Resumen de Teoría de Matrices
|
|
- María Antonia Carrizo Naranjo
- hace 7 años
- Vistas:
Transcripción
1 Resumen de Teoría de Matrices Rubén Alexis Sáez Morcillo Ana Isabel Martínez Domínguez 1 de Octubre de Matrices. Generalidades. Definición 1.1. Se llama matriz de orden m n sobre un cuerpo K a un conjunto de (mn) escalares de k ordenados en m filas y n columnas. a 11 a a 1n a 21 a a 2n M = a m1 a m2... a mn Definición 1.2. Para matrices del mismo orden, A m n y B m n, se define la matriz suma, C m n = A m n + B m n, de la siguiente forma: m n c ij = a ij + b ij, i = 1,..., m, j = 1,..., n. Definición 1.3. Dada la matriz A m n y un escalar α K, entonces la matriz C = αa (producto de un escalar por una matriz) se obtiene como c ij = αa ij, i = 1,..., m, j = 1,..., n. Definición 1.4. Dadas dos matrices B l m y A m n, se define la matriz producto C l n = B l m A m n como sigue m c ij = b ir a rj, i = 1,..., l, j = 1,..., n. r=1 Nota 1.1 (Propiedades de la suma y producto por un escalar de matrices). Sean A, B M m n y α, β R a) La suma de matrices cumple que: 1. A + B = B + A. 2. A + (B + C) = (A + B) + C M m n /A + 0 = A A M m n. 4. A M m n, ( A) M m n /A + ( A) = 0. b) El producto de una matriz por un escalar verifica que: 5. α(a + B) = αa + αb. 6. (α + β)a = αa + βa. 7. (αβ)a = α(βa) R/1 A = A, A M m n. Nota 1.2. Que se cumplan estas ocho operaciones implica que el conjunto M m n de todas las matrices, dotado de las operaciones suma y producto por un escalar, es un espacio vectorial. Además, dicho espacio vectorial será de dimensión mn. 1
2 Nota 1.3 (Propiedades del producto de matrices). Sean A, B, C y D matrices de números reales cualesquiera, tales que A M m p, B M p q y C, D M q n. El producto de matrices verifica que: 1. No es conmutativo. 2. (AB)C = A(BC). 3. I m, I p, A M m p /I m A = A, AI p = A. 4. A m p 0 p s = 0 m s, 0 s m A m p = 0 s p. 5. B(C + D) = BC + BD. 6. rg(ab) mín {rg(a), rg(b)}. 7. Si rg(a) = r mín {m, p} = C 1 m r, C 2 r p/a = C 1 C 2. Definición 1.5. Dada una matriz A m n, se dice que es cuadrada si m = n. Definición 1.6. Dada una matriz cuadrada A n, se dice que es la matriz identidad si verifica que: { 0 si i = j a ij =. 1 si i j Definición 1.7. Dada una matriz cuadrada A n, se dice que la matriz cuadrada B n es la inversa de la matriz A si verifica que AB = BA = I n, y se denota B = A 1. Proposición 1.1. Dada A n n se verifica que existe A 1 si, y sólo si, la matriz A es de rango completo, esto es, rg(a) = n. Nota 1.4 (Propiedades de la inversa de una matriz). Sean A, B M n /rg(a) = rg(b) = n. Se verifica que: 1. A 1 matriz inversa de A, y ésta es única. 2. (A 1 ) 1 = A. 3. (AB) 1 = B 1 A Si C M n, rg(c) = n, AC = I n = CA = I n y C = A 1. Recíprocamente, si CA = I n = AC = I n y C = A 1. Definición 1.8. Dada una matriz cuadrada A de orden n, se define la traza de A, que se denota por tr(a), como el valor de la suma de todos los elementos de la diagonal principal de A, es decir, Proposición 1.2. Se tiene que: tr(a) = n a ii. i) Sean A n, B n M n y α R, entonces tr(a + B) = tr(a) + tr(b) y tr(αa) = αtr(a). ii) Sean A m n y B n m, entonces tr(ab) = tr(ba). Nota 1.5. Cabe destacar que: a) La aplicación tr : M n K es lineal. i=1 b) No es cierto, en general, que la traza del producto de matrices sea equivalente al producto de las trazas de dichas matrices (tomar A = B = I n ). c) Si A es una matriz invertible, no se que cumple que tr(a 1 ) = 1 tr(a) (tomar una matriz diagonal cuyos elementos de la diagonal principal sean no nulos). 2
3 Definición 1.9. Dada una matriz A m n, se define la matriz traspuesta, M n m = A t, como: m ij = a ji, i = 1,..., n, j = 1,..., m. Proposición 1.3. Dadas A, B M m n, C M n p y α R se cumple que: 1. (A + B) t = A t + B t y (αa) t = αa t. 2. (AC) t = C t A t. 3. (A t ) t = A. 4. rg(a) = rg(a t ). 5. Si A M n = tr(a) = tr(a t ) y A = A t. 6. Si A M n y es invertible = (A 1 ) t = (A t ) Si A t A = 0 n = A = 0 n. 8. Si tr(a t A) = 0 = A = 0 n. 9. rg(a) = rg(a t A) = rg(aa t ). En particular, si m > n y rg(a) = n, la matriz A t A es no singular. Definición Sea A n una matriz cualquiera, se denomina determinante de la matriz A, a la aplicación f : M n R A α R, y se denota por A o det(a). Nota 1.6 (Propiedades de los determinantes). Dadas A n, B n, C n M n y α R, se verifica que i) Si las matrices A, B y C difieren exclusivamente en los elementos de la columna j 0 siendo los elementos de esta columna para la matriz C la suma de los respectivos elementos de la columna j 0 de las matrices A y B, entonces A + B = C. El mismo resultado se cumple cuando las tres matrices difieren de igual forma en una fila. ii) Si se multiplica sólo una fila (o columna) de A por un escalar α, el valor del determinante también queda multiplicado por α. iii) αa = α n A. iv) Si A = 0 n = A = 0. v) Si A es una matriz con una fila (o columna) cuyos elementos son todos nulos, entonces A = 0. vi) La suma de los productos de los elementos de una fila (o columna) de una matriz A por los adjuntos de una fila (o columna) paralela diferente es igual a cero. vii) Si en una matriz A a una de sus filas (o columnas) se le suma una combinación lineal de las filas (o columnas) paralelas, el determinante de la matriz resultante es también A. viii) Se tiene que: a) AB = A B. b) A k = A k, k N. c) Si A es no singular, entonces A 1 = 1 A. Definición Dadas dos matrices, A m n y B m n, se dice que son equivalentes si existen matrices invertibles, P m m y Q n n, tales que A = P BQ (B = P 1 AQ 1 ). 3
4 Definición Dadas dos matrices, A n y B n, se dice que son semejantes si existe una matriz invertible Q n tal que A = QBQ 1 (B = Q 1 AQ). Definición Dada una matriz A n, se dice que es triangular superior si a ij = 0, i > j, i, j = 1,..., n. Se dice que A n es triangular inferior si a ij = 0, i < j, i, j = 1,..., n. Se dice que A n es diagonal si a ij = 0, i j, i, j, = 1,..., n. Proposición 1.4. Dadas A, B M m n matrices triangulares superiores (inferiores) y α R, se verifica: 1) A + B y αa son triangulares superiores (inferiores). 2) AB es triangular superior (inferior). 3) Si A tiene inversa, A 1 es triangular superior (inferior). 4) El rango de A es siempre mayor o igual al número de elementos de la diagonal principal de A no nulos. 5) A = n i=1 a ii Nota 1.7. Se debe tener en cuenta que: a) En general, el resultado que se indica en la cuarta propiedad no se verifica con igualdad. b) De la cuarta propiedad se puede extraer la siguiente proposición: A es regular o invertible a ii 0, i = 1,..., n. c) Al verificarse la primera propiedad, el conjunto de las matrices triangulares superiores (inferiores, diagonales) forman un subespacio vectorial sobre el cuerpo K. Proposición 1.5. Toda matriz cuadrada se puede descomponer como producto de una matriz triangular superior por una matriz triangular inferior. Definición Dada una matriz A n, se dice que es simétrica si A = A t. Por contra, se dirá que es antisimétrica si A = A t. Proposición 1.6. Sean las matrices A n y B n, y α R. Si A y B son simétricas, se verifica que: 1) A + B y αa son simétricas. 2) A es simétrica si, y sólo si, A = A t. 3) Cuando AB = BA = AB es simétrica. Sin embargo, esto no es cierto si A y B no conmutan en el producto. 4) Si A es invertible, entonces A 1 es simétrica. 5) Dada una matriz cualquiera C m n = CC t y C t C son simétricas. Si A y B son antisimétricas, se cumple que: 6) A + B y αa son antisimétricas. 7) A es antisimétrica si, y sólo si, A = A t. 8) Cuando AB = BA = AB es antisimétrica. Sin embargo, esto no es cierto si A y B no conmutan en el producto. 9) Si A es invertible, entonces A 1 es antisimétrica. 10) A = ( 1) n A y, en particular, para n impar, A = 0. Nota 1.8. Al cumplirse las propiedades primera y sexta, se tiene que las matrices simétricas o antisimétricas del mismo orden forman un subespacio vectorial sobre K. 4
