Parte II

Sesin 1
El anlisis estadstico de datos realiza el anlisis de una tabla la cual
contiene la informacin de k variables medidas a n individuos. Desde el
punto de vista operativo el trabajo se simplica utilizando los conceptos
del lgebra lineal de vectores, matrices y sus propiedades.
Desde el punto de vista estadstico los conceptos del lgebra lineal
pueden ser vistos como:
Vectores
Un conjunto de n datos numricos de una variable puede ser visto
geomtricamente como un punto en el espacio n dimensional.
Matrices
Si en lugar de medir una variable en n elementos se observa en cada
elemento los valores de k variables, los datos se pueden disponer en una
tabla de k columnas y n las, de manera que cada columna tenga los n
valores de una variable y cada la los valores de las k variables de cada
individuo.
Deniciones bsicas
Denicin
Un conjunto de n nmeros reales x es un punto en el espacio de n
dimensiones, R
n
. Se dene el vector x como el segmento de recta
orientado que une el origen de coordenadas con el punto x.
Observacin
Los vectores se representan con letras minsculas en negrilla x, y, ... y
los componentes correspondientes en minsculas normales x, y, ... As,
x =
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
Observacin
Un vector con una nica componente, es decir x =
_
x
_
se denomina
escalar.
Se llama vector transpuesto x

, de otro x a un vector con las

mismas componentes, pero escritas en la:
x

=
_
x
1
x
2
x
n
_
Un conjunto de nmeros con todos los valores iguales se representa
con un vector constante que es aqul con todas sus componentes
iguales. Un vector constante es de la forma c1 donde c R y
1 =
_
1 1 . . . 1
_

Denicin
Sean x =
_
x
1
x
2
x
n
_

, y =
_
y
1
y
2
y
n
_

R
n
entonces
Igualdad. Los vectores son iguales siempre que coinciden sus componentes. Esto
es, x = y, si y slo si,
x
1
= y
1
, x
2
= y
2
, , x
n
= y
n
Suma. Se dene como el vector obtenido sumando los componentes
correspondientes:
x +y =
_
x
1
+ y
1
x
2
+ y
2
x
n
+ y
n
_

Producto por escalar. Si c es un escalar, se dene cx o xc como el vector

obtenido multiplicando cada componente de x por c:
cx =
_
cx
1
cx
2
cx
n
_

Denicin
El producto interno de dos vectores x, y de R
n
que se escribe x

y o
y

x, es el escalar obtenido al sumar los productos de sus componentes.

x

y = y

x =
n

i=1
x
i
y
i
= x
1
y
1
+ x
2
y
2
+ + x
n
y
n
Denicin
Se llama norma o longitud de un vector x, a la raz cuadrada positiva del
producto escalar x

x. Se escribe x:
x =

x

x =

_
n

i=1
x
2
i
=
_
x
2
1
+ x
2
2
+ + x
2
n
Observacin
El producto interno puede calcularse como el producto de las normas
de los vectores por el coseno del ngulo que forman.
x

y = x y cos
Dos vectores son ortogonales, o perpendiculares, si y slo si,
x

y = 0.
Dos vectores son paralelos, si y slo si, x

y = x y o
x

y = x y.
Denicin
Sean x, y R
n
Se llama la proyeccin de x sobre y denotada por t al escalar
obtenido de:
t =
x

y
y
2
Se llama vector proyeccin de x sobre y al vector ty
Tarea
Consultar qu es un conjunto de vectores linealmente dependiente?
Consultar qu es un conjunto de vectores linealmente
independiente?
Consultar qu es un espacio generado y qu es una base?
Consultar qu es el espacio nulo?
Ejemplo
En el plano R
3
sean el vector x =
_
3 6 12
_

y el vector
y =
_
1 0 2
_

y c =
1
3
. Entonces,
Es claro que x e y no son iguales.
La suma de los vectores x e y es:
x +y =
_
_
3
6
12
_
_
+
_
_
1
0
2
_
_
=
_
_
2
6
14
_
_
Los productos escalares cx y cy son:
cx =
1
3
_
_
3
6
12
_
_
=
_
_
1
2
4
_
_
cy =
1
3
_
_
1
0
2
_
_
=
_
_

1
3
0
2
3
_
_
...Continuacin
La norma de los vectores x e y son:
x =
_
_
3 6 12
_ _
3 6 12
_

=
_
3
2
+ 6
2
+ 12
2
=

189 13.75
y =
_
_
1 0 2
_ _
1 0 2
_

=
_
(1)
2
+ 0
2
+ 2
2
=

5 2.24
El producto interno x

y es:
_
3 6 12
_ _
1 0 2
_

= (3)(1) + (6)(0) + (12)(2) = 21

Luego, los vectores no son ni ortogonales ni paralelos.
El coseno del ngulo que forman los vectores x e y son:
cos =
x

y
x y
=
21

189

5
=
21

945
= 0.68
Deniciones bsicas
Denicin
Se llama matriz A de dimensiones (n x k) a un conjunto de n x k
nmeros reales ordenados en n las y k columnas.
Observacin
Las matrices se representan con letras maysculas en negrilla A, B, ... y
los componentes correspondientes en minsculas normales a
ij
, b
ij
, ... As,
A =
_
_
_
_
_
a
11
a
12
. . . a
1k
a
21
a
22
. . . a
2k
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . a
nk
_
_
_
_
_
Deniciones bsicas
Denicin
Se llama matriz transpuesta (A

, A
t
) a la matriz obtenida a partir de
A intercambiando las por columnas. Si A es de dimensin n x k, A

ser de dimensin k x n.
Ejemplo
Si
A =
_
1 1 1
2 1 0
_
A

=
_
_
1 2
1 1
1 0
_
_
Deniciones bsicas
Denicin
La suma de dos matrices se dene slo cuando ambas tienen las
mismas dimensiones y es la matriz obtenida de sumar los componentes
correspondientes
A+B = C
_
_
_
a
11
. . . a
1k
a
21
. . . a
2k
.
.
.
.
.
.
.
.
.
a
n1
. . . a
nk
_
_
_
+
_
_
_
b
11
. . . b
1k
b
21
. . . b
2k
.
.
.
.
.
.
.
.
.
b
n1
. . . b
nk
_
_
_
=
_
_
_
c
11
. . . c
1k
c
21
. . . c
2k
.
.
.
.
.
.
.
.
.
c
n1
. . . c
nk
_
_
_
con c
ij
= a
ij
+ b
ij
Se verica:
1 A+B=B+A
2 (A+B)

