Escolar Documentos
Profissional Documentos
Cultura Documentos
Por ejemplo:
b11
a11 a12 a13 b21 = c 11 a11 b11 + a12 b21 + a13 b31
=
a21 a22 a23 c21 a21 b11 + a22 b21 + a23 b31
b31
Si κ es un escalar, entonces κA resulta una matriz en donde cada elemento
queda multiplicado por κ. Es decir:
κA = κ[aij ] = [κaij ]
La multiplicación es asociativa:
y distributiva:
(A + B)(C + D) = AC + AD + BC + BD
AB = BA
4 Matemática Asistida con Computadora
Tipos de Matrices
Si el orden de una matriz A es n × n, entonces la matriz se denomina
cuadrada de orden n. Esta matriz posee una diagonal principal, o simple-
mente una diagonal con elementos aii . La traza de una matriz cuadrada se
define como:
traza(A) = a11 + · · · + ann
Una matriz cuadrada se denomina matriz diagonal cuando los elementos que
no pertenecen a su diagonal son todos ceros:
d11 0 0 . . . 0
0 d22 0 . . . 0
D = [dii ] = . .. .. ..
.. . . .
0 0 0 . . . dnn
A es antihermitiana si: AH = −A
A es unitaria si: AAH = AH A = I
A es normal si: AAH = AH A
A−1 es inversa de A si: AA−1 = A−1 A = I
A es singular si: det(A) = 0 (1.1)
donde det(A) denota el determinante de A, punto que se trata en la siguiente
subsección.
Una matriz cuadrada A con elementos complejos puede ser escrita co-
mo la suma de una matriz hermitiana B = 12 (A + AH ) más una matriz
antihermitiana C = 12 (A − AH ). Es decir:
1 1
A = B + C = (A + AH ) + (A − AH )
2 2
Matriz Inversa
Si A y B son dos matrices no singulares; es decir, si det(A) = 0 y
det(B) = 0, entonces:
e f b c b c
det −det det
h i
h i
e f
1 d f a c a c
A−1 = −det det −det
det(A)
g i
g i
d f
d e a b a b
det −det det
g h g h d e
Ejemplo 1.1
angle(A)*real(A)*imag(A)/((2*j+1)*trace(A)*det(A));
% B = 1.0e+002 *
% 0.2488 - 0.0957i 0.8007 - 0.3510i -2.1614 + 0.9495i
% 0.2952 + 0.3551i 0.9809 + 1.0977i -2.6468 - 2.9592i
% 0.8222 + 0.1991i 2.7135 + 0.5050i -7.3267 - 1.3550i
Ejemplo 1.2
Ejemplo 1.3
Multiplicación con Partición de Matrices.- Dos matrices Anm y Bmp
(los subı́ndices indican las dimensiones) pueden ser particionadas como sigue:
An1 m1 · · · An1 mm Bm1 p1 · · · Bm1 pp
.. .. .. ..
A= . . ; B= . .
Ann m1 · · · Ann mm Bmm p1 · · · Bmm pp
La condición necesaria para realizar el producto Cnp = Anm Bmp empleando
particiones, es que las columnas de A y las filas de B sean particionadas
en la misma forma. Por tanto, n = n1 + · · · + nn , m = m1 + · · · + mm y
p = p1 + · · · + pp . Determinar si el producto siguiente es válido y si lo es,
obtener C = AB.
A22 A23 A21 B22 B23
AB = A32 A33 A31 B32 B33
A42 A43 A41 B12 B13
Solución: Podemos notar que para A: n = 2 + 3 + 4 = 9, m = 2 + 3 + 1 = 6,
y para B: m = 2 + 3 + 1 = 6 y p = 2 + 3 = 5. Por consiguiente, la partición
es correcta. La multiplicación ahora es directa:
A22 B22 + A23 B32 + A21 B12 A22 B23 + A23 B33 + A21 B13
C = A32 B22 + A33 B32 + A31 B12 A32 B23 + A33 B33 + A31 B13
A42 B22 + A43 B32 + A41 B12 A42 B23 + A43 B33 + A41 B13
En notación MATLAB, conociendo las matrices particionadas, el producto
resulta:
1.1 Cálculo Matricial 11
C = [A22*B22+A23*B32+A21*B12 A22*B23+A23*B33+A21*B13
A32*B22+A33*B32+A31*B12 A32*B23+A33*B33+A31*B13
A42*B22+A43*B32+A41*B12 A42*B23+A43*B33+A41*B13];
Ejemplo 1.4
Ejemplo 1.5
Si los λi son los eigenvalores de la matriz A de orden n, comprobar numéri-
camente que:
det(A) = λ1 λ2 . . . λn ; i = 1, . . . , n
Solución: Ver el programa ejem1 5.m.