5 Proposición 1.7. Toda matriz se puede expresar como suma de una matriz simétrica y una matriz antisimétrica. Proposición 1.8. Si A n es una matriz antisimétrica, entonces x t Ax = 0, x K n. Definición Dada una matriz A n, se dice que es hermítica si m ij = m ji, i, j = 1,..., n, donde m ij es el conjugado del número complejo m ij. Proposición 1.9. Sean A n y B n matrices hermíticas y α R. Entonces, 1) A + B y αa son hermíticas. 2) Si AB = BA, la matriz AB es hermítica. Sin embargo, si A y B no son conmutativas en el producto, en general AB no es hermítica. 3) A t es hermítica. 4) La matriz conjugada de A, esto es Ā, es hermítica. 5) Si A es invertible, su matriz inversa, A 1, es hermítica. 6) El determinante de A es un número real. Nota 1.9. Cabe destacar que a) Por cumplirse la primera propiedad, el conjunto de matrices hermíticas forman un subespacio vectorial sobre el cuerpo K. b) Los elementos de la diagonal principal han de ser números reales, ya que deben cumplir la definición (a = ā = a R). Definición Dada una matriz A m n, se dice que es no negativa si a ij 0, i, j. Se denota por A m n 0 m n. Se dice que A m n es semipositiva si a ij 0, i, j y A m n 0 m n. Lo denotaremos por A m n > 0 m n. Se dice que A m n es positiva si a ij > 0, i, j. Se denota como A m n >> 0 m n. Nota La suma de matrices no negativas sigue siendo una matriz no negativa del mismo tipo. Sin embargo, esta propiedad no se verifica con el producto de matrices. Proposición Si A n y B n son positivas y α R +, se tiene que: 1) A + B y αa son positivas. 2) AB es una matriz positiva. 3) k N, A k es positiva. 4) A t es una matriz positiva. Nota Los coeficientes de las matrices no negativas siempre pertenecen al cuerpo de los números reales, ya que en los complejos no está definido un orden total. Definición Dada una matriz A n, se dice que es ortogonal si AA t = A t A = I n. Proposición Sean A n y B n matrices ortogonales, entonces 1) AB y BA son matrices ortogonales, pero en general, no lo son A + B y αa, α R. 2) El valor de A es igual a 1 ó 1. 3) El rango de A es n. 4) A es invertible, su inversa, A 1, es ortogonal y A 1 = A t. 5
6 5) Si C es una matriz cuadrada tal que CC t = I n entonces, C t C = I n y, recíprocamente, si C t C = I n se tiene también que CC t = I n. Por tanto, basta que C cumpla una de las dos condiciones para que sea ortogonal. 6) Si C n es antisimétrica entonces, A = (I n C)(I n + C) 1 es una matriz ortogonal. 7) Si h t h = 1 entonces, A = I n 2hh t es una matriz ortogonal. Las matrices así definidas se les denomina matrices Householder. Definición Dada una matriz A n, se dice que es - idempotente si A 2 = A. - unipotente si A 2 = I n. - nilpotente si A 2 = 0 n. Proposición Sean A n y B n a) Si A y B son idempotentes, se verifica que 1. AB es idempotente siempre que AB = BA. 2. Dada cualquier C n, si C t C = C, la matriz C es simétrica e idempotente. 3. El valor de A es 0 ó 1. Si A = 1 se tiene que A = I n. 4. rg(a) = tr(a). 5. Si A es simétrica con rg(a) = r, entonces existe C n r con rg(c) = r tal que A = CC t y C t C = I r. 6. I n A es una matriz idempotente y rg(i n A) = n rg(a). Sin embargo, A I n no es idempotente. 7. Si C n k con k < n y rg(c) = k, entonces la matriz A = C(C t C) 1 C t es simétrica e idempotente, al igual que à = I n A. b) Sea A n una matriz unipotente, entonces se verifica que 8. A = 1 ó A = rg(a) = n y, por tanto, existe A 1 y, además, A 1 = A. c) Sea A n una matriz nilpotente, entonces se verifica que 10. A = 0 y, por tanto, nunca existe A 1 y rg(a) < n. 11. La matriz I n A es invertible y su inversa es (I n A) 1 = I n + A. Definición Una matriz A n 0 se dice que es estocástica si la suma de los elementos de cada fila es igual a la unidad, es decir, A. = Se dice que es doblemente estocástica si A y A t son estocásticas. Proposición Si A n y B n son estocásticas (doblemente estocásticas) se verifica 1. AB es estocástica (doblemente estocástica). 2. k N, A k es estocástica (doblemente estocástica). 3. Cuando A es doblemente estocástica, A t también lo es. Definición Una matriz A n 0 se dice que es primitiva si existe k N tal que A k >> 0. 6
7 Nota Es obvio que si la matriz es positiva, también será primitiva. Definición Una matriz cuadrada, A n, con coeficientes reales, se dice que tiene diagonal dominante si n a jj > a ij, j. 2. Autovalores y autovectores. i=1,i j Definición 2.1. Un escalar λ K se dice que es un autovalor de la matriz A n n, si existe un vector v, v 0, tal que Av = λv. Al vector v se le denomina autovector o vector propio. Nota 2.1. Cabe destacar que a) El autovector v asociado a un autovalor λ no es único, ya que si Av = λv, entonces, α K se verifica que A(αv) = λ(αv) y, por tanto, αv es también un vector propio de A asociado a λ. b) Si λ es una autovalor de A, el conjunto E(λ) = {v/av = λv} es un subespacio vectorial no trivial, E(λ) {0}. c) Un autovector está asociado a un único valor propio. Proposición 2.1. Las siguientes condiciones son equivalentes: i) λ K es autovalor de A. ii) El sistema homogéneo (A λi n )x = 0 es compatible indeterminado. iii) A λi n = 0. Definición 2.2. Dada una matriz A cuadrada de orden n, se denomina polinomio característico de A al polinomio de orden n P n (λ) = A λi n. Siendo P n (λ) = 0 la ecuación característica de la matriz A. Nota 2.2. Cabe tener en cuenta que a) Es claro que los autovalores de una matriz A M n son las raíces de su ecuación característica P n (λ) = A λi n = 0. b) Si el polinomio característico P n (λ) de la matriz A se puede expresar en la forma P n (λ) = (λ λ i ) r Q n r (λ), siendo Q n r (λ) un polinomio de orden n r, (r < n) tal que Q n r (λ i ) 0. Entonces, se dice que λ i es un autovalor de A con multiplicidad algebraica m i = r. c) Dada una matriz A, si λ es uno de sus autovalores, todos los vectores no nulos solución del sistema homogéneo de n ecuaciones compatible indeterminado (A λ I n )x = 0 serán autovectores asociados a λ. d) Si P n (λ) = A λi n es el polinomio característico de la matriz A M n, entonces, para cualquier B M n no singular, se verifica que las matrices C = BAB 1 y D = B 1 AB tienen el mismo polinomio característico que A. Teorema 2.1 (de Cayley Hamilton). Toda matriz cuadrada A n es raíz de su polinomio característico. Proposición 2.2. Si A es una matriz de orden n, se tiene que A λi n = ( λ) n + ( λ) n 1 tr(a) + ( λ) n 2 tr 2 (A) + ( λ) n 3 tr 3 (A) A, siendo tr i (A), i = 2, 3,..., n 1, la suma de todos los menores de orden i que contienen en su diagonal principal i elementos de la diagonal principal de A. 7
