Capitulo 8 Matrices especiales y productos especiales En este capitulo se em s, de Ho trices, En muchas apl adisticas! trices ¥ productos, por ello se dedica este 1 tratamiento de dichas mattives ¢ proce 8.1 Definicién y propiedades nel Capitulo 2. una propiedad de las matrices espectrales era ka idempo: niaditieas fe qne la matrix as fda ala iatla fuera simétriva, varianza, lan idemporente (véanse Ejeniplo 3.5 y problema 5 de los Ejercicio Definicion 8.1 Matriz idempotente Una matriz cundrada A se dice que ex iderpotente i Asa Viase Capitulo 1 319 ineluyen ¢ alo de man 319 6 ti En el Capitulo 5, 1m de las condiciones que se colocd a Enel wma cuauratica resulta ser sinnéty 5.1 3609 os Heareinas concernientes a unes tipos alos entre mia le ma exclusivaAlgebraMatvicial 20177-2019 116 19:31 page 350) 66 350 8. Matrices especiales y productos especiales alvis simétrica « idempotente Teorema 8.1 Lov valores propros de ana son 6 Demostraci Si Aes simétriea, sus valores propios son reales. Sea X nu valor propio eA, entonces existe un veetor €6 tal que A= AW. AL premultiplicar antbos lids por A, se tiene «uc Ag = AT Come Aes idempotente, entonees Aa Pero #4 6. asi que A A debe ser cero. Por lo tanto. X=0.0 A= El reeipraco del Teorema 8.1 no es cierto, véase el signieate ejemplo Ejemplo 8.1 Dadi fa matriz 2101 o1-1 11 obtenga los valores propios y verifigue st At = A y A? = A Solucion. En este caso, los valores propios de A sou dy = 1 de multiplicidad vraiva 2 y Ag =0. Pero ATA Ay APA A, va que VERDE A) feb eb Lak i aE “4 riylb dy} (page Por lo tanto, si los valores propios de una mutriz sou Oy 1, uo implica sue ka mattiz sea simétriea e idempotent Teorema 8.2 Si A es una mairis siméinien, wdempatenle yw singuda ntonces A= IpAlgebraMatricial 20177 2019116 19834 ye 351 307 8.1, Definicion y propiedades Bal Demostracion. Si Aes idempotente, entonces AA = A, Multiplicando ambos lado: por AE se tiene lo que se queria demostrar am Teorema 8.3 $1 Aes idempotente, entonces Iy — A os tdesmpotent Demostracion, Queda como ejercicio para el lector. m Teorema 8.4 Sea A une matris sine ca ¢ idempotente de tan con ranigo r, entonces criste una matris ortogonal Q de tamaiion xn y una matric R* de ta on xn lil gue A=QR ” dowude Tp es ta matriz identidad dle tamuaro rx. Demostracion, Por el Teorema 3.37. la matriz A se puede factorizar como sigue A=usV', unde By V son matrices ortogonales de tannario nxn ¥ Ses una miatiz Jiagonal de tamario m x n conf elementos iguales a 1 y los elemento restantes n—r-de ka diagonal ignales a 0 Puesto que A? = A. se tiene que USV'USV' = USV', Je lo enal se obtiene que SV'US = o sVv'U =f, Tontando RY = SV! y Q =U. se llega x A =QR on—2 352 8. Matrices especiales y productos especiales ai A de tamaiio n xm que pueda A= 00, (SL donde Q es una matriz veal de tamara nx m (m n) con (A) =, entonces ta mat tente ion. ir €-= A(A‘A) "Al os simétriea, ya que [a(ata) “at = (at)'[(ata) "lat = a[(ata)' lat =o. Ademas, ¢s idempotente, pre c? = [Aa(4'a) 4‘ [A(4'A) 149 = Ar, (4'A) Mah = 0. Notese que ln matriy AtA os nu singular, pues A es de rango completo olutmma y p(A‘A) = p(A). = amétrien © idempotente de tamaric Teorema 8.13 Sea A une mi nxn, entonees