% ejem1_5.m COMPRUEBA QUE det(A)=L(1)L(2)L(3)L(4)
clear all
A = [1-j 2-j 3-j -3+8j
4j -2 3+5j 4-2j
6-j 7-j 8+3j 3+j
2 -1 j 0];
L = eig(A); % DETERMINA LOS EIGENVALORES DE A
detA = det(A); P = L(1)*L(2)*L(3)*L(4);
% SE DEBE CUMPLIR QUE: P = detA
Ejemplo 1.6
Conocidas las matrices Ann , Bnm , Cmn y Dmm con det(A) = 0 y det(D) = 0,
y definiendo:
A B A 0 A B
E= ; G= ; H=
0 D C D C D
12 Matemática Asistida con Computadora
Ejemplo 1.7
Ejemplo 1.8
−1
A B A−1 + A−1 B(D − CA−1 B)−1 CA−1 −A−1 B(D − CA−1 B)−1
=
C D −(D − CA−1 B)−1 (D − CA−1 B)−1
−1
A B (A − BD−1 C)−1 −(A − BD−1 C)−1 BD−1
=
C D −D C(A − BD−1 C)−1
−1
D C(A − BD−1 C)−1 BD−1 + D−1
−1
5-8j -7-2j];
B = [ j -1+3j 2-5j
4+7j 6 3+8j];
C = [ 2-j j
1+j -5j
-3-7j 8];
D = [2+j -3-j 4j
1+3j 0 -7j
1+j -9-2j -5];
% CONDICION: det(D) Y det(D-C*inv(A)*B) DISTINTOS DE 0
E = [A B;C D];
G11 = inv(A) + inv(A)*B*inv(D-C*inv(A)*B)*C*inv(A);
G12 = -inv(A)*B*inv(D-C*inv(A)*B);
G21 = -inv(D-C*inv(A)*B)*C*inv(A);
G22 = inv(D-C*inv(A)*B);
G = [G11 G12;G21 G22];
% CONDICION: det(D) Y det(A-B*inv(D)*C) DISTINTOS DE 0
H11 = inv(A-B*inv(D)*C);
H12 = -inv(A-B*inv(D)*C)*B*inv(D);
H21 = -inv(D)*C*inv(A-B*inv(D)*C);
H22 = inv(D)*C*inv(A-B*inv(D)*C)*B*inv(D)+inv(D);
H = [H11 H12;H21 H22];
% E*G, E*H, G*E y H*E DEBEN RESULTAR MATRICES IDENTIDAD
n
xH y = (yH x)∗ = yT x∗ = x∗i yi
i=1
n
n
xH x = x∗i xi = |xi |2
i=1 i=1
x1 x∗1 x1 x∗2 . . . x1 x∗n
.. ..
xxH = . . . . . (1.15)
xn x∗1 xn x∗2 . . . xn x∗n
Si x e y son vectores reales de orden n:
n
n
x T y = yT x = xi yi ; xT x = x2i
i=1 i=1
x21 x1 x2 . . . x1 xn
.. ..
xxT = . . . . . (1.16)
xn x1 xn x2 . . . x2n
Vectores Ortonormales
Los vectores reales x1 , x2 , . . . son ortonormales si xTi xj = 0 cuando i = j
y = 0 cuando i = j.
