Professional Documents
Culture Documents
FORMAS CUADRTICAS
q1 = 4u 2 + 4uv + 3v 2
4 2 u
v]
2 3 v
[u
4 2
A=
2 3
La matriz asociada a una forma cuadrtica se obtiene en este caso,
posicionando los coeficientes correspondientes a los trminos cuadrticos,
siempre, en la diagonal principal, mientras que, los coeficientes de trminos de
productos cruzados se dividen en partes iguales y se ubican fuera de la
diagonal (similar razonamiento se realiza al tratar con matrices de mayor
dimensin).
Luego, debemos obtener el signo de la forma cuadrtica, para lo cual
distinguimos tres tipos de procedimientos:
1) algoritmo de completar cuadrados
2) determinacin del signo por medio del estudio del signo de los autovalores
3) por determinantes
En nuestro ejemplo, tomamos la matriz asociada a q1 y obtenemos los
menores principales,
A1 = 4 > 0
A2 =
4 2
=8>0
2 3
A (2 x 2 ) u (2 x1 ) = u (2 x1 ) ,
donde, A es, en este caso la matriz asociada a la forma cuadrtica, u es el
vector que llamamos caracterstico y es el escalar, denominado raz
caracterstica o autovalor. Replanteando la ecuacin anterior, tenemos:
( A I )u = 0 (2 x1)
Presentado el sistema de ecuaciones, pretendemos encontrar una solucin no
trivial para el vector u, de manera que debemos exigirle a la matriz ( A I ) que
sea singular, o lo que es lo mismo, que su determinante sea igual a cero:
A I =
4
2
=0
2
3
(4 )(3 ) 4 = 0
12 4 3 + 2 = 0
2 7 + 8 = 0
Calculamos las races del polinomio caracterstico, obteniendo:
7 17
1,44 > 0
2
7 + 17
2 =
5,56 > 0
2
1 =
b)
q 2 = 4 x1 5 x 2 2 x3 + 4 x1 x 2
2
[x1
x2
0
4 2
x3 ] 2 5 0
0
0 2
x1
x
2
x3
4
A = 2
0
2
5
0
0
0
2
a11
a12
a12
a 22
).
Calculamos a partir de la
correspondientes a nuestro
continuacin:
A1 = 4 < 0
4
A3 = 2
0 = 32 < 0
A2 =
= 16 > 0
( A I )x = 0 (3 x1)
Planteamos, como paso siguiente, la condicin de singularidad de la matriz
( A I ) que nos garantiza la bsqueda de soluciones no triviales.
4
2
0
A I = 2
5
0 =0
0
0
2
Luego, mediante la resolucin del determinante, obtenemos el polinomio
caracterstico.
( 4 )( 5 )( 2 ) [4( 2 )] = 0
(20 + 9 + )( 2 ) + 8 + 4 = 0
2
40 38 112 3 + 8 + 4 = 0
3 + 112 + 34 + 32 = 0
Obtenemos, entonces, las races caractersticas:
1 2,44 < 0;
Por lo tanto, al ser todas las races caractersticas de signo negativo, podemos
afirmar tambin, que la forma cuadrtica q 2 resulta ser definida negativa.
c)
q3 = x1 + 2 x1 x 2 4 x 2 6 x 2 x3 3 x3
2
[x1
x2
0 x1
1 1
x3 ] 1 4 3 x 2 ,
0 3 3 x3
Donde,
0
1 1
A = 1 4 3
0 3 3
es la matriz asociada a la forma cuadrtica q3 .