Demostracion, Por ol Toorema 8.8, existe una nuatriz ortogonal Q tal qne A = QDrQ. Lueyo, se biene que tr(A) = tr(QD,Q') = tr(D-Q'Q) = tr(Dy = (4).8.1, Definicion y propiedades 359 Teorema 8.14 Ti deanpotentes de rungo ia completo son semidefinidas positivas Demostra Queda como ejereieio para el lector. Teorema 8.15 Ses A una matris entonces A es simétrica e tdempotente st y Demost Supong que oA) + pln — A) =n, v sea R(A) el espacio de los renglones de A, Veaaos que RY = R(A) © RUIn — A) Notese que im (R") = dim{R(A) @ RI, A)} im{ R(A)} + dim{R(In — A)} — dim{R(A) M-RUn — A)} = (A) + pln ~ A) ~ dim{R(A) R(T — A)} = n—dim{R(A) 0 RUn — A)} Esto imphea que dim{R(A) 9 RU, — A)} = 0. de lo enal se tiene qne R(A)NRUn — A) = 6. Por consigniente, R® = R(A) © RUIp — A). ¥ esto exige que All, A) =O Asiimase que no es asi, entonces existen vectores no uulos @ y Ten RP tales que AlIn — A) =a Luego. Fe R(A), pero como A(Iy — A) = (Iq — AA. se tiene que (Un — A) At Esto implica que # € Ry — A) ¥ se Mega a una contradiceién. Por lo tanto, Aly — A) = 0.6 A? =A, Psto completa la prncha.AlgebraMatricial 20177 2019/11/61: page 360 176 30 8. Matrices especiales y productos especiales jemplo 8.4 Beterminy La matriz asociada a la forma cuadratiea dada en el Ejemplo 5.5 era In = Jn. Veanios si os simétrica o idempotente (In- Tn)? = G - a) G - a) tae sey Faia 1, Sultans Say Luego, por el teorema anterior se tiene que (In -In) =n = p(n) = 0-1, rads Teorema 8.16 Stan Ary Ag as mnatniers & siguientes condiciones son equ = Ai + Ap, entonce ivy p(A) = p(Ai) + (Ad). 4) Aces simétrica e idempot mpotentes y AyAa = AzAy =O 1) Ar y Ap son simétricas « ade Demostracion, Supongase que es verdadero, exttonce AP = (Ai + Aa) (Ai + 42) = A} + A} + AyAy + AoA = A, + Aa. Puest que A, Ay ¥ Ag son idempotentes p(A) = tr(A) = tr(Ai + Aa) = tr(A1) + tr(4o) = (Ar) + (Aa)AlgebraMatricial 20177 2019116 19834 ye 361 3 8.1, Definicion y propiedades 361 Ahora, astimase que 4) es verdadero, por el Teorema 8.15: n = p(A) + p(In — A) = p(A1) + p(A2) + (In — A) > p(Ai) + p[A2 + (In ~ A)] = (Ar) + (In ~ Ar) 2 p[Ai + (In - Ar)] = p(n) =n. Por cousigniente, p(Ay)+p(In—A1) se tiene que Ay es idempotente: de manera andloga, se puede mostrar que ‘Ay es idempotente. Ahora se demnestra que Ay Ay = AgAr Dado jue A. Ay ¥ Ag son idempotentes y A= Ay + Ap, muultiplicando ambos lados por A, se abtiene «uc vy de nieve por el Teorents 8.15, A= AP = (Ay + Aa) (Ar + Aa) = AP + AR + AyAg + AoA; = (Ar + Av) + Ard + Avy = A+ AjA2 + AgAL. Esto implica qne Ady + AoA = 0, as decir AyAy = —AvAy Por otra parte, el hecho de qne p(A) = p(Aa) + p(Aa) implica qne (AL) A R(Ax) = {0} Este hecho unido con AiAg = —AgA; da AiAg =O. © B.LG.1 Sean Ay, Ap dos matrices de tomuario n x m tal que Al + Aa =Iny tonces tas condiciones daday en ef Teorema 8.16 se cumplen. Demostracion. Queda como ejereicio para el lector. Una generalizacién del Toorenta 8.16 en el que se involucran mis de Jos matrices se presenta a contintacién, Teorema 8.17 ‘Teorema de Cochran Sean Ay, Aay.oyAm ana coleceion dem anatrices de tam A= ¥ Aj. Considere las siywientes condiciones aAlgebraMatricial 20177 2019, 116 L931 page 362 srs 32 8. Matrices especiales