Unidad 1: lgebra Matricial

Curso de Actualizacin y Seleccin

Juan Carlos Aquino Chvez
Banco Central de Reserva del Per
Agosto de 2010
Juan Carlos Aquino (BCRP) lgebra Matricial 08/10 1 / 20
Concepto de matriz
Las matrices permiten el resmen y la sistematizacin de muchas variables
mediante operaciones previamente denidas.
Denition (matriz)
Una matriz es un arreglo rectangular de nmeros reales en las y columnas
de la forma
A
(mn)
= [a
ij
] i =1,...,m
j =1,...,n
=
_

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

_
Juan Carlos Aquino (BCRP) lgebra Matricial 08/10 2 / 20
Ejemplos
Una matriz nula:
0
13
=
_
0 0 0

Una matriz la:
f
2
=
_
1 2

Una matriz columna:
c
2
=
_
1
2
_
Una matriz cuadrada:
C
2
=
_
1 2
3 4
_
Una matriz identidad:
I
2
=
_
1 0
0 1
_
Una triangular superior:
T
S
=
_
1 2
0 3
_
Una triangular inferior:
T
I
=
_
1 0
2 3
_
Juan Carlos Aquino (BCRP) lgebra Matricial 08/10 3 / 20
Adicin de matrices
La adicin est denida nica y exclusivamente para matrices de la misma
dimensin.
Denition (adicin)
Dadas dos matrices A
mn
= [a
ij
] i =1,...,m
j =1,...,n
y B
mn
= [b
ij
] i =1,...,m
j =1,...,n
, se dene
A + B
(mn)
= [a
ij
+ b
ij
] i =1,...,m
j =1,...,n
=
_

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

_
Ntese que se satisface la propiedad asociativa:
(A + B) + C = A + (B + C).
Juan Carlos Aquino (BCRP) lgebra Matricial 08/10 4 / 20
Ejemplos
Matrices 2 2:
_
2
1
2
16 5
_
+
_
4
1
2
5 0
_
=
_
6 1
21 5
_
Matrices 3 3 (propiedad asociativa):
_
_
1 4 1
4 1 5
6 6 1
_
_
+
_
_
4 12 7
5 3 0
9 6 8
_
_
+
_
_
5 0 0
6 1 7
1 9 2
_
_
=
_
_
5 16 8
1 4 5
15 12 9
_
_
+
_
_
5 0 0
6 1 7
1 9 2
_
_
=
_
_
10 16 8
5 3 12
14 21 7
_
_
Juan Carlos Aquino (BCRP) lgebra Matricial 08/10 5 / 20
Multiplicacin por escalar
Denition (multiplicacin por escalar)
Dada una constante R y una matriz A
mn
, se dene
A
(mn)
= [a
ij
] i =1,...,m
j =1,...,n
=
_

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

_
Ejemplo
2
_
1 2
3 4
_
=
_
2 4
6 8
_
Juan Carlos Aquino (BCRP) lgebra Matricial 08/10 6 / 20
Sustraccin y transposicin
Denition (sustraccin)
Dadas dos matrices A
mn
= [a
ij
] i =1,...,m
j =1,...,n
y B
mn
= [b
ij
] i =1,...,m
j =1,...,n
, se dene
A B
(mn)
= A + (1)B = [a
ij
b
ij
] i =1,...,m
j =1,...,n
Denition (transposicin)
Dada una matriz A
mn
= [a
ij
] i =1,...,m
j =1,...,n
, se dene su transpuesta mediante
A
/
(nm)
= [a
ji
] j =1,...,n
i =1,...,m
Ejemplo
_
11 12
21 22
_
/
=
_
11 21
12 22
_
Juan Carlos Aquino (BCRP) lgebra Matricial 08/10 7 / 20
Matriz simtrica
Denition (matriz simtrica)
Una matriz simtrica es una matriz tal que es igual a su transpuesta.
Ejemplo:
_
1 0
0 1
_
/
=
_
1 0
0 1
_
_
_
1 2 3
2 0 2
3 2 1
_
_
/
=
_
_
1 2 3
2 0 2
3 2 1
_
_
Juan Carlos Aquino (BCRP) lgebra Matricial 08/10 8 / 20
Producto interno
Denition
Dados dos vectores de la misma dimensin a = (a
1
, a
2
, . . . , a
n
) y
b = (b
1
, b
2
, . . . , b
n
), se dene el producto interno mediante
a, b =
n

i =1
a
i
b
i
= a
1
b
1
+ a
2
b
2
+ . . . + a
n
b
n
.
Denition
El producto de las matrices la a
/
y columna b, a partir de los vectores
previos y denotado por a
/
b es
_
a
1
a
2
. . . a
n

