Вы находитесь на странице: 1из 20

Métodos Numéricos Aplicados

AUTOVALORES Y AUTOVECTORES DE UNA MATRIZ

2.1. ASPECTOS BÁSICOS

Para ingresar a los estudios de los valores propios de una matriz


debemos tener cierta familiaridad con matrices y determinantes los
números complejos.

2.1.1. MATRICES, DEFINICIÓN, INTERPRETACIÓN

DEFINICIÓN: Llamaremos matriz a un arreglo rectangular de entes


(números, funciones, etc) ordenados en filas y columnas.

Filas

 a11 a12 Columnas


... a1i ... a1n 
a 
 21 a22 ... a2i ... a2n 
 a31 a32  a3i  a3n 
 
       
am1 am2  ami  amn 
  mn

2.1.2. ORDEN DE UNA MATRIZ: Se llama así al producto de las filas y


columnas.
3
2
4
;
 3 4 1 0 9
; aij  m n  aij  filas  columnas
 5  2 2  9
 8 7 0 5 25

2.1.3. MATRIZ FILA Y MATRIZ COLUMNA

MATRIZ FILA: Llamaremos matriz fila o vector fila a aquella matriz que
posee sólo una fila y n columnas.
La representamos del siguiente modo: A   a11 , a12 , a13 , ..., a1n 1 n

Páá giná 1
Métodos Numéricos Aplicados

MATRIZ COLUMNA: Llamaremos matriz columna o vector columna a


aquella matriz que posee sólo una columna y m filas.
 a11 
a 
La representamos del siguiente modo: A   21 
  
 
a m1  mx1

2.1.4. IGUALDAD DE MATRICES: Las matrices A  aij ; B  bij son    


iguales si tienen el mismo orden; es decir el número de filas y columnas
de cada una deben de ser iguales y además cada elemento de una de
ellas tiene que ser igual al correspondiente de la otra.
Su representación matricial es:
A  B  aij  bij ; i 1,2,...,m j 1, 2,3,..., n

El resultado quiere decir que los elementos de las matrices A y C son


diferentes excepto el elemento que está en la segunda fila y primera
columna

2.1.5. PRODUCTO DE UN ESCALAR POR UNA MATRIZ:


 a11  a1n 
A      
a m1  a mn 

Ejemplo:
 2 4   10 20 
1. 5A  5  
 1  2    5  10 

PLANTA1 PLANTA 2 PLANTA 3 PLANTA 4


PRODUCTO  1 5600 2330 5400 4580
2. PRODUCTO  2 2330 4500 4500 2500
PRODUCTO  3 5040 4500 5600 9500
PRODUCTO  4 4580 2500 9500 4600

Páá giná 2
Métodos Numéricos Aplicados

Esta matriz nos proporciona la cantidad de productos producidos por


una empresa en cuatro diferentes plantas cuando su producción
aumenta en diez veces.

Propiedades:
1 A   (A)

2 (    ) A  A   A

SUMA DE MATRICES: Dadas las matrices A   aij  m n y B  bij  m n ; la

suma de ambas A  B es otra matriz C   cij  m n en la que cada


elemento de C es igual a la suma de los elementos correspondientes
de A y B .
Su representación matricial es:

C  A  B  aij  bij mn  (a  b)ij  mn
Ejemplo:
8  5  5 6  3 1
1. A    ; B     C  A  B   
6 1  0 2   6 1
2. En una empresa
PLANTA1 PLANTA 2 PLANTA 3 PLANTA 4
PRODUCTO  1 50 20 50 40
M1= PRODUCTO  2 20 40 40 50
PRODUCTO  3 50 50 60 90
PRODUCTO  4 40 25 90 60

PLANTA1 PLANTA 2 PLANTA 3 PLANTA 4


PRODUCTO  1 50 20 50 40
M2= PRODUCTO  2 10 10 4 0
PRODUCTO  3 20 5 6 9
PRODUCTO  4 10 2 9 6

Esta matriz nos proporciona el costo para producir parte de cada uno de
los cuatro productos en cuatro plantas ubicadas en ciudades diferentes
se requiere saber el costo total de cada uno de los productos.