2) Pasamos, entonces, a determinar el signo de q3 , de acuerdo con el
algoritmo de completar cuadrados, segn el cual definimos ya, las condiciones
A1 = 1 < 0
A2 =
1 1
=3>0
1 4
1 1 0
A3 = A = 1 4 3 = 0
0 3 3
Si se observan las condiciones presentadas en el ejercicio anterior, en el que
se abord una forma cuadrtica de tres variables, observamos que
( 1)1 ( 1) = 1 > 0 ; ( 1)2 (3) = 3 > 0 ; y ( 1)3 (0) = 0 , corresponden a las condiciones
q3 como semidefinida
( A I )x = 0 (3 x1)
Expresamos la condicin que garantiza una solucin no trivial del sistema
planteado,
1
1
0
A I = 1
4
3 = 0
0
3
3
Desarrollamos, luego, el determinante para obtener la expresin polinmica
caracterstica. Tenemos entonces:
( 1 )( 4 )( 3 ) [9 ( 1 ) + ( 3 )] = 0
(4 + 5 + )( 3 ) [ 9 9 3 ] = 0
2
12 19 82 3 + 12 + 10 = 0
3 + 8 2 + 9 = 0
Las races caractersticas, resultan ser
d)
[u
1 1 2 u
z ] 1 2 3 v
2 3 5 z
1 1 2
A = 1 2 3
2 3 5
2) A partir de la matriz obtenida, y teniendo en cuenta el primero de los
criterios examinados al comienzo, calculamos los menores principales
correspondientes a la matriz A , asociada a la forma cuadrtica q 4 .
A1 = 1 > 0;
A2 =
1 1
= 1 > 0;
1 2
1 1 2
A3 = A = 1 2 3 = 0
2 3 5
( A I )u = 0 (3 x1)
Repetimos la imposicin de singularidad a la matriz
permite definir la expresin:
( A I ) ,
lo cual nos
1
1
2
A I = 1
2
3 =0,
2
3
5
De la cual obtenemos la ecuacin caracterstica, desarrollando previamente el
determinante. Este procedimiento se expone a continuacin:
(10 17 + 2
3 + 12 [22 14 ] = 0
3 82 + 3 = 0
Calculamos las races caractersticas y obtenemos los siguientes autovalores:
1 = 0;
2 0,39 > 0;
3 7,6 > 0.
Al ser los i autovalores (i:1,2,3) mayores o iguales que cero, verificamos que
efectivamente la forma cuadrtica q 4 es semidefinida positiva.
e)
[u
0 1 1 0 u
1 1 2 0 v
;
w]
1 2 1 0 z
0
0 6 w
0
0 1 1 0
1 1 2 0
A=
1 2 1 0
0
0 6
0
2) De la matriz obtenida en el paso anterior, hallamos los menores principales,
necesarios para el anlisis de las condiciones que darn el signo de la forma,
de acuerdo con el procedimiento de completar cuadrados.
A1 = 0;
A2 =
0 1
= 1 < 0;
1 1
0 1 1
A3 = 1 1 2 = 2 < 0;
1 2 1
0 1 1
1 1 2
A4 =
1 2 1
0 0 0
0
0
= 12 < 0.
0
6
A (4 x 4 ) u (4 x1 ) = u (4 x1 )
De la misma y reordenando obtenemos la expresin del sistema de ecuaciones:
( A I )u = 0 (4 x1)
Fijamos, entonces, la condicin que nos permitir obtener una solucin no
trivial,
1
1
0
1 1
2
0
A I =
=0
1
2
1
0
0
0
0
6
De aquella, desarrollamos el determinante de acuerdo con la regla de Laplace,
obteniendo el polinomio caracterstico:
1
( 1)
+ (1) ( 1)
[18 15
0 + (1) ( 1) 1 1
6
0
0 +
6
1 1
0
1
2
0 +0 = 0
0
0
6
] [
] [
+ 4 3 + 4 + 12 + 7 2 + 6 + 7 2 = 0
4 + 43 172 + 32 12 = 0
del
polinomio,
obteniendo
como
1 = 0;
2 0,27 < 0;
3 3,73 < 0;
4 = 6 > 0.
Observamos que los signos de los autovalores obtenidos varan, lo cual indica
que q5 es una forma cuadrtica indefinida.