y productos especiales puta con A, } Cada Ay ex simétrica, idempotente 4 com t) Avy =O prora tol i 5 y (AP = o(Ai) pave tol thi) Aes simélrien e idempotent 1) plA) = $5 pli) wera dos de bas condiciones 4), #4) y #44) aanplican ta va ieidn av}. Ademits, las condiciones 4) y iv) tanphican ta ralides del resto de las eon Demost on. ns aque 4) ¥ 44) son dadas, Como A= 32 Ay, es claro que ¢ idempotente. Puesto que A y Aq, A2,-..,Am son to Supon ‘ods idempotentes, p(A) = tr(A) = > tr(As) =) (Ai), Asi, la condicion iv) es verdadera Asuma que tt) v tai) son dadas. El compnto de A? produce A => AP, para l n) y rango n. Denmestre que la matriz H = X(X*X)"1X* es una matriz simétrica ¢ idem potente, Obrenga la inversa de — FE 1. Suponga que KA =O con K idempotente. Defina @ = (AK) Pruebe qne @ AG=I-K, bAGA=A « AGK=0 8.1.2 Matriz Gramiana En este apartalo se lefinida positiva de nisidera que Any es wna niatriz real simétriea amnaiio n x m, se coustrnye ima matriz particionada L [ A i ] AioAT iAieAt?. Jonded = VAT y Avg es ma matriz arbitraria de tamaiio m x ky entonees la matriz de Gram. LL¢, se denomina matriz Gramiana por blognes Definieion 8.3. Sex An simétrica semidefivida positiva He fanatic nxn y Aig una matric rectangular de tamano nx p La matris sin faxnario (m+ p) x (n +P) sea purteconada dAlgebraMatricial 2017 2019/11/6.— 19:34 305 381 S.L. Definicion y propiedades 365 An Aw 4 Sl) Ay O Teorema 8.19 Si tu An An] _ [ast o] | [-agta mae Pat anasto. Ay 0 oo lL, K=(A/An —Alp Ag Ara es moertible donde fa mate Demostrs 2 sdit como ejercicio para el lector. a Teorema 8.20 Ses Ay an nxn y p(Ant) =r. Seu Ara 2 de tamare nx p(p os una matriz de tamaio mx rv de rango r= p. De manera analoga se puede probar qne Ay? es también Gramiana, Teorema 8.21 Si tu triz Ann ess dn position 5 plAia) =P < rn, entonves la inversa de la matris A dada en (8.1) aiene dada por An Aw Bo] |-B Ay = + Ay O o 4 ly donde B= Ay + AAly ¥ Ky = ALB Any son Demostracion. Del producto AA“? Tip) sb tiene «qe AuB + AyB Ap Ks AigB™! ~ ApKT'AigB™! = In, = AnB Ap K,'+ Ay + Anak, = 0, AjBo! + AjgBo'ApKy' AB = 0, ~ApB AK = IpAlgebraMatricial 20177 2019, 116 19:31 page 367 383 $2. Productos especiales 307 Si en estas expresiones se reemplaza Any = B= ArzAy se obtiene In = AngAigB + Ave(-AlgB An) Ke MAB = Ing ~ Apk,* ~ Ap(-AjpB Ay) K,* + Ai t+ Ank,! = 0, lB! = (-AgB An) Ky jyB = 0, (-4j,B An) K,* = Jp. Que era lo que se queria demostear, a 8.2. Productos especiales En esta seecién se presentan muevos conceptas de operaciones entre ma trees, los productos especiales entre matrices que se estudian aparecen ‘on mntcha frecuencia en kas aplicaciones estadlistieas 8.2.1 Producto Hadamard Para realizar el producto Hadainard entre matrices se requiere que be os anatrices sean del miisnio tanta: este producto tiene propiedades i leresantes cuando se trabaja con matrices diagonales y lt nnultiplicaciéa nual entre matrices, y cuando se trabaja eon matrices semidefinidas po- sitivas. El producto Hadantard, reeibe st nombre en honor al mattematico francés Jacques Hadamard Definicion 8.1 Producto Hadamard de tamasio mx 7, Daslas A = [ai] y B= [big], matrices eval fo a elemento de cada una de ellas, se d rtonces