8 Nota 2.3. Si λ 1, λ 2,..., λ n son las raíces de P A (λ) entonces, P A (λ) = ( λ) n + ( λ) n 1 (λ 1 + λ λ n ) + ( λ) n 2 tr 2 (A) (λ 1 λ 2 λ n ). Además, los coeficientes de ( λ) n k, k = 2, 3,..., n 1, es la suma de los k productos distintos de las raíces. Proposición 2.3. Sean A M n y B M m dos matrices cuyos autovalores son los escalares λ 1,..., λ n y µ 1,..., µ m, respectivamente. Estos autovalores pueden ser reales o complejos, iguales o distintos. Se verifica que: i) Los autovalores de A t coinciden con los de la matriz A. ii) El número de autovalores nulos de una matriz A de rango r < n es mayor o igual que n r. iii) A = n i=1 λ i. iv) tr(a) = n i=1 λ i. v) Los autovalores de la matriz αa, α R (o C), con α 0 son αλ i, i = 1,..., n. vi) Si A es no singular, entonces los autovalores de A 1 son 1 λ i, i = 1,..., n. vii) Para cualquier número natural k no nulo, los autovalores de A k son λ k i, i = 1,..., n. viii) Si A es una matriz de orden n con elementos pertenecientes a R tal que sus autovalores λ i, i = 1,..., n, son reales, entonces para todo p, número natural impar, los autovalores de A 1/p son λ 1/p i, i = 1,..., n. Si p es par esta propiedad se verifica siempre que λ i 0, i = 1,..., n. ix) Si λ i 1, i = 1,..., n, entonces I n + A es invertible, siendo 1 + λ i, i = 1,..., n, sus autovalores y 1 1+λ i, i = 1,..., n, los de su inversa. Nota 2.4. Dadas dos matrices A y B de orden n, la suma de un autovalor de A con uno de B en general no es un autovalor de A + B, a pesar de verificarse iv) y que tr(a + B) = tr(a) + tr(b). Del mismo modo, aunque AB = A B y se cumple la propiedad iii), no se verifica que si λ y µ son autovalores de A y B, respectivamente, entonces λµ lo sea de AB. Proposición 2.4. Sea A M n, a ij K con i, j = 1,..., n, una matriz de orden n cuyos autovalores son λ 1,..., λ r K, con multiplicidades algebraicas m 1,..., m r, respectivamente, siendo r i=1 m i = n. Se verifica que i) Los autovectores correspondientes a autovalores distintos son linealmente independientes. ii) Si K = C y la matriz A tiene como autovalor λ C y su conjugado λ entonces, el autovector v asociado a λ es el conjugado del autovector w asociado a λ. Proposición 2.5. Dada una matriz A de orden n triangular superior (respectivamente inferior o diagonal), se verifica que los autovalores de A son los elementos de su diagonal principal, es decir, a ii, i = 1,..., n. Proposición 2.6. Dada una matriz simétrica cuyos elementos son números reales y u, v son autovectores de A asociados con autovalores λ, µ, (λ µ) entonces, u, v son ortogonales (u t v = 0). Proposición 2.7. Dada una matriz simétrica A, cuyos elementos son números reales, se verifica que sus autovalores son números reales. Proposición 2.8. Dada una matriz A cuadrada de orden n se verifica que a) Si A es idempotente, entonces 1. Sus autovalores son iguales a 0 ó a tr(a) = rg(a). 8
9 3. Si m 0 es la multiplicidad algebraica de λ = 0 y m 1 la de λ = 1, entonces la dimensión de los subespacios de vectores V (0) y V (1) es m 0 y m 1, respectivamente. b) Si A es unipotente, entonces 4. Todos sus autovalores son iguales a 1 ó 1. c) Si A es nilpotente, entonces 5. Todos sus autovalores son nulos. Proposición 2.9. Sea A = (a ij ) con a ij 0, es decir, una matriz semipositiva. Entonces se verifica que i) A es estocástica si, y sólo si, λ = 1 es un autovalor de A con autovector asociado v = (1,..., 1). ii) A es doblemente estocástica si, y sólo si, λ = 1 es uno de los autovalores tanto de A como de A t, siendo v = (1,..., 1) su autovector asociado. Teorema 2.2 (del círculo de Gershgorin). Si A n es una matriz cuadrada de orden n y λ es un valor propio de A entonces, n n λ D i con D i = z C/ z a ii a ij i=1 j=1,j i Corolario 2.1. Dada A n una matriz cuadrada de orden n y λ un valor propio de A se verifica que ( n ) ( n ) λ D i, donde los D t i son los D i de A t. i=1 Nota 2.5. Como consecuencia del Teorema del Círculo i=1 λ a ii λ a ii = λ D t i n a ij = r i. Es decir, a la anterior suma le añadimos el elemento a ii por lo que ahora el valor absoluto de los λ lo calcularemos sumando filas. De esta forma j=1 λ máx {r 1, r 2,..., r n } = r, λ. Si cogemos la suma más grande se cumplirá que todos los autovalores están en la bola de centro cero y radio el valor de dicho máximo. Razonando de modo análogo, el resultado para las columnas sería λ máx {c 1, c 2,..., c n } = c, λ. Además, por el corolario del Teorema del Círculo, se cumplirá que λ mín {c, r }, λ. Como todas las bolas están centradas en el origen, nunca podemos descartar que λ = 0 sea autovalor (y, por tanto, a priori no sabemos si tiene inversa). A este resultado se le conoce como Teorema de Fisher. Nota 2.6. En las matrices con diagonal dominante Y, por tanto, se tiene que λ 2 a ii para algún i. λ 2 máx { a 11, a 22,..., a nn }. Definición 2.3. Dadas dos matrices A m n y B m n se dice que λ es un autovalor generalizado de A con respecto a B si existe un vector v R n (ó C n ), v 0, de modo que Av = λbv. Al vector v se le denomina autovector generalizado asociado a λ. 9
10 3. Matrices semipositivas. Definición 3.1 (permutaciones fila columna). Se realiza una permutación fila columna si al intercambiar la fila i con la fila j, i j, a continuación se intercambia la columna i por la columna j. Definición 3.2. Una matriz A n n se dice que es descomponible si mediante permutaciones fila columna se puede expresar de la forma ) (Ã11 Ã 12, 0 Ã 22 donde Ã11 y Ã22 son submatrices cuadradas. En caso contrario, se dice que la matriz es indescomponible. Proposición 3.1. Sea A n n, A 0 una matriz indescomponible y x > 0, entonces Ax > 0. Nota 3.1. La anterior proposición se puede escribir como: A n n 0 indescomponible = Ker(A) R n + = {0}, donde R n + = { x R n /x i 0, i}, lo cual no implica que el núcleo sea cero, sino que en el núcleo no hay vectores con todas las componentes no negativas. Proposición 3.2. Si A n n 0 es indescomponible, entonces (αi + A) n >> 0, α R +, es decir, (αi + A) es primitiva. Corolario 3.1. Si A n n 0 es indescomponible y a ii > 0, i = 1,..., n, entonces A n >> 0, es decir, A es primitiva. Nota 3.2. Del corolario anterior deducimos que una matriz descomponible jamás será primitiva. Nota 3.3. Dada A = (a ij ) n n llamamos a ij (k) al término (i, j) de la matriz A k. Proposición 3.3. Si A n n 0, indescomponible, entonces para todo (i, j) existe una potencia k, tal que a ij (k) > 0. Nota 3.4. Este resultado no implica que la matriz sea primitiva, sino que para una determinada potencia el término (i, j) es positivo, pero nada nos asegura que en las potencias anteriores o siguientes lo sea. Corolario 3.2. Si A n n 0 es primitiva, entonces es indescomponible. Definición 3.3. Dada una matriz A n n, se llama espectro (o radio espectral) de A al número real ρ(a) = máx { λ, λ autovalor de A}. Teorema 3.1 (de Perron). Dada una matriz positiva, A n n >> 0, entonces posee un autovalor λ > 0 tal que λ posee asociado un autovector v >> 0 y λ = ρ(a). Corolario 3.3. En las condiciones del Teorema de Perron, se verifican las siguientes propiedades adicionales: P1) λ > λ, λ autovalor de A, λ λ. P2) Si B > A >> 0 entonces, λ B > λ A. P3) Ningún autovalor λ λ A posee asociado un autovector u > 0. Proposición 3.4. Sea A n n 0, entonces mín r j λ A máx r j, j = 1,..., n, donde n r j = a jk. k=1 10