, representa:
ab < 0
a b a, b > 0
a=b>0
[ a = 0 b 0] [ a 0 b = 0]
Figura
Hiprbola
Elipse
Circunferencia
Dos rectas paralelas
(Tabla 1)
Estas figuras resultan simtricas con respecto a los dos ejes de coordenadas.
Cuando las figuras estn rotadas sobre el origen, su expresin algebraica no
permite a simple vista determinar de qu tipo se trata (salvo la circunferencia,
que no vara).
Por ejemplo, las expresiones x 2 + 3 xy + y 2 = 1 y x 2 + xy + y 2 = 1 representan una
hiprbola y una elipse respectivamente.
[ x1
a b 2 x1
y1 ]
=1
b 2 c y1
o en forma compacta
X 1T AX 1 = 1
La matriz A es simtrica, y por esto diagonalizable a travs de un cambio de
base ortogonal.
A = P 1 DP X 1T P 1 DPX 1 = 1
Definiendo PX 1 = X 2
( PX 1 )T = X 2T
X 1T PT = X 2T
Por ser P una matriz ortogonal, PT = P 1
(1)
X 2T = X 1T P 1
La expresin original resulta entonces
y2 ] 1
0
X 2T DX 2 = 1 [ x2
0 x2
= 1 1 x22 + 2 y22 = 1
2 y2
x 2 + 3xy + y 2 = 1 [ x
1 3 2 x
y]
=1
3 2 1 y
1 3 2
son:
3 2 1
1 = 5 2, 2 = 1 2 ,
y la matriz P compuesta por los vectores propios es:
2 2
2 2
2 2 2 2
5 2 1 2
u v =1
2
2
Ejemplo 2:
Identificar la figura representada por x 2 + xy + y 2 = 1
x 2 + xy + y 2 = 1 [ x
1 1 2 x
y]
=1
1 2 1 y
1 3 2
son
3 2 1
1 = 3 2, 2 = 1 2 ,
y la matriz P compuesta por los vectores propios es
2 2
2 2
2 2 2 2
3 2 1 2
u + v =1
2
2
Ejemplo 3:
El rea de una elipse ax 2 + by 2 = 1 es igual a a b . Como la elipse
3 2 1 2
u + v = 1 , su rea
2
2
V T = V P / PT * P = P * PT = I PDPT = V
Donde:
X T VX = Varianza de la cartera
X= composicin de la cartera
Llamando PT * X = X y reemplazando V por PDPT = V se puede arribar a:
X TVX = X T * P * D * PT * X =
= ( PT * X ) * D * ( P * X ) = X T *D * X
T
Luego:
X T *D * X = Varianza de la cartera
Abriendo la expresin:
X T *D * X =
= ( x1
x2
x3
1 0
0 2
....... xn ) 0 0
0 0
0
0
3
0
0 x1
...... 0 x2
..... 0 x3
.... n xn
......
X T *D * X = ( x1 ) 1 + ( x2 ) 2 + ( x3 ) 3 + ....... + ( xn ) n
2
1;1
2;1
T
P * X = 3;1
n;1
1;2 1;3
2;2 2;3
3;2 3;3
1;n x1 x1
2;n x2 x2
3;n x3 = x3
n;n xn
n;2 n;3
x
n
xi = i ;1 * x1 + i ;2 * x2 + i ;3 * x3 + ........ + i ;n * xn = i ; j * x j
j =1
x1
x
Rn ) 2 = RT * X
xn
R p = xi Ri = ( R1
i =1
R2
RT * P * X = ( PT * R ) X
T
y recordando que:
1;1
2;1
T
P = 3;1
n ;1
1;1
2;1
T
P * R = 3;1
n;1
1;2
2;2
3;2
1;3
2;3
3;3
n ;2
n ;3
1;2 1;3
2;2 2;3
3;2 3;3
n;2 n;3
Luego:
n
1;i * Ri
i =1
2;i * Ri
T
P * R = i =1
*R
n ;i i
i =1
1; n
2; n
3; n
n ; n
1;n R1
2;n R2
3;n R3
n;n Rn
Entonces
i =1
j ;i
0
1
.......