Páá giná 3
Métodos Numéricos Aplicados

Matriz de costo total =

PLANTA1 PLANTA 2 PLANTA 3 PLANTA 4


PRODUCTO  1 100 40 100 800
PRODUCTO  2 30 50 44 50
PRODUCTO  3 70 55 66 99
PRODUCTO  4 50 27 99 66

Propiedades:
1. A B  B A
2. A  ( B  C )  ( A  B)  C

3.  ( A  B )  A   B

4.  A;  0 tal que A  0  A

2.1.6. PRODUCTO DE MATRICES


El producto de las matrices A.   aij  m p y B  bij  p  n es una matriz
C  cij  m n . El producto de las matrices estará definido correctamente si
A es conforme con B ; es decir si el número de columnas de la matriz
A es igual al número de filas de la matriz B .

Su representación matricial es:

A  aij  m p   p n 
; B  bij   m n
C  A  B  cij

Donde el elemento cij es el producto escalar de la fila i de A por la


columna j de B , es decir:
p
cij   aik . bkj ; i  1,..., m ; j  1,..., n
k 1

Ejemplo:
1 2 2  1
1. A    ; B    ; Entonces:
1 3 0 2 

Páá giná 4
Métodos Numéricos Aplicados

1 2   2  1 1(2)  2(0) 1(1)  2(2) 


C  AB   .   
1 3   0 2   1( 2)  3(0) 1(1)  3(2) 
 2 3
C   
 2 5

Propiedades:

1. A.B  B. A
2. A.( BC )  ( AB )C

3. A.( B  C )  AB  AC

4. ( B  C ) A  BA  CA

5. kA.B  AkB ; k  IR

2.1.7. TIPOS ESPECIALES DE MATRICES:

1. MATRIZ CUADRADA: Cuando m  n; se llama matriz cuadrada

de orden n y se denota por A   Aij  n n .


A2 : Matriz cuadrada de orden 2x2.
A3 : Matriz cuadrada de orden 3x3.

An : Matriz cuadrada de orden nxn.

Ejemplo:
1 2 3
 
1. A3   7 5 0
0 8 6 

Páá giná 5
Métodos Numéricos Aplicados

0 9 8 7 6 5 4
 
3 2 78 5 8 6 9
5 7 0 0 0 78 0
 
2. A7   2 1 1 1 1 1 1
0 0 0 5 6 74 9 

8 0' 2 5 5 6 0
 
1 1 2 2 2 0 1

2. MATRIZ TRIANGULAR SUPERIOR: Llamaremos matriz


triangular superior a aquella matriz cuyos elementos aij son ceros para
i  j ; y se representa como:

 a11 a12 a13 a1n 


...
 
 0 a 22 a 23 ... a 2n 
A 0 0 a33 ... a3n 
 
      
 0 0 0 0 a nn 

3. MATRIZ TRIANGULAR INFERIOR: Llamaremos matriz triangular


inferior a aquella matriz cuyos elementos aij son ceros para i  j ; y se
representa como:
 a11 0 0... 0 
 
 a 21 a 22 0... 0 
A   a31 a32 a33 ... 0 
 
      
a a m3  a nn 
 m1 a m 2

4. MATRIZ DIAGONAL: Llamaremos matriz diagonal a aquella


matriz donde todos sus elementos aij son ceros para i  j , y se
representa de la siguiente forma:
 a11 0 0 ... 0 
 
 0 a 22 0 ... 0 
A 0 0 a33 ... 0 
 
      
 0 0 0 0 a nn 

Páá giná 6
Métodos Numéricos Aplicados

5. MATRIZ ESCALAR: Es aquella matriz diagonal donde todos los


elementos son igual a una constante K ; y se representa de la siguiente
manera:
K 0 0 ... 0
 