= A

+B

Productos entre matrices

Denicin
Sean A, B matrices entonces se dene el producto matricial que se
representa por AB y slo es posible cuando el nmero de columnas de A es
igual al nmero de las de B. Entonces, si A
n x k
y B
k x q
, el producto es una
matriz C
n x q
. Si
A =
_
_
_
a

1
.
.
.
a

n
_
_
_
B =
_
b
1
. . . b
q
_
Entonces
AB = C =
_
_
_
a

1
b
1
. . . a

1
b
q
.
.
.
.
.
.
.
.
.
a

n
b
1
. . . a

n
b
q
_
_
_
n x q
Productos entre matrices
Ejemplo
Si A =
_
1 1
2 1
_
y B =
_
1 1 1
2 1 0
_
entonces
a

1
=
_
1 1
_
, a

2
=
_
2 1
_
y
b
1
=
_
1
2
_
, b
2
=
_
1
1
_
, b
3
=
_
1
0
_
Luego,
AB =
_
a

1
b
1
a

1
b
2
a

1
b
3
a

2
b
1
a

2
b
2
a

2
b
3
_
=
_
1 2 1
4 1 2
_
Productos entre matrices
Observacin
El producto entre matrices no es en general conmutativo, es decir,
que si AB existe el producto BA puede no existir.
Cuando AB y BA existen, en general son distintas.
Productos entre matrices
Denicin
Sean V y W espacios vectoriales reales. Sea T : V W una funcin de
V en W. Se dice que T es una transformacin lineal de V en W si y
slo si para cualquier v
1
, v
2
vectores de V y escalar, se tiene que
T(v
1
+v
2
) = T(v
1
) + T(v
2
)
T(v) = T(v)
Productos entre matrices
Teorema
Sea T una transformacin lineal de V en W. Entonces:
1 T(0) = 0
2 T(v) = T(v), para todo v V
3 Si v =

n
i=1

i
v
i
, con v
i
V y
i
escalares, entonces
T
_
n

i=1

i
v
i
_
=
n

i=1

i
T (v
i
)
4 Si el conjunto {v
1
, v
2
, . . . , v
k
}, es linealmente dependiente en V,
entonces el conjunto {T(v
1
), T(v
2
), . . . , T(v
k
)} es linealmente
dependiente en W
Productos entre matrices
Teorema
Sean V y W espacios vectoriales reales de dimensiones k y n,
respectivamente. Sea T : V W una transformacin lineal. Entonces
existe una matriz nica de tamao n x k, A
T
tal que
T(v) = A
T
v
La matriz A
T
se llama matriz de transformacin correspondiente a T o
representacin matricial de T.
Productos entre matrices
Denicin
Se dene la matriz identidad de dimensin (orden) n, I
n
como la matriz
de dimensiones n x n que tiene unos en la diagonal y ceros fuera de ella:
I =
_
_
_
_
_
1 0 0 . . . 0
0 1 0 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 1
_
_
_
_
_
Productos entre matrices
Observacin
El producto matricial tiene entre otras las siguientes propiedades, se
supone que las matrices tienen las dimensiones adecuadas para que los
productos estn denidos:
A(B+C) = AB+AC
(AB)

=B

AI=IA=A
Productos entre matrices
Denicin
Si A = (a
ij
) y B = (b
ij
) son matrices del mismo orden, digamos n x k,
entonces se el producto Hadamard de A y B como
AB = (a
ij
b
ij
)
As, el producto Hadamard AB tambin es una matriz de n x k y su
ij simo elemento es a
ij
b
ij
Productos entre matrices
Observacin
Las siguientes propiedades son consecuencia inmediata de la denicin:
AB = BA
(AB)

=A

(AB) C=A(BC)
Productos entre matrices
Ejemplo
_
1 2 0
0 1 0
_

_
1 1 0
1 0 1
_
=
_
1 1 2 1 0 0
0 1 1 0 0 (1)
_
=
_
1 2 0
0 0 0
_
Parte III
Sesin 2
Productos entre matrices
Denicin
Sea A una matriz de n x k y B una matriz de p x q. La matriz np x kq
denida por
_
_
_
_
_
a
11
B a
12
B . . . a
1k
B
a
21
B a
22
B . . . a
2k
B
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
B a
n2
B . . . a
nk
B
_
_
_
_
_
es llamada el producto Kronecker de A y B y se escribe AB.
Obsrvese que este producto existe siempre, sean cual sean las
dimensiones de las matrices.
Productos entre matrices
Observacin
Las propiedades siguientes son resultado directo de la denicin:
Si c es un escalar c A = Ac = cA
Si x e y son vectores, x y

= y

x
(AB)

= A

(AB)(CD) = ACBD
Productos entre matrices
Ejemplo
_
1
2
_

_
1 0 3
_
=
_
1
_
1 0 3
_
2
_
1 0 3
_
_
=
_
1 0 3
2 0 6
_
Ejemplo
Sea A
n x n
entonces
I
(3)
A =
_
_
A 0 0
0 A 0
0 0 A
_
_
3n x 3n
donde 0 es una matriz de ceros de dimensiones n x n.
Rango de una matriz
Denicin
El rango de una matriz indica el nmero de mximo de vectores la o
columna liniealmente independientes que contiene la matriz.
Observacin
Se llama rg(A) al rango de la matriz A
n x k
se verica que:
rg(A) mn(n, k)
Si rg(A) = mn(n, k), se dice que A es de rango completo.
rg(A+B) rg(A) + rg(B)
rg(AB) mn(rg(A), rg(B))
rg(A

