ESIME ZACATENCO

ANLISIS DE MATRICES Y VECTORES

TEORA DE CONTROL IV

INVERSION DE MATRICES
Matriz no singular y matriz singular. Una matriz A cuadrada se denomina no singular si hay
una matriz B tal que AB = BA = I. Si esa matriz B existe se denota por A-1. A la forma A-1 se le
llama inversa de A La matriz A-1 existe si det(A) no es cero. Si A-1 no existe, se dice que A es
singular. I es la matriz identidad.
Si A =
1
0
1

-2
-4
0

2
3
-1

inv(A)
0.6667
0.5000
0.6667

-0.3333
-0.5000
-0.3333

0.3333
-0.5000
-0.6667

La inversa de una matriz viene dada por la frmula de Cramer:

A 1

Adjunta( A)
A

donde A es el determinante de A y la matriz adjunta es la transpuesta de la matriz de

cofactores.
En el caso visto A es 6 y la adjunta de A es:
4 2 2
Adj(A) = 3 3 3
4 2 4

PROPIEDADES DE LA INVERSA:
1a) Si A y B son matrices no singulares, el producto AB es una matriz no singular y
(AB)-1 = B-1 A-1
B = [0 -1 2;1 3 -4;2 0 2]
0
1
2

-1
3
0

Profr. Salvador Saucedo

2
-4
2

Grupo 9A2M

VI pgina 1 de 13

ESIME ZACATENCO

ANLISIS DE MATRICES Y VECTORES

TEORA DE CONTROL IV

inv(B)
-3.0000
5.0000
3.0000

-1.0000
2.0000
1.0000

1.0000
-1.0000
-0.5000

1.1667
-2.3333
-1.3333

-1.1667
1.3333
0.8333

C = inv(A*B)
-1.8333
3.6667
2.1667

D = inv(B)*inv(A)
-1.8333
3.6667
2.1667

1.1667
-2.3333
-1.3333

-1.1667
1.3333
0.8333

Tambin; 1b) (A-1)t = (At)-1 y 1c) (A')-1 = (A-1)'

inv(A)'
0.6667
-0.3333
0.3333

0.5000
-0.5000
-0.5000

0.6667
-0.3333
-0.6667

inv(A')
0.6667
-0.3333
0.3333

0.5000
-0.5000
-0.5000

0.6667
-0.3333
-0.6667

2) Si k es un escalar: (kA)-1 = A-1/k

inv(3*B)
-1.0000
1.6667
1.0000

-0.3333
0.6667
0.3333

0.3333
-0.3333
-0.1667

-0.3333
0.6667
0.3333

0.3333
-0.3333
-0.1667

inv(B)/3
-1.0000
1.6667
1.0000

3) El determinante de A-1 es el recproco del determinante de A: det(A-1) = 1/det(A)

Profr. Salvador Saucedo

Grupo 9A2M

VI pgina 2 de 13

ESIME ZACATENCO

ANLISIS DE MATRICES Y VECTORES

TEORA DE CONTROL IV

det(A)
6
det(inv(A))
0.1667
Inversa de una matriz de 2x2:
a b

1
Si: A =
=

A
c
d
ad bc c

si ad bc 0

Si A es de 3x3 y su determinante es diferente de cero:

a b
A = d e
g h

c
f
i

entonces:

A 1

e
h
d
g
d
g

f
i
f
i
e
h

b
h
a
g
a

c
i
c
i
b
h

b c

e f
a c

d f
a b

d e

Lema de inversin de matriz: Si A, B, C y D son matrices de n x n, n x m, m x n y m x m,

respectivamente, entonces
(A + BDC)-1 = A-1 A-1 B(D-1 + CA-1 B)-1CA-1
siempre que las inversas indicadas existan.
A = [1 0 -2 3;2 -4 5 0;-3 3 0 7;1 -1 2 4];
inv(A)
-0.5342
-0.9178
-0.5205
0.1644

-0.7671
-0.9589
-0.2603
0.0822

-0.5616
-0.4521
-0.1370
0.0959

1.3836
1.4795
0.6301
-0.0411

B = [-5 2 0;2 -3 3;8 0 4;-2 3 9];