11 Nota 3.5. Como los autovalores son iguales para una matriz y su traspuesta, la proposición anterior equivale a: Sea A n n 0, entonces donde mín c j λ A máx c j, j = 1,..., n, c j = n a kj. k=1 Proposición 3.5. Sea A n n 0 una matriz estocástica, entonces λ = 1 es un autovalor de A, cuyo autovector asociado es α(1,..., 1), α R \ {0}. Además, λ = 1. Proposición 3.6. A n n 0 es estocástica si, y sólo si, λ A = 1 con v = (1,..., 1). Proposición 3.7. A n n 0 es doblemente estocástica si, y sólo si, λ A = 1 con v = (1,..., 1) autovector asociado para A y A t. Proposición 3.8. Sea A n n 0 estocástica, si λ 1 es autovalor de A, entonces n n λ mín 1 mín a ij, máx a ij 1 i i. 4. Diagonalización de matrices cuadradas. j=1 Definición 4.1. Una matriz cuadrada A de orden n, se dice diagonalizable si existe una matriz regular P n tal que A = P DP 1, siendo D n una matriz diagonal (D = P 1 AP ). Proposición 4.1. Una matriz cuadrada A de orden n es diagonalizable si, y sólo si, posee una base de autovectores. Lema 4.1. Dada una matriz cuadrada A de orden n y λ autovalor de A, el subespacio vectorial E λ = {v R n /Av = λv} verifica que 1 dim(e λ ) multiplicidad de λ. Proposición 4.2. Una matriz cuadrada A, de orden n, es diagonalizable si, y sólo si, λ, λ autovalor de A, se cumple que dim(e λ ) =multiplicidad de λ. Corolario 4.1. Si todos los autovalores de una matriz son simples, entonces es diagonalizable. Nota 4.1. Si la matriz cuadrada de orden n, A, es diagonalizable, cabe destacar que: 1. A t y αa, α K, son diagonalizables. 2. Si A es no singular, A 1 es diagonalizable. 3. Que A y B sean diagonalizables no implica que también lo sean A + B y AB. Definición 4.2. Dada una matriz cuadrada A de orden n, se denomina polinomio mínimo de A a un polinomio en λ mónico, del menor grado posible, m A (λ) tal que m A (A) = 0 n. Proposición 4.3. Si p(λ) es un polinomio tal que p(a) = 0 n, entonces p(λ) es múltiplo de m A (λ). Corolario 4.2. El polinomio característico de A es múltiplo del polinomio mínimo de A, es decir, p A (λ) = q(λ)m A (λ). Proposición 4.4. Dos matrices semejantes tienen el mismo polinomio mínimo. Proposición 4.5. Si λ i es un autovalor de A, entonces λ i es raíz de m A (λ). Nota 4.2. El polinomio mínimo y el polinomio característico no tienen por qué ser iguales. Si poseen el mismo grado se verifica que m A (λ) = p A (λ) para grado par y m A (λ) = p A (λ) para grado impar. j=1 11
12 Definición 4.3. Se dice que dos polinomios son polinomios primos cuando no tienen divisores en común. Proposición 4.6 (identidad de Bezout). Si p(x) y q(x) son polinomios primos, entonces existen polinomios s 1 (x) y s 2 (x) tales que s 1 (x)p(x) + s 2 (x)q(x) 1. Proposición 4.7. Dada una matriz cuadrada A de orden n de manera que p A (λ) = s (λ i λ) βi. Entonces, A es diagonalizable si, y sólo si, el polinomio mínimo es el de menor grado posible, m A (λ) = i=1 s (λ λ i ). Proposición 4.8. Dada una matriz A cuadrada de orden n, se cumple que 1. Si A es simétrica cuyos elementos son reales, entonces es diagonalizable. 2. Si A es no nula e idempotente, entonces es diagonalizable. 3. Si A es no nula y nilpotente, entonces no es diagonalizable. i=1 Definición 4.4. Dada una matriz cuadrada A de orden n y λ autovalor de A, se llama vector principal de orden k asociado a λ a un vector v 0 tal que } (A λi) k v = 0 (A λi) k 1. v 0 En particular, un vector principal de orden uno es un vector propio. Proposición 4.9. Si v es un vector principal de orden p > 1, entonces w = (A λi)v es un vector principal de orden p 1. Proposición Sea v un vector principal de orden p > 1, entonces los vectores v p = v v p 1 = (A λi)v p v p 2 = (A λi)v p 1 = (A λi) 2 v p.. v 1 = (A λi)v 2 = (A λi) p 1 v p son linealmente independientes. Definición 4.5. Sea A una matriz cuadrada de orden n y λ autovalor de A. Se denomina w(λ) al conjunto de vectores principales asociados a λ unión con el vector cero, es decir, w(λ) = (vectores principales asociados a λ) {0} = {v/(a λi) p v = 0 para algún p}. Proposición Siempre existe una base de vectores principales. 12
13 5. Formas cuadráticas. Definición 5.1. Se denomina forma cuadrática a toda función f : R n R que se puede expresar en la forma n n f(x 1, x 2,..., x n ) = a ij x i x j. i=1 j=1 Proposición 5.1. Dada una forma cuadrática f(x 1,..., x n ) existe una matriz simétrica S n n, y sólo una, tal que f(x) = x t Sx, donde x = (x 1,..., x n ). A esta matriz la llamaremos matriz de la forma cuadrática. Definición 5.2. Una forma cuadrática f(x 1,..., x n ) se dice que es - definida positiva si f(x 1,..., x n ) > 0, x R n \ {0}. - definida negativa si f(x 1,..., x n ) < 0, x R n \ {0}. - semidefinida positiva si f(x 1,..., x n ) 0, x R n \ {0}. - semidefinida negativa si f(x 1,..., x n ) 0, x R n \ {0}. - indefinida si x, x/f( x) > 0 y f( x) < 0. Nota 5.1. La anterior clasificación no es excluyente, una forma cuadrática definida positiva también es semidefinida positiva. Definición 5.3. Se llama modo canónico de una forma cuadrática a una expresión de la misma, donde solo aparecen los cuadrados (no aparecen los dobles productos), es decir, q(y) = n d i yi 2, d i R, i = 1,..., n. Proposición 5.2. Una forma cuadrática expresada en modo canónico se dice i=1 - definida positiva si d i > 0, i = 1,..., n. - definida negativa si d i < 0, i = 1,..., n. - semidefinida positiva si d i 0, i = 1,..., n. - semidefinida negativa si d i 0, i = 1,..., n. - indefinida si d i, d j, i j/d i > 0, d j < 0. Teorema 5.1 (espectral). Si A n n es simétrica, existe una matriz U ortogonal tal que A = UDU 1 = UDU t, con D una matriz diagonal en cuya diagonal principal están ubicados los autovalores de A. Corolario 5.1. Sea q(x) = x t Ax una forma cuadrática con matriz asociada A, cuyos autovalores son λ 1, λ 2,..., λ n. Entonces, se dice que q(x) es - definida positiva si λ i > 0, i = 1,..., n. - definida negativa si λ i < 0, i = 1,..., n. - semidefinida positiva si λ i 0, i = 1,..., n. - semidefinida negativa si λ i 0, i = 1,..., n. - indefinida si λ i, λ j, i j/λ i > 0, λ j < 0. Definición 5.4. Dada una matriz A n n, se denominan menores principales de orden l, (l < n) a los determinantes de las submatrices l l donde se han eliminado las mismas filas y columnas. Se denotan H l. 13
14 Nota 5.2. A partir de este momento, haremos uso de los menores principales izquierda. Los denotaremos por D l, l = 1,..., n y se caracterizan por ser aquellos que se obtienen orlando a partir del elemento a 11. Proposición 5.3. Dada la forma cuadrática q(x) = x t Ax, con A simétrica tal que los menores principales D 1, D 2,..., D n 1 son no nulos, entonces se verifica que q(y) = D 1 y1 2 + D 2 y2 2 + D 3 y D n y D 1 D 2 D n. 2 n 1 Corolario 5.2. Dada la forma cuadrática q(x) = x t Ax con D i 0, i = 1, 2,..., n 1, se verifica que si q es definida (positiva o negativa), entonces A 0. Corolario 5.3. Si una forma cuadrática q(x) = x t Ax es definida (positiva o negativa), entonces D i 0, i = 1,..., n. Corolario 5.4. Sea q(x) = x t Ax una forma cuadrática con matriz asociada A, cuyos menores principales son D 1, D 2,..., D n, con D i 0, i = 1,..., n 1. Entonces, se dice que q(x) es - definida positiva si D 1 > 0 y Di D i 1 > 0, i = 2,..., n. - definida negativa si D 1 < 0 y Di D i 1 < 0, i = 2,..., n. - semidefinida positiva si D 1 0 y Di D i 1 0, i = 2,..., n. - semidefinida negativa si D 1 0 y Di D i 1 0, i = 2,..., n. - indefinida si i, j, i j/d i < 0 y