Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Álgebra Matricial (Part II)
Álgebra Matricial (Part II)
El determinante de una matriz es un escalar (un número), obtenido a partir de los elementos de una matriz por
operaciones especificadas, y que es característico de la matriz. Los determinantes están definidos solamente para
matrices cuadradas. En esta sección se estudiarán los métodos para obtener los determinantes y las propiedades
de éstos.
EJEMPLO
€
⎡3 −6⎤ 3 −6
Si A = ⎢ ⎥ entonces A =
4 1
= 3 − (−24 ) = 27
⎣4 1⎦
⎡−1 €⎤
−0 −1 0
€ Si A = ⎢ ⎥ entonces A = = −10 − 0 = −10
⎣ 6 10⎦ 6 10
a 22 a 23 a21 a 23 a 21 a22
= a11 − a12 + a13
a 32 a 33 a31 a 33 a 31 a32
Observamos que cada determinante en la suma es el determinante de una submatriz de A que se obtiene
omitiendo€una fila y una columna particulares de A. Estos determinantes se llaman menores.
DEFINICIÓN: Sea M i j la matriz ( n −1) × ( n −1) obtenida al omitir la i-ésima fila y la j-ésima
columna de An×n .
i+ j
€ Mi
El determinante j es un menor de la matriz A. El escalar Ci j = (−1) Mi j
€ ′
se denomina cofactor del elemento ai j de la matriz A. La matriz n x n (Ci j ) se denomina adjunta de A y se
€ €
representa por adj A.
€
se puede escribir
3
A = a11C11 + a12C12 + a13C13 = ∑a 1 j C1 j
j =1
EJEMPLO
€
Evalúe el determinante de la matriz
⎡3 0 −2⎤
⎢ ⎥
A = ⎢6 −8 1⎥
⎢
⎣0 3 4⎥
⎦
A = −96 + 0 − 36 − (0 + 9 + 0) = −141
Cabe hacer notar que los cofactores son básicamente determinantes, y se puede evaluar por desarrollos
€ posteriores en términos de determinantes de orden inferior. Por desarrollo repetido, un determinante de n-ésimo
orden puede escribirse en términos de determinantes de segundo o de tercer orden, los cuales se pueden evaluar
fácilmente. Para simplificar los cálculos, un determinante debe desarrollarse en términos de la fila o de la
columna que tenga el mayor número de ceros.
⎡ 1 3 −3⎤
⎢ ⎥
Si A = ⎢ 2 0 1⎥,
⎢
⎣−1 4 −2⎥
⎦
€
(Propiedad 1)
⎡ 1 3 −3⎤ ⎡ 1 2 −1⎤
⎢ ⎥ ′ ⎢ ⎥
A =⎢ 2 0 1⎥= 0 − 3 − 24 − (0 + 4 −12) = −19 A = ⎢ 3 0 4 ⎥= 0 − 24 − 3 − (0 + 4 −12) = −19
⎢
⎣−1 4 −2⎥
⎦ ⎢
⎣−3 1 −2⎥⎦
(Propiedad 3)
€ €
3 3 −3
*
A = 6 0 1 = 0 − 9 − 72 − (0 +12 − 36) = −57 = 3 A
−3 4 −2
⎡ 1 3 −3⎤
⎢ ⎥
B = ⎢−1 4 −2⎥= 4 −12 + 0 − (−24 + 0 − 3) =19 = − A
⎢
⎣ 2 0 1⎥
⎦
⎡1 3 −3⎤
⎢ ⎥
C = ⎢3 4 0⎥= 4 + 0 + 0 − (−24 + 0 + 9) =19 = B
⎢
⎣2 0 1⎥
⎦
(Nota: La segunda fila de C es igual a la segunda fila de B más dos veces la tercera fila de B.)
€
(Propiedad 2)
⎡ 1 3 −3⎤ ⎡ 1 3 −3⎤
⎢ ⎥ ⎢ ⎥
Si A = ⎢ 0 0 0⎥, entonces A =⎢ 0 0 0⎥= 0 + 0 + 0 − (0 + 0 + 0) = 0
⎢
⎣−1 4 −2⎥
⎦ ⎢
⎣−1 4 2⎥
⎦
(Propiedad 5)
€ €
⎡ 1 1 −3⎤ ⎡ 1 1 −3⎤
⎢ ⎥ ⎢ ⎥
Si A = ⎢ 2 2 1⎥ entonces A =⎢ 2 2 1⎥= −4 −1 + 6 − (6 −1 − 4 ) = 0
⎢
⎣−1 −1 −2⎥
⎦ ⎢
⎣−1 −1 −2⎥
⎦
€ €
(Propiedad 7)
⎡ 1 3 −3⎤ ⎡−1 0 2⎤
⎢ ⎥ ⎢ ⎥
Si A = ⎢ 2 0 1⎥ y B =⎢ 3 −2 −2⎥, entonces
⎢
⎣−1 4 −2⎥
⎦ ⎢
⎣ 1 0 −1⎥
⎦
⎡ 5 −6 −1⎤
⎢ ⎥
€ AB = ⎢−1 0 3⎥= 0 −198
€ − 8 − (0 −120 − 48) = −38
⎢
⎣11 −8 −8⎥
⎦
⎡ 1 3 −3⎤ ⎡−1 0 2⎤
⎢ ⎥ ⎢ ⎥
€ A =⎢ 2 0 1⎥= −19 B =⎢ 3 −2 −2⎥= −2 + 0 + 0 − (−4 + 0 + 0) = 2
⎢
⎣−1 4 −2⎥
⎦ ⎢
⎣ 1 0 −1⎥
⎦
AB = A B = (−19)(2) = −38
€ €
(Propiedad 8)
€
⎡3 0 0⎤ ⎡3 0 0⎤
⎢ ⎥ ⎢ ⎥
Si A = ⎢0 −2 0⎥, entonces A = ⎢0 −2 0⎥= −6 + 0 + 0 − (0 + 0 + 0) = −6
⎢
⎣0 0 1⎥
⎦ ⎢
⎣0 0 1⎥
⎦
€
1.8 INVERSA DE UNA MATRIZ
€
La inversa de una matriz se emplea en la resolución de ecuaciones lineales simultáneas y en otros análisis. En
esta sección se define la inversa de una matriz y se analizan varios métodos de inversión; tales procedimientos
incluyen la inversión por medio de la eliminación gaussiana, la inversión por medio de adjuntas y determinantes,
y la inversión por medio de adjuntas y determinantes, y la inversión de matrices subdivididas. Asimismo, se
consideran las propiedades de las inversas.
Si para una matriz A de orden n x n (cuadrada) existe otra matriz B de orden n x n (cuadrada) tal que su
producto es la matriz identidad de orden n, es decir, si
€ −1
B = A −1 = (a i j ) = (a i j ) = (bi j )
La obtención de la recíproca o inversa de una matriz es una operación análoga a la de la división en álgebra
elemental; sin embargo, nótese que aunque todo número diferente de cero tiene un recíproco, hay matrices
€
cuadradas, además de la matriz nula, que no poseen inversa. Una matriz que tienen inversa se dice que es no
singular; una matriz que carece de inversa recibe el nombre de singular.
Una matriz no cuadrada puede tener inversa por la izquierda o por la derecha. Una matriz A de orden n x s se
dice que tiene a B como inversa por la izquierda si BA = I; en este caso I debe ser de orden s x s, y B, de orden
s x n. Análogamente, si AC = I, se dice que C es la inversa por la derecha de A; en este caso, I debe ser de orden
n x n, y C de orden s x n. Es posible demostrar que si A tiene como inversa por la izquierda a B, y como inversa
por la derecha a C, entonces B = C = A-1, y A es cuadrada (y no singular).
La operación de obtener la inversa de una matriz, llamada inversión de una matriz, es esencial para la
resolución matricial de conjuntos de ecuaciones lineales simultáneas; tales ecuaciones aparecen, por ejemplo, en
la resolución de modelos económicos y en problemas de programación lineal.
Cualquier conjunto de ecuaciones lineales simultáneas se puede escribir en notación matricial. Por ejemplo:
€
INVERSIÓN DE MATRICES 2 X 2
Si n = 2, es decir, si el conjunto de ecuaciones simultáneas consta de dos ecuaciones con dos incógnitas.
a11 x1 + a12 x 2 = c1
a21 x1 + a 22 x 2 = c 2
o, en notación matricial,
€
A2×2 X2×1 = c 2×1
−1
Entonces A2×2 puede obtenerse fácil y directamente a partir de su definición, como sigue.
⎡a a12 ⎤ € ⎡b b12 ⎤
Si A = ⎢ 11 ⎥ y A −1 está denotada por B = ⎢ 11 ⎥
€ ⎣a21 a 22 ⎦ ⎣b21 b22 ⎦
€ €
⎡ a11 b11 + a12 b21 a11b12 + a12 b22 ⎤ ⎡1 0⎤
y de ese modo ⎢ ⎥= ⎢ ⎥
⎣a21 b11 + a 22 b21 a 21 b12 + a 22 b22 ⎦ ⎣0 1⎦
y
a11 b11 + a12 b21 =1
€
a11b12 + a12 b22 = 0
a 21 b11 + a 22 b21 = 0
a 21 b12 + a 22 b22 =1
EJEMPLOS
€
€ €
A.