D = [0 1 0;0 0 1;-4 -7 -5];
Profr. Salvador Saucedo

Grupo 9A2M

VI pgina 3 de 13

ESIME ZACATENCO

ANLISIS DE MATRICES Y VECTORES

TEORA DE CONTROL IV

inv(D)
-1.7500
1.0000
0

-1.2500
0
1.0000

-0.2500
0
0

C = [3 8 0 -2;1 0 -2 2;4 3 -2 0];

E = inv(A+B*D*C)
-0.7939
0.7596
0.2606
0.2035

0.4161
-0.2603
0.1851
0.1204

-0.3766
0.3186
0.0394
0.0804

0.0020
-0.0369
-0.0825
-0.0776

F = inv(A)-inv(A)*B*inv(inv(D) + C*inv(A)*B)*C*inv(A)
-0.7939
0.7596
0.2606
0.2035

0.4161
-0.2603
0.1851
0.1204

-0.3766
0.3186
0.0394
0.0804

0.0020
-0.0369
-0.0825
-0.0776

Tambin:
A B
0 D

A 1
=
0

A 1 BD 1

D 1

Ejemplo:
E = inv([A
-0.5342
-0.9178
-0.5205
0.1644
0
0
0

B;zeros(3,4) D])
-0.7671 -0.5616
-0.9589 -0.4521
-0.2603 -0.1370
0.0822
0.0959
0
0
0
0
0
0

1.3836
1.4795
0.6301
-0.0411
0
0
0

-16.0993
-12.3116
-2.1096
0.3767
-1.7500
1.0000
0

-15.5582
-13.5103
-4.6849
-0.0205
-1.2500
0
1.0000

-1.5308
-0.9760
-0.0685
0.0479
-0.2500
0
0

-15.5582
-13.5103
-4.6849
-0.0205
-1.2500
0
1.0000

-1.5308
-0.9760
-0.0685
0.0479
-0.2500
0
0

F = [inv(A) -inv(A)*B*inv(D);zeros(3,4) inv(D)]

-0.5342
-0.9178
-0.5205
0.1644
0
0
0

-0.7671
-0.9589
-0.2603
0.0822
0
0
0

Profr. Salvador Saucedo

-0.5616
-0.4521
-0.1370
0.0959
0
0
0

1.3836
1.4795
0.6301
-0.0411
0
0
0
Grupo 9A2M

-16.0993
-12.3116
-2.1096
0.3767
-1.7500
1.0000
0

VI pgina 4 de 13

ESIME ZACATENCO

A 0
C D

ANLISIS DE MATRICES Y VECTORES

A 1
=
1
1
D CA

TEORA DE CONTROL IV

D 1

G = inv([A zeros(4,3);C D])

-0.5342 -0.7671 -0.5616
1.3836
-0.9178 -0.9589 -0.4521
1.4795
-0.5205 -0.2603 -0.1370
0.6301
0.1644
0.0822
0.0959 -0.0411
-16.1473 -19.1986 -10.5651 30.3493
9.2740 10.1370
5.4932 -16.0685
-0.8356
0.0822
0.0959 -0.0411

-0.0000
0.0000
-0.0000
0.0000
-1.7500
1.0000
-0.0000

-0.0000
-0.0000
-0.0000
0.0000
-1.2500
0.0000
1.0000

0
0.0000
0.0000
0.0000
-0.2500
0
-0.0000

0
0
0
0
-1.2500
0
1.0000

0
0
0
0
-0.2500
0
0

H = [inv(A) zeros(4,3);-inv(D)*C*inv(A) inv(D)]

-0.5342
-0.9178
-0.5205
0.1644
-16.1473
9.2740
-0.8356

-0.7671
-0.9589
-0.2603
0.0822
-19.1986
10.1370
0.0822

-0.5616
1.3836
-0.4521
1.4795
-0.1370
0.6301
0.0959 -0.0411
-10.5651 30.3493
5.4932 -16.0685
0.0959 -0.0411

0
0
0
0
-1.7500
1.0000
0

ECUACIN CARACTERSTICA DE LA MATRIZ A DE n x n:

La ecuacin caracterstica de la matriz A viene dada al igualar a cero el polinomio caracterstico,
el cual viene dado por el determinante:
sI - A = sn + a1sn-1 + ... + an-1s + an
Ejemplo:
4 4 5

A = 4 4 4
3 3 4

4
5
s4
4 s + 4 4
3
3 s + 4

= s 3 + 4 s 2 + 3s

= 0

A
4
4
-3
poly(A)

-4
-4
3

5
4
-4

%Para determinar el polinomio caracterstico de A:

1.0000

4.0000

3.0000

-0.0000

Valores principales (o races) de una matriz cuadrada. Vienen dados al resolver la ecuacin
caracterstica de la matriz.
Profr. Salvador Saucedo

Grupo 9A2M

VI pgina 5 de 13

ESIME ZACATENCO

ANLISIS DE MATRICES Y VECTORES

TEORA DE CONTROL IV

sn + a1sn-1 + ... + an-1s + an = (s - 1)(s - 2)...(s - n) = 0

eig(A)
-3.0000
0.0000
-1.0000
VECTORES PROPIOS (EIGENVECTORES) DE UNA MATRIZ n x n
a) Cuando las races son diferentes:
El vector propio Xi viene dado al resolver
AXi = iXi
donde i es el valor principal i.
Si X = [X1 X2 ... Xn] se tiene que X-1AX produce una matriz diagonal cuyos elementos de la
diagonal son las races de A.
[X,D] = eig(A)
X =
0.6745
0.4905
-0.5518

0.7071
0.7071
-0.0000

-0.7071
0.0000
0.7071

0
0.0000
0

0
0
-1.0000

0.0000
-0.0000
0.0000

0.0000
0.0000
-1.0000

D =
-3.0000
0
0
inv(X)*A*X
-3.0000
0.0000
0.0000

b) Cuando existen races complejas

A
3

Profr. Salvador Saucedo

-8

2
Grupo 9A2M

VI pgina 6 de 13

ESIME ZACATENCO

-2
3
3

ANLISIS DE MATRICES Y VECTORES

0
0
0

6
-7
-7

TEORA DE CONTROL IV

1
1
-1

poly(A)
1.0000

5.0000

8.0000

6.0000

0.0614i
0.5278i
0.0307i
0.3416i

0.6832
-0.1248
0.3416
-0.0307

[X,D] = eig(A)
X =
0
1.0000
0
0

0.6832
-0.1248
0.3416
-0.0307

+
+
+

+
-

0.0614i
0.5278i
0.0307i
0.3416i

-0.0789
0.6579
-0.2368
-0.7105

D =
0
0
0
0

0
-1.0000 + 1.000i
0
0

0
0
-1.000 - 1.000i
0

0
0
0
-3.000

inv(X)*A*X %Transformacin de semejanza

0
0
0
0

0.0000
-1.0000
-0.0000
0.0000

+
+
+
+

0.0000i
1.0000i
0.0000i
0.0000i

0.0000
-0.0000
-1.0000
0.0000

0.0000i
0.0000i
1.0000i
0.0000i

-0.000
0.000
0.000
-3.000

+
+
+

0.000i
0.000i
0.000i
0.000i

Notar que MATLAB calcula a los vectores propios de manera que la suma del cuadrado de sus
componentes para cada vector propio es 1.0. Esto es, de manera normalizada.
TEOREMA DE CAYLEY-HAMILTON:
El teorema establece que: una matriz cuadrada satisface su propia ecuacin caracterstica, esto es
An + a1An-1 + ... + an-1A + anI = 0
polyvalm(poly(A),A)
%ejemplo con MATLAB
4
3
2
% se evala A + 5A + 8A + 6A + 0I
1.0e-012 *
-0.0737
0.3926
-0.1021
Profr. Salvador Saucedo

0
0
0

0.0142
-0.7425
0.1377
Grupo 9A2M

0.0231
0.0737
0.0169
VI pgina 7 de 13

ESIME ZACATENCO

ANLISIS DE MATRICES Y VECTORES

-0.3437

0.6812

TEORA DE CONTROL IV

-0.0453

que es virtualmente cero.