0
(
) 0
0 0
......
2
..... 0 1 = j = C
j
.... n 0
......
X / X T *V * X = X T * ( P * D * PT ) * X =
= ( PT * X ) * D * ( PT * X ) = X T *D * X = 0
T
Es decir que se puede conformar una cartera libre de riesgo. Esta puede ser
expresada en funcin de los activos incorrelacionados. Entonces
X T *D * X = 0
( x1
x2
x3
1 0
0 2
....... xn ) 0 0
0 0
0
0
......
......
.....
....
0 x1
0 x2
0 x3 = 0
n xn
X T *D * X = ( x1 ) 1 + ( x2 ) 2 + ( x3 ) 3 + ....... + ( xn ) n = 0
2
21
1;2 1 2
V = 1;3 1 3
1;2 1 2
22
2;3 2 3
1;n 1 n
2;n 2 n
3;n 3 n
2n
....
1;2
V = 1;3
1;2
2;3
i =1
1;n
2;n
3;n
....
2
i
=0
V =
1;2
1;2
2
i2 = 1 ( 1;2 ) i2 = 0
I =1
( 1;2 ) = 1 1;2 = 1
2
I =1
n=3:
1
V = 1;2
1;3
1;2
1
1;3
2;3
2;3
i =1
2
i
=
2
Conclusiones:
CADENAS DE MARKOV
Natalia Ins Montilla
En este trabajo voy a presentar un problema que se encuentra dividido en 3
partes, segn su nivel de complejidad. En la primera parte, el problema no
presenta ningn punto absorbente. En la segunda, presenta uno. Y en la
tercera, presenta dos.
1RA Parte:
Tras un exhaustivo estudio de mercado sobre el comportamiento de los
usuarios de servicio de telefona mvil, se concluy que:
Para recordar cmo interpretar la matriz: el elemento de la primera fila
y segunda columna es la probabilidad de que los que hoy estn conformes en
el prximo perodo no estn totalmente satisfechos.
(t ) = ( 0) .P t
(Siendo (0) el vector de distribucin inicial)
Esto se debe a que:
X t .P = X t +1
ya que en un proceso de Markov, por definicin, slo influye el pasado
inmediato, es decir:
X 0 .P = X 1
X 1 .P = X 2
X 0 .P t = X t
Volviendo a la pregunta: para conocer la distribucin en los 5 perodos
posteriores:
(5) = (0) .P 5
(0) = [0.1;0.4, 0.5]
0.056 0.65 0.294
Interpretando el resultado:
En 5 aos, el 3.34% estarn conformes, el 64.74% no se encontrar
totalmente satisfechos y el 31.92% estar insatisfecho.
OBSERVACIN: Los porcentajes anteriores son probabilidades condicionadas,
tambin se pueden hallar esperanzas condicionadas. Es decir, dada la
cantidad inicial, buscar una cantidad que se espera haya en cada categora.
Para esto, habra que reemplazar en el vector inicial (0) cada porcentaje, por
la cantidad de cada categora, y posmultiplicarlo por P5 . La interpretacin del
resultado es anloga a la interpretacin del resultado anterior.
bEn este punto es necesario cambiar el vector inicial, ya que estaramos
considerando que actualmente TODOS se encuentran no del todo satisfechos.
Cambiando esto, el resto sigue la misma lgica que el punto anterior:
(0) = [0;1;0]
(5) = (0) .P 5
El nuevo (5) sera
(5)
Interpretando el resultado:
De los que actualmente no estn totalmente satisfechos con su servicio,
en 5 aos, el 3.2% se encontrar conforme, el 65.6% seguir no totalmente
satisfecho y el 31.2% estar insatisfecho.
La respuesta al ejercicio sera: de los que, actualmente, no estn del todo
satisfechos, el 31.2% se encontrar insatisfecho en 5 aos.
