Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Algebra de Matrice
Algebra de Matrice
ÁLGEBRA MATRICIAL
Ezequiel Uriel
1 DEFINICIONES
Matriz
1
Ejemplos
1 4 6
2 3 4
A= B = 2 3 11
6 −5 3 −7 4 8
Matriz transpuesta
Ejemplos
Las transpuestas de las matrices del ejemplo anterior son las siguientes:
2 6 1 2 −7
A′ = 3 −5 B′ = 4 3 4
4 3 6 11 8
a1
a
a = 2 (3)
...
an
2
general, a un vector fila le designaremos por una letra minúscula seguida de
apóstrofe. Así, el transpuesto de a dado en (3) es
a′ = [ a1 a2 ... an ] (4)
Matriz cuadrada
8 −7 4
A = −2 10 3
9 12 15
Ejemplo:
tr ( A) = 8 + 10 + 15 = 33
Matriz simétrica
A = A′ (6)
3
Ejemplo:
3 4 −1
A = 4 5 2
−1 2 1
Matriz diagonal
Se dice que una matriz cuadrada es diagonal cuando todos los elementos
situados fuera de la diagonal principal son nulos. Es decir, en una matriz diagonal
se verifica que aij= 0 para i distinto de j. Así, la siguiente matriz es diagonal:
a11 0 ... 0
0 a22 ... 0
A= (7)
... ... ... ...
0 0 ... ann
Matriz escalar
Se dice que una matriz diagonal es escalar cuando todos los elementos de
la diagonal principal son idénticos. Es decir, en una matriz escalar se verifica que
aii= k para todo i.
Matriz identidad
1 0 " 0
0 1 " 0
I= (8)
# # % #
0 0 " 1
Igualdad de matrices
4
Suma de matrices
C=A+B (9)
Para poder realizar la suma, las matrices A y B deben ser del mismo
orden.
Ejemplo
3 −2 1 3
A= B=
5 6 2 −4
3 + 1 −2 + 3 4 1
C= =
5 + 2 6 − 4 7 2
Multiplicación escalar
Ejemplo
Dado
7 6
λ= 4 y A =
2 −3
entonces
28 24
λA =
8 −12
5
Multiplicación de matrices
AB=C (11)
siendo la matriz producto C, una matriz de orden n× p, cuyo elemento genérico cij
viene dado por
n
cij = ∑ aik bkj . (12)
k =1
Ejemplos
a11 a12 b11 b12 b13 (a11b11 + a12b21 ) (a11b12 + a12b22 ) (a11b13 + a12b23 )
=
a
21 a22 b21 b22 b23 (a21b11 + a22b21 ) (a21b12 + a22b22 ) (a21b13 + a22b23 )
4 2 (4 ×1 + 2 × 7) (4 × 9 − 2 × 2) (4 × 1 + 2 × 6)
3 5 1 9 1 = (3 × 1 + 5 × 7) (3 × 9 − 5 × 2) (3 × 1 + 5 × 6)
7 −2 6
2 6
(2 × 1 + 6 × 7) (2 × 9 − 6 × 2) (2 × 1 + 6 × 6)
18 32 16
= 38 17 33
44 6 38
6
Ejemplos
a11 a12
A = = a11a22 − a12 a21
a21 a22
Matriz inversa
AA −1 = A −1A = I (14)
Ejemplo
La inversa de la matriz A
4 1
A=
2 3
1 3 −1
A −1 =
10 −2 4
Sea la matriz
Para invertir esta matriz hay que realizar las siguientes operaciones:
7
1) Se calcula la matriz de menores. El menor del elemento aij, al que
denominaremos mij, es igual al determinante que se obtiene de la matriz
después de eliminar la fila i y la columna j
4 1 3 1 3 4
2 2 1 2 1 2
m11 m12 m13 6 5 2
3 2 2 2 2 3
m m22 m13 = = 2 2 1
21 2 2 1 2 1 2
m31 m32 m33
−5 −4 −1
3 2 2 2 2 3
4 1 3 1 3 4
cij = ( −1)
i+ j
mij
A = ∑ ± a1 j a2l .........anq
= a11a22 a33 + a12 a23 a31 + a13 a21a32 + a13 a22 a31 + a12 a21a33 + a11a23 a32
= 12 + 3 + 12 + −8 − 18 − 4 = 1
8
c11 c21 c31 6 −2 −5
1 1
−1
A = adj ( A) = c12 c22 c32 = −5 2 4
A A
c13 c23 c33 2 −1 −1
6 −2 −5 2 3 2 1 0 0
A A = −5 2 4 3 4 1 = 0 1 0 = I
−1
2 −1 −1 1 2 2 0 0 1
Ejemplo
La inversa de la matriz A
4 1
A=
2 3
1) Matriz de menores
m11 m12 3 2
=
m21 m22 1 4
2) Matriz de cofactores
c11 c12 3 −2
c =
21 c22 −1 4
3) Matriz de adjuntos
c c21 3 −1
adj ( A) = 11 =
c12 c22 −2 4
4) Determinante de A
5) Matriz inversa de A:
9
1 1 c11 c21 1 3 −1
A −1 = adj ( A) = =
A A c12 c22 10 −2 4
Ejemplo
La inversa de la matriz A
3 0 0
A = 0 5 0
0 0 8
es la siguiente
1
3 0 0
1
A = 0
−1
0
5
0 1
0
8
Independencia lineal
Ejemplos
1 2
a) Los vectores y son linealmente independientes, ya que (15)
5 8
solo se satisface para γ 1 = γ 2 = 0 .