D j > 0. Corolario 5.5. Sea q(x) = x t Ax una forma cuadrática tal que A = 0. Entonces, se verifica que - q es semidefinida positiva si, y sólo si, H l 0, l. - q es semidefinida negativa si, y sólo si, ( 1) l H l 0, l. Definición 5.5. Dadas las matrices A n y B m n con m < n y rg(b) = m, se dice que la forma cuadrática restringida } q(x) = x t Ax sujeta a Bx=0 es - definida positiva si, y sólo si, x R n, x 0/Bx = 0, entonces q(x) > 0. - definida negativa si, y sólo si, x R n, x 0/Bx = 0, entonces q(x) < 0. - semidefinida positiva si, y sólo si, x R n, x 0/Bx = 0, entonces q(x) 0. - semidefinida negativa si, y sólo si, x R n, x 0/Bx = 0, entonces q(x) 0. - indefinida si x 1, x 2, x 1 0, x 2 0/Bx 1 = 0, Bx 2 = 0, entonces q(x 1 ) > 0, q(x 2 ) < 0. Nota 5.3. Si una forma cuadrática es definida positiva (negativa) cuando le añadamos restricciones seguirá siendo definida positiva (negativa). Una matriz semidefinida positiva (negativa) bajo las restricciones puede conservar su carácter o pasar a ser definida positiva (negativa). Si fuese la forma cuadrática indefinida, al someterla a restricciones no podemos asegurar nada de su carácter. Proposición 5.4. Sea la forma cuadrática q(x) = x t Ax con x R n tal que Bx = 0, donde B m n con m < n y rg(b) = m. Si se denota por µ a las soluciones de la ecuación 0 m B B A µi n = 0, entonces se verifica que 14
15 i) la forma cuadrática restringida q es definida positiva (negativa) si, y sólo si, las soluciones de la ecuación son positivas (negativas), µ i > 0 (µ i < 0). ii) la forma cuadrática restringida q es semidefinida positiva (negativa) si, y sólo si, las soluciones de la ecuación son no negativas, µ i 0 (no positivas, µ i 0). iii) la forma cuadrática restringida q es indefinida si µ 1, µ 2 tal que µ 1 > 0 y µ 2 < Inversa generalizada. Definición 6.1. Dada una matriz A m n, se llama c inversa de A a una matriz B n m tal que A = ABA. Se denotará como A c. Proposición 6.1. Dada una matriz cuadrada A, de orden n, de manera que A es regular, la única c inversa de A es A 1. Proposición 6.2. Para toda matriz A m n existe, al menos, una c inversa. Proposición 6.3. Dada una matriz A m n y A c una c inversa de A, entonces cualquier c inversa de A es de la forma M = A c A c ABAA c + B, siendo B n m una matriz cualquiera. Nota 6.1 (Propiedades de las c inversas). Se verifican las siguientes propiedades: 1. (A c ) t es una c inversa de A t. 2. Si A = ( ) A11 0, entonces 0 A 22 es una c inversa de A (con los ceros del tamaño adecuado). 3. rg(a c ) rg(a) y rg(a) = rg(aa c ) = rg(a c A). ( ) (A11 ) c 0 0 (A 22 ) c 4. Dada la matriz A m n y una c inversa (A c ) n m de A, las matrices AA c, A c A, I m AA c e I n A c A son idempotentes. Definición 6.2. Dada una matriz A m n, se llama g inversa (Moore Penrose) de dicha matriz a una matriz A g que verifica 1) AA g A = A; 2) A g AA g = A g ; 3) AA g es simétrica; 4) A g A es simétrica. Nota 6.2. Cabe tener en cuenta que: a) A g es una c inversa, por lo que podemos calcular A g y luego, mediante la fórmula dada en una proposición anterior, obtener la familia de c inversas. b) Si A es regular, entonces A g = A 1. Lema 6.1 (descomposición de rango completo). Dada una matriz A m n tal que rg(a) = r, entonces A = A 1 A 2 con (A 1 ) m r, (A 2 ) r n y rg(a 1 ) = rg(a 2 ) = r. Lema 6.2. Dada una matriz A r n con rg(a) = r, se cumple que (AA t ) r r es regular. Teorema 6.1 (de existencia de la g inversa). Dada una matriz A m n cualquiera, entonces siempre existe A g. 15
16 Teorema 6.2 (de unicidad de la g inversa). La matriz g inversa es única. Nota 6.3. Se verifican las siguientes propiedades 1. Dada la matriz A m n, si rg(a) = n, entonces A 2 = I y A = A 1 = A g = (A t A) 1 A t. De forma análoga, si rg(a) = m = A g = A t (A t A) (A g ) t = (A t ) g. 3. (A g ) g = A. 4. rg(a) = rg(a g ) g = (αa) g = 1 α A g 7. Si A es simétrica, entonces (A 2 ) g = (A g ) Si A es simétrica e idempotente, entonces A g = A. No se cumplen en general 9. (AB) g = B g A g. 10. AA g = A g A. 11. Si λ 0 es autovalor de A, entonces 1 λ es autovalor de A g. Definición 6.3. Dada una matriz cuadrada A de orden n, se llama inversa grupo de A a una matriz A # n n que cumple 1. AA # A = A; 2. A # AA # = A # ; 3. AA # = A # A; 4. A 2 A # = A; 5. A(A # ) 2 = A #. Teorema 6.3 (de existencia de la inversa grupo). Dada una matriz cuadrada A de orden n, se cumple que A # existe si, y sólo si, rg(a) = rg(a 2 ). Teorema 6.4 (de unicidad de la inversa grupo). La inversa grupo, si existe, es única. Proposición 6.4. Si λ 0 es autovalor de A, y existe A #, entonces se cumple que 1 λ A #. es autovalor de Proposición 6.5. El sistema [S] es compatible si, y sólo si, AA c b = b, siendo A c una c inversa de A (y la solución del sistema será x = A c b). Proposición 6.6. Si el sistema [S] es compatible, sus soluciones son todas de la forma con d R n un vector cualquiera. x = A c b + (I n A c A)d, Proposición 6.7. Dado un sistema compatible [S]Ax = b, existe una única solución de norma mínima x = A g b. Proposición 6.8. Dado el sistema [S]Ax = b, x = A g b es solución aproximada mínimo cuadrática. 16
MATRICES Y SISTEMAS DE ECUACIONES
MATRICES Y SISTEMAS DE ECUACIONES Definición Una matriz real de orden m n es una tabla ordenada de m n números reales a 11 a 12 a 1n a A = 21 a 22 a 2n a m1 a m2 a mn en la cual las líneas horizontales
Más detallesAPÉNDICE A. Algebra matricial
APÉNDICE A Algebra matricial El estudio de la econometría requiere cierta familiaridad con el álgebra matricial. La teoría de matrices simplifica la descripción, desarrollo y aplicación de los métodos
Más detallesTema 11.- Autovalores y Autovectores.
Álgebra 004-005 Ingenieros Industriales Departamento de Matemática Aplicada II Universidad de Sevilla Tema - Autovalores y Autovectores Definición, propiedades e interpretación geométrica La ecuación característica
Más detallesRESUMEN DEL TEMA 7 VALORES Y VECTORES PROPIOS
RESUMEN DEL TEMA 7 VALORES Y VECTORES PROPIOS 1. Determinantes El determinante de una matriz cuadrada n n A = a 21 a 22 a 2n a n1 a n2 a nn es un número real, y se representa por: A = a 21 a 22 a 2n a
Más detallesMatrices y determinantes (Curso )
ÁLGEBRA Práctica 3 Matrices y determinantes (Curso 2008 2009) 1. En el conjunto de las matrices n n de elementos reales, demostrar que el producto de matrices triangulares inferiores es otra matriz triangular
Más detallesAUTÓNOMA DE MADRID. Dpto. Análisis Económico: Economía Cuantitativa UNIVERSIDAD. Soluciones de los ejercicios de Álgebra Lineal.
Soluciones de los ejercicios de Álgebra Lineal Curso 016/017 Versión 4-1-017 Índice general 1. Espacios vectoriales 1.1. Cuestiones test................................. 1.. Problemas.....................................
Más detallesAutovalores y autovectores Diagonalización y formas canónicas
Autovalores y autovectores Diagonalización y formas canónicas Autovalores y autovectores.propiedades Sea V un espacio vectorial sobre K y f End(V ). Fijada una base de V, existirá una matriz cuadrada A,
Más detallesTema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES
Tema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES Prof. Rafael López Camino Universidad de Granada 1 Matrices Definición 1.1 Una matriz (real) de n filas y m columnas es una expresión de la forma a 11...