OBSERVACIN: Los porcentajes anteriores son probabilidades condicionadas,
tambin se pueden hallar esperanzas condicionadas. Es decir, dada la
cantidad inicial, buscar una cantidad que se espera haya en cada categora.
Para esto, habra que reemplazar el 1 de ( 0) por el nmero que hubiera
originalmente en esa categora.
El vector ( 5) es igual a la segunda columna de la matriz P 5 (por qu?)
cPara resolver este punto hay que recordar algo de teora: Toda matriz de
Markov tiene un autovalor igual a uno y los dems son en mdulo menor a la
unidad.
X 0 .P t = X t
siendo P
nxn
X t = V1 .1 + V2 . 22 + ... + Vn .n n
donde 1 = 1 y j 1 | j = 2;3;...; n
Cuando hago t
X t = V1
X *t = V1
X * .P = X *
X* P= X*
x j = 1
Haciendo ( X * .P ) = ( X *)t
t
P t X *t = X *t
P=
0.01 0.27 0.42 0.3
0
0
1
0
ACLARACIN: La cuarta fila/columna se refiere al abandono por parte del
usuario del servicio de telefona mvil.
En este caso la matriz presenta un estado absorbente, el cual se puede
fcilmente identificar con un 1 en la diagonal principal en la fila
correspondiente a dicho estado (en el resto de las filas tiene que haber 0, por
qu?)
Pregunta: en el largo plazo, cuntos usuarios habr en cada categora?
Respuesta: slo habrn ex usuarios que se hayan cansado del servicio de
telefona mvil (esto se puede sacar de manera intuitiva).
3RA Parte:
(La complicacin aumenta cuando hay ms de un estado absorbente).
Ahora supongamos que los usuarios que se encuentren insatisfechos nunca
dejen de estarlo, quedando la matriz:
P=
0
0
1
0
0
0
1
0
Inicialmente los usuarios se reparten de la siguiente manera:
Conformes: 30%
No totalmente satisfechos: 70%
a- En dos perodos, qu proporcin de usuarios habr en cada categora?
b-Qu proporcin de usuarios abandonarn el servicio de telefona mvil y
qu proporcin se quedar insatisfecho?(en el largo plazo)
c-Cul es el nmero promedio de perodos en que los usuarios se
encontrarn en cada uno de los estados no absorbentes?
aEste punto se resuelve exactamente igual que los anteriores. Es decir, busco
(2) , siendo (2) = (0) .P 2
( 0 ) = [ 0 .3; 0 .7; 0; 0 ]
0.22 0.36 0.24 0.18
P =
0
0
1
0
0
0
1
0
(2) = [ 0.192;0.346;0.289;0.173]
OBSERVACIN: Aunque a esta altura parezca innecesario recordarlo: siempre
conviene verificar que la suma de los elementos del vector de 1.
Interpretando el resultado: En dos aos el 19.2% se encontrar conforme, el
34.6% no estar totalmente satisfecho, el 28.9% estar insatisfecho y el
restante 17.3% se habr cansado de la telefona mvil.
bParticionando la matriz P:
P=
0
0
1
0
0
0
1
0
0.2 0.6
H =
0.3 0.4
0.1 0.1
G=
0.2 0.1
0 0
N =
0 0
1 0
I =
0 1
1
Necesito hallar: ( I H ) . G = Q . G
0.6
0.4
0.63 0.37
( I H ) .G =
1
2
2
1
Q = ( I H ) =
1 2.67
Interpretando el resultado: El usuario totalmente conforme pasar, en
promedio, 2 perodos conforme y 2 perodos no totalmente satisfecho, antes de
pasar a los estados absorbentes. Mientras que, el usuario que no est
totalmente satisfecho, pasar, en promedio, 1 ao estando conforme y 2.67
aos estando no totalmente satisfecho, antes de pasar a los estados
absorbentes.