⎡−1 6⎤
Determinar, si existe, la inversa de la matriz ⎢ ⎥
⎣ 4 3⎦
−1 6
= −3 − 24 = −27 , de manera que la inversa existe.
4 3 €
3 1 −6 2 −4 4 −1 1
b11 = =− b12 = = b21 = = b22 = =
€ −27 9 −27 9 −27 27 −27 27
−1
⎡−1 6⎤ ⎡− 19 2⎤
9
€
y así, ⎢ ⎥ =⎢ 4 1
⎥
⎣ 4 3⎦ ⎣ 27 27 ⎦
⎡−1 6⎤ ⎡− 19 2⎤ ⎡
9
1 0⎤
Observemos que ⎢ ⎥= ⎢ ⎥= ⎢ ⎥
€ ⎣ 4 3⎦ ⎣ 274 1
27 ⎦ ⎣
0 1⎦
B.
€
⎡−3 15⎤
Determinar, si existe, la inversa de la matriz ⎢ ⎥
⎣ 1 −5⎦
⎡−3 15⎤
⎢ ⎥=15 −15 = 0 , de manera que no existe la inversa (es decir, la matriz es singular).
⎣ 1 −5⎦
€
€ PROBLEMAS
Para cada una de las matrices siguientes, evalúe el determinante y obtenga la inversa, si existe.
Emplee matrices particionadas para verificar resultados.
⎡1 6⎤ ⎡1 0⎤ ⎡0 1⎤ ⎡0 1⎤
1. ⎢ ⎥ 2. ⎢ ⎥ 3. ⎢ ⎥ 4. ⎢ ⎥
⎣0 1⎦ ⎣0 1⎦ ⎣1 0⎦ ⎣1 6⎦
⎡2 −3⎤ ⎡ 2 2⎤ ⎡−1 3⎤ ⎡−1 −1⎤
5. ⎢ ⎥ 6. ⎢ ⎥ 7. ⎢ ⎥ 8. ⎢ ⎥
⎣4 −6⎦ ⎣−4 −4 ⎦ ⎣ 2 7⎦ ⎣−1 −1⎦
⎡0 −6⎤ ⎡0 1⎤
1. det =1, ⎢ ⎥ 3. det = −1, ⎢ ⎥
⎣0 1⎦ ⎣1 0⎦
⎡− 7 3⎤
5. det = 0, de manera que no existe la inversa 7. det = −13, ⎢ 132 13
1
⎥
⎣ 13 13 ⎦
n
en donde c i k = ∑ j=1 a i j bb k y los n2 elementos de la matriz inversa (b j k ) se pueden obtener por resolución de
€las n2 ecuaciones
€ €
n
∑a i jbj k =1 si i = k
j=1
∑a i jbj k =0 si i ≠ k
j=1
en donde i = 1, 2, …, n y k = 1, 2, …, n.
Para una matriz de orden 3 x 3 o mayor, este método de inversión resulta tedioso. Afortunadamente, existen
numerosos procedimientos para invertir € matrices, y la inversión es también un programa estándar disponible
para la mayor parte de las computadoras electrónicas. En las siguientes secciones se estudian dos métodos de
inversión; ambos son factibles a no ser que la matriz sea demasiado grande, o que sus elementos consten de
varios dígitos.
Para resolver un sistema de ecuaciones lineales simultáneas, se emplean ciertas operaciones sencillas para
convertir el sistema original a un sistema equivalente, es decir, a un sistema que tenga la misma solución que el
sistema original, pero que sea más sencillo de resolver. Se obtiene un sistema equivalente si (1) se intercambian
dos ecuaciones, (2) se multiplica una ecuación por una constante diferente de cero, y (3) la i-ésima ecuación se
reemplaza por la suma de la i-ésima ecuación y k veces la j-ésima ecuación, en donde k es una constante
diferente de cero.
Análogamente, tres operaciones elementales de fila para las matrices se definen como sigue: (1) intercambio
de dos filas, (2) multiplicación de una fila por un escalar diferente de cero, y (3) el reemplazo de la i-ésima fila
por la suma de la i-ésima fila y k veces la j-ésima fila, siendo k un escalar cualquiera distinto de cero.
Las correspondientes operaciones para las columnas de una matriz son las operaciones elementales de
columna. Las operaciones elementales de fila o de columna pueden utilizarse para obtener la inversa de una
matriz, como lo establece el teorema siguiente.
TEOREMA: Si una matriz A se convierte en la matriz identidad por una serie de operaciones de fila o una
serie de operaciones de columna, entonces la misma serie de operaciones realizadas sobre la matriz identidad la
convertirán en A −1 .
Hay un método normal, que invariablemente es apropiado, para convertir una matriz no singular en la matriz
identidad, o para establecer la singularidad de una matriz que no se puede convertir en la matriz identidad. Tal
€
método estándar se describe e ilustra a continuación. La generalidad del método, que es apropiado para cualquier
matriz y puede ser programado para computadora, lo hace especialmente útil, aunque para algunos casos
€
particulares se dispone de métodos más breves.
Pasos para Convertir una Matriz Cuadrada en la Matriz Identidad (Eliminación de Gauss)
1. Dividir la primera fila de la matriz entre el elemento de su primera columna; usar luego la fila resultante para
obtener ceros en la primera columna de cada una de las otras filas.
2. Dividir la segunda fila entre el elemento de su segunda columna; emplear la fila resultante para obtener ceros
en la segunda columna de las demás filas.
M M M
n. Dividir la n-ésima fila entre el elemento de su n-ésima columna; usar la fila resultante para obtener ceros en la
n-ésima columna de las demás filas.
€
NOTA: En el procedimiento anterior, si en el paso k-ésimo el elemento en la k-ésima columna es cero
intercámbiese esa fila con la siguiente que tenga un elemento diferente de cero en la k-ésima columna. Luego
proceda al paso k-ésimo.
Para obtener la inversa de una matriz A se acostumbra trabajar con una tabla o disposición de la forma.
[A I]
−1
⎡ 0 −2 −3⎤ ⎡ 0 −3⎤ −2
⎢ ⎥ ⎢ ⎥
€ Por lo tanto, ⎢ 1 3 3⎥ =⎢ 1
3 3⎥
⎢
⎣−1−2 −2⎥
⎦ ⎢
−2 −2⎥
⎣−1 ⎦
⎡ 0 −2 −3⎤⎡ 0 −2 −3⎤ ⎡1 0 0⎤
⎢ ⎥⎢ ⎥ ⎢ ⎥
y esta matriz es igual a su inversa. Observemos que ⎢ 1 3 3⎥⎢ 1 3 3⎥= ⎢0 1 0⎥
€ ⎢
⎣−1 −2 −2⎥
⎦⎢
⎣−1 −2 −2⎥
⎦ ⎢⎣0 0 1⎥
⎦
B.
⎡ 1 2 3⎤
€ ⎢ ⎥
Obtener la inversa, si existe, de la matriz ⎢−1 0 4⎥
⎢
⎣ 0 2 2⎥
⎦
€
Paso1 Paso 2 Paso 2
⎡ 1 2 3 1 0 0⎤ ⎡1 2 3 1 0 0⎤ ⎡1 2 3 1 0 0⎤ ⎡1 0 −4 0 −1 0⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢−1 0 4 0 1 0⎥= ⎢0 2 7 1 1 0⎥= ⎢0 1 0⎥= ⎢0 1 0⎥
7 1 1 7 1 1
2 2 2 2 2 2
⎢
⎣ 0 2 2 0 0 1⎥
⎦ ⎢⎣0 2 2 0 0 1⎥
⎦ ⎢⎣0 2 2 0 0 1⎥
⎦ ⎢⎣0 0 −5 −1 −1 1⎥
⎦
Paso 3 Paso 3
⎡1 0 −4 0 −1 0⎤ ⎡1 0 0 4
− 15 − 45 ⎤
5
⎢ ⎥ ⎢ ⎥
⎢0 1 0⎥= ⎢0 1 0 − − 15
7 1 1 1 7
2 2 2 5 10 ⎥
⎢
⎣0 0 1 1 1
− 1⎥
⎦ ⎢⎣0 0 1 1 1
− 15 ⎥
⎦
5 5 5 5 5
−1
⎡ 1 2 3⎤ ⎡ 45 − 15 − 45 ⎤
€ ⎢ ⎥ ⎢ 1 ⎥
En consecuencia,
⎢ −1 0 4 ⎥ = ⎢− 5
− 1
5
7
10 ⎥
⎢⎣ 0 2 2⎥⎦ ⎢⎣ 5 1 1
5
− 5 ⎥⎦
1
⎡ 1 2 3⎤ ⎡ 45 − 15 − 45 ⎤ ⎡1 0 0⎤
⎢ ⎥ ⎢ 1 ⎥ ⎢ ⎥
Observemos€
que ⎢ −1 0 4 = −
⎥ ⎢ 5 − 1
5
7
=
10 ⎥ ⎢
0 1 0 ⎥
⎢
⎢⎣ 0 2 2⎥⎦ ⎣ 5 1 1 ⎥
− 5 ⎦ ⎢⎣0 0 1⎥⎦
1
5
⎡ 4 − 1 − 4 ⎤ ⎡ 1 2 3⎤ ⎡1 0 0⎤
⎢ 51 5 5
⎥ ⎢ ⎥ ⎢ ⎥
y − − 1 7
⎢ 5€ 5 10 ⎥ ⎢ = −1 0 4 =
⎥ ⎢ 0 1 0⎥
⎢⎣ 1 1 1⎥ ⎢
− 5 ⎦ ⎣ 0 2 2⎦ ⎣0 0 1⎥⎦
⎥ ⎢
5 5
C.