A) = rg(AA

) = rg(A)
Matrices cuadradas
Denicin
Una matriz es cuadrada si n = k y este nmero se denomina orden de la
matriz. Dentro de las matrices cuadradas se denen varias clases de
matrices, entre las cuales se tienen:
Se dice que A es simtrica si y slo si A

= A. De otra manera si
a
ij
= a
ji
.
Se dice que A es antisimtrica si y slo si A = A

. De otra
manera si a
ij
= a
ji
.
Se dice que A es triangular superior si a
ij
= 0, para i > j,
i = 1, . . . , n.
Se dice que A es triangular inferior si a
ij
= 0, para i < j,
i = 1, . . . , n.
Se dice que A es diagonal si a
ij
= 0, para i = j, i = 1, . . . , n.
Matrices cuadradas
Denicin
Dada una matriz A cuadrada de orden n con trminos a
ij
, se denomina
determinante de la matriz, y se representa por det(A) o |A|, al escalar
obtenido mediante la suma de todos los productos de n elementos de la
matriz, que se pueden formar de manera que en cada producto aparezca
una vez un elemento de cada la y uno de cada columna.
Matrices cuadradas
Denicin
Sea A una matriz real de orden n.
1 Se llama menor del elemento a
ij
, al determinante de la submatriz
de orden n 1 que resulta de suprimir la i sima la y la j
sima columna de A. Se denota por m
ij
.
2 Se denomina adjunto o cofactor del elemento a
ij
al escalar
(1)
i+j
m
ij
. Se nota por c
ij
.
3 La matriz cof(A) = (c
ij
)
n x n
, donde el elemento c
ij
es el cofactor
ij de A, se denomina matriz de cofactores.
Matrices cuadradas
Teorema
Sea A una matriz de orden n. Entonces el det(A), se puede desarrollar
usando la expansin de Laplace
1 Por la i sima la como
det(A) =
n

j=1
a
ij
c
ij
=
n

j=1
(1)
i+j
a
ij
m
ij
2 Por la j sima columna como
det(A) =
n

i=1
a
ij
c
ij
=
n

i=1
(1)
i+j
a
ij
m
ij
Matrices cuadradas
Observacin
Los determinantes tienen las propiedades siguientes si A es una matriz de
orden n:
|A| =
n
|A|
|A

| = |A|
Si A y B son matrices cuadradas, |AB| = |A||B|
Matrices cuadradas
Ejemplo
Sea A =
_
a
11
a
12
a
21
a
22
_
se tiene que
m
11
= |a
22
| = a
22
c
11
= (1)
1+1
m
11
= a
22
m
12
= |a
21
| = a
21
c
12
= (1)
1+2
m
12
= a
21
m
21
= |a
12
| = a
12
c
21
= (1)
2+1
m
21
= a
12
m
22
= |a
11
| = a
11
c
22
= (1)
2+2
m
22
= a
11
Matrices cuadradas
...Continuacin
La matriz de cofactores cof(A) es
cof(A) =
_
a
22
a
21
a
12
a
11
_
Luego, desarrollando por los elementos de la primera la tenemos
det(A) =
2

j=1
a
1j
c
1j
= a
11
c
11
+ a
12
c
12
= a
11
a
22
a
12
a
21
Matrices cuadradas
Ejemplo
Sea A =
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
se tiene que
m
11
=

a
22
a
23
a
32
a
33

= a
22
a
33
a
23
a
32
c
11
= (1)
1+1
m
11
= a
22
a
33
a
23
a
32
m
12
=

a
21
a
23
a
31
a
33

= a
21
a
33
a
23
a
31
c
12
= (1)
1+2
m
12
= a
23
a
31
a
21
a
33
m
13
=

a
21
a
22
a
31
a
32

= a
21
a
32
a
22
a
31
c
13
= (1)
1+3
m
13
= a
21
a
32
a
22
a
31
Matrices cuadradas
...Continuacin
Sea A =
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
se tiene que
m
21
=

a
12
a
13
a
32
a
33

= a
12
a
33
a
13
a
32
c
21
= (1)
2+1
m
21
= a
13
a
32
a
12
a
33
m
22
=

a
11
a
13
a
31
a
33

= a
11
a
33
a
13
a
31
c
22
= (1)
2+2
m
12
= a
11
a
33
a
13
a
31
m
23
=

a
11
a
12
a
31
a
32

= a
11
a
32
a
12
a
31
c
23
= (1)
2+3
m
13
= a
12
a
31
a
11
a
32
Matrices cuadradas
...Continuacin
Sea A =
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
se tiene que
m
31
=

a
12
a
13
a
22
a
23

= a
12
a
23
a
13
a
22
c
31
= (1)
3+1
m
31
= a
12
a
23
a
13
a
22
m
32
=

a
11
a
13
a
21
a
23

= a
11
a
23
a
13
a
21
c
32
= (1)
3+2
m
32
= a
13
a
21
a
11
a
23
m
33
=

a
11
a
12
a
21
a
22

= a
11
a
22
a
12
a
21
c
33
= (1)
3+3
m
33
= a
11
a
22
a
12
a
21
Matrices cuadradas
...Continuacin
La matriz de cofactores cof(A) es
cof(A) =
_
_
a
22
a
33
a
23
a
32
a
23
a
31
a
21
a
33
a
21
a
32
a
22
a
31
a
13
a
32
a
12
a
33
a
11
a
33
a
13
a
31
a
12
a
31
a
11
a
32
a
12
a
23
a
13
a
22
a
13
a
21
a
11
a
23
a
11
a
22
a
12
a
21
_
_
Matrices cuadradas
...Continuacin
Luego, desarrollando por los elementos de la primera la
det(A) =
3

