Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. Introduccin
Esta Ayuda Memoria trata de operaciones que se pueden hacer en conjuntos de n-uplas de
nmeros reales. Estos conjuntos se escriben E=Rn . Cada elemento de este conjunto est
conformado por n nmeros reales; por ejemplo, si n=3, x={2,1,4} es un elemento de R3.
Por convencin, se escribe estos elementos en forma de una lista vertical de nmeros. Por
ejemplo:
2
1
4
2.1 Suma
1
2
3
2
2
6
3
0
9
5
10
15
2
3
2
6
10
2
18
1
0
4
2
2
0
....
......
0
1
2
3
3
5
Obsrvese que si los vectores son lienealmente independientes, una relacin del tipo:
1x1+ 2x2 + 3x3 = 0 implica 1= 2= 3=0
Vectores linealmente dependientes
1
0
2
2
2
6
.... ....
0
1
1
3
3
9
Si los vectores son linealmente dependientes, una relacin del tipo 1x1+ 2x2 + 3x3 = 0
puede darse sin que todos los i sean simultneamente iguales a cero.
4. Representacin grfica
Los vectores en Rn son puntos en un espacio n-dimensional.
Los espacios vectoriales son lneas en R1, planos en R2 , hiperplanos en Rn que pasan por el
origen.
5.2 Norma
La norma de un vector x en Rn es igual a la raz cuadrada del producto escalar por s mismo
y se escribe (con frecuencia) de la siguiente manera:
|x| = xx
Desde el punto de vista de la interpretacin geomtrica, la norma corresponde a la distancia
entre el punto que representa al vector x y el origen (o vector cero). Para convencerse de
esto es suficiente utilizar el teorema de Pitgoras.
5.3 Distancia
La distancia euclidiana entre dos vectores x,y en Rn es igual a la raz cuadrada del producto
escalar del vector (x-y) por si mismo. Es decir:
dist(x,y) = (x-y)(x-y)
Esta interpretacin de la distancia, se obtiene considerando a los vectores x,y como puntos
en el plano y aplicando el Teorema de Pitgoras.
El concepto de distancia es fundamental en matemticas; permite, entre otras cosas, definir
una bola de centro a y de radio 3 de la siguiente manera:
B(a) = {x/dist(x,a)<r}
Si esta definicin es aplicada en R2, la bola es el conjunto de puntos que se encuentran al
interior de un crculo de centro a y de radio 3.
1
2
3
2
4
6
.... ....
0
0
0
3
6
9
Ejemplo, los dos vectores siguientes son ortogonales entre s:
1
5
2 .......... 10
1
15
Si la media de los vectores x,y es igual a cero, cos(x,y) es igual al coeficiente de correlacin
lineal entre entre x,y. Si no es el caso, es suficiente de centrarlos a su media para llegar a
una misma conclusin. Asociado a la idea de (in)dependencia lineal, se entiende la
significacin del coeficiente de correlacin lineal.
2.... 2
5.... 1
6.... 4
Esta matriz tiene 3 lnea y 2 columnas; puede ser considerada como un conjunto de 2
vectores columna en R3
Cuando se desea representar una matriz A escribiendo sus vectores columna como lneas,
la nueva matriz se denomina transpuesta de A y se escribe A.
Matrices particulares
Matriz cero: contiene slo ceros
Matriz uno: contiene slo unos
Matriz identidad: es una matriz cuadrada con unos en su diagonal principal y 0 en el resto,
puede considerarse como una coleccin ordenada de vectores unidad-j.
Matriz simtrica: matriz cuadrada donde las i-sima lnea es igual a la i-sima columna; una
matriz simtrica es idntica a su transpuesta.
La escritura matricial facilita mucho las operaciones con vectores.
Rango de una matriz
El rango de una matriz es igual al mximo nmero de vectores columna linealmente
independientes que contiene (es equivalente a decir el mximo nmero de vectors linea
linealmente independientes que contiene).
Traza de una matriz
6
La traza de una matriz cuadrada es igual a la suma de los elementos que se encuentran en su
diagonal principal.
Matriz A ortogonal por columnas: es una matriz tal que el producto AA da una matriz
diagonal. En otras palabras, es una matriz cuyos vectores columna son ortogonales entre s.
Si la matriz diagonal es igual a la matriz identidad, se dice que esta matriz es ortonormada.
Matriz A idempotente. Es una matriz que AA = A
Proyector. Es una matriz simtrica e indempotente. Por ejemplo la matriz Q=A(AA)-1A
es un proyector, donde A es una matriz nxm de rango igual a m.
1...... 3
2...... 6
3...... 9
Esta matriz es de rango 1, pues teniendo 2 vectores columna, el segundo es mltiplo del
primero. Un vector x que verifica Ax=0 es el vector siguiente:
x
3
1
7. Ecuaciones lineales
Sea A una matriz mxn de rango r. Sea b un vector mx1. Se supone que A y b son
conocidos. Se llama sistema de ecuacin lineal en x a la relacin: Ax=b, donde x es un
vector mx1 desconocido que se trata de determinar.