ef producto eleme inina producto Hadamard y se denotard por A® B. Esta opernessin da tia matriz © de ti ico ej, viene dado por aby], 2 = 12. mF L Am |S) Este producto tiene sentide tanto para m. ries como para vectorsAlgebraMatricial 20177 2019116 1911 page 368 381 38 8. Matrices especiales y productos especiales jemplo 8.5 Considere fas matrives dudas en el Bjempla 2.8, determ AoB Solucion. Empleando la expresion (88), se resuelve A@ B nb aba] _ [1 4 Aop = janen abr] _ ae anbn|~ [4-14 Teorema 8.22 Propiedades del producto Hadamard =A. i) Sim=n y Des una matriz diagonal de a, (AO B)D= 9 B= A@(BD). hb) D(A@ B)=(DA)o B= Ad (DB). 0) BO Og = (FOR (TOA), donde Z FER” yd, FER"AlgebraMatricial 20177 2019 116 19:31 page 369) 8.2. Productos especiales 369 ees usandy eas de tamarionxn, ent 5) $A yB son matrices sim tris, ef producto Hadamard la descomposicidn espectral de cada ma se pueile expresar coma sigue AoR= oH rwliiow) 2G) donde Xi, py € RK so los valores propios y propios normatizados de las matrives A y B, respectinament de tamayin 2x2, ef producto Hadamard ri) S1A es una mateis simety x de A pur ella mistua k-veces, es decir AD AO... 0A= © Aes (2) (3 +em2e}! (sen 28)" (cen20)* (3 - cos20)" (suo) donde a = 1 + Av, B= Ar — Aa, (Ad > Ag), con A los valo- dngulo di de a forma cui res propos de Ay 8 resentada por A. Demostr Puesto que algunas de las propiedades que se presentan en este mer terial aparece demostradas en algunos textos de algebra lineal, solu s¢ prneban las propiedades (8.9) y (8.10) 4) — vit, Quedan como ejercicio para el lector viii, Se veriica solo la parte a). Para probar la otra parte, se procede manera aniloga, Por la Definieton 8.4, se tiene «que LQ... F=12..,n, As laxjbis], lonulc eg = Vendy,AlgebraMatricial 20177 2019116 19:31 page 374 6 70 8. Matrices especiales y productos especiales pero como D os una matriz diagonal, entonces day = 0 si k # J, nego cindy; = 0 cunnde k # 3. Por lo tanto: ey = ayy, yal sustitnir eg, se abtione que e4y = aijbisdys = (asjdys) buy = Fisbis, onde fy = Yo aides, Inego, £ = (AD) © B. Si se agrupan los torminos de ey de ott manera ey = aujbisdyy = ai, (bisdss) = ings, donde 95 = Yo bates, mt ven este caso. = A@ (BD) ix) — 2) Quedan como ejercicin para el leetor i) Supingase que la matriz tiene la siguiente forma g 4] gb. Lucgo, A se puede expresar como | BER +c0s20 —— sen20 sen 2 BEB — cos20 Luego, el producto Hadantard de A por ella misina R-veces es +0820)" (sen 20)" (cen26)* (2482 — cos)"AlgebraMatricial_ 2017" — 2019, 11.6 — 193 ye STL B87 8.2. Pronuctos especiales ST Teorema 8.23 5: Ay B son matrices semi ‘das positi nxn, entonces A@ B layibien to os Demostracion, Los detalles de la prueba se pueden eousultar en Ding Teorema 8.24 Sis (Ar, Aa, As, Aa} nia bast 4 Demostracion. AL emplear e] Teorema 3.15, se tiene que A? —tr(A) A + det(A)I = 0, (8.11) 4 w como A= YS ay Ay entonce tr(A) = Yo tr(Ai) Al sustituir en (8.11), se Mega a oa) - [= « sta] [= ova 4 + det(A)l = 0, Vala xy y aay AVA; vA a4 =) Vasey r(4)) As + det( yr = 0, A Sab ee(AiyasAlgebraMatvicial 20177 2019 116 19:81 page 372 BSS 8. Matrices especiales y productos especiales ¥ agrupando términos, se obtiene Se [a2 = r(A,) Al) + See, Ala, = tr(A,) 1) + det( a) = 0, aia pero como carla una de las unatrices Ag satisface (8.1L), se tiene qu 3 [-det(A,) I] + > Loaves AvAz*[- det (Aj) I] + det(A)I = 0 A Agni se nsé que cada Ay es no singnlar, ¥ reagrapando, se Mega a a4 det(A)I = )> Y% avo det(A,)AiA;* 4 4 ey Ay Yay det(As)As? = ADT ay det (Aj) 457, mt ‘ouo por hipdtesis det(A) # 0, entonces A es invertible y, por lo tanto: 4 det(A)Am! = > a; det(A,) 45" Al dividir esta iltima espresion por det(A), se completa la prucha. 8.2.2. Producto Kronecker FI producto Kronceker es tambien conocido como el producto tensorial Este tipo de producto no se debe confnndir eon el produeto usual entre muatsiees, ya que es una opesacion totaluente distinta, Cabe senalar qc revibe dicho nombre en honor al matenitico alemin Leopold Kronecker Definicion 8.5 Producto Kronecker Dadas A = (ais) y B= [bu] matrives reales de amare m xn y PX gq, respectivamente, el producto Kronecker entre elias, operaeidn gu se denotand por A® By es wie ma 0 {aijB],, de mp x ng, dada yorAlgebraMatricial 20177 2019/11/61: page 373 80) 8.2. Pronuctos especiales 373 ay B ajyB an B A®B=[aijBly =| an B ay B am BY), (8.12) Gm B Om; B Onn B donde euda a3B ey de tamaio p x q. Este producto tiene ludo tanto pura matrices como para vectors. Ejemplo 8.6 Con ices dadas en et ASByBoa Solucion. Primero, se vealiza A® B 11a 4 1-4 4-56 4 41 1 4-56 1-14 Ahora, se realiza B® A: 14 1 4 _ffA 1A) 4) 1db)_ fa to 4d pean[4 aad] fee aah} |) 4 a4 36 41-36-14 notese que A® BABS A Teorema 8.25 Propiedades del producto Kronecker Sean A,B y © matrves a irurias y 2 y F dos vectores esealar aAlgebraMatricial 20177 2019/11/61: page 374 390 371 8. Matrices especiales y productos especiales 1) (WA) & (8B) = a8(A® B), para escalares arhitraros a, 8, ni) A@BABGA 1) (A®B)@C= Aw (BEC), 1) (AFB) ASC+B2C, 9 Ay B son del mismo tamaio ni) A® (B+C) =A®BLABE, si By C son del wnisino lamano 0) (A@ BY! = Abo BE vai) (A B) = (4) 0(B) 2) te(A@B) = t2(A)te(B), of Ay B son ead n) Sean A, B,C y Dy homxh pxk hxn ykxg. (A®B)(C@D) = (Ac) ® (BD) (sts ni} (A@B)? = A1@B™, si Ay B son matrices cuadradas inve mxm ynxn, respectioamente, y (AGB) os no sing joes simetricus de tamario m xm y nxn, 15: ni) Si Ay Bon pretivamente, entonces A&B es simétriva riit) Si Ay B son matrices de tam m Xn yp xq, respectivamente io deseomposiciones en valores singulaes UaSaV y Up SVB, (Ua @ Up) (Sa SB)(VA ® ViAlgebraMatvicial 20177 2019 11.6 19:31 page 375, 391 8.2. Pronuctos especiales 375 vs de A@B (después reordenamiewo de las ¢ tos de ta yonal d Sa @ Sp y los corvespondivntes vectores singulares nin} S1A y B son matrices simétricas de t Yio nxn, enfonees usande la descomposicidn espe He cada mairiz. el producto Kro se puede expresar come signe AeB=S D> Nayltitl Ge), aay donde Xi, py € BR son dos valores propios By F son dos vector propios normatizados de las matrices A y B, respeetinamente woe Demostracion, rie) Quedan como ejercicios para el leetwr 1) Por la Definicién 8.5, se tiene que AGB = [ai,Bl,;, lego. (aB)ec = [(a;B),] ac=a5(B@C),,, por lo tanto, (A@ B) @C = Aw (BRC). Sea B= AGB ij]. Por la Definicién 8.5, se tiene que BEC = leyCly = [(ay +5)C],, = [ayC], +b, 0]y = ASC+B2C rien! Quedan