j=1
a
1j
c
1j
= a
11
c
11
+ a
12
c
12
+ a
13
c
13
= a
11
(a
22
a
33
a
23
a
32
) a
12
(a
21
a
33
a
23
a
31
)
+a
13
(a
21
a
32
a
22
a
31
)
= a
11
a
22
a
33
a
11
a
23
a
32
a
12
a
21
a
33
+ a
12
a
23
a
31
+a
13
a
21
a
32
a
13
a
22
a
31
= a
11
a
22
a
33
+ a
12
a
23
a
31
+ a
13
a
21
a
32
a
13
a
22
a
31
a
11
a
23
a
32
a
12
a
21
a
33
Matrices cuadradas
Denicin
Se denomina diagonal principal de una matriz cuadrada A de orden n
con trminos a
ij
al conjunto de elemntos a
ii
, i = 1, . . . n. La traza de
una matriz cuadrada es la suma de los elementos de la diagonal principal
de la matriz. Se escribe
tr(A) =
n

i=1
a
ii
La traza es un operador lineal. De la denicin se obtiene:
tr(A+B) = tr(A) + tr(B)
tr(A) = tr(A), donde es un escalar.
Matrices cuadradas
Denicin
Dada una matriz A cuadrada de orden n se dene su inversa, A
1
como
una matriz de orden n tal que:
AA
1
= A
1
A = I
Es posible que la matriz A
1
no exista en cuyo caso se dir que la matriz
A es singular, en caso contrario es no singular.
Matrices cuadradas
Denicin
Escribiendo A con vectores la a

i
, la matriz A
1
tendr vectores
columna b
i
tales que
_
_
_
a

1
.
.
.
a

n
_
_
_
_
b
1
. . . b
n
_
=
_
_
_
a

1
b
1
. . . a

1
b
n
.
.
.
.
.
.
.
.
.
a

n
b
1
. . . a

n
b
n
_
_
_
=
_
_
_
_
_
1 0 0 . . . 0
0 1 0 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 1
_
_
_
_
_
La matriz A
1
debe tener por columnas vectores b
i
tales que: (1) b
i
es
ortogonal a a
j
, es decir, el producto escalar b

i
a
j
es cero j = i; (2) el
producto escalar de los vectores b

i
a
i
= a

i
b
i
es uno.
Matrices cuadradas
Denicin
Sea A una matriz de orden n. La matriz transpuesta de la matriz de cofactores
cof(A) es la matriz adjunta de A y se representa por adj(A)
adj(A) = (cof(A))

=
_
_
_
_
c
11
c
21
. . . c
n1
c
12
c
22
. . . c
n2
.
.
.
.
.
.
.
.
.
.
.
.
c
1n
c
2n
. . . c
nn
_
_
_
_
Matrices cuadradas
Teorema
Sea A una matriz de orden n, si det(A) = 0, entonces
A
1
=
1
det(A)
adj(A)
Matrices cuadradas
Observacin
La inversa de una matriz A no singular tiene las propiedades siguientes:
(AB)
1
= B
1
A
1
para matrices cuadradas no singulares.
(A

)
1
=
_
A
1
_

|A
1
| = |A|
1
Si A es simtrica tambin lo es A
1
Matrices cuadradas
Ejemplo
Sea A =
_
a
11
a
12
a
21
a
22
_
entonces
A
1
=
1
det(A)
adj(A)
=
1
det(A)
_
a
22
a
21
a
12
a
11
_

=
1
a
11
a
22
a
12
a
21
_
a
22
a
12
a
21
a
11
_
Matrices cuadradas
Ejemplo
Sea A =
_
1 1 0
1 2 1
0 0 3
_
entonces
cof(A) =
_
a
22
a
33
a
23
a
32
a
23
a
31
a
21
a
33
a
21
a
32
a
22
a
31
a
13
a
32
a
12
a
33
a
11
a
33
a
13
a
31
a
12
a
31
a
11
a
32
a
12
a
23
a
13
a
22
a
13
a
21
a
11
a
23
a
11
a
22
a
12
a
21
_
=
_
(2)(3) (1)(0) (1)(0) (1)(3) (1)(0) (2)(0)
(0)(0) (1)(3) (1)(3) (0)(0) (1)(0) (1)(0)
(1)(1) (0)(2) (0)(1) (1)(1) (1)(2) (1)(1)
_
=
_
6 3 0
3 3 0
1 1 3
_
Matrices cuadradas
...Continuacin
El det(A) es
det(A) = a
11
a
22
a
33
+ a
12
a
23
a
31
+ a
13
a
21
a
32
a
13
a
22
a
31
a
11
a
23
a
32
a
12
a
21
a
33
= (1)(2)(3) + (1)(1)(0) + (0)(1)(0)
(0)(2)(0) (1)(1)(0) (1)(1)(3)
= 6 + 0 + 0 0 0 + 3 = 9
Matrices cuadradas
...Continuacin
Y la A
1
es
A
1
=
1
det(A)
adj(A) =
1
9
_
_
6 3 0
3 3 0
1 1 3
_
_

=
1
9
_
_
6 3 1
3 3 1
0 0 3
_
_
=
_
_
2/3 1/3 1/9
1/3 1/3 1/9
0 0 1/3
_
_
Matrices cuadradas
La necesidad de calcular la inversa de una matriz aparece de manera
natural al resolver sistemas de ecuaciones lineales:
a
11
x
1
+ a
12
x
2
+ +a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ +a
2n
x
n
= b
2
.
.
.
a
n1
x
1
+ a
n2
x
2
+ +a
nn
x
n
= b
n
Matrices cuadradas
Que puede ser escrito en trminos matriciales como
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
=
_
_
_
_
_
b
1
b
2
.
.
.
b
n
_
_
_
_
_
Ax = b
donde A es una matriz de coecientes conocidos de orden n, b un vector
de constantes y x un vector de incgnitas.
Matrices cuadradas
Denicin
Se pueden clasicar los sistemas de ecuaciones de acuerdo con su nmero
de soluciones:
Incompatible. No tiene solucin, las ecuaciones del sistema son
rectas paralelas, no tienen ningn punto en comn.
Compatible. Tiene solucin.
Determinado. La solucin es nica, las ecuaciones del sistema son
rectas secantes que se cortan en un nico punto que es la solucin
del sistema.
Indeterminado. Tiene innitas soluciones, al menos un par de las
ecuaciones del sistema son rectas coincidentes, tienen todos los
puntos en comn y por lo tanto, todos ellos son solucin.
Matrices cuadradas
Denicin
Un sistema de ecuaciones lineales Ax = b es homogneo si b = 0. El
sistema siempre tendr solucin.
Si rg(A) = n existir una nica solucin que ser la solucin trivial
x = 0
Si rg(A) < n existirn innitas soluciones.
Matrices cuadradas
Denicin
Sea A =
_
a
1
a
2
. . . a
n
_
una matriz real de orden n, donde a
i
es un
vector de n x 1 que consiste en los elementos de la i sima columna de
A. Entonces A es ortogonal si y slo si
a