_

_
b
1
b
2
.
.
.
b
n
_

_
=
_
n

i =1
a
i
b
i
_
= [a
1
b
1
+ a
2
b
2
+ . . . + a
n
b
n
] .
Juan Carlos Aquino (BCRP) lgebra Matricial 08/10 9 / 20
Multiplicacin de matrices
La notacin previa resulta til para denir la multiplicacin de matrices
Denition
Dadas dos matrices A
mp
y B
pn
, se dene el producto de A y B
a
mediante
A B =
_

_
a
11
a
12
. . . a
1p
a
21
a
22
. . . a
2p
. . . . . . . . . . . .
a
m1
a
m2
. . . a
mp
_

_
b
11
b
12
. . . b
1n
b
21
b
22
. . . b
2n
. . . . . . . . . . . .
b
p1
b
p2
. . . b
pn
_

_
=
_

_
a
/
1
b
1
a
/
1
b
2
. . . a
/
1
b
n
a
/
2
b
1
a
/
2
b
2
. . . a
/
2
b
n
. . . . . . . . . . . .
a
/
m
b
1
a
/
m
b
2
. . . a
/
m
b
n
_

_
=
_
p

k=1
a
ik
b
kj
_
i =1,...,m
j =1,...,n
a
Se dice que A premultiplica a B o, equivalentemente, que B postmultiplica a A.
Juan Carlos Aquino (BCRP) lgebra Matricial 08/10 10 / 20
Determinante y matriz inversa
Sea la matriz 2 2 A =
_
a
11
a
12
a
21
a
22
_
. En adelante, se centra la atencin
en este tipo de matrices. Matrices de mayor dimensin se analizan
numricamente.
Denition
Dada la matriz A, se dene el determinante de A mediante
det(A) = a
11
a
22
a
12
a
21
Denition
Dada la matriz A, se dice que es no singular si existe una matriz
B =
_
b
11
b
12
b
21
b
22
_
que satisface AB = BA = I , en cuyo caso B recibe el
nombre de matriz inversa.
En adelante se emplear A
1
para denotar a la inversa de A.
Juan Carlos Aquino (BCRP) lgebra Matricial 08/10 11 / 20
Algunos resultados tiles
Theorem
Dada la matriz A, entonces
A es no singular == det(A) ,= 0
Theorem
Si A es una matriz no singular, entonces
A
1
=
1
det(A)
_
a
22
a
12
a
21
a
11
_
En el caso de matrices de mayor tamao se suele hacer uso de menores
principales, denir la matriz adjunta, etc. Sin embargo, para la mayora de
modelos bsicos comnmente abordados no es necesario salir de un
anlisis de dos variables.
Juan Carlos Aquino (BCRP) lgebra Matricial 08/10 12 / 20
Valores y vectores propios
Mucho del anlisis de una variable puede ser extendido al caso de varias
variables con la ayuda de la notacin matricial. Como se apreciar
adelante, el estudio del clculo diferencial, formas cuadrticas y sistemas
dinmicos se simplica enormemente con matrices diagonales. Para
matrices que no son diagonales, es necesario emplear los siguientes
conceptos y propiedades.
Denitions (valor propio, vector propio)
Sea una matriz 2 2 A =
_
a
11
a
12
a
21
a
22
_
, se dice que R es un
valor propio de A si existe un vector no nulo v =
_
v
1
v
2
_
R
2
tal que
Av = v
Juan Carlos Aquino (BCRP) lgebra Matricial 08/10 13 / 20
Ecuacin caracterstica
Para poder calcular de la expresin es necesario resolver:
det(A I ) =
2
(a
11
+ a
22
)
. .
tr (A)
+ (a
11
a
22
a
12
a
21
)
. .
det(A)
= 0 (1)
al ser esta una ecuacin de segundo grado en , las soluciones vienen
dadas por

1
=
tr (A) +
_

2
y
2
=
tr (A)
_

2
donde
= tr (A)
2
4 det(A)
En adelante, se abordar el caso en que
1
,=
2
( > 0).
Ntese que una vez calculados
1
y
2
se puede calcular v
1
y v
2
.
Juan Carlos Aquino (BCRP) lgebra Matricial 08/10 14 / 20
Diagonalizacin (caso "general")
Una vez provistos de
1
,
2
, v
1
y v
2
:
Av
1
=
1
v
1
Av
2
=
2
v
2
o, en forma compacta
A
_
v
1
v
2

. .
C
=
_
v
1
v
2

. .
C
_

1
0
0
2
_
. .

