2. 2
Elemento: aij
Tamaño: m n
Matriz cuadrada: n n
(orden n)
Elementos de la diagonal: ann
Matrices
mn
m
m
n
n
a
a
a
a
a
a
a
a
a
2
1
2
22
21
1
12
11
n
a
a
a
2
1
)
( 2
1 n
a
a
a
Vector columna
(matriz n x 1)
Vector fila
(matriz 1 x n)
4. 4
Si A, B, C son matrices mn, k1 y k2 son escalares:
(i) A + B = B + A
(ii) A + (B + C) = (A + B) + C
(iii) (k1k2) A = k1(k2A)
(iv) 1 A = A
(v) k1(A + B) = k1A + k1B
(vi) (k1 + k2) A = k1A + k2A
14. 14
Vectores fila:
u1 = (a11 a12 … a1n),
u2 = (a21 a22, … a2n),…,
um = (am1 am2 … amn)
mn
m
m
n
n
a
a
a
a
a
a
a
a
a
2
1
2
22
21
1
12
11
A
mn
n
n
n
m
m a
a
a
a
a
a
a
a
a
2
1
2
22
12
2
1
21
11
1 ,
,
, v
v
v
Vectores columna: El rango de una
matriz A m n, es el
máximo número de
vectores fila
linealmente
independientes.
0
0
0
0
2
1
0
3
1
1
1
1
4
2
0
2
8
4
0
3
1
1
1
8
7
5
3
8
6
2
2
3
1
1
1
2
1
3
2
2
4
1
3
2
2
1
3
1
2
1
R
R
R
R
R
R
R
A
rang A = 2.
15. 15
AX = 0
Siempre hay soluciones
(consistente)
Solución única X = 0
(solución trivial)
rang(A) = n
Infinitas soluciones
Rang(A) < n
n – r parámetros
16. 16
AX = B, B≠0
Inconsistente
rang(A) < rang(A│B)
Consistente
rang(A) = rang(A│B)
Solución única
rang(A) = n
Infinitas soluciones
rang(A) < n
n – r parámetros
22. 22
det AT = det A
41
4
3
7
5
det
A 41
4
7
3
5
det
T
A
Si dos filas (columnas) de una matriz A de n × n
son idénticas, entonces det A = 0.
2
2
9
2
2
4
2
2
6
A 0
2
2
9
2
2
4
2
2
6
det
A
23. 23
Si todos los elementos de una fila (columna) de una
matriz A de n × n son cero, entonces det A = 0.
Si B es la matriz obtenida por intercambio de
dos filas (columnas) de una matriz A n × n,
entonces:
det B = −det A
A
B det
3
1
2
7
0
6
9
1
4
9
1
4
7
0
6
3
1
2
det
24. 24
Si B se obtiene de una matriz A n × n multiplicando
una fila (columna) por un número real k, entonces:
det B = k det A
A
B
A
det
)
(
det
fila
ésima
-
la
de
largo
lo
a
cofactores
por
det
de
expansión
2
2
1
1
2
2
1
1
k
C
a
C
a
C
a
k
C
ka
C
ka
C
ka
i
in
in
i
i
i
i
in
in
i
i
i
i
80
)
2
1
(
80
1
2
1
1
2
8
5
2
4
1
1
8
5
16
4
8
1
5
16
20
8
5
.
.
.
25. 25
Si A y B son matrices n × n, entonces
det AB = det A det B.
5
3
4
3
,
1
1
6
2
B
A
9
6
22
12
AB
det AB = −24, det A = −8, det B = 3,
det AB = det A det B.
26. 26
det A = 45 = det B = 45.
B
A
2
4
11
7
0
3
2
1
5
4
1
4
7
0
3
2
1
5
3
1
3 R
R
Si B se obtiene como combinaciones lineales de
filas o columnas de una matriz A n × n, entonces:
det B = det A
28. 28
Supongamos que A es una matriz n n.
Si ai1, ai2, …, ain son los elementos de la i-ésima fila
y Ck1, Ck2, …, Ckn son los cofactores de la k-ésima
fila, entonces:
ai1 Ck1 + ai2 Ck2 + …+ ain Ckn = 0, para i k
Igualmente, si a1j, a2j, …, anj son los elementos de la
j-ésima columna y C1k, C2k, …, Cnk son los
cofactores de la k-ésima columna, entonces:
a1j C1k + a2j C2k + …+ anj Cnk = 0, para j k
29. 29
Demostración
Sea B la matriz que obtenemos de A al
cambiarle los elementos de la i-ésima fila por los
de su k-ésima fila:
bi1 = ak1, bi2 = ak2, …, bin = akn
B tendrá entonces dos filas idénticas de modo
que det B = 0, y:
kn
in
k
i
k
i
kn
kn
k
k
k
k
C
a
C
a
C
a
C
a
C
a
C
a
2
2
1
1
2
2
1
1
det
0 B
31. 31
Inversa de un matriz
Sea A una matriz n n. Si existe una matriz
n n B tal que
AB = BA = I
donde I es la matriz identidad n n, entonces
se dice que A es una matriz no singular o
invertible. Y B es la matriz inversa de A.