i
a
j
=
_
1 si i = j,
0 si i = j
Las matrices ortogonales pueden representar un giro en el espacio. Los
vectores la (columna) de una matriz ortogonal de orden n forman una
base ortonormal de R
n
ya que son ortogonales y de norma uno.
Matrices cuadradas
Denicin
Sean U, V y W espacios vectoriales reales. Una aplicacin g : U V W se
llama forma bilineal si satisface las siguientes propiedades:
Para todo u
1
, u
2
U y v V se tiene que
g (u
1
+u
2
, v) = g (u
1
, v) + g (u
2
, v)
y para todo u U y v
1
, v
2
V se tiene que
g (u, v
1
+v
2
) = g (u, v
1
) + g (u, v
2
)
Para todo R, u U y v V se tiene que
g (u, v) = g (u, v) = g (u, v)
Matrices cuadradas
Ejemplo
La aplicacin g : R
m
R
n
R denida por
g (x, y) = x

Ay
donde x R
m
e y R
n
y A es una matriz real de tamao m x n es una
aplicacin bilineal.
Para todo x
1
, x
2
R
m
e y R
n
se tiene que
g (x
1
+x
2
, y) = (x
1
+x
2
)

Ay =
_
x

1
+x

2
_
Ay
= x

1
Ay +x

2
Ay = g (x
1
, y) + g (x
2
, y)
Matrices cuadradas
...Continuacin
Para todo x R
m
, e y
1
, y
2
R
n
se tiene que
g (x, y
1
+y
2
) = x

A(y
1
+y
2
) = x

Ay
1
+x

Ay
2
= = g (x, y
1
) + g (x, y
2
)
Para todo R, x R
m
e y R
n
se tiene que
g (x, y) = (x)

Ay = (

) Ay
= x

Ay = g (x, y)
Matrices cuadradas
Denicin
Sea g : V V R una forma bilineal sobre V; entonces g es simtrica,
si para todo v
1
, v
2
V, se cumple que
g(v
1
, v
2
) = g(v
2
, v
1
)
Teorema
Una matriz real A de orden n representa una forma bilineal simtrica si y
slo si es una matriz simtrica
Matrices cuadradas
Denicin
Sea V un espacio vectorial real de dimensin nita. Una aplicacin
g : V V R es una forma bilineal simtrica sobre V. Entonces una
forma cuadrtica determinada por g es una funcin H : V R, tal que
H(v) = g(v, v) = v

Av
La matriz A es llamada la matriz de la forma cuadrtica
Matrices cuadradas
Ejemplo
Sea V = R
n
, si se transforma un vector x mediante una transformacin lineal,
y = Bx, la norma al cuadrado del nuevo vector ser
y

y = (Bx)

Bx = x

Bx = x

Ax 0
donde A = B

B es una matriz cuadrada simtrica.

x

Ax =
_
x
1
x
2
. . . x
n
_
_
_
_
_
a
11
a
12
a
1n
a
12
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
1n
a
2n
a
nn
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
=
n

i=1
n

j=1
a
ij
x
i
x
j
Matrices cuadradas
Ejemplo
Cuando n = 2 se tiene que
x

Ax =
_
x
1
x
2
_
_
a
11
a
12
a
12
a
22
__
x
1
x
2
_
=
2

i=1
2

j=1
a
ij
x
i
x
j
=
2

i=1
(a
i1
x
i
x
1
+ a
i2
x
i
x
2
)
= a
11
x
1
x
1
+ a
12
x
1
x
2
+ a
21
x
2
x
1
+ a
22
x
2
x
2
= a
11
x
2
1
+ 2a
12
x
1
x
2
+ a
22
x
2
2
Que es una ecuacin cuadrtica o de segundo orden, que
geomtricamente representa una cnica en el plano.
Matrices cuadradas
Ejemplo
Cuando n = 3 se tiene que
x

Ax =
_
x
1
x
2
x
3
_
_
a
11
a
12
a
13
a
12
a
22
a
23
a
13
a
23
a
33
__
x
1
x
2
x
3
_
=
3

i=1
3

j=1
a
ij
x
i
x
j
=
3

i=1
(a
i1
x
i
x
1
+ a
i2
x
i
x
2
+ a
i3
x
i
x
3
)
= a
11
x
1
x
1
+ a
12
x
1
x
2
+ a
13
x
1
x
3
+ a
21
x
2
x
1
+ a
22
x
2
x
2
+ a
23
x
2
x
3
+a
31
x
3
x
1
+ a
32
x
3
x
2
+ a
33
x
3
x
3
= a
11
x
2
1
+ 2a
12
x
1
x
2
+ 2a
13
x
1
x
3
+ a
22
x
2
2
+ 2a
23
x
2
x
3
+ a
33
x
2
3
Que es una ecuacin cuadrtica o de segundo orden, que geomtricamente
representa una supercie cudrica en el espacio.
Matrices cuadradas
Ejemplo
Sea V = R
n
, y H(x) = x
2
1
+ x
2
2
+ + x
2
n
la forma cuadrtica as
generada se puede representar como sigue:
H(x) = x

Ax =
n

i=1
n

j=1
a
ij
x
i
x
j
=
n

i=1
x
2
i
Lo que conduce a
a
ij
=
_
1 si i = j
0 si i = j
Luego, A = I
n
; y por lo tanto, H(x) se puede expresar como
x

