Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1 Vector Unidad ............................................................................................................................. 48 2.2.2 Vector Nulo ................................................................................................................................. 49 2.2.3 Vector Suma ............................................................................................................................... 49 2.2.4 Escalares .................................................................................................................................... 49 2.3 OPERACIONES DE VECTORES ............................................................................................................... 50 2.3.1 Igualdad de Vectores.................................................................................................................. 50 2.3.2 Suma de Vectores ...................................................................................................................... 50 2.3.3 Multiplicacin por un Escalar ...................................................................................................... 52 2.3.4 Producto Escalar de Vectores (Producto Interno)...................................................................... 53 2.4 DISTANCIA ENTRE VECTORES ............................................................................................................... 54 2.5 MAGNITUD DE UN VECTOR .................................................................................................................... 55 2.6 NGULO ENTRE VECTORES .................................................................................................................. 56 2.7 INDEPENDENCIA (DEPENDENCIA) LINEAL DE VECTORES ......................................................................... 57 2.8 ESPACIO VECTORIAL ............................................................................................................................ 59 2.9 OPERACIONES DE MATRICES ................................................................................................................ 59 2.9.1 Igualdad de Matrices .................................................................................................................. 59 2.9.2 Suma de Matrices ....................................................................................................................... 60 2.9.3 Multiplicacin por un Escalar ...................................................................................................... 61 2.9.4 Multiplicacin de Matrices........................................................................................................... 61 2.9.5 Transposicin de Matrices.......................................................................................................... 64 2.10 MATRICES ESPECIALES ...................................................................................................................... 66 2.10.1 Matriz Cuadrada ....................................................................................................................... 66 2.10.2 Matriz Diagonal......................................................................................................................... 66 2.10.3 Matriz Identidad ........................................................................................................................ 66 2.10.4 Matriz Nula................................................................................................................................ 67 2.10.5 Matriz Idempotente ................................................................................................................... 68 2.11 DETERMINANTES................................................................................................................................ 68 2.12 RANGO .............................................................................................................................................. 75 2.14 TRAZA (TR) ....................................................................................................................................... 80 2.14 PRODUCTO KRONECKER .................................................................................................................... 80 2.15 EJERCICIOS PROPUESTOS .................................................................................................................. 81
43
CAPTULO 2
El lgebra lineal corresponde a una notacin compacta que permite representar un sistema de ecuaciones en forma simple, facilitando su solucin. As por ejemplo, el siguiente sistema de m ecuaciones lineales en n incgnitas,
(2.2)
Ax = b ,
donde
(2.2a)
a 11 a 21 A = a m1
a 12 a 22 am2
a 1n a 2n 3 , a mn
3. Por convencin, los subndices de cada elemento de la matriz expresan el nmero de la fila y de la columna a la cual pertenece el elemento. As, el elemento aij, es aqul ubicado en la i-sima fila y en la j-sima columna. 44
(2.2b)
x1 x 2 x= xn
b1 b 2 b = . b m
(2.2c)
El orden o dimensin de una matriz corresponde al nmero de filas y columnas de la matriz. Por ejemplo, la matriz A definida en (2. 2a), es de orden (m x n), es decir, m filas y n columnas, mientras que las matrices x y b son de orden (n x 1) y (m x 1), respectivamente.