Si A carece de inversa, se dice que es una
matriz singular.
Sean A, B matrices no singulares.
(i) (A-1)-1 = A
(ii) (AB)-1 = B-1A-1
(iii) (AT)-1 = (A-1)T
32. 32
Sea A una matriz n × n. La matriz formada por
la transpuesta de la matriz de cofactores
correspondientes a los elementos de A:
se llama adjunta de A y se denota por adj A.
nn
n
n
n
n
T
nn
n
n
n
n
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
2
1
2
22
12
1
21
11
2
1
2
22
21
1
12
11
Matriz adjunta
44. 44
Problemas de autovalores
Sea A una matriz n n. Un número se dice
que es un autovalor de A si existe una solución
vector K, distinto de cero para:
AK = K
El vector solución K es el autovector
correspondiente al autovalor .
DEFINICIÓN
Autovalores y autovectores
Los autovalores de una matriz triangular,
inferior o superior, o de una matriz diagonal son
los elementos de la diagonal.
46. 46
• Podemos escribir AK = K como:
(A – I)K = 0
Que es lo mismo que un sistema de ecuaciones lineales
homogéneo. Si queremos que K sea una solución
distinta de cero, debería ocurrir que:
det (A – I) = 0
Observa que det (A – I) nos proporcionará un
polinomio de grado n, que llamaremos ecuación
característica.
47. 47
Encuentra los autovalores y autovectores de:
1
2
1
0
1
6
1
2
1
A
0
1
2
1
0
1
6
1
2
1
)
det(
I
A
–3 – 2 + 12 = 0
( + 4) ( – 3) = 0
= 0, −4, 3.
Ahora encontraremos los
autovectores para cada
autovalor.
(A – I)K = 0
55. 55
AK = K,
Sea A una matriz cuadrada de elementos reales.
Si = + i, 0, es un autovalor complejo de A,
entonces su conjugado es también un
autovalor de A.
Si K es un autovector correspondiente a , entonces
el autovector conjugado es un autovector
correspondiente a .
Autovalores y autovectores complejos
i
K
,
K
K
A
K
K
A
Demostración:
56. 56
1 = 5 + 2i
4
5
1
6
A
0
29
10
4
5
1
6
)
det( 2
I
A
i
i 2
5
,
2
5 1
2
1
0
)
2
1
(
5
0
)
2
1
(
2
1
2
1
k
i
k
k
k
i
Encuentra los autovalores
y autovectores de:
k2 = (1 – 2i) k1, tomando k1 = 1:
i
2
1
1
1
K
i
2
1
1
1
2 K
K
,
2
5
1
2 i
(A – 1I)K = 0
57. 57
Potencias de una matriz
Sea A, una matriz n × n. Definimos la
potencia m-ésima de A como:
factores
m
m
A
AAA
A
58. 58
Teorema de Cayley-Hamilton
0
I
A
A
A
0
1
1
1
)
1
( c
c
c n
n
n
n
0
)
1
( 0
1
1
1
c
c
c n
n
n
n
Una matriz A satisface su propia
ecuación característica:
Ecuación característica: det (A – I) = 0
59. 59
3
1
4
2
A
Observa que entonces: A2 = A + 2I y 2 = + 2
Y podemos escribir las sucesivas potencias
de A como:
A3 = AA2 = A(A+ 2I ) = A2 + 2A = 3A+ 2I
A4 = AA3 = A (3A+2I) = 3A2+2A = 5A+ 6I
A5 = 11A + 10I
A6 = 21A + 22I
... Am = c1A + c0I ... m = c1 + c0
2 − – 2 = 0.
Y por el teorema de Cayley-
Hamilton:
A2 − A – 2I = 0
Comprobarlo con:
60. 60
O sea que podemos escribir:
Am = c1A + c0I y m = c1 + c0
2 − – 2 = 0; 1 = −1 , 2 = 2:
)
2
(
2
)
1
(
)
1
(
1
0
1
0
c
c
c
c
m
m
]
)
1
(
2
[
1/3
],
)
1
(
2
2
[
1/3 1
0
m
m
m
m
c
c
]
)
1
(
2
[
]
)
1
(
2
[
]
)
1
(
2
[
]
)
1
(
4
2
[
2
3
1
3
1
3
4
3
1
m
m
m
m
m
m
m
m
m
A
61. 61
Am = c0I + c1A + c2A2 +…+ cn–1An–1
m = c0 + c1 + c2 2 +…+ cn–1 n–1
donde los ck (k = 0, 1,…, n–1), dependen de m.
Y en general, para una matriz de orden n:
65. 65
Una matriz A n n es simétrica si A=AT
Si A es simétrica con elementos
reales, entonces los autovalores de
A son reales.
