Professional Documents
Culture Documents
ESCUELA DE POSGRADO
MAESTRÍA EN ECONOMÍA
1
2
Ejemplos.
Hallar los valores propios y los correspondientes vectores propios asociados para cada
matriz.
" # !
1 5 1
i) A = tiene spec(A) = { 2, −4} con vectores propios respectivos
1 −3 0,2
!
1
y .
−1
" # !
2 4 1
ii) A = tiene spec(A) = {0, 3} con vectores propios respectivos
1/2 1 −0, 5
!
1
y
0, 5
" # !
1 3 1
iii) A = , λ1 = λ2 = 1 y S1 = {t : t ∈ R}
0 1 0
" # ! !
1 0 1 0
iv) A = , λ1 = λ2 = 1 y S1 = {v1 + v2 : v1 , v2 ∈ R.}
0 1 0 1
4 1 −6
v) A = 2 1 6 Tenemos los valores propios λ1 = 2, λ2 = 2 y λ3 = 6, con
2 −1 8
1 0 1
vectores propios asociados 2 , 6 y 1 , por lo que
0 1 1
1 0 1
S2 = {v1 2 + v2 6 : v1 , v2 ∈ R} y S6 = {t 1 : t ∈ R.}
0 1 1
" # !
3 4 1
vi) A = Se tiene: λ = 3 + 4i con vector propio y λ = 3 − 4i con vector
−4 3 i
!
1
propio .
−i
NOTA: Los valores propios de una matriz triangular coinciden con los elementos de la
matriz ubicados en la diagonal principal.
Proposición 1. Si A es una matriz simétrica, entonces sus valores propios son números
reales.
0.1. VALORES PROPIOS Y VECTORES PROPIOS 3
Dada A una matriz de orden n, si existe una matriz invertible P y una matriz diagonal D
ambas de orden n, tales que
A = P DP −1 (4)
Observación 1.
Si v 1 , · · · , v r son vectores propios correspondientes a autovalores distintos λ1 , · · · , λr de
A, entonces {v 1 , · · · , v r } es una colección de vectores linealmente independientes.
Observación 2.
Si A es simétrica de orden n y si λ1 , λ2 son valores propios diferentes, con vectores pro-
pios asociados v 1 y v 2 respectivamente; entonces estos vectores son ortogonales, es decir
(v 1 )t v 2 = 0.
La justificación1 se basa en el hecho que (v 2 )t Av 1 = (At v 2 )t v 1 = (Av 2 )t v 1 = λ2 (v 2 )t v 1 .
Del mismo modo, (v 2 )t Av 1 = λ1 (v 2 )t v 1 . Por tanto
(λ1 − λ2 )(v 2 )t v 1 = 0
y en consecuencia (v 2 )t v 1 = 0.
En particular esto se consigue si los valores propios de la matriz simétrica A son distintos
entre si.
|A| = λ1 λ2 · · · λn
siendo λi los valores propios de A. En tal caso, A es invertible si sus valores propios son
no nulos.
1
Los vectores v 1 y v 2 son columnas.
4
Definición 2. Dada una matriz A de orden n, una forma cuadrática en Rn es una función
de valor real, del tipo
Q(x) = xt Ax ∀x ∈ Rn . (5)
h it Xn
Si A = [aij ] de orden n y x = x1 · · · xn entonces xt Ax = aij xi xj .
i,j=1
h it
Ejemplos. i) En R2 , para x = x1 x2
" #" #
1 3 x1
Q(x) = [x1 x2 ] = x21 + 4x1 x2 + 5x22 .
1 5 x2
h i0
ii) Si A = diag(a, b, c) y x = x1 x2 x3 entonces x0 Ax = ax21 + bx22 + cx23 .
a d/2 e/2
iii) Si A = d/2 b f /2 entonces xt Ax = ax21 + dx1 x2 + ...
e/2 f /2 c
Observación 4.
0 r s
Considere la matriz antisimétrica C = −r 0 t se tiene
−s −t 0
0 2
x Cx = 0x1 + 0x1 x2 + ... = 0.
En general para una matriz antisimétrica C, se cumple x0 Cx = 0.
Recuerde que dada una matriz cualquiera A, esta se puede expresar como A = S + C con
S simétrica y C antisimétrica, por lo que
x0 Ax = x0 Sx + x0 Cx = x0 Sx
Asumiendo que A es una matriz simétrica de orden n, se dice que la forma cuadrática
Q(x) = xt Ax para x ∈ Rn , es:
Proposición 2. Dada la forma cuadrática Q(x) = x0 Ax, con A simétrica que posee valores
propios λ1 , · · · , λn , entonces Q es:
0 0 2
2 1 −1 √ √
iii) A = 1 −1 0 tiene espectro {−1; −1+2 17 ; −1−2 17 }, por tanto A es indefi-
−1 0 −1
nida.
6
Dada una matriz A de orden p × q, manteniendo el orden de las filas y las columnas,
se pueden generar submatrices de A, de modo que A sea un arreglo de sus submatrices.
Ası́ por
ejemplo, si
1 2 3 7 " # " #
1 2 3 7 h i
A = 0 4 6 1 , asignamos A11 = , A12 = , A21 = 2 1 3
0 4 6 1
2 1 0 3
" #
h i A11 A12
y A22 = 3 , entonces podemos escribir A =
A21 A22
ADICIÓN:
Si A y B son matrices particionadas como A = [Aij ]m×n y B = [Bij ]m×n , tales que cada
Aij + Bij esté bien definida, entonces
A + B = [Aij + Bij ]
Xn
AB = [ Aik Bkj ]
k=1
siempre que los productos Aik Bkj y las sumas estén bien definidas.
bn
AB = a1 b1 + · · · + an bn.
0.3. MATRICES PARTICIONADAS 7
" #
A B
2) Suponga que M = donde A es cuadrada de orden m y D es cuadrada de
C D
ordenn, entonces A es de "orden m #+ n.
A B
Particularmente, si M =
O D
con A y D cuadradas, entonces |M | = |A||D|. Si adicionalmente, A y D tienen
inversa, se sigue que M tiene inversa y
" #
A −1 −A−1 BD −1
M −1 =
O D−1
M/A := D − CA−1 B
M/D := A − BD−1 C
Diagonalización
1) Si A es regular, entonces
" # " #" #" #
A B I O A O I A−1 B
=
C D CA−1 I O M/A O I
2) Si D es regular, entonces
" # " #" #" #
A B I BD−1 M/D O I O
=
C D O I O D D−1 C I
Dado el sistema
AX + BY =p
CX + DY =q
Si D es regular, eliminando Y y resolviendo para X se tiene