;
;
0,23 0,12
0,2 0,16
0,23 0,12
3 4 0,16
0,4 0,01 0,15 0,2
0,01 0,15 0,2
Son matrices.
Una primera forma de identificar a una matriz es por el nmero de filas y de columnas que se
denomina orden y que se escribe mxn en que m es el nmero de filas y n el de columnas.
As, la primera matriz es de orden 1x3, la segunda de orden 3x3 y la tercera de orden 1x1.
Las matrices de orden 1x1 se denominan matrices escalares.
Tipos de matrices:
1. Matrices cuadradas. Una matriz en que m = n se denomina matriz cuadrada
2. Matriz diagonal. Es una matriz cuadrada con elementos diferentes de cero, solo en la
diagonal principal. Un caso particular de matriz diagonal es la Matriz identidad que se
caracteriza por que los valores de la diagonal principal son iguales a 1.
8 0 0
1 0 0
2 es 7 4 3,4
columnas de A. As la transpuesta de esta matriz 5 4
10 3,4 2 3 2 2
II.
Relacin de Equivalencia (=). Dos matrices son iguales si sus elementos homlogos lo
son. Deben tener igual nmero de filas e igual nmero de columnas.
Operaciones con matrices:
Suma y resta de matrices. Las matrices se suman, sumando sus elementos homlogos.
Para que dos o ms matrices se puedan sumar deben tener el mismo nmero de filas y el
mismo nmero de columnas.
Multiplicacin de matrices. La multiplicacin de dos matrices da origen a una tercera en
que cada uno de sus elementos es igual a la suma de los elementos de una fila de la primera
matriz por una columna de la segunda matriz. As el elemento i,j de la matriz producto es
igual a la multiplicacin de los elementos de la fila i de la primera matriz por los de la
columna j de la segunda.
Para poder multiplicar matrices estas deben ser conformables es decir el nmero de
columnas de la primera matriz debe ser igual al de filas de la segunda. Para multiplicar una
matriz por un escalar se debe multiplicar cada elemento de la matriz por el escalar. La
multiplicacin es asociativa, tiene elemento neutro pero no es conmutativa.
Ejemplos:
1 2
Sea A =
3 4
0 1
B =
6 7
C
1 2
2 4
D
1 2
E
6 9
1 1
F
1 2
1 2
Sea A =
3 4
0 1
B =
6 7
2 1
G
3 2
Entonces AB BA
Dado:
2 3
E
6 9
1 1
F
1 2
2 1
G
3 2
Calcule E* F y demuestre que su resultado es igual a E*G Puede decir entonces que F =
G?
Interpretacin de las matrices idempotentes M0 y M:
Sea M0 = I i i/n entonces M0 es idempotente
Sea M = I X (XX)-1X entonces M es idempotente
Interpretacin de M0
Sea i vector columna de 1s
Sea x vector columna de xi
Entonces:
xi = ix
1
x ix
n
x1 x
x x
x i x = I x - i ix/n = (I i i /n) x
2
.
xn x
Luego:
(x
(x
x ) 2 xM0x
x )( y i y ) xM0y
Determinante de una matriz cuadrada A. Es una funcin multilineal alternada que define
el rea de los vectores que determinan la matriz A. El determinante de una matriz es igual
al producto des sus valores caractersticos.
Divisin (Inversin de una matriz). La divisin de matrices no existe como tal pero se
puede realizar una operacin equivalente a travs de la multiplicacin por la matriz inversa.
Dado A, la matriz inversa es una matriz V tal que AV = I. La matriz inversa se denota A 1
A
A '
det A
cofactores?
min
0.5
Ejercicios
a 0 1
1) Encuentre los valores a y b, para los cuales la matriz A 1 b a es invertible y
1 1 1
calcule la matriz inversa.
1 2 1
2) Encuentre el valor t, tal que la matriz A 0 3
1 sea singular (no invertible).
2 2 t
Qu condicin tiene que cumplir t para que el sistema Ax=0 tenga una solucin
distinta de la trivial (x0)? Qu condicin tiene que cumplir t para que el sistema
t
Dada
5 10
A
3 6
2 8
B
1 4
41 1
C
33 7
Ejemplo: Sea A =
1
4
1 4
0
1 3
2 2
3
1 4 x2
2 x1 2 x 2 0
x1
1x1 1 x 2 0
x2
1
Entonces: C1 =
1
x1 2 x 2 2 x1
La ecuacin anterior conjuntamente con el hecho que los vectores caractersticos tienen
norma unitaria implica que:
2/ 5
C2 =
1/ 5
Se tiene finalmente que:
1 = 3;
1
C1 =
1
2 = 2;
2/ 5
C2 =
1
/
5
0.5 0.3
A =
0.3 0.5
Ejemplo 2: Sea
0.5 0.3
0
.