ALGORITMO DE LEVERRIER (O DE FADDEEVA)
Permite calcular los coeficientes del polinomio caracterstico de una matriz de orden n x n.
Se definen las matrices E1, E2,...En y los escalares a1, a2, ..., an de la siguiente manera:
E1 = I

a1 = - traza(AE 1)/1

E2 = AE1 + a1I

a2 = - traza(AE 2)/2

..............

........................

En = AEn-1 + an-1I

an = - traza(AEn)/n

Tambin AEn + anI = 0, para comprobar el mtodo

%Mtodo de Leverrier ilustrado con MATLAB
A
3
-2
3
3

0
0
0
0

-8
6
-7
-7

2
1
1
-1

E1 = eye(4);
a1 = -trace(A*E1)/1
5
E2 = A*E1 + a1*eye(4)
8
-2
3
3

0
5
0
0

-8
6
-2
-7

2
1
1
4

a2 = -trace(A*E2)/2
8
E3 = A*E2 + a2*eye(4)
Profr. Salvador Saucedo

Grupo 9A2M

VI pgina 8 de 13

ESIME ZACATENCO

14
5
6
0

ANLISIS DE MATRICES Y VECTORES

0
8
0
0

-22
-3
-9
-3

TEORA DE CONTROL IV

6
6
3
3

a3 = -trace(A*E3)/3
6
E4 = A*E3 + a3*eye(4)
0
8
0
0

0
6
0
0

0
-13
0
0

0
9
0
0

a4 = -trace(A*E4)/4
0
E5 = A*E4 + a4*eye(4)
0
0
0
0

0
0
0
0

0
0
0
0

0
0
0
0

FUNCIONES DE LOS ELEMENTOS DE UNA MATRIZ

A = [0

1 ; -1

pi/2]

0
-1.0000

1.0000
1.5708

cos(A) % MATLAB puede calcular la funcin de cada elemento, ejemplo:

1.0000
0.5403

0.5403
0.0000

FUNCIONES DE UNA MATRIZ CUADRADA

f(A) se define mediante la serie convergente de Maclaurin:
f ( A) =

fk

k =0

A k / k ! ; donde

fk

= d k f ( ) / k en = 0

donde y fk son escalares. Por ejemplo:

eA = e0I + (e0)A + (e0)A2/2 + ... + Ak/k! + ...
Profr. Salvador Saucedo

Grupo 9A2M

VI pgina 9 de 13

ESIME ZACATENCO

ANLISIS DE MATRICES Y VECTORES

TEORA DE CONTROL IV

funm(A,'cos') %MATLAB calcula el coseno de la matriz

1.4385
0.7531

-0.7531
0.2554

Si T es una matriz no singular, existe la transformacin de similitud

T-1AT = D,
Entonces: A = TDT-1; y adems, f(A) = Tf(D)T-1
T = [-1 2;0 -2];

% Matriz de transformacin (no singular)

D = inv(T)*A*T % D es semejante a A (los valores principales de A son idnticos a los de D)

-1.0000
-0.5000

7.1416
2.5708

fd = funm(D,'cos')
2.1916
0.3766

-5.3786
-0.4977

fa = T*fd*inv(T)
1.4385
0.7531

-0.7531
0.2554

La ventaja de la propiedad anterior es cuando la matriz D resulta diagonal, lo cual se logra

usando a la matriz de vectores propios de A como la matriz de transformacin. La funcin de una
matriz diagonal es a su vez diagonal. Veamos un ejemplo:
A
-3.0000
-1.5000
[X,D] = eig(A)

0
-1.0000
% X es matriz de vectores propios

X =
0.0
1.0000

0.8000
0.6000

D = % Los elementos de la diagonal son los eigenvalores de A

Profr. Salvador Saucedo

Grupo 9A2M

VI pgina 10 de 13

ESIME ZACATENCO

ANLISIS DE MATRICES Y VECTORES

-1
0

TEORA DE CONTROL IV

0
-3

H = X*funm(D,'sin')*inv(X)
-0.1411
0.5253

0
-0.8415

100*H %para ver ms dgitos (tambin se puede con format long)