⎡ 1 2 −1⎤
€ ⎢ ⎥
Obtener la inversa, si existe, de la matriz ⎢−3 4 5⎥
⎢
⎣−4 2 6⎥
⎦
No puede continuar el procedimiento, y por lo tanto, la matriz no tiene inversa. Observemos que el proceso pudo
interrumpirse al final del Paso 1; al final del mismo, la matriz izquierda tiene dos filas idénticas, y por
€ consiguiente, el determinante de la matriz es cero (Propiedad 5), y no tiene inversa. El determinante de la matriz
original es cero también (Propiedad 6) y no tiene inversa.
1
A −1 = adj A
€ A
€
EJEMPLOS
€
A.
⎡ 0 −2 −3⎤
⎢ ⎥
Encontrar la inversa, si existe, de la matriz A = ⎢ 1 3 3⎥ A = 0 + 6 + 6 − (9 + 0 + 4 ) = −1
⎢⎣−1 −2 −2⎥⎦
2+1 −2 −3 2+ 2 0 −3 2+ 3 0 −2
C21 = (−1) = −(4 − 6) = 2 C22 = (−1) = 0 − 3 = −3 C23 = (−1) = −(0 − 2) = 2
−2 −2 −1 −2 −1 −2
3+1 −2 −3 3+ 2 0 −3 3+ 3 0 −2
C31 = (−1) = −6 + 9 = 3 C32 = (−1) = −(0 + 3) = −3 C33 = (−1) = 0+2 = 2
3 3 1 3 1 3
⎡ 0 2 3⎤ ⎡ 0 −2 −3⎤
⎢
′ ⎥ −1 1 ⎢ ⎥
Por lo tanto, adj A = (Ci j ) = ⎢−1 −3 −3⎥ A = adj A = ⎢ 1 3 3⎥
€ A
⎢
⎣ 1 2 2⎥
⎦ ⎢
⎣−1 −2 −2⎥
⎦
2+1 2 3 2+ 2 0 3 2+ 3 1 2
C21 = (−1) = −(4 − 6) = 2 C22 = (−1) = 2+0 = 2 C23 = (−1) = −(2 + 0) = −2
2 2 0 2 0 2
3+1 2 3 3+ 2 1 3 3+ 3 1 2
C31 = (−1) = 8+0 = 8 C32 = (−1) = −(4 + 3) = −7 C33 = (−1) = 0+2 = 2
0 4 −1 4 −1 0
€
⎡−8
⎡ 4 − 1 − 4⎤
2 8⎤
′ ⎢ ⎥ −1 1 ⎢ 51 5 5
⎥
Por tanto, adj A = (Ci j ) = ⎢ 2 2 −7⎥ A = adj A = ⎢− 5 − 5 10 ⎥
1 7
⎢
⎣−2 −2 2⎥ A
⎦ ⎢⎣ 1 1
− 15 ⎥⎦
5 5
C. €
⎡ 1 2 −1⎤
⎢ ⎥
Obtener la inversa, si existe, de la matriz A = ⎢−3 4 5⎥ A = 24 + 6 − 40 − (16 +10 − 36) = 0
⎢
⎣−4 2 6⎥
⎦
Algunas veces es conveniente obtener la inversa de una matriz dispuesta en la forma particionada. Si una matriz
A, de orden n x n se subdivide como sigue
⎡A A12 ⎤
A = ⎢ 11 ⎥
⎣A21 A22 ⎦
€
en donde A11 es n1 x n1, A12 es n1 x n2, A21 es n2 x n1, A22 es n2 x n2, y n1 + n2 = n, entonces,
en donde B = A22 − A21 A11−1 A12 y A11 y B son no singulares. Este resultado se puede probar directamente por
multiplicación:
€
⎡ A11 A12 ⎤ ⎡A11−1 [ I + A12 B−1 A21 A11−1 ] −A11−1 A12 B−1 ⎤ ⎡I 0⎤
€ ⎢ ⎥= ⎢ ⎥= ⎢ ⎥
⎣A21 A22 ⎦ ⎢⎣ −B −1
A A
21 11
−1
B−1
⎦ ⎣0 I ⎦
⎥
puesto que
−1
A11 A11 € −1 −1 −1 −1
[ I + A12 B A21 A11 ] − A12 B A21 A11 = I
−1
−A11 A11 A12 B−1 + A12 B−1 = 0
−1 −1 −1 −1 −1 −1 −1 −1 −1
A21 A11 [ I + A12 B A21 A11 ] − A22 B A21 A11 = [ I + A21 A11 A12 B − A22 B ] A21 A11
−1 −1
[ A21 A11 A12 − A22 ] B
=0
−1
−A21 A11 A12 B−1 −1
+ A22 B −1
= [−A21 A11 A12 + A22 ] B−1
= B B−1
=I
EJEMPLOS
€
A.
⎡ 0 −2 −3⎤
⎢ ⎥
Encontrar la inversa, si existe, de la matriz ⎢ 1 3 3⎥
⎢
⎣−1 −2 −2⎥
⎦
⎡ 0 −2 −3⎤
⎢ ⎥ ⎡A A12 ⎤
Subdividiendo la matriz, 1
⎢ € 3 3⎥= ⎢ 11 ⎥
⎣A21 A22 ⎦
⎢
⎣−1 −2 −2⎥
⎦
y
€
−1 −1 −1
⎡ 3 1⎤⎛⎡1 0⎤ ⎡−3⎤ ⎡ 3 1⎤⎞
A11 [ I + A B A A
21 11 ] = ⎢ 12 ⎜
⎥⎜⎢ + −2
⎥ ⎢ ⎥[ ][ −1, −2]⎢ 1
2
⎥⎟
12
⎣− 2 0⎦⎝⎣0 1⎦ ⎣ 3⎦ ⎣− 2 0⎦⎟
⎠
⎡ 3 1⎤⎛⎡1 0⎤ ⎡−6 −12⎤⎡ 32 1⎤⎞
= ⎢ 12 ⎥⎜⎢ ⎥+ ⎢ ⎥⎢ ⎥⎟
⎣− 2 0⎦⎜
⎝⎣0 1⎦ ⎣ 6 12⎦⎣− 12 0⎦⎟
⎠
⎡ 3 1⎤⎛⎡1 0⎤ ⎡−3 −6⎤⎞
= ⎢ 12 ⎥⎜⎢ ⎥+ ⎢ ⎥⎟
⎣− 2 0⎦⎝⎣0 1⎦ ⎣ 3 6⎦⎠
⎡ 3 1⎤⎡−2 −6⎤
= ⎢ 12 ⎥⎢ ⎥
⎣− 2 0⎦⎣ 3 7⎦
⎡0 −2⎤
=⎢ ⎥
⎣1 3⎦
en donde
€ ⎡ 3 1⎤⎡−3⎤ ⎡−3⎤
B = A22 − A21 A11−1 A12 = [−2] − [−1, −2] ⎢ 12 ⎥⎢ ⎥= [−2] − [− 12 , −1] ⎢ ⎥= −2 − (− 32 ) = − 12
⎣− 2 0⎦⎣ 3⎦ ⎣ 3⎦
y
B−1 = [−2]
€ ⎡ 3
−1 1⎤⎡−3⎤ ⎡ 3 1⎤⎡ 6⎤ ⎡ 3⎤
A11 A12 B−1 = ⎢ 12 ⎥⎢ ⎥[−2] = ⎢ 12 ⎥⎢ ⎥= ⎢ ⎥
⎣− 2 0⎦⎣ 3⎦ ⎣− 2 0⎦⎣−6⎦ ⎣−3⎦
⎡ 3 1⎤ ⎡ 3 1⎤
B−1 A21 A11
−1
= [−2] [−1, −2] ⎢ 12 ⎥= [−2, −4 ] ⎢ 12 ⎥= [−1, −2]
⎣− 2 0⎦ ⎣− 2 0⎦
−1
⎡ 0 −2 −3⎤ ⎡ 0 −2 −3⎤
⎢ ⎥ ⎢ ⎥
luego entonces ⎢ 1 3 3⎥ =⎢ 1 3 3⎥ como se obtuvo anteriormente.