Las matrices que contienen solamente una columna, como x y b en (2.2b) y (2.2c), se denominan vector columna. Anlogamente, aquellas matrices que contienen slo una fila, como
z = z1 z2 zp ,
(2.3)
se denominan vector fila1 . En ciertas ocasiones es conveniente representar a la matriz A de orden (m x n) como un vector fila o como un vector columna:
45
(2.4)
A = [ a 1
a 2
a n ]
a 1 a 2 = a m
donde el vector fila queda definido por los elementos a j , que corresponden a aqullos
contenidos por la j'sima columna de la matriz A, representada por
(2.4a)
a1j a 2j a j = , a mj
mientras que el vector columna, queda definido por los elementos de la isima fila, ai , de la matriz A, que se representan de la siguiente forma
ai = ai1 ai2 ain
(2.4b)
1. En lo que resta de este texto, a menos que se indique lo contrario, se trabajar con vectores columna. 46
2.1 Interpretacin Geomtrica de Vectores Un vector es un segmento lineal direccional caracterizado completamente por su
x1 magnitud y direccin. En la Figura 2.1.1, el vector x = , de orden (2 x 1) tiene, una x 2 magnitud, l, definida por (2.1.1)
l = ( b1 a1 ) + ( b 2 a 2 )
2
2 12
b2 x
x1
y una direccin determinada por el ngulo , que puede expresarse implcitamente en trminos de
b2 a2 b 1 a1
(2.1.2)
tan( ) =
b2 a2 = tan 1 . b 1 a1
47
Cabe resaltar que un vector de orden (n x 1) puede tener un punto inicial y terminal libre, en otras palabras, el vector es independiente de su ubicacin en el sistema de coordenadas de dimensin n y depende, exclusivamente, de su direccin () y magnitud (l) (Hadley, 1973). Como cualquier vector tiene su origen y punto terminal libre, por conveniencia se establece que el punto de inicio del vector ser siempre el origen del sistema de coordenadas. La conveniencia de esto radica en que se
establece una correspondencia uno a uno entre los puntos en el espacio y los vectores que emanan del origen. Por ejemplo, para un punto terminal ( x 1, x 2 ) , elemento del
plano de nmeros reales (i.e. ( x1, x2 ) 2 ), existe un vector nico, x, que puede ser dibujado desde el origen hasta ( x1, x2 ) . Alternativamente, para cualquier vector, x,
existe un punto nico en el sistema de coordenadas de orden n, que representa el punto terminal del vector.
2.2 Vectores Especiales 2.2.1 Vector Unidad El vector unidad, e i , es un vector columna de orden (n x 1) que contiene el nmero 1 en
la i'sima posicin y ceros en las dems posiciones. Por ejemplo, e1 3 est dado por
(2.2.1a)
1 e 1 = 0 , 0
mientras que e 3 5 es
48
(2.2.1b)
0 0 e 3 = 1 . 0 0
2.2.2 Vector Nulo El vector nulo, 0n , es un vector de dimensin (n x 1) con un cero en cada posicin. Es decir,
0 0 04 = . 0 0
(2.2.2)
2.2.3 Vector Suma El vector suma, 1n , es un vector de orden (1 x n) con unos en cada posicin. Por ejemplo, 13 = [1 1 1].
(2.2.3)
2.2.4 Escalares El escalar es un vector de orden (1 x 1), es decir, una matriz con un solo elemento (i.e.,
[ 6] ).
49
2.3 Operaciones de Vectores 2.3.1 Igualdad de Vectores Dos vectores, x y z, del mismo orden son iguales s y solo s (ssi)
(2.3.1)
xi = zi , i.
ssi ssi
xi zi i, xi zi i,
x > ( <) z
ssi
xi > ( <) zi i.
2.3.2 Suma de Vectores La suma de dos vectores x y z, cuando son conformables para la suma, se define como
(2.3.2)
Un conjunto de vectores son conformables para la suma ssi todos tienen la misma dimensin.
50
(2 + 1) 3 (x+y) = = . (0 + 4 ) 4
En la Figura 2.3.1 se presenta una interpretacin geomtrica de la operacin de suma. En este caso el vector y = x + z es la diagonal del paralelogramo cuyos lados son x y z.
y x z x
1
Figura 2.3.1 . Interpretacin geomtrica de la operacin de suma La suma de vectores satisface las siguientes dos propiedades:
El concepto de suma de vectores permite representar un vector como una suma de mltiplos escalares de vectores unidad. Por ejemplo, el vector a puede representarse de la siguiente forma:
51
(2.3.3)
a1 1 0 0 a = a2 = a1 0 + a2 1 + a3 0 = a1e1 + a2e 2 + a3 e 3 . 0 0 1 a3
2.3.3 Multiplicacin por un Escalar El producto de la multiplicacin de un escalar, , y de un vector x se define como un vector v cuyos elementos estn dados por xi i . Es decir, cada elemento del vector x es multiplicado por el escalar: x1 x 2 v = x = . xn
(2.3.4)
La multiplicacin por un escalar satisface las siguientes propiedades: P.2.3 Asociativa: ( x) = ( ) x , donde , y x n .