xTi xj
x ≥ 0 para todo x = 0
1.2 Análisis Vectorial 17
x = 0 si y sólo si x = 0
κx = κ x κ es un escalar
Desigualdad triangular: x + y ≤ x + y
Desigualdad de Schwarz: |xH y| ≤ x y
A ≤ κ A
A 2 = máx[xH AH Ax], si xH x = 1
x
|λ| ≤ A , si λ es un eigenvalor de A
Otras normas para una matriz A de orden n son:
1/2
n
n n
n
A = |aij |; A F = |aij |2
i=1 j=1 i=1 j=1
18 Matemática Asistida con Computadora
m
n
A 1 = máx |aij | ; A ∞ = máx |aij |
j i
i=1 j=1
A 2 = máx λi (AH A)
i
rango(A) = n
Eigenvalores y Eigenvectores
Un eigenvalor de una matriz de orden n, conocido también como valor
propio, modo, “eigenvalue”, valor o raı́z caracterı́stica, es un escalar λ que
permite una solución no trivial de la ecuación:
Ax = λx x≤0 (1.18)
det(λI − A) (1.19)
n
n
H
x Ax = aij x∗i xj ; aji = a∗ij
i=1 j=1
n
n
xT Ax = aij xi xj ; aji = aij
i=1 j=1
Formas Bilineales
n
m
xH Ay = aij x∗i yj
i=1 j=1
n
m
xT Ay = aij xi yj
i=1 j=1
1.2 Análisis Vectorial 21
Ejemplo 1.9
B = [2-9j;4-j;3+j];
X = A\B; %
% X =
% 3.5719 - 3.4126i --> x1;
% 0 --> x2
% -2.8535 + 1.6221i --> x3
% 0 --> x4
% 0.9991 - 0.4860i --> x5
Ejemplo 1.10
Ejemplo 1.11
xH y = (yH x)∗ = yT x∗
Ejemplo 1.12
% ejem1_12.m NORMAS
clear all
% VECTOR DATO
x = [-1+j;3-5j;-5+6j;8-9j;4-2j;-1+j];
a = norm(x,5); % NORMA p = 5 (a = 12.3798)
b = norm(x,2); % NORMA EUCLIDIANA (b = 16.2481)
c = norm(x,inf); % NORMA INFINITO (c = 12.0416)
d = norm(x,-inf); % NORMA -INFINITO (d = 1.4142)
% MATRIZ DATO
A = [1-j 2-j 3-j -4-j
4j -2 3+5j 2-8j
6-j 7-j 8+3j -7+3j
3+5j 2-8j 1-j 2-9j];
e = norm(A); % MAXIMO EIGENVALOR DE A: e = 18.7269
f = norm(A,2); % LO MISMO QUE norm(A): e = f = 18.7269
g = norm(A,1); % max(sum(abs(A)))): g = 29.2046
h = norm(A,inf); % max(sum(abs(A’))): h = 29.3136
k = norm(A,’inf’); % IGUAL QUE norm(A,inf): k = h = 29.3136
m = norm(A,’fro’); % sqrt(sum(diag(A’*A))): m = 23.7276
p = ’fro’; % p DEBE SER 1, 2, inf o ’fro’
n = norm(A,2); % NORMA p: n = 18.7269
Ejemplo 1.13
Sean las matrices Anm , Bmp y Cmm . Demostrar numéricamente las siguien-
tes propiedades del rango: rango(A) ≤ mı́n(n, m); rango(A) = rango(AH );
rango(AB) ≤ min(rango(A), rango(B)); rango(CB) = rango(B).
Ejemplo 1.14
% 0 0 -1 0
% 0 0 0 -1
rank((-1)*eye(4)-A); % RESULTA 2 => 2 BLOQUES DE JORDAN
% ASOCIADOS CON LA RAIZ TRIPLE (-1)
% FORMA DE JORDAN: 0 0 0 0
% 0 -1 1 0
% 0 0 -1 0
% 0 0 0 -1
Ejemplo 1.15
Ejemplo 1.16
Ejemplo 1.17
Empleando las propiedades del valor inicial y del valor final, determinar tales
valores para la velocidad del móvil del problema anterior.
Solución: El valor inicial se determina de: lı́mt→0 v(t) = lı́ms→∞ sv(s) = 0.
El valor final se obtiene de: lı́mt→∞ v(t) = lı́ms→0 sv(s) = 1b .