€
⎢
⎣−1 −2 −2⎥
⎦ ⎢
⎣−1 −2 −2⎥
⎦
B. €
⎡ 1 2 3⎤
⎢ ⎥
Obtener la inversa, si existe, de la matriz ⎢−1 0 4⎥
⎢
⎣ 0 2 2⎥
⎦
⎡ 1 2 3⎤
⎢ ⎥ ⎡A A12 ⎤
Efectuando la subdivisión de la matriz
€ ⎢−1 0 4 ⎥= ⎢ 11 ⎥
⎣A21 A22 ⎦
⎢
⎣ 0 2 2⎥⎦
y €
⎛ ⎡− 1 7 ⎤⎡ ⎤
−1 ⎞
−1 −1 −1
A11 [ I + A B A A
21 11 ] = 1 ⎜ 1 +
[ ]⎜[ ] [ 2, 3]⎢ 1
5 10
⎥⎢ ⎥[ ] ⎟
1
− 15 ⎦⎣ 0⎦ ⎟
12
⎝ ⎣ 5 ⎠
⎛ ⎡−1⎤⎞
= [1]⎜[1] + [ 15 , 4
5] ⎢ ⎥⎟
⎝ ⎣ 0⎦⎠
=1(1 − 15 ) = 4
5
−1
⎡0 4 ⎤ ⎡−1⎤ ⎡0 4 ⎤ ⎡−2 −3⎤ ⎡2 7⎤
en donde B = A22 − A21 A11 A12 = ⎢ ⎥− ⎢ ⎥[1] [2, 3] = ⎢ ⎥− ⎢ ⎥= ⎢ ⎥
⎣2 2⎦ ⎣ 0⎦ ⎣2 2⎦ ⎣ 0 0⎦ ⎣2 2⎦
€
y
⎡− 1 7⎤
€ B−1 = ⎢ 15 10
⎥
⎣ 5 − 15 ⎦
−1
⎡− 1 7⎤
−A11 A12 B−1 = [−1] [2, 3] ⎢ 15 10
⎥= [− 15 , − 45 ]
⎣ 5 − 15 ⎦
−1
⎡ 1 − 107 ⎤⎡−1⎤ ⎡− 1 ⎤
−B A21 A11−1 = ⎢ 15 1 = 5
1 ⎥⎢ ⎥[ ] ⎢ 1 ⎥
⎣− 5 0
5 ⎦⎣ ⎦ ⎣ 5⎦
−1
⎡ 1 2 3⎤ ⎡ 45 − 15 − 45 ⎤
⎢ ⎥ ⎢ 1 ⎥
€ Por lo tanto, −1 0 4 = − − 1 7
como se obtuvo con anterioridad.
⎢ ⎥ ⎢ 5 5 10 ⎥
⎢⎣ 0 2 2⎥⎦ ⎢⎣ 15 1
5
− 15 ⎥⎦
PROPIEDADES
€ DE LAS INVERSAS
€ EJEMPLO
⎡ 1
⎡ 4 − 1 − 4⎤
2 3⎤ 5 5 5
⎢ ⎥ −1 ⎢ 1 ⎥
Si A = ⎢−1 0 4 ⎥, entonces A = ⎢− 5 − 5 10 ⎥ (ver ejemplo anterior)
1 7
⎢
⎣ 0 2 2⎥⎦ ⎢⎣ 1 1
− 15 ⎥⎦
5 5
(Propiedad 1)
€
⎡ 4 − 1 − 4 ⎤−1 ⎡ 1 2 3⎤
−1 ⎢ 5 5 5
⎥ ⎢ ⎥
−1 1€ −1
[ A ] = ⎢− 5 − 5 10 ⎥ = ⎢−1 0 4 ⎥= A
1 7 es decir, −1
[A ] =A
⎢⎣ 1 1
− 15 ⎥⎦ ⎢⎣ 0 2 2⎥⎦
5 5
€
(Propiedad 2)
1 2 3
€ A = −1 0 4 = 0 + 0 − 6 − (0 + 8 − 4 ) = −10
0 2 2
4
5
− 15 − 45
−1
A =− 1
5
− 15 7
10
= 125
1
[ 4 − 2 + 4 − (4 +14 −1)] = (125 )(− 2 ) = − 10
7 1 25 1
1
5
1
5
− 15
−1 1
es decir, A = A .
€
(Propiedad 3)
−1
€ ⎡1 −1 0⎤ ⎡ 45 − 15 1⎤
5
′
−1 ⎢ ⎥ ⎢ 1 ⎥
( A ) = ⎢2 0 2⎥ = ⎢− 5 − 5
1 1
5⎥
⎢⎣3 4 2⎥⎦ ⎢⎣− 5 10 − 5 ⎥⎦
4 7 1
⎡ 4 − 1 − 4⎤ ⎡ 4 − 1 1⎤
5 5 5 5 5 5
′ ⎢ ⎥ ⎢ 1 ⎥
−1
€ A
[ ] ⎢ 5= − 1
− 1
5
7
=
10 ⎥ ⎢ 5
− − 1
5
1
5⎥
⎢⎣ 1 1
− 5 ⎥⎦ ⎢⎣− 5 10 − 5 ⎥⎦
1 4 7 1
5 5
−1 ′
Así pues, [A ]
′
= [ A −1 ] .
€ (Propiedad 4)
€
⎡−1
⎡−2 3 1 ⎤
3 1⎤ 2
⎢ ⎥ −1 ⎢ ⎥
Si B = ⎢ 0 2 0⎥, entonces B = ⎢ 0 2 0⎥
1
⎢
⎣−2 0 4⎥
⎦ ⎢⎣−1 3 1 ⎥⎦
2 2
€
⎡ 1 2 3⎤⎡−1 3 1⎤ ⎡−7 7 13⎤
⎢ ⎥⎢ ⎥ ⎢ ⎥
AB = ⎢−1 0 4 ⎥⎢ 0 2 0⎥= ⎢−7 −3 15⎥
⎢
⎣ 0 2 2⎥⎦⎢
⎣−2 0 4⎥
⎦ ⎢⎣−4 4 8⎥
⎦
−1
⎡−7 7 13⎤ ⎡− 10 21
− 101 18 ⎤
5
⎢ ⎥ ⎢ ⎥
€ AB−1 = ⎢−7 −3 15⎥ = ⎢− 101 − 101 7
20 ⎥
⎢⎣−4 4 8⎥⎦ ⎢⎣ −1 0 7⎥
4⎦
⎡−2 3 1 ⎤−1 ⎡ 4 − 1 − 4 ⎤ ⎡− 21 − 1 18 ⎤
2
⎢ ⎥ ⎢ 5 5 5
⎥ ⎢ 10 10 5
⎥
€ B−1 A−1 = ⎢ 0 12 0⎥ = ⎢− 15 − 15 107 ⎥= ⎢− 101 − 101 7
20 ⎥
⎢⎣−1 3 1 ⎥⎦ ⎢⎣ 1 1
− 15 ⎥⎦ ⎢⎣ −1 0 7⎥
2 2 5 5 4⎦
−1
De modo que [ AB] = B−1 A −1 .
€
PROBLEMAS
€
Para cada una de las siguientes matrices, evaluar el determinante y obtener su inversa, si existe.
Emplear matrices particionadas para verificar los resultados.