P.2.4 Distributiva: ( x + z) = x + z , donde , x n , z n , con
( + ) x = x + x , donde ,
y x n .
Cabe destacar que la multiplicacin de un vector por un escalar tal que > 0 y 1, provoca un cambio en la magnitud, pero no en la direccin del vector original (Figura 2.3.2). En cambio, cuando el escalar sea negativo (i.e. < 0 1), la multiplicacin produce un cambio en la magnitud y una reversin de la direccin.
52
x2
x1
2.3.4 Producto Escalar de Vectores (Producto Interno) El producto escalar entre un vector x n y z n se define como el siguiente escalar
n
(2.3.5)
x z = x i zi = x z
i= 1
Donde, x es un vector columna transpuesto, vale decir, la columna se intercambia por una fila.
53
dado por
1n x =
x
i=1
es
2 xy = [1 2 3] 4 = 2 + 8 + 18 = 28 6 1 yx = [ 2 4 6] 2 = 2 + 8 + 18 = 28 3
2.4 Distancia entre Vectores La funcin de distancia entre x n y z n est dada por
n 1 2 2 d( x,z) = ( xi zi ) . i=1
(2.4.1)
Esta funcin tambin se conoce como la funcin de distancia euclidiana, y sus propiedades son:
54
P.4.1: d( x,z) =0 si x=z. P.4.2: Desigualdad Triangular; es decir: d( x,z) + d( z,y) d( x,y) P.4.3: d( x,z) 0
x,z n
(2.5.1)
x = [ x x]
12
n 1 2 = xi2 . i =1
La magnitud de un vector es, entonces, un caso especial de la distancia de un vector al origen. Es decir,
(2.5.2)
x = d( x,0) .
Las propiedades de x son: P.5.1 x 0 . P.5.2 x = 0 ssi x = 0. P.5.3 x + y x + y . P.5.4 x = x . P.5.5 x y x y (Desigualdad de Schwartz).
55
2.6 ngulo entre Vectores El ngulo, , entre dos vectores x n y z n , donde x 0 y z 0 est dado por
(2.6.1)
cos( ) =
x z i =1 . = x z n 1 2 n 1 2 xi z i i =1 i =1
xi z i
cos (0)
= 1
0 < cos() < 1, (0,/2) cos (/2) = 0 -1 < cos() < 0, (/2,) cos () = -1 -1 < cos() < 0, (,3/2) cos (3/2) = 0 0 < cos() < 1, (3/2,2) cos (2) = 1,
(2.6.2)
x y cos( ) = xy ,
Adems, puede inferirse del signo del producto escalar. Por ejemplo, (a) si xy < 0 entonces es un ngulo obtuso; (b) si xy = 0 entonces es un ngulo recto; y (c) si xy > 0 entonces es un ngulo agudo.
2.7 Independencia (Dependencia) Lineal de Vectores Cuando un vector, elemento de un conjunto de vectores V , puede representarse como
una combinacin lineal de algunos de los otros vectores del conjunto, entonces se dice que el vector es linealmente dependiente de los dems y por tanto el conjunto de vectores es linealmente dependiente (LD) (Hadley, 1973). Intuitivamente, un conjunto de vectores linealmente dependientes contiene un vector redundante ya que al menos un vector est determinado por los dems vectores del conjunto.
En caso contrario, si ninguno de los vectores elementos del conjunto V , pueden ser representado como una combinacin lineal de los dems vectores, entonces se dice que el conjunto de vectores es linealmente independiente (LI) (Hadley, 1973). En un conjunto de vectores linealmente independientes no existe informacin redundante ya que cada vector es diferente de otro.
dependiente si algn i 0
n
(2.7.1)
i=1
iai = 0 .
