b2
c2
b3
c3
kc1
Pgina 12
6.
a2
a3
Es decir: b1 y b2
c1 z
7.
c2
a1
a2
a3
a2
a3
b3 b1
c3
c1
b2
c2
b3 y
c3
z
b2
c2
b3
c3
a2
a3
a1 ma 2
a2
a3
Es decir: b1
b2
c2
b3 b1 mb2
c3
c1 mc2
b2
c2
b3
c3
c1
2.1.8.4. Observaciones
La determinante de una matriz triangular es igual al producto de los
elementos de su diagonal principal.
, det(A) = (1)(5)(12)= 60
1
A 0
0
0
2
1
0
0
0
10
1
0
0
0
2
1
0
0
;
0
20
det(A)= (1)(2)(10)(2)(20)=800
Pgina 13
Sea la matriz
A a 21 a22 a 23
a
31 a32 a33
A11
A12
A22
A32
A13
A23 ; donde
A33
Aij 1 i j M ij
Ejemplo: A 3
5
14
CA 4
22
22
22
14
4
14
t
denota por adj ( A) CA t , adj ( A) CA A12
A
13
A21
A22
A23
A31
A32
A33
Ejemplo:
1
A 4
7
CA 6
3
12
6
3
adj ( A) 6
3
12
6
3
Ejemplo: A 4
2
2
5
3
A 1
1
CAt
adj ( A)
A
A
Pgina 14
13
CA 7
3
8
5
6
13
adj ( A) 8
2
1
3
13
8
6
3
1
9
7
5
1
6
3
Verificando tenemos: AA
1
1
4
9
2
2
5
3
3 13
6 . 8
1 2
5
1
6
3
0
0
1
0
0
1
AB 1 B 1 A 1
2.
A 1 1 A
3.
A 1 1 A 1
4.
adj ( A) A
5.
n 1
IR
Donde
n es el orden de la matriz A
6.
Pgina 15
0
A
6
5
7
8
6
8
9
Solucin
Como la matriz es de orden 4x3, esto quiere decir que r(A) min{4,3} en
otras palabras r(A) 3
Determinamos las matrices de 3x3:
1
0
6
; 0
0
; 6
0
; 6
0
min (m,n)
Pgina 16
transformaciones elementales.
2.1.8.9. OPERACIONES O TRANSFORMACIONES ELEMENTALES
Son operaciones con matrices que no alteran su orden ni su rango,
existiendo operaciones elementales por fila o por columnas.
1.
2.
3.
con los
multiplicado por un
Pgina 17
Ejemplo: sea
determinar su norma
Solucin
=7.0711
Por ejemplo
, que es el campo
;,
,
Pgina 18
Observe que:
1.
2.
tiene al
grado n
se puede descomponer
como un producto
de n factores
lineales.
ANGULO ENTRE VECTORES
El coseno entre dos vectores es dado por
,
Ejemplo
Sean los vectores
, entonces el
PERPENDICULARIDAD DE VECTORES
Dos vectores son ortogonales si el coseno entre ellos es cero es decir si
solo si
,
Ejemplo
Sean los vectores x=(2,3,3,4), y =(4,-3,7,-5) son ortogonales pues:
Pgina 19
X*y=2*4+3(-3)+3*7+4(-5)=0
2.1.9. ESPACIO VECTORIAL Cn
Cn, esta compuesto de todos los vectores
El espacio vectorial
en donde los
complejo x es multiplicado por
, Si al vector
,
,
3.
en particular, si x es una
, es una matriz de
Pgina 20
,
En general podemos definir norma de un vector x
Propiedades
1.
,
,
2.
3.
, (x
La norma de
),
es
donde
es el mximo valor
Pgina 21
cuyos elementos
ecuacin
..................................................................................................(1)
entonces , es un valor
Esta ecuacin nos afirma que -2 es un valor propio de matriz 3x3 y que
(1,3,-4)T, es un vector propio correspondiente.
Observemos que cualquier mltiplo distinto de cero de un vector propio
es tambin un vector propio correspondiente al mismo valor propio.
La condicin de que la ecuacin (1) tenga una solucin no trivial es
equivalente a cada una de las siguientes afirmaciones:
Pgina 22
1.
(2).
2.
, es singular,.............................................................(3)
3.
),........................................................................(4)
a11
a
21
det
a i1
an1
a12
a22
ai 2
an2
a13
a23
ai 3
a n3
...
...
...
...
a1 j
a2 j
aij
anj
...
...
...
...
a1n 0
a 2 n 0
0
ain 0
0
ann
Pgina 23
Si x es un autovector
circunstancias
en estas
y cuando
, los efectos
A
x
A
x
A
x
A
x
Ejemplo
Sea la matriz
Pgina 24
es una solucin
, as que
de
, por lo tanto
autovector
es una
solucin
, por lo
tanto
de
, as que
tenemos el autovector
Ejemplo
Pgina 25
Radio espectral
es un autovalor de A
entonces
matricial
2.2.