⎡ 3 2 −2⎤ ⎡1 0⎤
€ ⎢ ⎥ ⎢ ⎥ ⎡1 1 1⎤ ⎡3 −2⎤
7. Si A = ⎢ 0 1 4⎥ B = ⎢0 1⎥ C =⎢ ⎥ D =⎢ ⎥
⎣1 1 1⎦ ⎣2 3⎦
⎢⎣−1 0 5⎥⎦ ⎢⎣0 1⎥⎦
′ −1 −1
encuentre a. det [[ AB] C ′ − D ] b. [ BC ] c. [ D 2 ]
€
⎡ 3 −1⎤ ⎡ 2 1⎤
€ ⎢ ⎥ ⎢ ⎥ ⎡3 4 ⎤€
8. Si A = ⎢−4 0⎥ B = ⎢−1 −2€⎥ C =⎢ ⎥
⎣2 2⎦
⎢⎣ 2 1⎥⎦ ⎢⎣ 1 1⎥⎦
′ −1
encuentre a. [ A − BC ] b. [ A ′ B]
€
⎡1 2⎤
⎡2 1⎤ ⎡1 0⎤ ⎢ ⎥ ⎡0 1 0⎤
€
9. Si A =⎢ ⎥ B = ⎢ €⎥ C = ⎢3 4⎥ D =⎢ ⎥
⎣1 2⎦ ⎣0 1⎦ ⎣1 1 1⎦
⎢⎣1 2⎥⎦
€ € €
€
⎡0 1 −1⎤ ⎡ 4 −3 3⎤
⎢ ⎥ ⎢ ⎥
10. Si A = ⎢3 −2 3⎥ B = ⎢ 2 −1 2⎥
⎢
⎣2 −2 3⎥
⎦ ⎢
⎣−3 3 −2⎥
⎦
2
demuestre que a. A 2 = B2 = [ 12 [ A + B]] = I
2
b. [ A − B] = O
€
⎡ 5 12 ⎤
7. a. − 39 b. no existe la inversa c. ⎢ 169 169
⎥
⎣− 169
12 5
169 ⎦
⎡ 5 7⎤ ⎡1 1 1⎤
⎡−3 −7⎤ ⎡ 2 − 1⎤ ⎢ ⎥ ⎢ ⎥
9. a. ⎢ ⎥ b. ⎢ 13 3
⎥ c. ⎢13 15⎥ d. ⎢53 73 53 ⎥
⎣− 3
2
⎣−9 −13⎦ 3⎦ ⎢⎣ 5 7⎥⎦ ⎢⎣1 1 1⎥⎦
Un conjunto de m vectores a1 , a 2 ,...,a m cada uno con n elementos, se dice que es linealmente dependiente si
existe una combinación lineal (no trivial) de los vectores, que sea igual al vector cero con n elementos. Es decir,
si existe un conjunto de números λ 1 , λ 2 ,...λ m con al menos uno de ellos (distinto de cero).
€ m
λ 1a1 + λ 2 a 2 + ...+ λ m a m = ∑λ i ai = 0
€ i=1
€
entonces el conjunto de vectores a1 , a 2 ,...,a m se dice que es linealmente dependiente. Si no existe un
m
conjunto de términos (excepto cuando todos valen cero) de modo que ∑ i=1
λ i ai = 0 , se dice que el conjunto
de vectores es linealmente independiente.
Puede considerarse a€ una matriz como un conjunto de vectores fila o un conjunto de vectores columna. Es
demostrable que para cualquier matriz, el número de filas linealmente independiente es igual al número de
€ de la matriz. De modo que si una matriz es m x n
columnas linealmente independientes; este número es el rango
y su rango se denota por r, entonces r min (m, n).
EJEMPLOS
A.
⎡1 4⎤
⎢ ⎥
Determinar el rango de la matriz ⎢5 10⎥
⎢
⎣3 2⎥
⎦
B.
⎡3 6⎤
⎢ ⎥
Determinar el rango de la matriz ⎢1 2⎥
⎢
⎣2 ⎥
4⎦
Nótese que las dos columnas son también linealmente dependientes, puesto que 2 (primera columna) - (segunda
columna) = 0.
El rango de la matriz es 1.
El siguiente resultado (muy útil) proporciona un método sistemático para probar la dependencia lineal:
Considerar todas las submatrices cuadradas de A cuyos determinantes sean distintos de cero. El rango de A es el
orden del determinante de mayor orden. Por lo tanto, un método para calcular el rango de una matriz es buscar el
determinante no nulo de mayor orden de la matriz o de una submatriz; el orden de este determinante es el rango
de la matriz.
Las siguientes propiedades son útiles para determinar el rango de una matriz:
1. Puesto que el determinante de una matriz diagonal es igual al producto de sus elementos diagonales, si A
es una matriz diagonal, entonces r ( A) es el número de elementos diagonales distintos de cero en A . En
particular r (I n ) = n .
€
€
€
€
2. Puesto que cualquier submatriz de A ′ es la transpuesta de una submatriz de A y como B = B′ ,
entonces r ( A ′) = r ( A) .
3. El rango del producto de dos matrices no puede exceder al menor rango de las dos matrices; es decir,
r ( AB) ≤ min{r ( A), r (B)} . €
4.€Si A es una matriz n x n, (cuadrada), entonces ( ) r A = n si y sólo si A es no singular; r ( A) < n sólo
€
si A es singular. Luego, si una matriz cuadrada es singular; sus filas (y también sus columnas) son
€ linealmente dependientes; si es no singular, son linealmente independientes.
€ €
Considere la solución de un sistema general de n ecuaciones lineales en n variables x1 , x 2 ,...x n ,
€ €
€ y = Ax
Si r ( A y ) = r ( A) < n , hay un número infinito de soluciones y las filas (y columnas) de A son linealmente
€ dependientes.
€
€ EJEMPLOS
A.
Considerar el siguiente conjunto de ecuaciones lineales simultáneas,
x + 2 y − z = 10
2 x + 4 y − 2z = 5
x+y+z =6
1 2 −1
El determinante de la matriz A de coeficientes es igual a cero 2 4 −2 = 4 − 4 − 2 − (−4 − 2 + 4 ) = 0
€ 1 1 1
€
€
2 4
y el rango de la matriz no es 3, sino que es igual a 2, ya que, por ejemplo, = 2 − 4 = −2 ≠ 0
1 1
⎡1 2 −1 10⎤
⎢ ⎥ €
La matriz aumentada [ A Y] ⎢2 4 −2 5⎥
⎢
⎣1 1 1 6⎥
⎦
€ 2 −1 10
tiene rango 3 ya que, por ejemplo, 4 −2 5 = −24 − 5 + 40 − (−20 +10 − 24 ) = 45 ≠ 0
€
1 1 6
Por tanto, r ( A) ≠ r ( A y ) y€
el conjunto de ecuaciones no tiene solución, puesto que no todas son compatibles.
Nótese que, por ejemplo, la primera y la segunda ecuaciones son claramente incompatibles.
B.
€
Considerar el siguiente conjunto de ecuaciones lineales simultáneas:
x + 2 y − z = 10
2 x + 4 y − 2z = 20
x+y+z =6
La matriz de los coeficientes es igual a la del ejemplo anterior, y su rango es 2. La matriz aumentada ( A y)
€
⎡1 2 −1 10⎤
⎢ ⎥
⎢2 4 −2 20⎥ €
⎢
⎣1 1 1 6⎥
⎦
1 2 10 1 −1 10 2 −1 10
también es de rango 2, ya que 2 4 20 = 2 −2 20 = 4 −2 20 = 0
€ 1 1 6 1 1 6 1 1 6
Por tanto, r ( A) = r ( €
A y ) = 2 ≠ n = 3 , puesto que n = 3, y el conjunto de ecuaciones tiene un número no finito
de soluciones; las filas (y las columnas) de la matriz de coeficientes son linealmente dependientes. Nótese que la
primera y la segunda ecuaciones son linealmente dependientes.
€
C.
Considerar el siguiente sistema o conjunto de ecuaciones lineales simultáneas,
x + 2 y − z = 10
2 x + 4 y − 2z = 5
x+y+z =6
€
y el rango de la matriz es 3; el rango de la matriz aumentada es también igual a 3. Por lo tanto,
r ( A) = r ( A y ) = 3 = n y el conjunto de ecuaciones tiene una solución única.
€ PROBLEMAS
⎡ 1 2 3⎤ ⎡ 1 −1 0⎤ ⎡ 1 −1 0⎤
⎡1 2⎤ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎡1 3⎤
1. ⎢ ⎥ 2. ⎢−1 0 1⎥ 3. ⎢−1 2 3⎥ 4. ⎢−1 1 0⎥ 5. ⎢ ⎥
⎣0 1⎦ ⎣2 6⎦
⎢⎣ 0 4 8⎥⎦ ⎢⎣ 0 1 2⎥⎦ ⎢⎣ 2 −2 0⎥⎦
⎡ 3 −1 0 2⎤ ⎡ 2 −1 3 0⎤
⎡−2 1 4⎤ ⎡ 3 1 −2⎤ ⎡−1 2 −3⎤ ⎢ ⎥ ⎢ ⎥
€ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ −2 1 5 −2⎥ −3 3 4 2⎥
6. ⎢ 0 −1 5⎥ 7. ⎢ 2 5 4⎥ 8. ⎢ 2 −3 1⎥ 9. ⎢ 10. ⎢
⎢ 0 −4 6 −3⎥ ⎢ 4 −5 −11 −4 ⎥
⎢
⎣−2 0 −9⎥
⎦ ⎢
⎣−4 3 1⎥
⎦ ⎢
⎣0 1 −5⎥
⎦ ⎢ ⎥ ⎢ ⎥
⎣−3 5 −6 1⎦ ⎣−1 2 7 2⎦
−1
y la solución obtenida por inversión de A se puede denotar por Xn×1 = A c n×1 n×n
€
De otra forma, el procedimiento estándar descrito previamente se puede usar para cambiar la disposición
( A I c)
a la forma (I A
−1
€
x) €
€
el cual se puede obtener la solución directamente.