57
Es decir, es
(2.7.2)
i=1
iai = 0 .
i=1
iai = 0 .
3 0 x = 0 e y = 1 1 0
son LI ya que
i=1
1 = 2 = 0.
Teorema 2.7.1: Un conjunto de vectores a1, a2, ..., an n es linealmente dependiente ssi uno de los vectores del conjunto es una
independiente.
58
De lo anterior se desprende los siguientes resultados: R1. Un conjunto de vectores que contiene solo el vector x n es LI si
x 0n .
R2. Un conjunto de vectores que contenga el vector nulo, 0n, es LD. R3. Un conjunto de vectores que contenga un subconjunto LD es LD.
2.8 Espacio Vectorial
Definicin 2.8.1: Un conjunto X sobre el cual estn definidas las operaciones de suma
y multiplicacin, es un Espacio Vectorial si se cumplen los siguientes axiomas (Leon, 1980; Caballero et al, 1992 y Takayama, 1985,1993)2:
A.1 x + y = y + x, para cualquier x, y X. A.2 (x + y) + z = x + (y + z), para cualquier x, y, z X. A.3 0 X x + 0 = x, x X. A.4 x X -x X x + (-x) = 0. A.5 Para cualquier y x,y X, (x + y) = x + y. A.6 Para cualquier , y x X, ( + )x = x + x. A.7 Para cualquier , y x X, ()x = (x). A.8 x X, 1x = x.
Por ende, un espacio vectorial X es un conjunto de puntos, denominados vectores, para los cuales las operaciones de suma y multiplicacin estn definidas.
{ }
{ }
2 Los axiomas A.2 y A.7 representan las leyes asociativas; el axioma A.4 es la ley conmutativa; y los axiomas A.5 y A.6 se denominan leyes distributivas. 59
(2.9.1a)
(2.9.1b)
aij = bij
i,j
La suma de dos matrices A = aij y B = bij , cuando son conformables para la suma, Dos matrices son conformables para la
2 1 1 3 y B = 4 5 . 0 3
(A+B) = = 4 8 (0 + 4) (3 + 5)
Ejemplo 2.9.2: Determine el resultado de (A-B), donde A =
4 5 2 5 y B = 3 0 1 2
( 2 + 1)
(1 + 3)
3 4
(A-B) (A + (-B))= = 2 2 . (1 3) (2 0)
( 4 2) (5 5)
60
{ }
{ }
{ }
Las propiedades de la multiplicacin de una matriz por un escalar son: P.9.3 Asociativa: ( A ) = ( ) A , donde , y A = a ij .
{ } A = {aij } ,
B = bij ,
{ }
{ }
Si dos matrices A = aij y B = bij son conformables para la multiplicacin, entonces el producto C = AB se define como sigue: (2.9.2)
n C = AB = c ij = aik bkj . k =1
{ }
{ }
{ }
Las matrices A = aij y B = bij son conformables para la multiplicacin ssi el nmero de columnas de A es igual al nmero de filas de B. El orden del producto C = AB est dado por el nmero de filas de la matriz A y por el nmero de columnas de B.
{ }
{ }
61
1 2 11 8 A = 4 7 y B = . 5 1 10 9
Las matrices A y B son conformables para la multiplicacin C = AB dado que el nmero de columnas de A es igual al nmero de filas de B. As, el producto AB est determinado por a11b11 + a12b21 a11b12 + a12b22 (11+10 ) (8+2) 21 10 C = AB = a21b11 + a22b21 a21b12 + a22b22 = (44+35 ) (32+7) = 79 39 . a31b11 + a32b21 a31b12 + a32b22 (110+ 45) (80+ 9) 155 89
{ }
C = x A = [ x1
x2
a 12 a 22 a m2
a 1 a 2 a m
a 1n a 2n a mn
C = x1
x2
xm
C=
x a
i i=1
Por lo tanto, al premultiplicar una matriz por un vector fila, se genera un vector fila que es el resultado de una combinacin lineal de los vectores filas de la matriz.