0 K 0 ... 0
A0 0 K ... 0
 
     
0 0 0 0 K 

6. MATRIZ IDENTIDAD: Es una matriz escalar con K  1 ; y se


representa de la siguiente manera:
1 0 0 ... 0
 
0 1 0 ... 0
A  0 0 1 ... 0
 
    
0 0 0 0 1 

7. MATRIZ TRANSPUESTA: Dada una matriz   m n ;


A  aij

llamaremos transpuesta de A denotada por At a la matriz  a ji  n m

 a11 a12 a13 ... a1n   a11 a 21 a31 ... a m1 


   
 a 21 a 22 a 23 ... a 2n   a12 a 22 a32 ... am2 
A  a31 a32 a33 ... a3n  A   a13 a 23 a33
  t ... a m3 
   
             
a   a mn 
 m1 a m 2 a m3 ... amn   a1n a 2n a3n ...

Ejemplo:
1 2 1 3
1. A     At   
 3 4   2 4
Propiedades:
1. It  I

2.  A t t  A
3.  kA t  kAt

4.  AB  t  B t . At

5.  A  B t  At  B t

Páá giná 7
Métodos Numéricos Aplicados

8. MATRIZ SIMÉTRICA: Se dice que una matriz cuadrada es


simétrica si se cumple que los elementos aij  a ji ; i  j ; es decir A  At .

2 0 2 2 0 2
  t  
Ejemplo: A   0 4 5  A  0 4 5
2 5 3  2 5 3 
 

9. MATRIZ ANTISIMÉTRICA: Una matriz cuadrada A se llama anti


simétrica si A   At

Ejemplo:
 0 2 4 0 2  4  0 2 4
  t   t  
1. A   2 0 6  A  2 0  6   A    2 0 6
 4 6 6  4 6 0   4 6 0 
  

 A  At

0  4  0 4 0  4
2. A     At      At   
4 0   4 0 4 0 

 A  At

10. MATRIZ HERMITIANAS

Las matrices cuadradas cuyos elementos tienen simetría conjugada se

le llama matriz Hermitianas es decir: , en donde * indica la

conjugada compleja

Ejemplo:

, en donde

Observemos si todos los elementos de la matriz Hermitiana fueran


reales, entonces tenemos una matriz simétrica.

Páá giná 8
Métodos Numéricos Aplicados

11. MATRIZ BANDA


Es una matriz cuadrada en donde la mayor parte de los elementos son
ceros y los elementos con valor significativo están agrupados alrededor
de su diagonal principal en este caso se llama matriz banda.

Ejemplo:

 1 1 0 0 0 
 
1 2 1 0 0 
A 0 1 2 1 0 
 
 0 0 1 2  1
 0 0 0 1 1 

Obs.
1. Las líneas paralelas a la diagonal principal se le llama
codiagonales.
2. El número total de diagonal y codiagonales con elementos
significativos es el ancho de banda (3 en este ejemplo).
3. Para matrices simétricas puede también hablarse de un ancho de
semi – banda; que incluye a la diagonal principal (2 en el ejemplo
precedente).
4. Una matriz banda tiene baja densidad. Considerando densidad
como la razón entre el número de elementos con valor significativo y el
número total de elementos.

2.1.8 DETERMINANTE DE UNA MATRIZ

Definición: Determinante de una matriz A denotada por det( A)  A .


 a11 a12 
Si A    ; entonces det( A)  a11 .a 22  a 21.a12
 a 21 a 22 

Páá giná 9
Métodos Numéricos Aplicados

Ejemplo:
 1 2
1. A     det( A)  1(3)  2(1)  3  2  5
 1 3

2.1.8.1. MENOR COMPLEMENTARIO


Definición: Llamaremos menor complemento " M ij "

de un elemento de una matriz A de tercer orden al determinante de una


matriz cuadrada de segundo orden que se obtiene después de eliminar
la fila i y la columna j ; ( M ij ) .
El menor complementario de aij se denota por M ij .