€
Un tercer método matricial para resolver ecuaciones lineales simultáneas está dado por la regla de Cramer:
€
c1 a12 L a1n a11 c1 L a1n a11 a12 L c1
c 2 a22 L a 2n a 21 c 2 L a 2n a 21 a22 L c2
M M M M M M M M M
c a L a nn a c L a nn a a L cn
x1 = n n 2 x 2 = n1 n x n = n1 n 2
A A A
EJEMPLOS €
A.
Resolver el sistema de ecuaciones lineales simultáneas
3x1 + x 2 − x 3 = 2
x1 − 2x 2 + x 3 = −9
4 x1 + 3x 2 + 2x 3 =1
⎡ x1 ⎤ ⎡−1⎤
⎢ ⎥ ⎢ ⎥
€ Por tanto, leyendo directamente en la tabla ⎢x 2 ⎥= ⎢ 3⎥
⎢
⎣x 3 ⎥
⎦ ⎢⎣−2⎥
⎦
€
⎡ x1 ⎤ ⎡ 307 1
6
1 ⎤⎡ ⎤ ⎡ ⎤
30
2 −1
⎢ ⎥ ⎢ 1 ⎥
2 ⎢ ⎥ ⎢ ⎥
x = A c ⎢x 2 ⎥= ⎢− 15 − 3 −9 = 3
−1 , 1
o usando la matriz inversa, 15 ⎥⎢ ⎥ ⎢ ⎥
⎢⎣x 3 ⎥⎦ ⎢⎣− 11
30
1
6
7 ⎥⎢ ⎥ ⎢ ⎥
1 −2
30 ⎦⎣ ⎦ ⎣ ⎦
En la práctica, €
se obtendría la solución a partir de x = A −1c si y sólo si A −1 se hubiera obtenido sin la tabla
−1
(I A x) .
€
Por medio de la regla de Cramer.
€ € €
3 1 −1
A = 1 −2 1 = −12 + 4 − 3 − (8 + 9 + 2) = −30
4 3 2
2 1 −1
€ −9 −2 1
1 3 2 −8 +1 + 27 − (2 + 6 −18) 30
x1 = = = = −1
−30 −30 −30
3 2 −1
1 −9 1
€ 4 1 2 −54 + 8 −1 − (36 + 3 + 4 ) −90
x2 = = = =3
−30 −30 −30
3 1 2
€ 1 −2 −9
4 3 1 −6 − 36 + 6 − (−16 − 81 +1) 60
x3 = = = = −2
−30 −30 −30
B. €
Resolver el sistema de ecuaciones lineales simultáneas
x1 + x 2 − x 3 = 6
3x1 − 4 x 2 + 2x 3 = −2
2x1 + 5x 2 + x 3 = 0
€
⎡1 1 −1 1 0 0 6⎤ ⎡1 1 −1 1 0 0 6⎤
⎢ ⎥ ⎢ ⎥
⎢3 −4 2 0 1 0 −2⎥= ⎢0 −7 5 −3 1 0 −20⎥
⎢
⎣2 5 1 0 0 1 0⎥
⎦ ⎢⎣0 3 3 −2 0 1 −12⎥
⎦
⎡1 0 − 2 4 1
0 22 ⎤ ⎡
1 0 0 7 1 1
2⎤
7 7 7 7 18 6 18
⎢ ⎥ ⎢ ⎥
⎢0 1 − 7 − 0 = 0 1 0 − 36 − 12 0⎥
5 3 1 20 1 1 5
7 7 7 ⎥ ⎢ 36
⎢
⎣0 0
36
− 23 3
1 − 144 ⎥ ⎢0 0 1 − 23 1 7
−4 ⎥
7 7 7 7 ⎦ ⎣ 36 12 36 ⎦
⎡ x1 ⎤ ⎡ 2⎤
⎢ ⎥ ⎢ ⎥
€ De modo que leyendo directamente en la tabla, x = A −1c ⎢x 2 ⎥= ⎢ 0⎥
⎢
⎣x 3 ⎥
⎦ ⎢⎣−4 ⎥
⎦
€ ⎡ x1 ⎤ ⎡ 187 1
6
1 ⎤⎡ ⎤ ⎡ ⎤
18
6 2
⎢ ⎥ ⎢ 1 ⎥⎢ ⎥ ⎢ ⎥
⎢x 2 ⎥= ⎢− 36 − 12 € 36 ⎥⎢−2⎥= ⎢ 0⎥
1 5
o, haciendo uso de la matriz inversa,
⎢⎣x 3 ⎥⎦ ⎢⎣− 23
36
1
12
7 ⎥⎢ ⎥ ⎢ ⎥
0 −4
36 ⎦⎣ ⎦ ⎣ ⎦
1 1 −1
A = 3 −4 € − (8 +10 + 3) = −36
2 = −4 + 4 −15
2 5 1
6 1 −1
€ −2 −4 2
0 5 1 −24 + 0 +10 − (0 + 60 − 2) −72
x1 = = = =2
−36 −36 −36
1 6 −1
3 −2 2
€ 2 0 1 −2 + 24 + 0 − (4 + 0 +18)
x2 = = =0
−36 −36
1 1 6
€ 3 −4 −2
2 5 0 0 − 4 + 90 − (−48 −10 + 0) 144
x3 = = = = −4
−36 −36 −36
PROBLEMAS
€
Para cada uno de los siguientes conjuntos de ecuaciones lineales simultáneas, determine si hay una solución
única y obtenga la solución si existe.
€
5. x −5y + 6z = 7 6. x1 − 3x 2 = −2 7. x1 − 4x 2 = −1 8. x1 + x 2 + x3 = 9
3x + 3y − z = 8 2x1 + 7x 2 = 3 3x1 −2x 2 − x3 = 0 3x1 +2x 3 =17
2x +8y − 7z x1 + x 3 = 3 x 2 + x 3 =10
17. x1 + 2x 2 = 0 18. x1 + x 2 + x 3 = 4
€ x1 + x 2 + x 3 = 2 2x1 + 3x 2 + 2x 3 = 5
2x1 + 2x 2 + 3x 3 = 7 3x1 + 4 x 2 − 3x 3 = −3
este determinante es un polinomio de n-ésimo grado en λ , y por lo tanto, A tiene n raíces características,
λ 1€, λ 2 ,..., λ n , que no necesariamente son distintas. €
€
€
⎡a11 a12 ⎤
Consideremos la matriz general 2 x 2 A=⎢
⎣a21 a22 ⎥
⎦
€ €
€
De ahí que, Ax = λ x o [ A − λ I ]x = 0 puede expresarse como
€
*
N. del S. La partícula eigen utilizada como prefijo en estos términos significa propio o característico. Proviene del alemán y se
€
pronuncia “aiguen”. De manera que la palabra híbrida eigenvalor se dice “aiguenvalor”.
(a11 − λ ) x1 + a12 x 2 = 0 a21 x1 + (a22 − λ ) x 2 = 0
€
a11 − λ a12
=0
a 21 a 22 − λ
€
€
2
(a11 − λ )( a22 − λ ) − a12 =0
€
cuya solución es
⎡ 2 ⎤ ⎡ 2 ⎤
λ 1 = 12 ⎢(a11 + a 22 ) + (a11 + a22 ) − 4 (a11 a 22 − a12 a21 ) ⎥ λ 2 = 12 ⎢(a11 + a 22 ) + (a11 + a 22 ) − 4 (a11 a 22 − a12 a 21) ⎥
⎣ ⎦ ⎣ ⎦
€
Obsérvese que las raíces características de una matriz simétrica siempre son reales, ya que la expresión
€ 2 2
(a11 − a 22 ) + 4a12 siempre es no negativa.
€
EJEMPLO
⎡10 3⎤
Obtener las raíces características de la matriz A=⎢
⎣ 3 2⎥
⎦
€
PROPIEDADES
€ DE LAS RAÍCES CARACTERÍSTICAS
Para λ 2 = 1,
€
⎡⎡10 3⎤ ⎡1 0 ⎤⎤ ⎡x 21 ⎤ ⎡0 ⎤
[ A − λ I ]x 2 = ⎢⎢ ⎥− ⎢ ⎥⎥ ⎢ ⎥ = ⎢ ⎥
⎣⎣ 3 2 ⎦ ⎣0 1⎦⎦ ⎣x 22 ⎦ ⎣0 ⎦
€ 9x 21 + 3x 22 = 0
3x 21 + x 22 = 0
x 22 = −3x 21
€
Observemos que x1′x 2 = x ′2 x1 = 0 . Así pues, x1 y x 2 son vectores ortogonales. Un conjunto de vectores
ortogonales normalizados es un conjunto ortonormal. Como x1 y x 2 están normalizados, constituyen un
conjunto ortonormal.