I
n
x = x

x.
Denicin
Denicin
Se llama vectores propios de una matriz cuadrada de orden n a aquellos
vectores cuya direccin no se modica al transformarlos mediante la
matriz. Por tanto u es un vector propio de la matriz A si verca que:
Au = u
donde es un escalar, que se denomina valor propio de la matriz, se
supone adems que u = 0, ya que si no, es trivialmente cierta.
Denicin
Denicin
Para calcular el vector propio se puede escribir la ecuacin anterior como:
(AI)u = 0
que es un sistema homogneo de ecuaciones que tendr solucin no
trivial si, y slo si, la matriz del sistema (AI) es singular. El sistema
tiene solucin no nula si se verica que
p() = |AI| = 0
La funcin p se llama polinomio caracterstico y la ecuacin se
denomina ecuacin caracterstica de la matriz. Es una ecuacin
polinmica en de orden n y sus n races se denominan valores propios
de la matriz.
Denicin
Determinacin de valores y vectores propios
1 Encontrar p() = det(AI).
2 Hallar las races
1
,
2
, . . . ,
m
de p() = 0
3 Resuelver el sistema homogneo (A
k
I)u = 0, correspondiente a
cada valor propio
k
.
Denicin
Observacin
Los valores propios de una matriz tienen las propiedades siguientes:
1 Si es una valor propio de A, entonces
r
es un valor propio de
A
r
. En particular, si A es no singular, = 0 y
1
es un valor
propio de A
1
.
2 Los valores propios de una matriz y de su transpuesta son los
mismos.
3 tr(A) =

n
i=1

i
4 det(A) =

n
i=1

i
5 Si A es simtrica entonces sus valores propios son siempre reales y
los vectores propios son ortogonales
Denicin
Ejemplo
Sea A =
_
a
11
a
12
a
21
a
22
_
. Entonces el polinomio caracterstico
p() = det(AI) =

_
a
11
a
12
a
21
a
22
_

_
0
0
_

a
11
a
12
a
21
a
22

= (a
11
)(a
22
) a
12
a
21
= a
11
a
22
a
11
a
22
+
2
a
12
a
21
=
2
(a
11
+ a
22
) + a
11
a
22
a
12
a
21
=
2
tr(A) + det(A)
Denicin
Ejemplo
Sea A =
_
1 2
5 4
_
. Luego,
El polinomio caracterstico es p() =
2
5 6.
Las races del polinomio son
1
= 6 y
2
= 1.
El sistema homogneo correspondiente a
1
= 6 es (A6I)u = 0
__
1 2
5 4
_

_
6 0
0 6
__ _
u
1
u
2
_
=
_
5 2
5 2
__
u
1
u
2
_
=
_
0
0
_
u
=6
=
_
2
5
_
u
1
El sistema homogneo correspondiente a
2
= 1 es (A(1)I)u = 0
__
1 2
5 4
_
+
_
1 0
0 1
__ _
u
1
u
2
_
=
_
2 2
5 5
__
u
1
u
2
_
=
_
0
0
_
u
=1
=
_
1
1
_
u
1
Denicin
Ejemplo
Sea
A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
(AI) =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33

_
_
Entonces el polinomio caracterstico p() = det(AI) es
p() = (a
11
) [(a
22
)(a
33
) a
23
a
32
]
a
12
[a
21
(a
33
) a
23
a
31
] + a
13
[a
21
a
32
(a
22
)a
31
]
= (a
11
)
_
a
22
a
33
a
22
a
33
+
2

a
11
a
23
a
32
+ a
23
a
32

a
12
a
21
a
33
+ a
12
a
21
+ a
12
a
23
a
31
+ a
13
a
21
a
32
a
13
a
22
a
31
+a
13
a
31

Denicin
...Continuacin
= a
11
a
22
a
33
a
11
a
22
a
11
a
33
+ a
11

2
a
22
a
33
+ a
22

2
+ a
33

3
a
11
a
23
a
32
+ a
23
a
32
a
12
a
21
a
33
+ a
12
a
21
+ a
12
a
23
a
31
+a
13
a
21
a
32
a
13
a
22
a
31
+ a
13
a
31
=
3
+ (a
11
+ a
22
+ a
33
)
2
[(a
22
a
33
a
23
a
32
) + (a
11
a
33
a
13
a
31
)
+(a
11
a
22
a
12
a
21
)] + a
11
a
22
a
33
+ a
12
a
23
a
31
+ a
13
a
21
a
32
a
13
a
22
a
31
a
11
a
23
a
32
a
12
a
21
a
33
=
3
+ tr(A)
2
(m
11
+ m
22
+ m
33
) + det(A)
Diagonalizacin de matrices
Denicin
Una matriz A de orden n es semejante a una matriz B de orden n si
existe una matriz no singular P tal que
B = P
1
AP
Denicin
Una matriz A de orden n es diagonalizable si existe una matriz diagonal
D tal que A es semejante a D.
Diagonalizacin de matrices
Teorema
Una matriz A de orden n es diagonalizable si y slo si A tiene n vectores
propios linealmente independientes. En tal caso, si A = UDU
1
donde
D es diagonal, entonces los elementos de la diagonal D son los valores
propios de A y las columnas de U son los vectores propios
correspondientes.
Diagonalizacin de matrices
Procedimiento para diagonalizar una matriz cuadrada
Sea A una matriz real de orden n.
1 Determinar n vectores propios u
1
, u
2
, . . . , u
n
de A, con valores propios
correspondientes
1
,
2
, . . . ,
n
. Si no existen n vectores propios
linealmente independientes, entonces A no es diagonalizable.
2 Obtener U como la matriz cuyas columnas son los vectores propios
obtenidos en el numeral anterior. Es decir,
U =
_
u
1
u
2
. . . u
n
_
3 La matriz diagonal D = U
1
AU tendr los valores propios