 a11 a12 a13 


 
 
Ejemplo: A  aij 33   a 21 a 22 a23  el menor complementario de:
a 
 31 a32 a33 

 a 22 a 23 
a11 es M 11   
 a32 a33 

 a12 a13 
a 21 es M 21   
 a32 a33 

2.1.8.2. COFACTOR DE UN ELEMENTO


Sea aij un elemento de una matriz A denotaremos cofactor Aij y se

define como: Aij    1 i  j M ij

 a11 a12 a13 


 
Sea A   a 21 a 22 a 23  entonces
a 
 31 a32 a33 

A11    1 11 M 11  M 11
A12    11 2 M 12   M 12
A13    1 1 3 M 13  M 13

Entonces A  a11 M 11  a12 M 12  a13 M 13

Ejemplo:

Páá giná 10
Métodos Numéricos Aplicados

1 0 0
  2.3
1. A  1 2 3  det( A)  1  10
 0 0 5 0,5
 
» A=[1 0 0;1 2 3;0 0 5]
A=
1 0 0
1 2 3
0 0 5
» det(A)
ans =
10
2.

 2 5 3
 
B   2 3 4   det( B )  2 3(1)  (4)(2)   5 (2)(1)  4(0)   3 ( 2)(2)  3(0) 
 0 2 1 

Por lo tanto det( B )  2(11)  10  12  44


» B=[2 5 3;-2 3 4;0 -2 1]
B=
2 5 3
-2 3 4
0 -2 1
» det(B)
ans =
44
2.1.8.3. Propiedades:

1. Si se intercambian una fila por una columna en su determinante


su valor no se altera.

Páá giná 11
Métodos Numéricos Aplicados

a1 a2 a3 a1 b1 c1
Es decir: b1 b2 b3  a 2 b2 c2
c1 c2 c3 a 3 b3 c3

2. Si todos sus elementos de una fila o columna son ceros el


determinante es cero.
3. Si se intercambian dos filas o dos columnas continuas el
determinante cambia de signo.
a1 a2 a3 b1 b2 b3
Es decir: b1 b2 b3  a1 a2 a3
c1 c2 c3 c1 c2 c3

4. Si un determinante tiene dos filas ó dos columnas iguales o


proporcionales su valor es cero.
a1 a2 a3
Es decir: ka1 ka2 ka3  0
c1 c2 c3

5. Todos los elementos de una fila o columna de un determinante se


multiplica por un número el valor del determinante queda multiplicado
por el número.
ka1 a2 a3 a1 a2 a3 a1 a2 a3
Es decir: kb1 b2 b3  kb1 kb2 kb3  k b1 b2 b3
kc1 c2 c3 c1 c2 c3 c1 c2 c3

6. Si todos los elementos de una fila o columna son expresados


como la suma de dos o más números, el determinante puede expresarse
como la suma de dos o más determinantes.
a1  x a2 a3 a1 a2 a3 x a2 a3
Es decir: b1  y b2 b3  b1 b2 b3  y b2 b3
c1  z c2 c3 c1 c2 c3 z c2 c3

7. Si a cada uno de los elementos de una fila o columna se le


multiplica por m y a este resultado se le suma otra fila o columna el valor
del determinante no se altera.
a1 a2 a3 a1  ma 2 a2 a3
Es decir: b1 b2 b3  b1  mb2 b2 b3
c1 c2 c3 c1  mc2 c2 c3

Páá giná 12
Métodos Numéricos Aplicados

2.1.8.4. Observaciones
La determinante de una matriz triangular es igual al producto de los
elementos de su diagonal principal.