Más detallesc-inversa o inversa generalizada de Rao
c-inversa o inversa generalizada de Rao Definición.- Sea A m n. Se dice que una matriz A c de orden n m es una c-inversa o inversa generalizada en el sentido de Rao si y sólo si se verifica AA c A = A.
Más detallesMatrices y sistemas de ecuaciones lineales. Autovalores y autovectores.
Tema 5 Matrices y sistemas de ecuaciones lineales Autovalores y autovectores 5 Introducción Una matriz es una disposición ordenada de elementos de la forma: a a a m a a a m a n a n a nm Sus filas son las
Más detallesALGEBRA y ALGEBRA LINEAL
520142 ALGEBRA y ALGEBRA LINEAL Primer Semestre, Universidad de Concepción CAPITULO 7. MATRICES DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición: Matriz Sean
Más detallesCapítulo 1: Diagonalización de matrices
Capítulo : Diagonalización de matrices Matrices y determinantes Definición Una matriz es un arreglo rectangular de números reales a a a m a A a a m a n a n a nm La matriz es de orden n m si consta de n
Más detallesAlgunos Tipos de matrices. Matrices. Algunos Tipos de matrices. Algunos Tipos de matrices
Matrices Una matriz de orden m n es un conjunto ordenado de m n números reales dispuestos en m filas y n columnas de la forma: A = a 11 a 12 a 1j a 1n a 21 a 22 a 2j a 2n a i1 a i2 a ij a in a m1 a m2
Más detallesTema 1. Espacios Vectoriales. Sistemas de ecuaciones.
Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)
Más detallesAquella que tiene nulos los elementos nos situados en la diagonal principal. Los elementos situados por encima de la diagonal principal son nulos.
Álgebra lineal Matrices Rango de una matriz Orden del mayor menor complementario no nulo. Matriz regular det A Diagonal principal Elementos a ii de la matriz. Si la matriz es cuadrado son los elementos
Más detallesTema 1. Espacios Vectoriales. Sistemas de ecuaciones.
Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)
Más detallesa ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x i x j + a ij + a ji x j x i = s ij x i x j + s ji x j x i 2
68 Matemáticas I : Álgebra Lineal Tema 7 Formas cuadráticas Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado, pues el cuadrado
Más detallesPodemos pues formular los dos problemas anteriores en términos de matrices.
Tema 5 Diagonalización 51 Introducción Valores y vectores propios 511 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V de dimensión
Más detallesMatrices, Determinantes y Sistemas Lineales.
12 de octubre de 2014 Matrices Una matriz A m n es una colección de números ordenados en filas y columnas a 11 a 12 a 1n f 1 a 21 a 22 a 2n f 2....... a m1 a m2 a mn f m c 1 c 2 c n Decimos que la dimensión
Más detallesDiagonalización de matrices. Kepler C k
Kepler C k 24 Índice. Problema de diagonalización 3.. Semejanza de matrices................................. 3.2. Valores propios y vectores propios........................... 3.3. Matrices y valores propios...............................
Más detallesTema 1. 1 Álgebra lineal. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. 1.1 Vectores de R n. 1. Vectores. 2.
Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Tema 1 Álgebra lineal 1. Vectores 2. Matrices 1 Álgebra lineal Aurea Grané
Más detallesContenido. 2 Operatoria con matrices. 3 Determinantes. 4 Matrices elementales. 1 Definición y tipos de matrices
elementales Diciembre 2010 Contenido Definición y tipos de matrices elementales 1 Definición y tipos de matrices 2 3 4 elementales 5 elementales Definición 1.1 (Matriz) Una matriz de m filas y n columnas
Más detallesMATRICES. Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.
MATRICES Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento
Más detalles1 Autovalores y autovectores asociados a un endomor smo f. Diagonalización.
utovalores y autovectores asociados a un endomor smo f Diagonalización Dado un endomor smo f de un espacio vectorial real V y jada una base B de V obtenemos una única matriz asociada a f respecto de la
Más detallesDefinición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices 1.1. Conceptos básicos y ejemplos Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. NOTA:
Más detallesÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3
ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 Matrices y determinantes (Curso 2011 2012) 2. Sea A una matriz diagonal n n y supongamos que todos los elementos de su diagonal son distintos entre sí.
Más detallesMatrices. José Vicente Romero Bauset. ETSIT-curso 2009/2010. José Vicente Romero Bauset Tema 1.- Matrices. 1
Matrices José Vicente Romero Bauset ETSIT-curso 2009/2010 José Vicente Romero Bauset Tema 1- Matrices 1 Introducción Por qué estudiar las matrices? Son muchas las situaciones de la vida real en las que
Más detallesÁlgebra Lineal. Tema 8. Valores y vectores propios. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Tema 8. Valores y vectores propios Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR
Más detallesMatemáticas II. Prácticas: Matrices y Determinantes ; C = 1 3 5
Matemáticas II Prácticas: Matrices y Determinantes. Sean las matrices cuadradas siguientes: 4 5 6 B = 9 8 7 6 5 4 C = 5 7 9 0 7 8 9 Se pide calcular: a A B + C. b A AB + AC. c A B AB + ACB.. Sean las matrices:
Más detallesÁLGEBRA LINEAL Problemas, 2006/2007
ÁLGEBRA LINEAL Problemas, 2006/2007 Nota: si no se especifíca lo contrario suponemos que las matrices y espacios vectoriales están definidos sobre un cuerpo K arbitrario 1 Una matriz A de orden n n se
Más detallesÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3
ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 Matrices y determinantes (Curso 010 011). Sea A una matriz diagonal n n y supongamos que todos los elementos de su diagonal son distintos entre sí. Demostrar
Más detallesTEMA III: DIAGONALIZACIÓN.
TEMA III: DIAGONALIZACIÓN. OBJETIVOS: Generales: 1. Captar el motivo que justifica el problema de la diagonalización de endomorfismos. 2. Resolver y aplicar dicho problema cuando sea posible. Específicos:
Más detallesTema 1: Matrices. Sistemas de ecuaciones. Determinantes
Tema 1: Matrices. Sistemas de ecuaciones. Determinantes José M. Salazar Octubre de 2016 Tema 1: Matrices. Sistemas de ecuaciones. Determinantes Lección 1. Matrices. Sistemas de ecuaciones. Determinantes
Más detallesTema 2. Aplicaciones lineales. Diagonalización de endomorfismos.
Tema 2. Aplicaciones lineales. Diagonalización de endomorfismos. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada
Más detallesEstos apuntes se han sacado de la página de internet de vitutor con pequeñas modificaciones.
TEMA 1: MATRICES Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones ordenados en filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento
Más detallesMATRICES OPERACIONES BÁSICAS CON MATRICES
MATRICES OPERACIONES BÁSICAS CON MATRICES ANTECEDENTES En el año 1850, fueron introducidas por J.J. Sylvester El desarrollo inicial de la teoría se debe al matemático W.R. Hamilton en 1853. En 1858, A.
Más detalles6.5.7 Orientación de un espacio vectorial eucĺıdeo Producto vectorial Diagonalización de formas bilineales simétricas...
Contents 6 Formas Bilineales y Producto Escalar 3 6.1 Formas bilineales............................... 3 6.1.1 Matriz de una forma bilineal....................... 4 6.1. Formas bilineales simétricas.......................
Más detallesMatrices. Álgebra de matrices.
Matrices. Álgebra de matrices. 1. Definiciones generales Definición 1.1 Si m y n son dos números naturales, se llama matriz de números reales de orden m n a una aplicación A : {1, 2, 3,..., m} {1, 2, 3,...,
Más detallesMatrices y Determinantes.