Un sistema de ecuaciones lineales puede no tener solucin o tener varias soluciones. Si
tiene una o ms soluciones, una forma general de representarlas es la siguiente:
xj=x0 + vj
Donde x0 + vj es cualquier solucin al sistema; los vectores vj conforman una Base para el
Kernel de A (es decir, son LIN, verifican Avj =0 y generan todo el ker(A)). Luego, existen
n-r+1 soluciones de este tipo.
Un sistema de n-ecuaciones no admite solucin, si sus n-ecuaciones no son compatibles
entre s.
8. Formas bilineales
Sea V, W dos espacios vectoriales. Una aplicacin g(x,y) de VxW en R, con x en V, y en
W, se llama bilineal con relacin a la matriz A si g(x,y)=xAy. Como podr observarse,
esta aplicacin es lineal con relacin a cada uno de sus argumentos.
Con V=W, x un vector en V y una matriz A simtrica, la aplicacin g(x,x)= xAx es una
forma cuadrtica. Obsrvese que:
x' Ax
xixjaij
i
Algunas matrices tienen la importante propiedad de que todas sus formas cuadrticas son
siempre positivas (xAx>0 para todo x). Se dice que estas matrices son definidas positivas.
De manera simtrica, si para todo vector x, xAx <0, se dice que la matriz A est definida
negativa.
Se aade en ambos caso el prefijo semi cuando la matriz no es de rango mximo lo que
implica que existe algn vector x tal que xAx=0
Para que una matriz est definida positiva o negativa, se necesita que sea de rango mximo.
Si H es una matriz definida positiva, (x-y)H(x-y) define igualmente una distancia entre los
vectores x,y.
Hesiano. El Hesiano de la funcin f(x) es una matriz nxn conteniendo las segundas
derivadas de la funcin f(x).
Jacobien. Es el determinante del Hesiano
Funcin cncava. f(x) es cncava en la vecindad V(x0) si su Hesiano es una matriz
definida negativa en esa vecindad.
Funcin convexa. f(x) es convexa en la vecindad V(x0) si su Hesiano es una matriz
definida positiva en esa vecindad.
Las dos definiciones siguientes son vlidas para funciones continuas, dos veces derivables
al interior de un intervalo abierto.
Mximo. f(x) tiene un mximo en el punto x0 si en ese punto grad f(x)=0 y si en la
vecindad V(x0) su Hesiano es una matriz definida negativa.
Mnimo. f(x) tiene un mnimo en el punto x0 si en ese punto grad f(x)=0 y si en la vecindad
V(x0) su Hesiano es una matriz definida positiva.
10.
Esperanza matemtica; matriz de varianzas
covarianzas
Sea X=(X1, X2,...Xn) un vector conteniendo n-variables aleatorias. La Esperanza
Matemtica de este vector es un vector cuyas componentes son las esperanzas matemticas
de cada una de estas variables: E(X)=(E(X1), E(X2),...E(Xn))
E( ) es un operador lineal. Luego, verifica las dos propiedades siguientes:
E(aX) = aE(X) donde a es una constante
E(X+Y)= E(X) + E(Y)
E(XX) es una matriz nxn cuyos componentes son E(XiXj).
La matriz de varianzas y covarianzas del vector aleatorio X es definida de la siguiente
manera:
E(X-E(X))(X-E(X))
Se trata de una matriz nxn cuyos elementos en la diagonal principal son las varianzas de
cada una de los componentes del vector X y en el resto se encuentran las covarianzas. Con
alguna frecuencia, se abrevia esta matriz con alguna letra griega mayscula, por ejemplo,
, , etc. Si la abreviacin es , sus elementos son ij. Obsrvese que entonces:
10
ij = E(Xi-E(Xi)(Xj-E(Xj))
Las matrices de varianzas y covarianzas, por construccin, son semi-definidas positivas. Si
tienen rango mximo, son definidas positivas.
Dos variables son independientes en probabilidad si la realizacin de una de ellas no
modifica la probabilidad de realizacin de la otra. Como se sabe, la covarianza entre dos
variables independientes es igual a 0. Luego, si X1, X2,Xm son independientes en
probabilidad su matriz de varianzas-covarianzas ser diagonal.
Si todas las componentes de X tienen la misma esperanza matemtica, la misma varianza y
son independientes en probabilidad, se dice que el vector X est conformado por variables
i.i.d (independientes, idnticamente distribuidas).
11.
12.
11
Sea Q una matriz simtrica, definida positiva, de rango r<=n. La variable W = XQX es
una variable Chi-Cuadrado con r grados de libertad. El caso ms simple y de ms fcil
interpretacin de esta variable es cuando Q=I; en este caso, W=|x|2.
12