AK = K, ,
K
K
A
K
K
A
K
K
AK
K T
T
Transponiendo y multiplicando por K por la derecha:
K
KT
)
(
0
0
)
|
|
|
|
|
|
( 2
2
2
2
1
n
T
k
k
k
K
K
real.
es
0
66. 66
Al igual que definimos el producto escalar
entre vectores:
x y = x1 y1 + x2 y2 + … + xn yn
podemos definirlo con matrices (vectores fila
o columna):
X Y XT Y = x1 y1 + x2 y2 + … + xn yn
2
2
2
2
1
||
|| n
T
x
x
x
X
X
X
Autovectores ortogonales
Veamos que si A es una matriz n × n simétrica, los
autovectores correspondientes a distintos
(diferentes) autovalores son ortogonales.
67. 67
Demostración
Sean 1,, 2 dos autovalores distintos
correspondientes a los autovectores K1 y K2.
AK1 = 1K1 , AK2 = 2K2
(AK1)T = K1
TAT = K1
TA = 1K1
T
K1
TAK2 = 1K1
TK2 AK2 = 2K2,
K1
TAK2 = 2K1
TK2
0 = 1K1
TK2 − 2K1
TK2
0 = (1 − 2) K1
TK2
Como 1 2, entonces K1
TK2 = 0.
74. 74
Autovalor dominante
Sean los autovalores
de una matriz A n × n. El autovalor se
llama autovalor dominante de A si:
Un autovector asociado se denomina
autovector dominante de A.
n
k
,
,
,
,
, 2
1
k
n
i
i
k ,
,
3
,
2
,
1
,
|
|
|
|
k
4
0
0
4
A
2
,
2 2
1
5
0
0
1
5
0
0
0
2
A
5
,
2 3
2
1
75. 75
Método de las potencias
,
3
,
2
,
1
,
1
i
i
i AX
X
0
1
0
2
1
2
0
1
X
A
AX
X
X
A
AX
X
AX
X
m
m
m
Supongamos que
A tiene un autovalor
dominante.
Vector n 1
Supongamos que |1| > |2| … |n| con K1, K2, …, Kn
autovectores asociados linealmente independientes. Entonces:
n
n
c
c
c K
K
K
X
2
2
1
1
0
Como AKi = iKi , entonces:
AX0 = c1AK1 + c2AK2 + … + cnAKn
n
n
c
c
c K
K
K
AX n
2
2
2
1
1
1
0
76. 76
Multiplicando por A sucesivamente:
n
n
n
n
n
c
c
c
c
c
c
K
K
K
AK
AK
AK
X
A
2
2
2
2
2
1
2
1
1
n
2
2
2
1
1
1
0
2
n
m
n
n
m
m
m
c
c
c K
K
K
X
A
2
2
2
1
1
1
0
n
m
n
n
m
m
c
c
c K
K
K
1
2
1
2
2
1
1
1
1
1
1
0 K
X
A c
m
m
Como |1| > |i|, i = 2, 3, …, n; cuando m ,
podemos aproximar:
(...)
77. 77
Observemos que un autovector multiplicado por una
constante sigue siendo un autovector. De modo que
podemos escribir:
Am X0 = Xm
De modo que Xm será una aproximación al autovector
dominante.
Puesto que AK = K, AKK= KK
que nos da una aproximación al autovalor dominante.
K
K
K
AK
m
m
m
m
X
X
X
AX
1
1
1
1
0 K
X
A c
m
m
Cociente de Rayleigh.
80. 80
Si existe una matriz P, tal que P-1AP = D sea
diagonal, entonces decimos que A es
diagonalizable.
Si A es una matriz n × n que tiene n autovectores
K1, K2, …, Kn linealmente independientes, entonces
A es diagonalizable.
TEOREMA
Condición suficiente de diagonalizabilidad
Matriz diagonalizable
81. 81
Demostración
• Puesto que P = (K1, K2, K3) es no singular,
entonces existe P-1 y
Así que P-1AP = D.
PD
K
K
K
K
K
K
AK
AK
AK
AP
3
2
1
3
2
1
3
3
2
2
1
1
3
2
1
0
0
0
0
0
0
)
(
)
(
)
(
82. 82
Si A es una matriz n n con n autovalores
distintos, entonces es diagonalizable.
Condición suficiente de diagonalización
7
1
4
3
A
1
2
1
K
Tenemos que = 5, 5.
Y solo podemos encontrar un autovector.
La matriz no puede diagonalizarse.
86. 86
• Si existe una matriz P ortogonal que puede
diagonalizar a A, decimos que A es
ortogonalmente diagonalizable.
• Una matriz A n x n es ortogonalmente
diagonalizable si y solo si es simétrica.
P diagonaliza a A: P-1AP = D, A = PDP-1.
P es ortogonal: P-1 = PT, entonces:
A = PDPT.
AT = (PDPT)T = PDTPT = PDPT = A
Luego A es simétrica.