62
{ }
D = [a1 a 2
z1 z 2 an ] zn
n i =1 i i
D=
za
Por lo tanto, al postmultiplicar una matriz por un vector columna se genera un vector columna, que es el resultado de una combinacin lineal de los vectores columnas de la matriz.
P.9.5 Asociativa: Si A, B y C son conformables para la multiplicacin, entonces ABC = (AB)C = A(BC), P.9.6 Distributiva: Si A, B y C son conformables para la multiplicacin, entonces A (B + C) = AB + AC.
63
La matriz transpuesta de A = aij de orden (m x n), designada por A , se obtiene al intercambiar las filas y las columnas de la matriz original. Es decir, A = a ji es de orden (n x m).
{ }
{ }
1 2 A= 10 11 es 1 7 A = 5 2
7 5 2 4 6 9 1 3 4 7 8 4
2 10 11 4 1 7 . 6 3 8 9 4 4
{ }
si {aij} = {aji}.
{ }
1 2 3 A = 2 3 4 3 4 5
es simtrica ya que 1 2 3 A = 2 3 4 = A 3 4 5
0 2 3 A = 2 0 4 3 4 0
es skew-simtrica.
65
2.10 Matrices Especiales 2.10.1 Matriz Cuadrada Una matriz cuadrada es aqulla que contiene el mismo nmero de filas y columnas. 2.10.2 Matriz Diagonal La matriz diagonal, A = diag {ai}n, es una matriz cuadrada de orden (n x n) que puede representarse como a1 0 0 0 a 0 2 0 0 a3 A= 0 0 0 0 0 0 0 0 an
(2.10.1)
4 0 Ejemplo 2.10.1: La matriz es una matriz diagonal que puede ser representada 0 4 1 0 por 4 . 0 1
escalar.
1 0 0 Ejemplo 2.10.2: La matriz 0 2 0 es una matriz diagonal. 0 0 3
2.10.3 Matriz Identidad La matriz identidad, designada por In, es una matriz escalar en que los elementos de la
diagonal son unos, y fuera de la diagonal ceros. Por ejemplo I3 est dada por
66
(2.10.2)
1 0 0 I3 = 0 1 0 . 0 0 1
La matriz identidad cumple el mismo rol del nmero 1 en la operacin de multiplicacin. Es decir, para una matriz cuadrada A de orden (n x n), se tiene
(2.10.3)
AIn = InA = A.
2.10.4 Matriz Nula La matriz nula es una matriz, no necesariamente cuadrada, cuyos elementos son 0.
Por ejemplo. La matriz nula 02 es 0 0 02 = . 0 0
(2.10.4)
La matriz nula cumple con las mismas funciones del nmero 0 en aritmtica. Es decir,
(2.10.5a) (2.10.5b)
A+0=A A0 = 0
Ejemplo 2.10.3:
a11 a12 A+0= a21 a22 a13 0 0 0 a11 a12 = + a23 0 0 0 a21 a22 a13 = A a23
Ejemplo 2.10.4:
a A0 = 11 a 21 a 12 a 22 0 0 a 13 0 0 = 0 * 0 0 = a 23 0 0 0 0
67
2.10.5 Matriz Idempotente Una matriz idempotente es una matriz M que cumple con la siguiente propiedad M2 = M
(2.10.6)
(2.10.7)
M 2 = M M = M
2.11 Determinantes
Definicin 2.11.1:
(2.11.1)
A =
a11 a 21
a12 a 22
Para calcular el determinante de matrices cuadradas de orden mayor que 2 es necesario emplear los conceptos de menor y cofactor.
Definicin 2.11.3: El menor, Mij, asociado al elemento aij de la matriz cuadrada An, es
el determinante de la matriz cuadrada de orden ((n-1) x (n-1)), que resulta al borrar la isima fila y jsima columna de la matriz original An.