1
,
2
, . . . ,
n
en su diagonal principal (y ceros en el resto). La posicin
de los vectores propios en la matriz U determina la posicin en que
aparecen los valores propios sobre la diagonal de D
Diagonalizacin de matrices
Teorema
Sean A una matriz diagonalizable de orden n y U una matriz no singular
de orden n tales que D = U
1
AU sea la forma diagonal de A. Entonces
1 D
k
= U
1
A
k
U
2 A
k
= UD
k
U
1
Diagonalizacin de matrices
Ejemplo
Considerando la matriz A del ejemplo anterior y su descomposicin en valores y
vectores propios tenemos
U =
_
2 1
5 1
_
, D =
_
6 0
0 1
_
y U
1
=
_
1/7 1/7
5/7 2/7
_
Luego,
UDU
1
=
_
2 1
5 1
__
6 0
0 1
__
1/7 1/7
5/7 2/7
_
=
_
1 2
5 4
_
= A
Y,
U
1
AU =
_
1/7 1/7
5/7 2/7
__
1 2
5 4
__
2 1
5 1
_
=
_
6 0
0 1
_
= D
Diagonalizacin de matrices
...Continuacin
Para calcular las matrices A
7
y exp (A) tenemos
A
7
= UD
10
U
1
=
_
2 1
5 1
__
6
7
0
0 (1)
7
__
1/7 1/7
5/7 2/7
_
=
_
79981 79982
199955 199954
_
exp (A) = Ue
D
U
1
=
_
2 1
5 1
__
e
6
0
0 e
1
__
1/7 1/7
5/7 2/7
_
=
_
115.53 115.16
287.90 288.27
_
Diagonalizacin de matrices
Ejemplo
Sea A =
_
3 2
8 5
_
el polinomio caracterstico es p() =
2
+ 2 + 1 que se
factoriza como p() = ( + 1)
2
El sistema homogneo correspondiente a = 1 es (A+I)u = 0
_
4 2
8 4
__
u
1
u
2
_
=
_
0
0
_
2u
1
= u
2
u
=1
=
_
1
2
_
u
1
Por lo tanto, A no contiene dos vectores propios linealmente independientes y
entonces, se concluye que la matriz A no es diagonalizable
Diagonalizacin de matrices
Cuando la matriz A est asociada a una forma cuadrtica, entonces, se
puede diagonalizar a H(x) mediante una matriz U ortogonal en cuyo
caso los elementos sobre la diagonal de la matriz D son los valores
propios de la matriz A.
Teorema
Sea H(x) una forma cuadrtica asociada a una matriz simtrica real A
con valores propios (no necesariamente distintos)
1
,
2
, . . . ,
n
. Sea U
una matriz ortogonal que diagonaliza a A. Entonces el cambio de
coordenadas
x = Uy
transforma a x

Ax en y

Dy, donde D = U

AU = diag(
1
,
2
, . . . ,
n
)
Diagonalizacin de matrices
Diagonalizacin de una forma cuadrtica
1 Hallar la matriz de coecientes simtrica A asociada a H(x).
2 Encuentre los valores propios
1
,
2
, . . . ,
n
de A.
3 Obtener una base para R
n
formada por los vectores propios
normalizados de A.
4 Formar la matriz U cuyas columnas sean los vectores de la base
hallada en el paso 3 en el orden correspondiente al listado de los
valores propios en el paso 2. La transformacin x = Uy es una
rotacin si det(U) = 1.
5 Transformar a H(x) en
1
y
2
1
+
2
y
2
2
+ +
n
y
2
n
Diagonalizacin de matrices
Ejemplo
Sea V = R
2
, y H(x) = x
1
x
2
. La matriz asociada a la forma cuadrtica es
A =
_
0 1/2
1/2 0
_
El polinomio caracterstico p() es
2
1/4 o ( 1/2)( + 1/2)
El sistema homogneo correspondiente a
1
= 1/2 es (A1/2I)u = 0
_
1/2 1/2
1/2 1/2
__
u
1
u
2
_
=
_
0
0
_
u
=1/2
=
_
1
1
_
u
1
El sistema homogneo correspondiente a
2
= 1/2 es (A(1/2)I)u = 0
_
1/2 1/2
1/2 1/2
__
u
1
u
2
_
=
_
0
0
_
u
=1/2
=
_
1
1
_
u
1
Denicin
...Continuacin
Los vectores propios forman una base ortogonal y por tanto, la diagonalizacin de la
forma cuadrtica formada a partir de las matrices de valores y vectores propios es
U =
_
1/

2 1/

2
1/

2 1/

2
_
y D =
_
1/2 0
0 1/2
_
La transformacin de coordenadas es
_
x
1
x
2
_
=
_
1/

2 1/

2
1/

2 1/

2
_
_
y
1
y
2
_
Y la forma diagonalizada es
y

Dy =
1
2
y
2
1

1
2
y
2
2
Diagonalizacin de matrices
Ejemplo
Sea V = R
3
, y H(x) = 2x
2
1
+ 5x
2
2
+ 2x
2
3
+ 4x
1
x
2
+ 2x
1
x
3
+ 4x
2
x
3
. La matriz
asociada a la forma cuadrtica es
A =
_
2 2 1
2 5 2
1 2 2
_
Ahora, para obtener el polinomio caracterstico p() se necesita
tr(A) = 2 + 5 + 2 = 9, m
11
= (5)(2) (2)(2) = 6, m
22
= (2)(2) (1)(1) = 3
m
33
= (2)(5) (2)(2) = 6, det(A) = 2(6) 2(2) + 1(1) = 7
Luego, p() =
3
+ 9
2
15 + 7 y p() = (7 )( 1)
2
Denicin
...Continuacin
El sistema homogneo correspondiente a
1
= 7 es (A7I)u = 0
__
2 2 1
2 5 2
1 2 2
_

_
7 0 0
0 7 0
0 0 7
___
u
1
u
2
u
3
_
=
_
5 2 1
2 2 2
1 2 5
__
u
1
u
2
u
3
_
=
_
0
0
0
_
Llevando A7I a la forma escalonada reducida
2F
1
+ 5F
2
F
2
F
1
+ 5F
3
F
3
_
5 2 1
0 6 12
0 12 24
_
3F
1
+ F
2
F
1
2F
2
+ F
3
F
3
_
15 0 15
0 6 12
0 0 0
_
Luego,
u
1
= u
3
, u
2
= 2u
3
y el vector propio u
=7
=
_
1
2
1
_
u
3
Denicin
...Continuacin
El sistema homogneo correspondiente a
2
= 1 es (AI)u = 0
__
2 2 1
2 5 2
1 2 2
_