10
2 6
b) Los vectores y son linealmente dependientes, ya que (15) se
3 9
satisface para γ 1 = 3; γ 2 = −1 . Es decir,
2 6 0
3 − =
3 9 0
Ejemplos
a) La matriz
1 4 7
A=
5 2 3
tiene el rango igual a 2 (en ningún caso podría ser 3), ya que las columnas de A
son linealmente independientes.
b) La matriz
2 6
A=
3 9
2 6 0
3 − =
3 9 0
11
Multiplicación
a) En general, AB ≠ BA
b) [α + β + γ ] A = α A + β A + γ A = Aα + Aβ + Aγ
c) A(B + C) = AB + AC ≠ BA + CA
d) A0 = 0A = 0
Trasposición
a) α ′ = α
b) (α A)′ = α A′ = A′α
c) ( A + B)′ = A′ + B′
d) ( AB)′ = B′A′
Determinantes
A = A′ (16)
ABC = A B C (17)
hA = h n A (18)
Traza
a) tr ( A) = tr ( A′)
12
b) tr (α ) = tr (α ′) = α
c) tr ( A + B) = tr ( A) + tr (B)
d) tr (α A) = α tr ( A)
e) tr ( AB) = tr (BA)
Inversa
( ABC )
−1
= C−1B −1 A −1 (19)
( A −1 ) = (A′) −1 (20)
1
A −1 = (21)
A
Sean
a1 x1
a x
a = 2 y x = 2
... ...
an xn
entonces
13
∂ a′x
=a (22)
∂x
Demostración
x1
x
a′x = [ a1 a2 ... an ] 2 = a1 x1 + a2 x2 + ... + an xn
...
xn
∂ a′x
= a1
∂ x1
∂ a′x
= a2
∂ x2
:
:
∂ a′x
= an
∂ xn
Reuniendo en un vector las derivadas del escalar a´x con respecto a cada
elemento de x, tenemos la derivada de dicho escalar con respecto al vector x. Por
lo tanto,
a1
∂ a′x a2
= =a
∂ x ...
an
Siendo
14
a11 a12 ... a1n
a a22 ... a2 n
A = 21
... ... ... ...
an1 an 2 ... ann
∂ x′Ax
= ( A + A′)x (23)
∂x
Demostración
∂ x′Ax
= 2a11 x1 + (a12 + a21 ) x2 + ... + (a1n + an1 ) xn
∂ x1
∂ x′Ax
= (a21 + a12 ) x1 + 2a22 x2 + ... + (a2 n + an 2 ) xn
∂ x2
.............................
∂ x′Ax
= (an1 + a1n ) x1 + (an 2 + a2 n ) x2 + ... + 2ann xn
∂ xn
Reuniendo en un vector las derivadas del escalar x'Ax con respecto a cada
elemento de x, tenemos la derivada de dicho escalar con respecto al vector x. Por
lo tanto,
15
a11 a12 ... a1n a11 a21 ... an1 x1
∂ x′Ax a21 a22 ... a2 n a12 a22 ... an 2 x2
= + =
∂x ... ... ... ... ... ... ... ... ...
an1 an 2
... ann a1n
a2 n ... ann xn
= ( A + A′)x
∂ x' Ax
= 2 Ax (24)
∂x
Au j = λ j u j (25)
donde A es una matriz dada de orden n × n. Es decir, A debe ser una matriz
cuadrada.
( A − λ j I )u j = 0 (26)
Si dejamos aparte la solución trivial uj =0, para que la ecuación (26) tenga
solución debe cumplirse que
A − λ jI = 0 (27)
16
A la ecuación anterior se le denomina ecuación característica de A.
Resolviéndola se hallan n raíces características λj. A cada raíz característica va
asociado un vector característico uj. Cada vector característico puede
multiplicarse arbitrariamente por una constante sin afectar al resultado, debido a
que la matriz (A-λj.I) de (26) es singular por la condición impuesta en (27). En
muchas aplicaciones, para soslayar la arbitrariedad del resultado, se procede a
normalizar cada vector característico imponiendo la condición
u′j u j = 1 (28)
n
A = ∏λj (31)
j =1
17
Si la matriz A es real y simétrica, entonces las raíces y vectores
característicos cumplen también otras propiedades. Una propiedad relevante en el
análisis multivariante de una matriz real y simética es la siguiente:
u′j u h = 0 (32)
UU′ = I (33)
Sea la matriz
4 3
A=
1 2
4 3 1 0 U 1 j 0
− λj =
1 2 0 1 U 2 j 0
4 − λj 3
= 0,
1 2 − λj
es decir,
λ j2 − 6λ j + 5 = 0
18
λ1 = 5; λ2 = 1
λ1 = 5; λ2 = 1
4 3 1 0 U11 0
− 5 0 1 U = 0
1 2 21
es decir,
−1 3 U11 0
1 −3 U = 0
21
U11 = 3U 21
U112 + U 212 = 1
3
10
u1 =
1
10
19
Sustituyendo la segunda raíz λ2 en la ecuación (26), se obtiene
4 3 1 0 U11 0
1 2 − 1 0 1 U = 0
21
3 3 U11 0
1 1 U = 0
21
U12 = −U 22
1
2
u2 =
−1
2
3 1
10 2
U=
1 −1
2
10
Sea la matriz
1 2
A=
2 1
1 2 1 0 U 1 j 0
− λj =
2 1 0 1 U 2 j 0
20
1− λj 2
=0
2 1− λj
es decir,
λ j2 − 2λ j − 3 = 0
λ1 = 3; λ2 = −1
1 −1
2 2
u1 = u2 =
1 1
2 2
1 −1
2 2
U=
1 1
2 2
UU′ = I
21