Tema II Capítulo 1 Matrices Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC Tema II Matrices y Determinantes 1 Matrices 1 Definiciones básicas Definición 11 Una matriz A de
Más detallesClase 7 Herramientas de Álgebra Lineal
Clase 7 Herramientas de Álgebra Lineal 1 Formas cuadráticas La descomposición en valores singulares 3 Normas de matrices 4 Ejercicios Dada una matriz M R n n, la función escalar x T Mx, donde x R n, es
Más detallesMatrices, determinantes y sistemas de ecuaciones lineales
Matrices, determinantes y sistemas de ecuaciones lineales David Ariza-Ruiz 10 de octubre de 2012 1 Matrices Una matriz es una tabla numérica rectangular de m filas y n columnas dispuesta de la siguiente
Más detallesMatrices y determinantes. Sistemas de ecuaciones lineales
Tema 0 Matrices y determinantes Sistemas de ecuaciones lineales 01 Introducción Definición 011 Se llama matriz a un conjunto ordenado de números, dispuestos en filas y columnas, formando un rectángulo
Más detallesTema 2: Diagonalización
TEORÍA DE ÁLGEBRA II: Tema 2. DIPLOMATURA DE ESTADÍSTICA 1 Tema 2: Diagonalización 1 Introducción Sea f : R n R n lineal. Dada una base B de R n podemos asociar a f la matriz A 1 = [f, B] M n. Si C es
Más detallesDiagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios
61 Matemáticas I : Álgebra Lineal Tema 6 Diagonalización 61 Valores y vectores propios 611 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial
Más detallesTema 4: Estructura vectorial de R n.
TEORÍA DE ÁLGEBRA I: Tema 4. DIPLOMATURA DE ESTADÍSTICA 1 Tema 4: Estructura vectorial de R n. 1 Definiciones y propiedades Definición. 1.1 Denotaremos por R n al conjunto de todas las n-tuplas de números
Más detallesAplicaciones Lineales. Diagonalización de matrices.
Tema 2 Aplicaciones Lineales. Diagonalización de matrices. 2.1. Definiciones y propiedades Nota 2.1.1. En este tema trabajaremos con los Espacios Vectoriales R n y R m definidos sobre el cuerpo R. Definición
Más detallesSoluciones de los problemas de álgebra lineal
Soluciones de los problemas de álgebra lineal HOJA :. a. a. b,d 4. b,c. b. (a) 4A +C t = 6 6 µ 6 4 7 6, (b) (BA) t C = 7 6 0 8 4 µ (c) B + AC = 0 9 4, (d) CA =, 0 µ (e) (B I) =, (f) (CA) = 6 4 0 6 8 7
Más detallesMatrices, determinantes, sistemas de ecuaciones lineales.
UNIVERSIDAD DE MURCIA Departamento de Matemáticas Óptica y Optometría Resúmenes Curso 2007-2008 Matrices, determinantes, sistemas de ecuaciones lineales. Una matriz A de orden m n es una colección de m
Más detallesTema 3: Espacios vectoriales
Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación
Más detallesMatrices Particionadas Traza de una Matriz
CAPÍTULO Matrices Particionadas Traza de una Matriz Este capítulo consta de tres secciones Las dos primeras versan sobre matrices particionadas La tercera sección trata sobre la traza de una matriz En
Más detallesMATEMÁTICAS 2º BACH TECNOL. MATRICES. Profesor: Fernando Ureña Portero MATRICES
CONCEPTO DE MATRIZ Definición: Se denomina matriz A o (a ij ) a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas : Columnas Filas Elemento a ij : Cada uno
Más detallesDefinición (matriz): Definición (dimensión de una matriz): Si una matriz tiene m renglones y n columnas se dice que es de dimensión m n.
Índice general 1. Álgebra de Matrices 1 1.1. Conceptos Fundamentales............................ 1 1.1.1. Vectores y Matrices........................... 1 1.1.2. Transpuesta................................
Más detallesf(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t).
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Álgebra Convocatoria de enero de 20 de enero de 20 (2.5 p.) ) Se considera la aplicación lineal f : R 4 R definida por: f(x y
Más detallesa) La adición y la multiplicación de matries cuadradas del mismo orden, están bien definidas.
MATRICES CUADRADAS Definición: ( Cuadradas Una matriz A es una matriz cuadrada de orden n, si y solo si, A es de oreden n n, es decir, A tiene n filas y n columnas: a 11 a 1n a n1 a nn Observación: a La
Más detallesTEMA 7. Matrices y determinantes.
TEMA 7 Matrices y determinantes. 1. Matrices. Generalidades Definición 1 Sea E un conjunto cualquiera, m, n IN. Definimos matriz de orden m n sobre E a una expresión de la forma: a 11 a 12... a 1n a 21
Más detallesÁLGEBRA MATRICIAL. 1. La traspuesta de A es A; (A ) = A. 2. La inversa de A 1 es A; (A 1 ) 1 = A. 3. (AB) = B A.
ÁLGEBRA MATRICIAL. 1. La traspuesta de A es A; A = A. 2. La inversa de A 1 es A; A 1 1 = A. 3. AB = B A. 4. Las matrices A A y AA son simétricas. 5. AB 1 = B 1 A 1, si A y B son no singulares. 6. Los escalares
Más detallesEs decir, det A = producto de diagonal principal producto de diagonal secundaria. Determinante de una matriz cuadrada de orden 3
1.- DETERMINANTE DE UNA MATRIZ CUADRADA Determinante de una matriz cuadrada de orden 1 Dada una matriz cuadrada de orden 1, A = (a), se define det A = det (a) = a Determinante de una matriz cuadrada de
Más detallesUniversidad de Buenos Aires - Facultad de Ciencias Exactas y Naturales - Departamento de Matemática Segundo Cuatrimestre de 2002 ÁLGEBRA LINEAL
Universidad de Buenos Aires - Facultad de Ciencias Exactas y Naturales - Departamento de Matemática Segundo Cuatrimestre de 2002 ÁLGEBRA LINEAL Práctica N 2: Matrices Ejercicio 1 Probar que los siguientes
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesA = , B = 2 2. a 11 a 1n a 21 a 2n A = a m1 a mn
Máster en Materiales y Sistemas Sensores para Tecnologías Medioambientales Erasmus Mundus NOTAS DE CÁLCULO NUMÉRICO Damián Ginestar Peiró ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA DEL DISEÑO UNIVERSIDAD POLITÉCNICA
Más detallesMATRICES. M(n) ó M nxn A =
MTRICES Definición de matriz. Una matriz de orden m n es un conjunto de m n elementos pertenecientes a un conjunto, que para nosotros tendrá estructura de cuerpo conmutativo y lo denotaremos por K, dispuestos
Más detallesConcepto de matriz Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.
Matrices Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. Cada uno de los números de que consta la matriz se denomina
Más detallesValores y Vectores Propios
Valores y Vectores Propios Iván Huerta Facultad de Matemáticas Pontificia Universidad Católica de Chile ihuerta@mat.puc.cl Segundo Semestre, 1999 Definición Valores y Vectores Propios Valores y Vectores
Más detallesCapítulo 2. Determinantes Introducción. Definiciones
Capítulo 2 Determinantes 2.1. Introducción. Definiciones Si nos centramos en la resolución de un sistema A x = b con A una matriz n n, podemos calcular A 1 y la resolución es inmendiata. El problema es
Más detallesValores y vectores propios
Valores y vectores propios Problemas teóricos El los siguientes problemas se denota por L(V ) conjunto de los operadores lineales en un espacio vectorial V (en otras palabras, de las transformaciones lineales
Más detalles1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS
1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS 1.1 SISTEMAS DE ECUACIONES LINEALES Una ecuación lineal es una ecuación polinómica de grado 1, con una o varias incógnitas. Dos ecuaciones son equivalentes
Más detallesGeometría afín y proyectiva, 2016 SEMANA 4
Geometría afín y proyectiva, 2016 SEMANA 4 Sonia L. Rueda ETS Arquitectura. UPM September 30, 2016 Geometría afín y proyectiva 1. Álgebra Lineal 2. Geometría afín y eucĺıdea 3. Cónicas y cuádricas Álgebra
Más detallesPreparaduría V. 1.- Sea A una matriz diagonal n n cuyo polinomio característico es
Preparaduría V 1.- Sea A una matriz diagonal n n cuyo polinomio característico es (x c 1 ) d1 (x c 2 ) d2... (x c k ) d k donde los c 1,..., c k son distintos dos a dos. Sea V el espacio de matrices n
Más detallesProposición Sea V un espacio vectorial sobre K de dimensión n y B una base de V. Gl(n, K) = {A M(n n, K) A = 0}.