, det(A) = (1)(5)(12)= 60

 1 0 0 0 0 
 
1 2 0 0 0 
A 0 1 10 0 0 
 ; det(A)= (1)(2)(10)(2)(20)=800
 0 0 1 2 0 
 0 0 0 1 20 

Para un producto matricial se cumple que: det(A.B.C)=det(A). det(B).


det(C)

2.1.8.5. MATRIZ DE COFACTORES


 a11 a12 a13 
 
Sea la matriz A   a 21 a 22 a 23  entonces llamamos matriz de
a 
 31 a32 a33 

 A11 A12 A13 


 
cofactores de la matriz A a la matriz CA   A21 A22 A23  ; donde
A A32 A33 
 31

Aij    1 i  j M ij

1 3 5  14 4  22 
   
Ejemplo: A   3 5 1   CA    4  22 14 
5 1 3    22 14  4 
 

2.1.8.6. MATRIZ ADJUNTA

Páá giná 13
Métodos Numéricos Aplicados

Se llama así a la matriz transpuesta de la matriz de cofactores y se

 A11 A21 A31 


t  
denota por adj ( A)  CAt , adj ( A)  CA   A12 A22 A32 
A A23 A33 
 13

Ejemplo:

1 2 3  3 6  3  3 6  3
     
A  4 5 6   CA   6  12 6   adj ( A)   6  12 6 
7 8 9   3 6  3   3 6  3 
  

2.1.8.7. MATRIZ INVERSA.


Supongamos la matriz cuadrada A tiene det( A)  0 , entonces la

1 CA t
inversa de la matriz A denotada por A 1 es: A 1  adj ( A) 
A A

1 2 3
 
Ejemplo: A   4 5 6   A  ( 13)  2(4  12)  3(12  10)  9
2 3 1 

  13 8 2    13 7  3
   
CA   7 5 1   adj( A)   8 5 6 
 3 6  3   2 1  3 
 

  13 7  3
1 1 
A   8 5 6 
9
 2 1  3 

1 2 3    13 7  3  1 0 0
1 1    
Verificando tenemos: AA  4 5 6 . 8 5 6  0 1 0
9
2 3 1   2 1  3   0 0 1 

Una matriz cuadrada tiene inversa si y sólo si es una matriz no singular


en este caso se dice que es una matriz invertible.

Propiedades:
1.  AB  1  B 1 A 1

Páá giná 14
Métodos Numéricos Aplicados

2.  A1 1  A
3.  A 1  1 A 1   IR
4. adj ( A)  A
n 1
Donde n es el orden de la matriz A
5. La inversión de matrices permite efectuar la operación equivalente
a la división del álgebra común.

6. Una matriz A se llama ortogonal si AA T=I, en particular si A es una


matriz cuadrada se tiene que A-1 = AT
Ejemplo:

21.1.8.8. RANGO DE UNA MATRIZ:


Se llama rango de una matriz A de orden nxn, al orden de la matriz
cuadrada mas grande contenida en A cuyo determinante es diferente
de cero y se denota r(A) = rango de A.

Debemos resaltar que el r(A) ≤ min:{m,n} donde la matriz A en de orden


de mxn.

Para determinar el rango de una matriz se debe de tener en


consideración que al determinar las matrices cuadradas es suficiente
que una de ellas tenga su determinante diferente de cero.

Ejemplo: Hallar el rango de la siguiente matriz:

Páá giná 15
Métodos Numéricos Aplicados

1 2 4 
 
0 5 6 
A 
6 7 8
 
0 8 9 
 
Solución
Como la matriz es de orden 4x3, esto quiere decir que r(A) ≤ min{4,3} en
otras palabras r(A) ≤ 3
Determinamos las matrices de 3x3:

1 2 4 1 2 4 0 5 6 1 2 4
       
0 5 6 ; 0 5 6 ; 6 7 8 ; 6 7 8
6 7 8  0 8 9   0 8 9   0 8 9 
 

Como no existen más matrices de orden de 3x3 cuyos determinantes


sean ceros esto quiere decir que el orden de la matriz dada es 3.

Si en caso que sus determinantes fueran ceros entonces se prosigue a


determinar los determinantes de orden 2x2.