68
a12 a 22 a n2
(2.11.2)
es el determinante de la matriz que resulta al borrar la segunda fila y segunda columna. Es decir, M22 est dado por a1n a 3n .
a11 a 31 (2.11.3) M 22 = a n1
a13 a 33 a n3
a nn
M 32 =
a c d f
= af - cd.
69
(2.11.4)
C ij = ( 1)
( i+ j)
M ij .
a b c A = d e f g h i
es
C 32 = ( 1)
( 3 + 2)
M 32 = ( 1)
a c = - af + cd. d f
Finalmente, el determinante de una matriz cuadrada de orden mayor a 2 se calcula empleando la expansin de cofactores, la cual es un caso especial de la expansin de Laplace.
(2.11.5a)
det A = A =
a
j =1
pj
C pj
a
i =1
iq
C iq .
a11 A = a 21
a12 a 22
A = a i2 C i2 = a i2 ( 1)
i=1 i=1 3
( i+ 2 )
Mi2
= a12 ( 1) a 21 + a 22 ( 1) a11
4
= a11a 22 a12 a 22
A =
a1j C 1j =
j=1 2
a
j=1
1j
( 1) ( j+1) M1j
3
= a 11 ( 1) a 22 + a 12 ( 1) a 21 . = a 11a 22 a 12 a 22
71
A =a
e f d f d e b +c h i g i g h
Expandiendo por la tercera columna, por otro lado, nos da un determinante igual a
A =c
d e g h
a b g h
+i
a b d e
3 2 1 B = 2 0 6 4 1 7
Como el resultado es independiente de la fila o columna que se elige para la expansin de cofactores, se elige el ms conveniente que es la segunda columna ya que contiene un cero. El determinante de B es, por ende,
B = 2
2 6 4 7
3 1 2 6
= 2( 14 24) ( 18 2) = 20 16 = 4
3 2 1 A = 2 0 6 4 1 7
es 4 (ver Ejemplo 2.11.6). El determinante de la matriz resultante de intercambiar la primera y segunda columnas es
2 3 1 0 2 6 =2 1 4 7
2 6 4 7
+1
3 1 2 6
= 2( 14 24) ( 18 2) = 20 + 16 = 4
P.11.5 Si los elementos de una fila (columna) de una matriz A son multiplicados
por una constante , el determinante resultante ser veces el determinante de la matriz original.
a b c
A = d e f g h i
= aei afg bdi + bfg + cdh ceg y el de B, que es la matriz resultante de multiplicar la primera columna de A por ,
73
P.11.6 Si cada elemento de una fila (columna) es multiplicado por una constante
, y estos productos son sumados a los elementos correspondientes de otra fila (columna), entonces el determinante resultante es igual al original.
1 2 A= 3 4 es A = -2. Al multiplicar la primera fila por y sumar el resultado a la segunda fila genera una matriz 1 2 B= , 3 + 4 + 2
akjC ij = 0,
j=1
k i y
a
i=1
ik
Cij = 0,
k i.
1 2 A= , 3 4
74
a
j=1
1j
C 2 j = 1 (2) + 2 ( 1) = 0 .
2.12 Rango Definicin 2.12.1: El Rango Columna de una matriz A = {aij} de orden (m x n) es el
nmero mximo de columnas linealmente independientes.
Teorema 2.12.1: Para cualquier matriz A = {aij} de orden (m x n), el mximo nmero de
columnas linealmente independientes es igual al nmero mximo de filas linealmente independientes. O sea el rango fila de A = rango columna de A.
Rango A = R (A) = rango columna A = rango fila A Por el teorema anterior tenemos que para una matriz A = {aij} de orden (m x n), el rango de A ser:
(2.12.1)
R( A ) min{m, n}
75
Empleando este concepto de rangos y la propiedad P.11.7 de determinantes, el concepto de una matriz no singular puede redefinirse como:
(2.12.2)
R( A ) = n
Esta relacin entre rango y no-singularidad de las matrices permite definir el rango de las matrices de una forma ms simple:
Definicin 2.12.5: Dada una matriz A = {aij} de orden (m x n), el rango de A es el orden
de la mayor submatriz cuadrada contenida en dicha matriz que posea determinante no nulo.