como ejercicins para el lectorAlgebraMatricial 2017" 2019 116 LSE page 376 392 376 8. Matrices especiales y productos especiales 1) Usande (8.12), enundo m =n, se tiene que tr(Aw B) =Srev = Sawer(2) = tr(4) tr(B) vr) Usando (8.12), cuando m =n, se tiene que ‘ (A@®B)(C@D) = PY lauBly leyD), mi (4):(€) (BD) = [(Ac),,(BD)] (4c) @ (BD) 1) Usando la expresidn (8.13). note que (Ae B)(A1 @ BY) = Ip, & In = Ino. rii}—re) Quedan com ejercieins para el lector m Teoremia 8.26 Sea A una matris de tamaiio m x m, con valores pro pios My Aye Am Buna matris de tamurem xn, con nal Biya sins entonces ef conjunto de-mn valores propios de A®B es dado por {Xpty 18 =1,2,..0,m)F = 12.0 n} Demostracion. Por el Teorema 3.21. existen matrices no singulares Py Q tales: que PAP = Ja y Q'BQ = Is, londe Ja ¥ Je son matrices triangulares superiores con los valores pro pios de Av B como clementos de lx diagonal, respectivamente. Lo valores propios de .® B son los miismos de (P@Q)*(A@B)(P2Q) = (Ph @Q7)(AwB)(P2Q) =(P NAP) & (Q-*BQ) = Ja ® Te Esta matriz es triangular superior ya que Ja ¥ Jas son triangukares y. por lo tanto, los elementos diagonales de Z4 ® Jp son sus valo vienen dados por propio, lo Qin A= 1A MI=LA yn}AlgebraMatricial 20177 2019 116 19:31 page 393 8.2. Pronuctos especiales 377 Corolario 8.26.1 Si A y B sow matrices ewadiadas de tarwaria m xm nxn, rrspeclivamente, entowee Wn X re evs dot[A o B] = [det(a)]" [det (B))" (s.14) Demostracion. Por el Teorema 3.21, existen matrices no singulares Py Q tales que PAP = Js Q"BQ = Jn, uutonces los valores propios d A® B son los inisios de Ja @ Jp, Ineo det |Ja® Ja) = J] It ins) = = [] mtact(a) = (det 4)" = (dot A)" (det B) Teorema 8.27 Si A y B son mat semeidefiniday positivay de ti mx my nxn, respectinamente, entonces A&B tambien lo es Demostracion, (Quedit como ejereieio para el lector, 8.2.3 Producto Kronecker particionado En este apartado se extiende el concepto de produeto Kronecker entze dos matrices A'y B, dado en la Definicion 8.5, para el easo en que las mateiees sti particionidas. EL lector que desee profundizar en este tema pede onsultar Tracy vy Jinadasa (1989) Definieién 8.6 Sean A= [4ij] B= [Bu dos matrices de lamanvemx ny PX qy vespeel te, gmrivionadas arbitrariamente de tal gue las submatrices Ay son de famarios respeetinas me x ng. pe301 AlgebraMatricial 20177 2019-116 191 pags 378 8. Matrices especiales y productos especiales 1Sisnlsjssy trices Bay son de tamatios respeetinos Pe X qh para cada lSk<4LSUS w Lntonees ef producto Krowecker operacidn que se denotard por ABB, es una partivionado entre elas, matric particionada de tamario mp x nq, dada por An®@B Ay OB A OB AGB = | Ay@B Ag OB A, OB] (85 An ®B A; OB A OB riz particionada de donde Ay@B es una sw ario map x nyq Ag @ Bu Ag @ Bu Ag @ Bry Ay SB = A, 2 Ba Ag ® But Ay ® Buu (8.16 Ag ® Bu. Ay @ Bey 28 propiedaudes del producto de Kronecker particionado son sin lares a las del producto Kronceker. Los siguientes resultados relacionados ‘on el producto de Kronecker partivionado son directas Teorema 8.28 Propiedades producto Kronecker particionade Sean A,B y © matrices arb } (@A)®(8B) = a8(ABB), parn esealares arbitrarios a, 8. 