INDEPENDENCIA LINEAL
son linealmente
de
tal
, son linealmente
pues existen (1) y (2) tal que:
Pgina 26
Si
.Si los
son tales que
,
Entonces
,
de
esta
manera
tenemos que,
,
Pues la nica solucin al sistema es
entonces el conjunto
autovectores correspondientes
, entonces
, es linealmente independiente.
Un conjunto de vectores
es ortogonal
si
Pgina 27
Si,
dems
es
un
conjunto
ortogonal
de
vectores
, para cada
i=1,2,...,n.
forman
un
.
Este conjunto forman un conjunto ortogonal por heredar la ortogonalidad
de
, y adems
Pgina 28
,
Observemos que: Q*Qt=I
2.2.4. AUTOVALORES
SEMEJANTES
AUTOVECTORES
DE
MATRICES
Pgina 29
, si solo si
para
algn i .
2.2.5. TEOREMA DE SCHUR Y GERSHGORIN
Diremos que dos matrices A y B son semejantes entre si cuando existe
una matriz no singular P tal que
por que permite establecer que dos matrices que representan una
misma transformacin lineal con respecto a dos bases distintas, son
semejantes entre si.
Teorema 1. Todas las matrices semejantes tienen los mismos valores
propios
Pues supongamos que A y B son dos matrices semejantes esto es
,
Veremos que A y B tienen el mismo polinomio caracterstico
,
,
,
,
Obsrvese:
Pgina 30
transpuesta de U es decir
TEOREMA DE SCHUR.
Sea A una matriz de orden nxn cualquiera, entonces existe una matriz U
ortogonal tal que T=U-1AU, donde T es triangular superior cuyos
elementos diagonales son los autovalores de la matriz A.
, es decir
Pgina 31
, es ms, si la
Sea la matriz
Los crculos del teorema de Gershgorin son:
Pgina 32
Eje
Imaginario
1
7
2
8
3
9
4
10
5
6
11
Eje
Real
Y PROBLEMAS DE
, lo
en
Si
ortonormal
Ejemplo.
Determinar si los vectores son ortogonales x1 =[10,10] y . x2 =[-2,2]
Pues
perpendicular a x 1,
Pgina 33
en consecuencia
X2
, grficamente es
X2
e
2
E1
X1=e1
es
decir:
,
Consecuentemente se tiene que
,
De esta manera e2 se encuentra en funcin de x 1 y x2, y sean
ortogonalizado dichos vectores.
Ejemplo.
Ortogonalizar x1 =[4,6]t y . x2 =[8,0]t
Hacemos
Primero: consideramos el primer vector
,
Segundo: determinamos
4
3
Tercero: determinamos el segundo
vector ortogonal.
2 --
Grficamente
1 -1
1
5
2
6
-2
-Autovalores y Autovectores de una Matriz
-3
Pgina 34
-4
-
Para un conjunto de
n vectores
Linealmente
ortogonales
Pgina 35
, un mnimo
Pgina 36
, esta diagonal
l-vv *,
sea untara de tal manera que (I-vv * )A inicie con tener la forma de R es
decir una matriz triangular superior de orden mxm es decir su primera
2
Pgina 37
, y denotamos la primera
, sea
real.
Segundo, hacer
En donde
, en este caso
al
,
Los siguientes pasos son similares al primero, pues despus de k pasos
se habra conseguido multiplicar por la izquierda por k matrices untaras,
obteniendo de esta manera lo siguiente,
,
En donde
J : es una matriz triangular superior de KxK
0: es la matriz nula de (m-k)xk
H: es una matriz de kx(n-k)
W: es una matriz (m-k)x(n-k)
Se afirma que existe un vector
unitaria de orden m-k con la caracterstica de que (I-W *) tiene ceros por
debajo del elemento en su primera columna, esto es, .
Pgina 38
,
En esta relacin
, es una matriz unitaria y lo denotamos por U k+1, y el proceso
termina cuando la columna (n-1) sima de R queda en la forma
apropiada y consecuentemente tenemos, Q * A = R, en donde Q* denota
el producto de todas las matrices unitarias que se han usado como
factores dado que Q es una matriz unitaria, A=QR .
Observemos que
siendo
Ejemplo.
Sea la matriz
Paso I
Primero: Calculamos , como
,
Segundo, hacer
Pgina 39
,
En este caso el primero factor unitario
Paso II
Primero: Calculamos ,
,
Segundo, hacer
,
En este caso el primero factor unitario
Pgina 40
Paso III
Primero: Calculamos ,
,
Segundo,
,
,
En este caso el primero factor unitario
Pgina 41
Luego A=QR
2.3.
Pgina 42
A=PDQ
En donde
P= es una matriz de orden mxm
D= es una matriz de orden mxn
Q= es una matriz de orden nxn.
Ejemplo.
Se tiene que
De esta manera
Podemos considerar
Entonces A=PDQ
Pgina 43