El primer paso es encontrar el determinante de la submatriz cuadrada de orden 1, B1, la cual est dada por
B1 = 3 = 3 0 .
Dado que esta submatriz es no-singular, se calcula el determinante de la submatriz B2; es decir,
B2 =
3 1 6 2
= 0.
El resultado anterior implica que esta submatriz es singular. Sin embargo, la matriz B contiene otra submatriz cuadrada de orden 2 que podra ser no-singular. Por lo tanto,
76
es necesario calcular el determinante de la submatriz cuadrada de orden 2 que resulta de intercambiar la segunda y tercera columna de la matriz B; es decir,
B1 = 2
3 2 6 4
= 0.
Como el determinante resultante es 0, el R(B) = 1 ya que el orden de la mayor submatriz cuadrada contenida en la matriz B que posea determinante no nulo es 1.
a 11 a 21 A= a m1
a 12 a 22
a m2
a 1n a 2n a mn
c)
destacar que an con estos intercambios de filas o columnas, se mantiene la restriccin que la nueva submatriz cuadrada de orden 2 debe contener la submatriz A1. c) d) Si A j2 0 entonces el R(A) 2 y se calcula el determinante de A3. Si A j2 = 0 entonces se intercambia una de las filas o columnas de la submatriz A2 por otra fila o columna y se calcula A k ; nuevamente esta 2 nueva submatriz de orden 2 debe contener la submatriz A1. e) Este proceso se continua hasta que se agotan las posibilidades de intercambio. f) Si no existe una submatriz A2 cuyo determinante es no-nulo, entonces el R(A) = 1.
destacar que an con estos intercambios de filas o columnas, se mantiene la restriccin que la nueva submatriz cuadrada de orden 3 debe contener la submatriz A2. c) d)
j Si A 3 0 entonces el R(A) 3 y se calcula el determinante de A4. j Si A 3 = 0 entonces se intercambia una de las filas o columnas de la
submatriz A3 por otra fila o columna y se calcula A k ; nuevamente esta 3 nueva submatriz de orden 3 debe contener la submatriz A2. e) Este proceso se continua hasta que se agotan las posibilidades de intercambio. f) Si no existe una submatriz A3 cuyo determinante es no-nulo, entonces el R(A) = 2.
R.12.5. Este procedimiento se repite hasta encontrar la submatriz de mayor orden que
tenga determinante no-nulo.
78
0 2 A= 2 2
5 3 1 . 4 4 2 6 1
Es importante destacar que dado que R(A) min (4,3), R(A) 3. Para estimar el rango exacto, se sigue el procedimiento establecido anteriormente. 1. A 1 = 0 . Por ende, se intercambia la primera y segunda columnas. Este intercambio genera la siguiente matriz modificada:
1 3 A1 = 4 2
5 2 1 2 4 2 6
2.