1) ADB ¢ BOA ) (A®B)BC = AB(BEC)AlgebraMatricial 20177 2019, 116 19:34 8.2. Pronuctos especiales 379 atrices particionadus idéuticamente entonee (A+B)@C = ABC + BBC. 1) Si By © son matrives partioionadas idéuticamente entonces AB(B+C) = A@B+ ABC. vi) (ABB)* = A@Bt. i) tr(A@®B) = te(A) te(B), <1 A y B sow euadrades iti) Sean A, B, © y D matrices ile tanario m xh, pxk, hxn y Rx4 (40B) (CBD) = (Ac)B(BD) (s.i7) sudrnday a0 4 (ABB) os no si de taynayie mx my (40B)" = aOR Queda como ejereicio para el lector, mh 8.2.4 Operador Vee neste apartado se considera mn operador que transforma uma mateiz en nn vector, el cual es conocido como el sperador VeoDefinicion 8.7 Operador Veo Sea A= [aij] sna matriz road de tamaiio m xm, si Ag denote ta J-ésina cobumna de A, ent » el ovetor de tamnasio mn X 1 dado por Ay ay Ao any vee(A) = | on Ass ]o (ss An Ons Bjemplo 8.7 Ins matrives dadag en el Bjemplo 2.8, det vee(A) y vee B) Solucién, Eten, we(A) ¥ ve(B) viewer ads por 1 -|: web) = | } 1 =. Teorema 8.29 Propiedades del operador Vee Sean A, Boy © mal as yi, TER, Enfonces $1 Ay B son mat a, veo(aA + 8B) =a vec(A) +f vee(B), a BER. (8.19 b) tr( AB) (A)]* vee(B). (20 ©) vee(A © B) = (vee A) © (vee B) (sl 1) Si A, By © son matrices de Linumente, entonces vee(ABC) = (Cte A) vee(B) (s.22 uMatricial 2017" 2019/16 19:31 page 38 96AlgebraMatricial 20177 2019116 19834 ye 381 397 8.2. Pronuctos especiales 381 ni) Sean A, B,C y D matrwees ie t jo MX n, MXP BXG YGXM, tr(ABCD) = vee(A')'(D* @ B) vee(C) (8.23) Demostracion, Los detalles de fa prneba se pueden consultar en Grayhill (1983) a 8.2.5 Operador Vec para matrices particionadas Dudas las mnltiples apheaciones del operador Vee. en este apartada se hmestra coo se obtiene la vectorizacion de las matrices particionad: Definiein 8.8 Sea A wna « tannic m xn partictonada de ta dande las submatrices Ass sox fiom xny pari = 12. GH Fveetor eolwinma de tararie mn x 1 ob do. acu ni por col tas voo(Ay)y ve dado porAlgebraMatvieisl 20077 — 2019 11/6 ASL page B82 — 9398 82 8. Matrices especiales ¥ productos especiales vee(Ay) vee(Ar;) vee(da) veo( A vec(A.) =)? on — |reel4es) 8.25 veo(.) vee( A) Ejemplo 8.8 re vee(Ae) asumienda para A una particiéu d tamasio (2+ 1) x (242) A Sohucién, La particiin de tamaio (2+ 1) x (2+ 2) para Aes sofa 5 Au Ay : A 20 10 8 [" “| 1 5:3 6 Le 8 3 veo(Aun) = ]?0), vee(day) = [2 10 8 vveo(Aas) = Ee] vyeo( Aan) = 4 ‘or cousiguiente 4 Fwee(Ann)] weal veo(s)] _ |vee(dan) (ad = heen veel Ain)! 7 [eet aa) | Notese que vee(Ac) # vee(A). oo —+uMatricinl 2017" 2019/16 19:31 page 383 99) 8.3, Matrives dle conmntacidin 383 8.3 Matrices de conmutaci6n Si A= [ay] os una matriz de tannano m x, entonees los vectores vee(A) y vee(4’) tienen el ntismo rrimero de componentes. En esta seccidn s¢ Innestra como obtener vee(A’) a partir de vee(A). Para ello, notese que la mattis A se puede expresir come A= Vaya, le R™ vt, ar de B®. Lnege (8.26) Je modo que om on woo( At) = > > ay vee(wet) = S77 ai, (& v5), Aa Aa an a veo(4') = [Ath oH .. Get Aw ... Fei] [O an en, - vee A) = Kinny vee(A) Joule la pareja (myn) representa lus dimensiones de las bases eundnic le R™ vy RM, respectivamente, » aeh Gan Gm ® ip]. (8.27) Dado que aiy = etAdy, la expresiin (8.26) se puede reescribir com A= Vaya = OV wetaaes, mie mieAlgebraMatricial 20177-2019 116 Ls page 38: m7 81 8. Matrices especiales y productos especiales Je modo que voe( At) = D7 Y? vee[ (jet) A(t a)] = D7 (ej © ef) veo( A). 