-14.1120
52.5263

0
-84.1471

G = funm(A,'sin');
100*G
-14.1120
52.5263

0.0000
-84.1471

Para corroborar que f(D) es diagonal:

10*funm(D,sin)
-8.4147
0.0

0.0
-1.4112

Rango de una matriz rectangular. Es el orden del determinante de orden mximo que podamos
formar (eliminando filas y columnas) que sea diferente de cero. Por ejemplo:
A =
1
-2
3
5

0
0
0
0

-4
5
0
-3

-2
2
5
1

19
-26
9
27

MATLAB puede determinar el rango de cualquier matriz:

rank(A)
3
MATLAB permite definir una matriz extrayendo sus elementos de otra:
B = A(2:4,3:5)
5
0

2
5

Profr. Salvador Saucedo

-26
9
Grupo 9A2M

VI pgina 11 de 13

ESIME ZACATENCO

-3

ANLISIS DE MATRICES Y VECTORES

TEORA DE CONTROL IV

27

det(B)
186
El rango de A es 3 porque no existe un determinante de cuarto orden que sea diferente de cero.
NORMA Norma de una matriz:
norm(X)
norm(X,2)
norm(X,1)

es el valor singular ms grande de X, max(svd(X)).

es lo mismo que norm(X).
es la 1-norma de X, La suma de columna ms grande,
= max(sum(abs((X)))).

A = [1 -2 4;0 -5 3; 2 3 -7];
norm(A)
10.2300
norm(A,1)
14
help cond
COND
Nmero de condicin con respecto a la inversin.
cond(X) retorna el nmero de condicin de la 2-norma (La
razn del valor singular ms grande de X al ms pequeo).
Nmeros de condicin muy grandes indican una matriz casi
singular.
cond(X,P) retorna el nmero de condicin de X en P-norma:
norm(X,P) * norm(INV(X),P).
donde P = 1, 2, inf, o 'fro.'
cond(A)
5.9338

Profr. Salvador Saucedo

Grupo 9A2M

VI pgina 12 de 13

ESIME ZACATENCO

ANLISIS DE MATRICES Y VECTORES

TEORA DE CONTROL IV

PROBLEMAS
1

Dadas las matrices A, B, C y D, usar MATLAB para calcular

a)
b)
c)
d)
e)
f)
g)
h)
i)

La ecuacin caracterstica, los eigenvalores y los eigenvectores de A.

La ecuacin caracterstica, los eigenvalores y los eigenvectores de D.
La norma y el nmero de condicin de A.
La norma y el nmero de condicin de D.
La inversa de (A + BDC) de manera directa y mediante el lema de inversin.
La inversa de (D + CAB) de manera directa y mediante el lema de inversin.
Calcular el coseno y el logaritmo natural de la matriz A.
Calcular exp(D)
Corroborar que:

A 0
C D

A 1
=
1
1
D CA

0 1 3
A = 2 0 1
0 2
2

D 1

3 0
B = 0 2
1 0

0 1 2
1 4
C =
D
=

0 1
2 1 0

Dadas las matrices A, B, C y D, usar MATLAB para calcular

j)
k)
l)
m)
n)
o)
p)
q)

La ecuacin caracterstica, los eigenvalores y los eigenvectores de A.

La ecuacin caracterstica, los eigenvalores y los eigenvectores de D.
La 1-norma y el nmero de condicin de A.
La 1-norma y el nmero de condicin de D.
La inversa de (A + BDC) de manera directa y mediante el lema de inversin.
La inversa de (D + CAB) de manera directa y mediante el lema de inversin.
Calcular el seno y el logaritmo natural de la matriz A.
Calcular, mediante una transformacin de similitud, exp(D)

1
0
0
1 2
0
A =
0 3 5

2 2
1

Profr. Salvador Saucedo

0
0

0
1
B
3
4

0
5

0
2
2 0
0 0 1 0
D =
C

1
1 1
2 0 1 1

Grupo 9A2M

VI pgina 13 de 13