3. A 1 = 2
1 0 3 2
4 2
79
1 3 A2 = 2 4
0 5 2 1 . 2 6 2 4
2 2
2.14 Traza (Tr) La traza de una matriz cuadrada, A, es la suma de los elementos diagonales de la
matriz. Formalmente, Tr (A ) =
(2.13.1)
a
i
ii
2.14 Producto Kronecker Para cualquier matriz A y B el producto kronecker se define como
80
(2.14.1)
a 12B L a 1k B a 22B L a 2k B a 32 B L a 3k B M M M a n2 B L a nk B
Es importante destacar que el producto kronecker no requiere de conformabilidad ya que puede ser calculado para cualquier par de matrices. Por ejemplo, si la matriz A es de orden (k x l) y la matriz B es de orden (m x n), entonces el producto kronecker
{ } y A = {a }
(n x n )
(n x n )
2.15.2. Dados dos vectores no nulos, x1 y x2, el ngulo (0 180) que ellos forman, esta relacionado con el producto escalar x1x2 (=x2x1) como sigue:
agudo es un ngulo recto ssi el producto x1x2 (=x2x1) es obtuso > = 0. <
Verifique esta condicin calculando el producto escalar para cada uno de los siguientes pares de vectores: 1 3 a) x1 = ; x2 = 4 2 3 1 b) x1 = ; x 2 = 2 4
81
3 3 c) x1 = ; x 2 = 2 2 1 1 e) x1 = 2 ; x2 = 2 2 0
1 0 d) x1 = 0 ; x2 = 2 0 0
0 5 2.15.3. Dados x1 = y x 2 = , encuentre grficamente las siguientes operaciones 3 1 a) 2x2 b) x1 + x2 c) x1 - x2 e) 2x1 + 3x2 2.15.4. Los vectores d) x2 - x1 f) 4x1 - 2x2 1 7 1 a1 = ; a 2 = ; a3 = 7 2 9 a) son linealmente independientes o dependientes? b) Los vectores a1 y a2 son linealmente independientes o dependientes? c) Forme la matriz A = a1a 2a 3 . Cul es el rango columna de A? d) Para la misma matriz, cul es el rango fila? e) Es el rango de A completo?. Por qu?. f) Considere ahora la matriz 1 8 B= 9 3 Cul es el rango de BA?
82
2.15.6. Para cada uno de los siguientes conjuntos de vectores, muestre si son linealmente independientes o dependientes.
2 a) x1 = 3 3 b) x1 = 1 2 3 d) x1 = 1 2 3 x2 = 4 6 x2 = 2 1 2 x2 = 4 6 1 x3 = 2 3 3 c) x1 = 1 2 2 e) x1 = 1 6 x2 = 3 1 3 x2 = 4 2 x 3 = 1 4 1 x3 = 2
2.15.7. Para la operacin = (X' X) -1 X' Y , donde X es de orden T*K, Y de orden T*1, y es de orden K*1, determine si las siguientes afirmaciones son verdaderas o falsas. Justifique sus respuestas. a) La matriz XX es cuadrada. b) La matriz resultante de (XX) es simtrica. c) La matriz XY es cuadrada. d) La matriz (XX) debe ser no singular.
2.15.8. Determine considerando: i) Una matriz X de orden T*K, donde R(X) = K ii) Una matriz M definida por [In X( X ' X ) 1 X '] a.- el orden de XX b.- si XX es simtrica c.- el orden de la matriz identidad para que la operacin definida en ii) sea conformable d.- si M es simtrica y e.- si M es idempotente; es decir M*M=M.
1 1 1 3 X = 1 2 0 5 1 1 1 2
a) Cul es la dimensin de X. b) Calcule X'X. Qu puede decir sobre las propiedades del producto? (i.e. es simtrica? matrices simtricas cumplen con la propiedad A=A, cuadrada? Nula?) c) Considere A = [In X ' X] . i) Qu valor debe tomar n para que la operacin sea conformable?
83
ii) Calcule A.
1 X = 1 1
Calcule x'x y xx'. Qu puede concluir? 9 1 8 7 2.15.11. Dadas las matrices A = , b = 6 , cul es la dimensin de la 0 2 4 0 matriz nula resultante en cada uno de los siguientes casos? a) premultiplicar A por una matriz nula de 4*2 a) postmultiplicar A por una matriz nula de 3*6 a) premultiplicar b por una matriz nula de 4*3 a) postmultiplicar A por una matriz nula de 1*5
3 2 7 a) A = 0 1 3 3 4 1
2.15.14. Para la matriz B, del ejercicio anterior, puede Ud. identificar una combinacin lineal entre la segunda, tercera, y quinta filas? Justifique.
a)
b)
c)
2.15.18. Determine si las siguientes afirmaciones son verdaderas o falsas; justifique sus respuestas.
a) Si {v1,v2,...,vn} es un conjunto de vectores linealmente dependientes, entonces existen n escalares no todos nulos, 1,..., n , tales que 1v1 + 2 v 2 + ... + n v n = 0 . Un conjunto de vectores es linealmente independiente si uno de ellos puede expresarse como una combinacin lineal de los dems.
b)
85