1 soo, La amatriz Kj yy St puede constenir conto Kong DY aaj a aet (8.28) Definicion 8.9 La matris Kinny de fanario mn x mn dada en (S28 se denomeina Je conmutaciss y se puede purticionar en mn sub oes Kg de famasio n xm, de tal manera que cada bloque tiene Lew Ia posivasin gi y en las demeiy entradas eeros La matriz de conmmtaciin es un tipo especial de mnntacion, Cuando m = 1, la natriz de comanutacion viene Kum = Dyes ja iz de per Ja por Bjemplo 8.9 Deter Koay Solucion. La matriz Keay) se establece usando (8.27) Ke, Ash eh AV “wih 1 oto 0 oof 1 0 Ku t Ky = = (s.29 o1 0 Kn } Ko 0 03 1 ices de conmuta Teorema 8.30 Propiedades de las ma Si Kony) os nia matris de commutacida entonees 0 King) = KiamAlgebraMatvicial 20177 2019 11.6 19:31 page 385, Wo 8.3, Matrives dle conmntacidin 385 8) Khan) Kin) = Kenn) fn) = on ai) Kany = Koay fos natores prapias de lam ris Kiam) £00) L 0-1 con mualteplicidades a bravcas $n(m+4) y Laego. dot (Kin) = (129. = 1), respeetivamente En general, la mutris Kian) (m £ n) puede tener algunas va Bu este caso. det(Kimm)) = CayPenen ie tr(Knn)) = 1+ m.c.d.(m — In 1), donde m.¢,d.(m,n) os ef connin divisor entre myn. Demostracion, Los detalles de la prucha se pueden consular en Magnus » Neudecker (1979) El principal uso de la matriz de conmutacion, ¢ el origen de su nombre ss que permite commutar las dos matrices del prodneto Kronecker Teorema 8.31 Sian Ay B matrices de tamariom xn yp xq, reaper fivamente, y sea Te RP. Entonees J Kigngy Voo(A) = veo(A") 1 Kegam(A® B) = (B® A)K an) i) Kem (A ®t) = te A. 1) veo( A & B) (Un ® Kigan) ® Ip) (wee( A) vee(B)). Demostr: ion, Los detalles de la prucha se pueden consultar en Magnus » Neudecker (1979)AlgebraMatricial 20177 2019/11/61: page 386 2 386 8. Matrices especiales y productos especiales waio 2x 2, determine vee(At) a jemplo 8.10 Seo A sno satis de tare partir de vee(A) ssarat natris Kegay obtentda en ef ejemplo 8.9 Solucion. A= i ‘l = vee(A) = nsando la matriz de conmntacion, Kg), obtenida en el ejemplo 8.9: 10.0 0) fa) fa 5 |o 0 1 of je} _ fo wel = 19 1 0 of fo] = Je oooidla le Notese que el altimo vector corresponde a wee(4*) Ejercicios 8.2 1. Sean A y B matrices simétricas semidefinidas positivas de tamaio m Xm, Demuestre que a. det(A © B) > det(A) det(B). 6, det(A@ A“) > 1, si Aes definida positiva, 2. Sean A, By @ matrices de tamario m x n. Denmestre que u[(4‘o BC] =tlA'(B oC) 3, Sean Ay B matrices de tamario 2 x 2, dadas por 2 6 12 A= ¥ B= 14 43AlgebraMatricial 20177-2019, 116 19:31 page 387 3 8.3, Matrives le conmutacién 387 determine a, ASB, b BRA, c w(A@B), a. det(A® B), e. (AmB), f. Los valores propios de A ® B. Encuentre cl range de A B, donde 26 524 A=|i4 y B=|211 3B 101 Con las matrices del problema anterior. determine lo mismo pera pared para el producto H Sean Ay B matrices de tamaiio m x my nxn, respectivamente denmestre que A @ Bll = |AllallBlla Sean Av B matrices de tamaiio n x n, demuestre que para todo ke: (hea =hea® oy (Bah) =B eal,