3
0
.
5
I x 0
0 .5 0 .3 0
0 .3 0 .5 0
0 .5
0 .3
0 .3
0 .5
1 0
x 0
0 1
2 2
1 4 , 2 2
y sus vectores
1 / 2
y para
C1
1
/
2
1/ 2
C 2
1
/
2
Ejercicios
5 1
.
Sea la matriz A
2 4
a) Encuentre la matriz B que diagonaliza a la matriz A
b) Demuestre que si los vectores propios fueron normalizados BB=I.
c) Factorice A, es decir encuentre la matriz P tal que PP = A. Siempre puede
hacerlo?.
3 1
A
1 3
a) Valores caractersticos
3 ; 1
1; 3
Luego:
3 1
1 3
0 2 6 8 0
1 4
2 2
b) Vectores caractersticos
1 4
entonces:
1 / 2
x
x
3 1
1 1 C1
1 3
x2
x 2
1 / 2
2 2
entonces:
1/ 2
C 2
1
/
2
Luego:
1 / 2
C
1 / 2
1/ 2
1 / 2
1 / 2
C ' C
1 / 2
1/ 2
1 / 2
Sea:
1 4 ; 1 2
1 / 2
1 2
1/ 2
1 / 2
1 0
0 1
2/ 2
P '
2/ 2
2/ 2
P ' P
2/ 2
2/ 2
3 1
2/ 2
A
1
1 3
Demostraciones:
T1 Sea 1 2
entonces
A x1 1 x1
A x2 2 x2
x' 2 A x1 1 x' 2 x1
x'1 A x 2 2 x'1 x 2
Pero x2 A x1 = x1 A x2 si A es simtrica.
Luego: 0 = x1 x2 ( 1 - 2) x1 x2 = 0
puesto 1 2
Esto es vlido x 0 .
En particular sea y = Cx
y A y = x.CA C x = x x
0 i 0 i
Teo 3: Se sabe que rang CAC = rang A puesto C y C son de rango completo.
Pero CAC = luego rang A = rang y rang = nmero de valores caractersticos
diferentes de cero.
DEM de T5
Sea C la matriz de los valores caractersticos. Es decir C = (C1, C2,.... Cr)
A C = ( 1C1 ; 2C2 ; rCr) = C
Luego C A C = C C pero CC = I
Por lo tanto:
C ' A. C 1 2
0
Luego P '
C1 ...
0
A C C'
r
A11
A21
A12
A22 A11 A12 A221 A21
A22
A11 A22 A21 A111 A12
A11
A21
A12
A22
A ( I A21 F1 A12 A )
FA12 A221
1
22
A11
A21
A12
A22
11
F2 A21 A111
F2
V.
DERIVACION DE MATRICES
Sea y = xb = xi bi
1
22
REVISAR
y
y
xi por lo tanto
=x
bi
b
Entonces
Sea F = 1
a c 1
a12 2c1 2 b 22
c b 2
F
2a1 2c 2
1
F
2c1 2b 2
2
a c 1
F
2
c
b
En resumen
X
X
' X
2 X
x ' A
A'
x
x ' A
A
x '
1 2
Sea A =
3 4
1 2
= (1x1 + 3x2 ; 2x1 + 4x2)
Entonces xA = (x1, x2) *
3 4
x ' A
x1
1 2
x ' A
x
x ' A
x 2
x ' A
x1
1 3
x ' A
x '
x ' A
x 2
Derivacin de Ax
Ax
A'
x
Ax
A
x '
Sea:
1 2 x1 x1 2 x 2
=
Ax =
3 4 x 2 3x1 4 x 2
Ax
x1
1 3
Ax
x
Ax
x 2
Ax
x1
1 2
Ax
x '
Ax
x 2
1 3
Sea A =
3 4
1 3 x1
*
x Ax = (x1 , x2) *
3 4 x2
x
(1x1 + 3x2 ; 3 x1 + 4 x2) 1
x2
1x 12 + 3 x1x2 + 3x1x2+4x 22
xAx = x 12 + 6 x1x2 + 4x 22
x' Ax
2 x1 6 x 2
x1
x' Ax
x
x ' Ax
6 x 1 8x 2
x 2
1 3 x1
x' Ax 2 6 x1
2
* = 2Ax
x
6 8 x 2
3 4 x2
VI.
Sea
Entonces:
d 2
' A 1
d
2 1
b
a 1
d 112 (a b)1 2 d 2 22
d 2 2