_
1 0 0
0 1 0
0 0 1
___
u
1
u
2
u
3
_
=
_
1 2 1
2 4 2
1 2 2
__
u
1
u
2
u
3
_
=
_
0
0
0
_
Es claro que tan slo hay un vector columna (la) linealmente independiente, por lo
cual
u
1
= 2u
2
u
3
u =
_
2u
2
u
3
u
2
u
3
_
=
_
2
1
0
_
u
2
+
_
1
0
1
_
u
3
Que son los vectores propios asociados al valor propio = 1.
Denicin
...Continuacin
El vector propio asociado a = 7 es ortogonal a los vectores propios asociados a
= 1, pero estos ltimos no son ortogonales, por lo cual es necesario aplicarles el
proceso de Gram Schmidt. Para ello,
v
1
=
_
1 0 1
_

v
2
=
_
2 1 0
_

2
v
1
v
1

2
v
1
=
_
2 1 0
_

+
_
1 0 1
_

=
_
1 1 1
_

Entonces una base ortonormal formada a partir de los vectores propios

ortonormalizados es
_
1/

6
2/

6
1/

6
_ _
1/

2
0
1/

2
_ _
1/

3
1/

3
1/

3
_
Denicin
...Continuacin
La diagonalizacin de la forma cuadrtica formada a partir de las matrices de valores y
vectores propios es
U =
_
1/

2 1/

6 1/

3
0 2/

6 1/

3
1/

2 1/

6 1/

3
_
y D =
_
1 0 0
0 7 0
0 0 1
_
La transformacin de coordenadas es
_
x
1
x
2
x
3
_
=
_
1/

2 1/

6 1/

3
0 2/

6 1/

3
1/

2 1/

6 1/

3
__
y
1
y
2
y
3
_
Y la forma diagonalizada es
y

Dy = y
2
1
+ 7y
2
2
+ y
2
3
Denicin
Denicin
Dada una funcin f que depende de n variables, x
1
, x
2
, . . . , x
n
, que
pueden considerarse componentes de un vector x, la derivada de f
respecto a x es un vector cuyos componentes son la derivada de f
respecto a cada componente de x. Si
f(x) = f(x
1
, x
2
, . . . , x
n
)
f
x
=
_
_
_
_
_
_
f
x
1
f
x
2
.
.
.
f
x
n
_
_
_
_
_
_
Denicin
Ejemplo
Si f(x) = a

x = a
1
x
1
+ a
2
x
2
+ + a
n
x
n
entonces
f
x
=
_
_
_
_
_
a
1
a
2
.
.
.
a
n
_
_
_
_
_
= a
Denicin
Ejemplo
Si f(x) = x

Ax, donde A es simtrica entonces

x

Ax =
n

i=1
a
ii
x
2
i
+ 2

j>i
a
ij
x
i
x
j
Con lo cual se tiene que
f
x
1
= 2a
11
x
1
+ 2a
12
x
2
+ + 2a
1n
x
n
= 2a

1
x
f
x
2
= 2a
12
x
1
+ 2a
22
x
2
+ + 2a
2n
x
n
= 2a

2
x
.
.
.
f
x
n
= 2a
1n
x
1
+ 2a
2n
x
2
+ + 2a
nn
x
n
= 2a

n
x
Denicin
...Continuacin
Por lo tanto,
f
x
=
(x

Ax)
x
=
_
_
_
_
_
2a

1
x
2a

2
x
.
.
.
2a

n
x
_
_
_
_
_
= 2Ax
Denicin
Denicin
Dada una funcin f que depende de np variables, x
11
, x
12
, . . . , x
np
, que
son los componentes de una matriz rectangular n x p, X, la derivada de
f respecto a X se dene como la matriz cuyos componentes son la
derivada de f respecto a cada componente de X. La derivada es pues
una matriz de n x p. Si
f(X) = f(x
11
, x
12
, . . . , x
np
)
f
X
=
_
_
_
_
_
_
_
f
x
11
f
x
12
. . .
f
x
1p
f
x
21
f
x
22
. . .
f
x
2p
.
.
.
.
.
.
.
.
.
.
.
.
f
x
n1
f
x
n2
. . .
f
x
np
_
_
_
_
_
_
_
Denicin
Ejemplo
Sea X =
_
x
11
x
12
x
21
x
22
_
y sea f(X) = det(X) = x
11
x
22
x
12
x
21
.
La derivada de f respecto a X es
f
X
=
_
f
x
11
f
x
12
f
x
21
f
x
22
_
=
_
x
22
x
21
x
12
x
11
_
Luego,
f
X
= det(X)(X

)
1
Denicin
Denicin
Dado un vector y cuyos componentes son funciones f
i
de un vector de
variables x

=
_
x
1
x
2
. . . x
n
_
se dene la derivada de que y respecto a x
como la matriz cuyas columnas son las derivadas de los componentes f
i
respecto a x. Es decir, si
y

=
_
f
1
(x) f
2
(x) . . . f
n
(x)
_
Entonces
y
x
=
_
f
1
x

f
n
x
_
=
_
_
_
_
_
_
f
1
x
1
f
2
x
1
. . .
f
n
x
1
f
1
x
2
f
2
x
2
. . .
f
n
x
2
.
.
.
.
.
.
.
.
.
.
.
.
f
1
x
n
f
2
x
n
. . .
f
n
x
n
_
_
_
_
_
_
Denicin
Ejemplo
Sea x =
_
x
1
x
2
_

y las funciones f
1
(x) = 2x
1
+ 3x
2
, f
2
(x) = 4x
2
1
3x
1
x
2
.
Si y =
_
f
1
(x) f
2
(x)
_

la matriz Jacobiana es
y
x
=
_
f
1
x
1
f
2
x
1
f
1
x
2
f
2
x
2
_
=
_
2 8x
1
3x
2
3 3x
1
_