€ €
€
PROPIEDADES € €
DE LOS VECTORES CARACTERÍSTICOS
EJEMPLO
€ € €
⎡2 1 1⎤
Determinar las raíces y los vectores característicos de la matriz A = ⎢1 2 1⎥
⎢ ⎥
⎣1
⎢ 1 2⎥
⎦
€
[ A − λ I ]x 2 = 0
⎡1 1 1⎤ ⎡x 21 ⎤ ⎡0 ⎤
⎢1 1 1⎥ ⎢x ⎥ = ⎢0 ⎥
⎢ ⎥ ⎢ 22 ⎥ ⎢ ⎥
⎣1 1 1⎥
⎢ ⎦⎢⎣x 23 ⎥
⎦ ⎢⎣0 ⎥
⎦
x 21 + x 22 + x 23 = 0
€ en donde pueden elegirse a y b para generar dos vectores característicos independientes lineales, ya que λ =1
ocurre dos veces. Obsérvese
€ que cualquier selección de a y b dará un vector ortogonal al primer vector
característico (1, 1, 1).
⎡1 1 1 ⎤ ⎡ 2 2⎤ ⎡ 2 2⎤
x1′ = ⎢ , , , x 2′ = ⎢ , 0, − ⎥, x 3′ = ⎢− , 0, ⎥
⎣ 3 3 3 ⎥⎦ ⎣2 2 ⎦ ⎣ 2 2 ⎦
€
3
∏λ i = 4 = A , dado que A = 8 +1 +1 − (2 + 2 + 2) = 4
€ i=1
3
∏λ i = 6 = tr (a ), dado que tr ( A) = 2 + 2 + 2 = 6
i=1
⎧1 si i = j =1, 2, 3
x i′ x j = ⎨
⎩0 si i , j =1, 2, 3 y i ≠ j
€ PROBLEMAS
Para cada una de las matrices siguientes, determine las raíces y los vectores característicos, y verifique que
satisfagan las propiedades señaladas.
⎡3 0 0 ⎤ ⎡−1 0 0⎤ ⎡1 2 2⎤
⎡ 5 −2⎤ ⎡4 3⎤ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎡10 4 ⎤
1. 1. ⎢ ⎥ 2. ⎢ ⎥ 3. ⎢0 2 0 ⎥ 4. ⎢ 0 −2 0⎥ 5. ⎢2 1 2⎥ 6. ⎢ ⎥
⎣−2 2⎦ ⎣3 4 ⎦ ⎣ 4 4⎦
⎢⎣0 0 −2⎥⎦ ⎢⎣ 0 0 3⎥⎦ ⎢⎣2 2 1⎥⎦
€
Respuestas a los Problemas de Número Impar
⎡ −2 1 ⎤ ⎡1 2 ⎤
1. λ 1 = 6, λ 2 =1 x1′ = ⎢ , ⎥ x 2′ = ⎢ , ⎥
⎣ 5 5⎦ ⎣ 5 5⎦
⎡ x1 ⎤
⎢ ⎥
x
€ a ′x = [ a1 , a 2 ,..., a n ] ⎢ 2 ⎥= a1 x1 + a 2 x 2 +L + an x n
⎢ M⎥
€ € ⎢ ⎥
⎣x n ⎦
€
∂(a ′x ) ∂(a ′x ) ∂(a ′x )
= a1 , = a2 , L , = an
∂x1 ∂x 2 ∂x n
€
esto es, las derivadas parciales son los elementos del vector a . De modo que si las n derivadas parciales se
∂ ( a′x )
ordenan como un vector a €, el proceso de diferenciación vectorial se define por ∂x
=a
∂(a ′x )
en donde indica la operación de diferenciar a ′x con respecto a los elementos del vector x.
∂x1
€ €€
€
EJEMPLO
€
€
€
⎡2a ⎤ ⎡x1 ⎤
⎢ ⎥ ⎢ ⎥
−a x
Si a = ⎢ ⎥ y x = ⎢ 2 ⎥, entonces a ′x = 2ax1 − ax 2 + 3ax 3 + ax 4
⎢3a ⎥ ⎢x3 ⎥
⎢ ⎥ ⎢ ⎥
⎣a ⎦ ⎣x4 ⎦
€ ∂ ∂ ∂ ∂
(a ′x ) = 2a (a ′x ) = −a (a ′x ) = 3a (a ′x ) = a
∂x1 ∂x 2 ∂x 3 ∂x 4
⎡2a ⎤
⎢−a ⎥
∂
€ Por lo tanto, ( a′ x ) = ⎢ ⎥ = a
∂x ⎢3a ⎥
⎢ a⎥
⎣ ⎦
por consiguiente, cada yi puede diferenciarse parcialmente con respecto a cada xj, y tales derivadas parciales
pueden ordenarse en un matriz m x n como sigue:
€
⎡ ∂y1 ∂y 2 ∂y n ⎤
⎢ ∂x L
∂x1 ∂x1 ⎥
⎢ ∂y1 ∂y 2 ∂y n ⎥
∂y ⎢ 1 L ⎥
= ∂x ∂x 2 ∂x 2 ⎥
∂x ⎢⎢ M2 M M⎥
⎢ ∂y1 ∂y 2 ∂y n ⎥
⎢ L ⎥
⎣∂x m ∂x m ∂x m ⎦
EJEMPLO
⎡ x12 + 2 x 22 − 3x1 x 3 ⎤
Si 2€
y = ⎢ 2 2⎥
⎣3x1 x 2 − x 2 + 4 x 2 x 3 ⎦
⎡2 x1 − 3x 3 3x 2 2
⎤
∂y ⎢ ⎥
€
entonces ∂x
= ⎢ 4 x2 2
6 x1 x 2 − 2 x 2 + 4 x 3 ⎥
⎢ − 3 x1 8x2 x3 ⎥
⎣ ⎦
€
DIFERENCIACIÓN VECTORIAL DE UNA FORMA CUADRÁTICA
Una expresión de la forma x ′Ax , en donde A es una matriz simétrica n x n, recibe el nombre de forma
cuadrática. La forma cuadrática x ′Ax puede desarrollarse como sigue
⎡a11 a12 . .. a1n ⎤ ⎡x1 ⎤
⎢a a22 ... a2 n ⎥ ⎢x ⎥
x′Ax = [ x1 , x 2 , .. ., x n ] ⎢ 12
⎥ ⎢ 2
⎥
⎢ M M M ⎥ ⎢ M⎥
⎢a a2 n ... ann ⎥ ⎢x ⎥
⎣ 1n ⎦ ⎣ n ⎦
2
€
= a11 x 1 + 2a12 x1 x 2 + 2a13 x1 x 3 + L + 2a 1n x1 x n
2
+ a22 x 2 + 2 a23 x 2 x 3 + L + 2 a2 n x 2 n
€
+ K .
. .
. .
2
+ ann x n
€
€
Tomando las derivadas parciales con respecto a los elementos de x,
∂
( x ′Ax ) = 2( a11 x1 + a12 x 2 + a13 x 3 + L + a1n x n )
∂x1
∂
( x ′Ax ) = 2( a12 x1 + a22 x 2 + a23 x 3 + L + a2n x n )
∂x 2
M M
∂
( x ′Ax ) = 2( a1n x1 + a2n x 2 + a3n x 3 + L + ann x n )
∂x n
Además del factor 2, el segundo miembro de este conjunto de ecuaciones contiene los elementos de Ax , que es
un vector columna n-dimensional; en forma alternativa, el citado segundo miembro contiene los elementos de
€
x ′Ax , que es un vector fila n-dimensional. Así pues
∂ ∂
( x ′Ax ) = 2Ax o bien ( x ′Ax ) = 2 x ′A €
∂x ∂x
€ En la práctica, la elección entre dos formas generalmente depende del contexto en el que ocurren la
diferenciación, ya que las matrices sólo se pueden igualar si son del mismo orden; específicamente, un vector
€ vector fila que tenga el mismo número de elementos, pero no puede ser igual a un
fila puede ser igual a otro
vector columna.