Tema 6 Formas canónicas 6.1 Introducción Proposición 6.1.1. Sea V un espacio vectorial sobre K de dimensión n y B una base de V. La aplicación Φ B : End(V ) M(n n, K) definida por Φ B (f) = M B (f), es
Más detallesAlgebra lineal Matrices
Algebra lineal Matrices Una matriz A un arreglo rectangular de números dispuestos en m renglones (filas) y n columnas. Fila 1 La componente o elemento ij de A, denotado por es el número que aparece en
Más detalles1. DIAGONALIZACIÓN Y FORMAS CANÓNICAS
1 1. DIAGONALIZACIÓN Y FORMAS CANÓNICAS Sea f : V V un endomorfismo de V, f End(V, con V un K-espacio vectorial de dimensión n, y sean B = {e 1,..., e n } B = {e 1,..., e n} bases de V. La matriz de f
Más detallesEspacios Vectoriales
Espacios y subespacios vectoriales Espacios Vectoriales 1. Demuestre que con la suma y multiplicación habituales es un espacio vectorial real.. Considere el conjunto C de los números complejos con la suma
Más detallesMatemá'cas generales
Matemá'cas generales Matrices y Sistemas Patricia Gómez García José Antonio Álvarez García DPTO. DE MATEMÁTICA APLICADA Y CIENCIAS DE LA COMPUTACIÓN Este tema se publica bajo Licencia: Crea've Commons
Más detallesTema 9: REDUCCIÓN POR SEMEJANZA DE UNA MATRIZ. DIAGONALIZACIÓN
Álgebra I - Curso 2005/06 - Grupos M1 y M2 Tema 9: REDUCCIÓN POR SEMEJANZA DE UNA MATRIZ DIAGONALIZACIÓN por Mario López Gómez 1 Valores y vectores propios Definición- Dada una matriz cuadrada A K n n,
Más detallesALN. Repaso matrices. In. Co. Facultad de Ingeniería Universidad de la República
ALN Repaso matrices In. Co. Facultad de Ingeniería Universidad de la República Definiciones básicas - Vectores Definiciones básicas - Vectores Construcciones Producto interno: ( x, y n i x y i i ' α Producto
Más detallesUNIVERSIDAD DE CONCEPCION FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA MATEMATICA
AL GEBRA III UNIVERSIDAD DE CONCEPCION FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA MATEMATICA ALGEBRA III DEFINICION : Sea L : V V un operador lineal sobre el espacio vectorial
Más detalles6.7. Clasificación de formas cuadráticas
6.7 Clasificación de s s 1.1. Definición de s s en R n El concepto básico que sirve para definir una es el de polinomio homogéneo de segundo grado en varias variables. En toda esta sección sobreentenderemos
Más detallesMatrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A =
Matrices: repaso Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas Una matriz A M m n es de la forma a 11 a 1n A = a m1 a mn Denotaremos A ij = a ij el coeficiente
Más detallesGrado en Ciencias Ambientales. Matemáticas. Curso 10/11.
Grado en Ciencias Ambientales. Matemáticas. Curso 0/. Problemas Tema 2. Matrices y Determinantes. Matrices.. Determinar dos matrices cuadradas de orden 2, X e Y tales que: 2 2X 5Y = 2 ; X + 2Y = 4.2. Calcular
Más detallesParte 3. Vectores y valores propios
Parte 3. Vectores y valores propios Gustavo Montero Escuela Universitaria Politécnica Universidad de Las Palmas de Gran Canaria Curso 2006-2007 Valores y vectores propios Valor propio Se dice que el número
Más detallesMatrices y Sistemas de Ecuaciones lineales
Matrices y Sistemas de Ecuaciones lineales Llamaremos M m n (K) al conjunto de las matrices A = (a ij ) (i = 1, 2,..., m; j = 1, 2,..., n) donde los elementos a ij pertenecen a un cuerpo K. Las matrices,
Más detalles1. Matrices y determinantes
A-PDF Page Cut DEMO: Purchase www.apuntesdemates.weebly.com from www.a-pdf.com to remove the watermark 1. Matrices y determinantes 1.1 Notación y definiciones Definición 1.1 [Matriz] Una matriz es una
Más detallesSistemas de Ecuaciones Lineales y Matrices
Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una
Más detalles1 Vectores de R n. Tema 1. Álgebra matricial. 1.2 Dependencia lineal
Diplomatura en Estadística 1 Tema 1. Álgebra matricial 1. Vectores 1.1 Definiciones básicas 1.2 Dependencia lineal 2. Matrices 2.1 Rango de una matriz 2.2 Matrices cuadradas 3. Vectores y valores propios
Más detallesMatrices: Una ordenación de números dispuestos en filas y columnas, encerrados entre corchetes
Matrices: Una ordenación de números dispuestos en filas y columnas, encerrados entre corchetes Ejemplos: Verifican ciertas reglas o algebra, denominada algebra de matrices.la matriz representa en general
Más detallesTEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.
TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. 1. MATRICES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. DEFINICIÓN: Las matrices son tablas numéricas rectangulares
Más detallesTema 5: Determinantes.
Tema 5: Determinantes. 1. El grupo simétrico. Definición. Una permutación del conjunto {1,..., n} es una aplicación biyectiva de {1,..., n} en si mismo. Se define el conjunto Σ n = {f : {1,..., n} {1,...,
Más detallesGuía de Matrices 2i, para i = j
Wilson Herrera Guía de Matrices { i, para i = j. Escribir la matriz [a ij ] x si a ij = j, para i j. 0, para i < j. Escribir la matriz [a ij ] x si a ij =, para i = j, para i > j.. Escribir la matriz [i
Más detallesCONJUNTO R n. = (5, 2, 10) de 3, son linealmente. = (2,1,3) y v 3. = (0,1, 1) y u 3. = (2,0,3, 1), u 3. = (1,1, 0,m), v 2
CONJUNTO R n.- Considerar los vectores u = (, -3, ) y v = (, -, ) de 3 : a) Escribir, si es posible, los vectores (, 7, -4) y (, -5, 4) como combinación lineal de u y v. b) Para qué valores de x es el
Más detallesSesión 18: Diagonalización (I) Método práctico para diagonalizar una matriz cuadrada A M nxn K
Sesión 8: Diagonalización (I) Método práctico para diagonalizar una matriz cuadrada A M nxn K ) Calculamos los valores propios de A y sus multiplicidades algebraicas con: d A λ = det A λi nxn = Si d A
Más detallesDiagonalización de matrices
7 Diagonalización de matrices 7.1. Matrices diagonalizables Existen diversos procesos en los que el estado en cada uno de sus pasos se puede representar por un determinado vector y en los que, además,
Más detallesMatrices y Determinantes
Capítulo 1 Matrices y Determinantes 11 Matrices Generalidades Definición 11 Sea E un conjunto cualquiera, m, n N Definimos matriz de orden m n sobre E a una expresión de la forma: a 11 a 12 a 1n a 21 a
Más detalles1 de 6 24/08/2009 9:54 MATRICES Las matrices aparecen por primera vez hacia el año 1850, introducidas por J.J. Sylvester El desarrollo inicial de la teoría se debe al matemático W.R. Hamilton en 1853 En
Más detallesTEMA 7. DIAGONALIZACION Y Y FORMAS CANONICAS 1. ENDOMORFISMOS NILPOTENTES
TEMA 7. DIAGONALIZACION Y Y FORMAS CANONICAS 1. ENDOMORFISMOS NILPOTENTES Definición 1.1. Endomorfismo Nilpotente. Un endomorfismo T End(V ) es nilpotente si existe n N tal que f n 0. Definición 1.. Matriz
Más detallesParte 3. Vectores y valores propios
Parte 3. Vectores y valores propios Gustavo Montero Escuela Universitaria Politécnica Universidad de Las Palmas de Gran Canaria Curso 2004-2005 1 Introducción a los valores y vectores propios 2 3 4 5 Valores
Más detalles1 ÁLGEBRA DE MATRICES
1 ÁLGEBRA DE MATRICES 1.1 DEFINICIONES Las matrices son tablas numéricas rectangulares. Se dice que una matriz es de dimensión m n si tiene m filas y n columnas. Cada elemento de una matriz se designa
Más detallesde la forma ), i =1,..., m, j =1,..., n, o simplemente por (a i j ).
INTRODUCCIÓN. MATRICES Y DETERMINANTES Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales.
Más detallesMATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS
Definición: se llama matriz de m filas y n columnas sobre un cuerpo K (R ó C), a una ordenación rectangular de la forma Notación: a11 a...... a1n a21 a...... a2n A = M M M donde cada elemento a ij Є K
Más detallesTema 4: Sistemas de ecuaciones lineales.
Tema 4: Sistemas de ecuaciones lineales 1 Rango de una matriz Definición Sea A Mat n m (K) Se llama rango de filas de A, y se denota por rg f (A) la dimensión del subespacio vectorial generado por las
Más detallesTema 3: MATRICES. Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada
Tema 3: MATRICES Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Material docente para el alumno Asignatura: Geometría I. Curso 2003/04 Licenciatura: Matemáticas
Más detalles