.
Entonces
A = CC
1
.
Este procedimiento recibe el nombre de diagonalizacin de A y a su vez es
un caso particular de la descomposicin cannica de Jordan.
Juan Carlos Aquino (BCRP) lgebra Matricial 08/10 15 / 20
Diagonalizacin (matrices simtricas)
En el caso de n variables, recurdese que hay innitos v
i
s asociados por
cada
i
1
. Un criterio comnmente empleado para la diagonalizacin es
escoger v
i
R
n
tal que v
/
i
v
i
= 1.
Adicionalmente, en el caso de matrices simtricas los vectores propios son
ortogonales
2
entre si, con lo cual
C
/
C=
_

_
v
/
1
v
1
v
/
1
v
n
.
.
.
.
.
.
.
.
.
v
/
n
v
1
v
/
n
v
n
_

_
=
_

_
1 0
.
.
.
.
.
.
.
.
.
0 1
_

_
= I . (2)
Entonces C
1
= C
/
y
A = CC
/
. (3)
1
Pues representan una familia de vectores.
2
Su producto interno es igual a cero.
Juan Carlos Aquino (BCRP) lgebra Matricial 08/10 16 / 20
Formas cuadrticas
Permiten generalizar resultados en optimizacin de una variable al caso de
varias variables.
Denition
Una forma cuadrtica en dos variables x
1
e x
2
es una expresin de segundo
grado de la forma
Q(x
1
, x
2
) = ax
2
1
+ 2bx
1
x
2
+ cx
2
2
=
_
x
1
x
2

. .
x
/
_
a b
b c
_
. .
A
_
x
1
x
2
_
. .
x
Se hace uso por convencin de una matriz simtrica para resumir la forma
cuadrtica por el siguiente resultado.
Theorem
Toda matriz simtrica posee valores propios reales.
Juan Carlos Aquino (BCRP) lgebra Matricial 08/10 17 / 20
Caso particular
Dado b = 0:
Si a > 0 y c > 0:
Q(x
1
, x
2
) = ax
2
1
+ cx
2
2
> 0 para todo (x
1
, x
2
) ,= (0, 0).
Si a _ 0 y c _ 0:
Q(x
1
, x
2
) = ax
2
1
+ cx
2
2
_ 0 para todo (x
1
, x
2
).
Si a > 0 y c < 0:
No es posible asegurar un signo para Q(x
1
, x
2
) = ax
2
1
+ cx
2
2
.
Si a _ 0 y c _ 0:
Q(x
1
, x
2
) = ax
2
1
+ cx
2
2
_ 0 para todo (x
1
, x
2
).
Si a < 0 y c < 0:
Q(x
1
, x
2
) = ax
2
1
+ cx
2
2
< 0 para todo (x
1
, x
2
) ,= (0, 0).
Juan Carlos Aquino (BCRP) lgebra Matricial 08/10 18 / 20
Caso general
Qu ocurre cuando b ,= 0?
En este caso la matriz puede ser escrita en la forma:
A = CC
/
.
Entonces
Q(x
1
, x
2
) = x
/
Ax
= x
/
CC
/
x
= z
/
z (luego de hacer z = C
/
x)
=
1
z
2
1
+
2
z
2
2
Juan Carlos Aquino (BCRP) lgebra Matricial 08/10 19 / 20
Caso general
Luego de la diagonalizacin:
Si
1
> 0 y
2
> 0:
Q(x
1
, x
2
) =
1
z
2
1
+
2
z
2
2
> 0 para todo (z
1
, z
2
) ,= (0, 0).
Si
1
_ 0 y
2
_ 0:
Q(x
1
, x
2
) =
1
z
2
1
+
2
z
2
2
_ 0 para todo (z
1
, z
2
).
Si
1
> 0 y
2
< 0:
No es posible asegurar un signo para Q(x
1
, x
2
) =
1
z
2
1
+
2
z
2
2
.
Si
1
_ 0 y
2
_ 0:
Q(x
1
, x
2
) =
1
z
2
1
+
2
z
2
2
_ 0 para todo (z
1
, z
2
).
Si
1
< 0 y
2
< 0:
Q(x
1
, x
2
) =
1
z
2
1
+
2
z
2
2
< 0 para todo (z
1
, z
2
) ,= (0, 0).
Juan Carlos Aquino (BCRP) lgebra Matricial 08/10 20 / 20