EJEMPLO
⎡x1 ⎤ ⎡ 3 1 −2⎤
⎢ ⎥ ⎢ ⎥
Si x = ⎢x 2 ⎥ y A = ⎢ 1 0 3⎥, entonces
⎢⎣x 3 ⎥⎦ ⎢⎣−2 3 2⎥⎦
⎡ 3 1 −2⎤ ⎡x1 ⎤
⎢ ⎥ ⎢ ⎥
x ′Ax = [ x1 , x 2 , x 3 ] ⎢ 1 0 3⎥ ⎢x 2 ⎥
⎢⎣−2 3 2⎥⎦ ⎢⎣x 3 ⎥⎦
⎡x1 ⎤
⎢ ⎥
= [ 3x1 + x 2 − 2x 3 , x1 + 3x 3 , − 2x1 + 3x 2 + 2x 3 ] ⎢x 2 ⎥
⎢⎣x 3 ⎥⎦
€
∂ ∂ ∂
( x ′Ax ) = 6x1 + 2x 2 − 4 x 3 ( x ′Ax ) = 2x1 + 6x 3 ( x ′Ax ) = 4 x 3 − 4 x1 + 6x 2
∂x1 ∂x 2 ∂x 3
Por lo tanto,
⎡ 3x1 + x 2 − 2 x 3 ⎤
∂
( x ′ Ax ) = 2 ⎢ x1 + 3x 3 ⎥ = 2 Ax
€ ∂x ⎢ ⎥
⎢
⎣−2 x1 + 3x 2 + 2 x3 ⎥
⎦
o bien, €
∂
( x ′Ax ) = 2[ 3x1 + x 2 − 2x 3 , x1 + 3x 3 , − 2x1 + 3x 2 + 2x 3 ] = 2 x ′A
∂x
∂ ∂
( x ′Bz ) = Bz € ( x ′Bz ) = B′x €
∂x ∂x € €
EJEMPLO
€
⎡x1 ⎤ ⎡ 2b1 b1 + b2 ⎤
⎢ ⎥ ⎡z1 ⎤
Si x = ⎢x 2 ⎥ B = ⎢b2 + 2b3 3b2 ⎥ z = ⎢ ⎥
⎢ ⎥ ⎣z2 ⎦
⎢⎣x 3 ⎥⎦ ⎢b + b 4b32 ⎥⎦
⎣1 3
entonces ⎡ 2b1 b1 + b2 ⎤
⎢ ⎥⎡z1 ⎤
x ′Bz = [ x1 , x 2 , x 3 ] ⎢b2 + 2b3 3b2 ⎥⎢ ⎥
⎢ ⎥⎣z 2 ⎦
€
2
⎢
⎣b1 + b3 4 b3 ⎥
⎦
⎡z1 ⎤
2
= [ 2b1 x1 + b2 x 2 + 2b3 x 2 + b1 x 3 + b3 x 3 , b1 x1 + b2 x1 + 3b2 x 2 + 4 b3 x3 ] ⎢ ⎥
⎣z 2 ⎦
= 2 b1 x1z1 + b2 x 2 z1 + 2b3 x 2 z1 + b1 x 3 z1 + b3 x 3 z1 + b1 x1z 2
2
+ b2 x1z 2 + 3b2 x 2 z 2 + 4 b3 x3 z2
€
y
∂ ∂ ∂ 2
( x ′Bz ) = 2b1z1 + b1z 2 + b2 z 2 ( x ′Bz ) = b2 z1 + 2b3 z1 + 3b2 z 2 ( x ′Bz ) = b1z1 + b3 z1 + 4b3 z 2
∂x1 ∂x 2 ∂x 3
⎡2b1z1 + b1z 2 + b2 z 2 ⎤
∂ ⎢ ⎥
Así pues, ∂x
( x ′ Bz ) = ⎢b2 z1 + 2b3 z1 + 3b2 z 2 ⎥ = Bz
⎢ 2 ⎥
⎣b1z1 + b3 z1 + 4 b3 z 2
€ ⎦
y
€
∂ ∂ 2
( x ′Bz ) = 2b1 x1 + b2 x 2 + 2b3 x 2 + b1 x 3 + b3 x 3 ( x ′Bz ) = b1 x1 + b2 x1 + 3b2 x 2 + 4b3 x 3
∂z1 ∂z 2
⎡ x1 ⎤
∂ ⎡2b1 x1 + b2 x 2 + 2b3 x 2 + b1 x 3 + b3 x 3 ⎤ ⎡ 2b1 b2 + 2b3 b1 + b3 ⎤⎢ ⎥
€ De ahí que ( x ′Bz ) = ⎢ ⎥= ⎢ ⎥ x 2 = B′ x
∂z ⎣ b1 x1 + b2 x1 + 3b2 x 2 + 4b32 x 3 ⎦ ⎣b1 + b2 3b2 4b32 ⎦⎢ ⎥
⎢
⎣x 3 ⎥
⎦
€
APLICACIONES DE LA DIFERENCIACIÓN VECTORIAL EN MAXIMIZACIÓN Y
MINIMIZACIÓN
De otra forma,
∂ ˆ ′x ′x
€ e′e = −2 y ′x + 2β
∂βˆ ( )
∂
βˆ ′x ′x = y ′x ⇒ βˆ ′ = y ′x [ x ′x ] βˆ = [ x ′x ] x ′y
−1 −1
Si (e′e) = 0 y
∂ βˆ €
€ ∂2 ∂ ˆ = 2 x ′x
2 [
e′e] = −2 x ′y + 2 x ′x β
∂βˆ ∂βˆ [ ]
Así pues la condición de segundo orden para la minimización que requiere que x ′x sea definida y positiva, es
0 para toda y > 0 . En los ejemplos prácticos, x ′x es definida y positiva.
decir, que y ′[ x ′x ] y ′ >€
EJEMPLO
€ €
€ €
⎡1 −1⎤ ⎡ 5⎤
⎢ ⎥ ⎢ ⎥
1 0⎥ 3
Si x =⎢ y =⎢ ⎥
⎢1 1⎥ ⎢−2⎥
⎢ ⎥ ⎢ ⎥
⎣1 −2⎦ ⎣ 8⎦
⎢ ⎥
⎣ 8⎦
Así pues, la ecuación de regresión estimada es yˆ = 19
10
− 165 x .
€
PROBLEMAS
⎡ 3⎤ ⎡ x1⎤
⎢ ⎥ ⎢ ⎥ ∂
1. Si b = ⎢−2⎥ y x = ⎢x 2 ⎥, deter mine [ b′x] .
∂x
⎢⎣ 1⎥⎦ ⎢⎣x 3 ⎥⎦
⎡ −c ⎤ ⎡y1 ⎤
⎢ ⎥ ⎢ ⎥
0 y ∂
€ 2. Si c = ⎢ ⎥ y y = ⎢ 2 ⎥, deter mine [c ′y ] .
⎢ 2c ⎥ ⎢y 3 ⎥ ∂y
⎢ ⎥ ⎢ ⎥
⎣−3c ⎦ ⎣y 4 ⎦
⎡c 2 +1 ⎤ ⎡x1 ⎤
⎢ ⎥ ⎢ ⎥
⎢ 3c ⎥ x ∂
€ 3. Si c = y x = ⎢ 2 ⎥, obtenga [c ′x ] .
⎢4c −5⎥ ⎢x3 ⎥ ∂x
⎢ 3 ⎥ ⎢ ⎥
⎣c ⎦ ⎣x4 ⎦
⎡ 2x 2 − 3x x ⎤
⎢ 1 2 3
⎥ ∂y
€ 4. Si y = ⎢ x1 − 4 x1 x 2 x 3 ⎥, encuentre .
⎢x12 − 2x2 + x 3 ⎥ ∂x
⎣ ⎦
⎡ x 2 − 3x ⎤
€ ⎢ 1 2
⎥
2x x − x ∂y
5. Si y = ⎢ 1 2 2 ⎥
, obtenga .
⎢2x1 + x1 x 2 − 3x 22 ⎥ ∂x
⎢ 2 2 3⎥
⎣3x1 − x1 x 2 − x2 ⎦
⎡y1 ⎤
⎡x ⎤ ⎡3+ b b + 2b 4b 2 ⎤ ⎢ ⎥
6. Si x = ⎢ 1 ⎥, B =⎢ 2 1 1 2 2
⎥ y y = ⎢y 2 ⎥,
€ ⎣x2 ⎦ b
⎣ 2 4b b b
1 2⎦
1 ⎢⎣y 3 ⎥⎦
∂ ∂
encuentre [ x ′By ] y [ x ′By ].
∂x ∂y
∂ ∂
obtenga [ x ′Ay ] y [ x ′Ay ].
∂x ∂y
€
⎡1 −1⎤ ⎡−3⎤
⎢ ⎥ ⎢ ⎥
8. Si x = ⎢1 1⎥ y y = ⎢ 5⎥,
⎢
⎣1 2⎥
⎦ ⎢
⎣11⎥
⎦
ˆ por mínimos cuadrados para la ecuación de regresión v = x β + u.
det er min e la estimación β
⎡c 2 +1 ⎤
⎡ 3⎤ ⎢ ⎥ ⎡ 2y1 − y 3 ⎤ ⎡ 3x1 + 2x 2 − x 3 ⎤
⎢ ⎥ ⎢ 3c ⎥ ⎡2x 2x 2 2 + x2 6x1 − 2x1 x 2 ⎤ ⎢ ⎥ ⎢ ⎥
1. ⎢−2⎥ 3. 5. ⎢ 1 ⎥ 7. ⎢2y1 + y 2 + 4 y 3 ⎥, ⎢ x2 ⎥
⎢4c − 5⎥ ⎣ 3 2x1 −1 x1 − 6x 2 −x1 − 3x 22 ⎦
⎢
⎣ 1⎥
⎦ ⎢ 3 ⎥ ⎢
⎣ −y1 + 3y 3 ⎥ ⎦ ⎢
⎣−x1 + 4 x 2 + 3x 3 ⎥
⎦
⎣ c ⎦