Aclaraciones:
- Toda matriz nula tiene como rango cero,
- Si una matriz A es de orden mxn no nula entonces su rango es
mayor que cero y menor igual que min (m,n)
- Si la matriz es de orden nxn su rango es mayor que cero y menor o
igual a n;
- Si la matriz es no nula de orden nxn , entonces existe su inversa si
solo si su determinante es diferente cero , en este caso se dice que la
matriz es no singular.
- De la afirmación anterior también se dice que una matriz cuadrada de
orden nxn tiene inversa si y solo si r(A) =n.
- Supongamos dos matrices A y B y que exista AB, entonces r(AB)≤
min{r(A), r(B)};
- También es necesario resaltar que existe otra manera de calcular el
rango de una matriz y es usando operaciones elementales o
transformaciones elementales.

Páá giná 16
Métodos Numéricos Aplicados

2.1.8.9. OPERACIONES O TRANSFORMACIONES ELEMENTALES


Son operaciones con matrices que no alteran su orden ni su rango,
existiendo operaciones elementales por fila o por columnas.
1. La permutación de una fila por una columna se denota por H ij,
2. La permutación de columna por columna se denota por K ij;
3. El producto de todos los elementos de la fila i por un escalar “a”
distinto de cero se representa por Hi(a);
4. El producto de todos los elementos de una columna J por un
escalar “b” se denota por Kj(b);
5. La suma de los elementos de la fila I con los correspondientes
elementos de la fila j multiplicados por un escalar “k” es representado
por Hij(k);
6. La suma de los elementos de una columna i, con los
correspondientes elementos de una columna j multiplicado por un
escalar “p” se denota por Kij(p);
7. Debemos aclarar que a las operaciones de tipo H se les llama
operaciones de tipo fila y a las operaciones de tipo K se les llama
operaciones columna.

2.1.8.10. LONGITUD DE UN VECTOR


Supongamos x un vector en R 2, su longitud denotado por |x| es definido
como un número positivo o cero.

En términos de producto punto

Ejemplo: sea determinar su norma

Páá giná 17
Métodos Numéricos Aplicados

Solución

=7.0711

Debemos tener en consideración que el campo de los números reales R


tiene el defecto de que un polinomio de grado n con coeficientes reales
no necesariamente tiene n ceros reales.

Por ejemplo carece de ceros reales, este defecto se


supera extendiendo el campo de tal manera que contenga al elemento i,

elemento que se caracteriza por la ecuación , que es el campo


C de los números complejos en donde sus elementos tienen la forma:
x=a+bi , en donde a, b son reales.
Su conjugado, norma, o modulo, se le define:

;,

Observe que:
1. ,

2. El campo de los complejos ya no tiene la anomalía de los reales,


es mas tenemos el teorema fundamental del algebra, que establece que
todo polinomio no constante con coeficientes complejos tiene al
menos un cero en el plano complejo.
3. La afirmación anterior permite afirmar que todo polinomio de
grado n se puede descomponer como un producto de n factores
lineales.

Páá giná 18
Métodos Numéricos Aplicados

ANGULO ENTRE VECTORES

El coseno entre dos vectores es dado por

Ejemplo
Sean los vectores y , entonces el
ángulo entre ellos es:

PERPENDICULARIDAD DE VECTORES
Dos vectores son ortogonales si el coseno entre ellos es cero es decir si
solo si

Ejemplo
Sean los vectores x=(2,3,3,4), y =(4,-3,7,-5) son ortogonales pues:

X*y=2*4+3(-3)+3*7+4(-5)=0

2.1.9. ESPACIO VECTORIAL Cn


El espacio vectorial Cn, esta compuesto de todos los vectores

en donde los , Si al vector

complejo x es multiplicado por también complejo el resultado es otro


vector complejo así:

Páá giná 19
Métodos Numéricos Aplicados

En consecuencia Cn, es un espacio vectorial sobre el campo de C. En


consecuencia en este espacio Cn. El producto interno se define:
,

Páá giná 20