0% encontró este documento útil (0 votos)
78 vistas17 páginas

Introducción a Matrices y Operaciones

Este documento presenta una introducción al análisis matricial. Define una matriz y sus dimensiones. Explica diferentes tipos de matrices como cuadradas, simétricas, diagonales e identidad. Describe operaciones con matrices como suma, producto, producto por escalar y determinante. Finalmente, cubre conceptos avanzados como derivadas de matrices, valores y vectores propios, y ortogonalidad.

Cargado por

Johana Ñaupas
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
0% encontró este documento útil (0 votos)
78 vistas17 páginas

Introducción a Matrices y Operaciones

Este documento presenta una introducción al análisis matricial. Define una matriz y sus dimensiones. Explica diferentes tipos de matrices como cuadradas, simétricas, diagonales e identidad. Describe operaciones con matrices como suma, producto, producto por escalar y determinante. Finalmente, cubre conceptos avanzados como derivadas de matrices, valores y vectores propios, y ortogonalidad.

Cargado por

Johana Ñaupas
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

FACULTAD DE INGENIERÍA ECONÓMICA ESTADISTICA

Y CIENCIAS SOCIALES

ANÁLISIS MATRICIAL

MSc Ing. Raúl Martínez


1. Definición
2. Tipo de Matrices
3. Operaciones con Matrices

Índice
MSc. Ing. RMC / Econometria I
La matriz es una colección de números ordenados rectangularmente, que
designamos.

Sea A=[aij]=Amxn un matriz sea m el numero de filas y n el numero de


columnas. Cuando queramos indicar explícitamente las dimensiones de A
utilizaremos la notación:

Y diremos que Amn es una matriz de tamaño mxn. Al elemento de la matriz A


que ocupa la fila i y la columna j lo denotaremos por aij para 1i  m, 1  j  n.

1. Definición
MSc. Ing. RMC / Econometria I
• Matriz Cuadrada
• Matriz Simétrica
• Matriz Diagonal
• Matriz Nula
• Matriz Identidad
• Matriz Triangular
• Matiz Transpuesta
• Matriz Inversa
• Matriz Idempotente
• Matrices particionadas

2. Tipo de Matrices
MSc. Ing. RMC / Econometria I
•Diremos que una matriz A es cuadrada si el numero de filas y el numero de
columnas coinciden (a ese numero lo llamaremos orden de la matriz). Algunos
conceptos de interés sobre las matrices cuadradas son:
•La diagonal principal de una matriz cuadrada A son los elementos
a11 , a 22 ,..., a mm
•Diremos que una matriz cuadrada A es diagonal si todos los elementos que
no estén en la diagonal principal de la matriz son nulos.
•La matriz de tamaño mxm cuya diagonal principal esta formada por unos y los
elementos que están fuera de la diagonal son ceros se conoce como matriz
identidad y se denota como Im.
•Dada una matriz cuadrada A de orden m, diremos que A es invertible si
existe una matriz cuadrada de orden m, que denotaremos A-1, tal que AA-1=A-
1A=Im. A la matriz A-1 se le llama matriz inversa de A.

•Si A es una matriz cuadrada, llamaremos traza de A, y se denota como tr(A) a


la suma de los elementos de la diagonal principal de A. El operador traza
verifica: tr(A)+tr(B)=tr(A+B), tr(λA)=λtr(A)
•Diremos que una matriz cuadrada A es simétrica si coincide con su
transpuesta

2. Tipo de Matrices
MSc. Ing. RMC / Econometria I
Dada una matriz A(m  n,) se llama matriz transpuesta de A a una matriz
obtenida colocando las filas de A como columnas; es decir, el elemento
(i,j) de A’ es el elemento (j,i) de A para 1i  m, 1  j  n.

La transposición de matrices verifica:

i. ( A' )'  A
ii. ( A  B)'  A' B'

iii. ( AB )'  B' A'

Dada una matriz A llamaremos rango de A y lo denotamos como


Rango(A) al número de vectores fila (o vectores columna) linealmente
independientes. Obsérvese que por definición si A es una matriz con m
filas y n columnas necesariamente se cumple:

MSc. Ing. RMC / Econometria I


Matriz particionada: Una matriz es particionada, si es dividida en
matrices mas pequeñas llamadas submatrices o bloques mediante
líneas horizontales y verticales que demarcan filas o columnas
completas.

Una Matriz Amxn se puede particionar de 2m+n-2 -1 maneras distintas, con


al menos una línea de partición.

MSc. Ing. RMC / Econometria I


• Suma de dos matrices: A+B, para lo cual ambas matrices deben tener el
mismo tamaño

• Producto de dos matrices: AB, para lo cual el numero de columnas de A


debe coincidir con el numero de filas de B.

•Producto de una matriz por un escalar: λA, donde λ es un número real y el


resultado es una matriz del mismo tamaño que A.

•Determinante de una matriz: , para lo cual A debe tener el mismo numero


de filas que de columnas. A

•La suma de matrices satisface las propiedades asociativa y conmutativa, el


producto de matrices satisface la propiedad asociativa, se verifican también
las propiedades distributivas (A+B)C=AC+BC y D(E+F)=DE+DF.

3. Operaciones con Matrices


MSc. Ing. RMC / Econometria I
Producto Kronecker: es una operación sobre dos matrices de tamaño
arbitrario que da como resultado una matriz bloque.

Cmnxpq=Amxn  Bpxq se le conoce también como producto tensorial o


producto directo.

MSc. Ing. RMC / Econometria I


Propiedades del Producto Kronecker

A  B  aijB 
𝐴 𝐵 −1 = 𝐴−1  𝐵−1
𝐴 𝐵 𝑇 = 𝐴𝑇  𝐵𝑇
𝑇𝑟 𝐴 𝐵 = 𝑇𝑟 𝐴 . 𝑇𝑟(𝐵)
Sea A de orden mxm y B es nxn:

MSc. Ing. RMC / Econometria I


Derivada de Matrices
• Sea Y=Y(X) una función real matricial, es decir, la función ‘Y’ esta
definida de Mnxp en R. La derivada de la matriz Y con respecto de la
matriz X de orden pxn es la matriz del mismo orden dada:

MSc. Ing. RMC / Econometria I


Propiedades de la Derivada de Matrices

Sea Anxn y θnx1: Maximizar R  aT X  X T AX


A A

 T A  2 A

 T A   T
A
 2 T X T Y


 2 XTX Y

MSc. Ing. RMC / Econometria I


Raíces y Vectores Característicos: Un escalar λ tal, se denomina
valor propio (o autovalor) de A, es decir, λ es valor propio de A si existe
una solución no trivial de Ax = λx,ya x se lo denomina vector propio
asociado al valor propio λ
Ac  c
 A  I c  0
A  I  0

Dado las raíces λ hallamos los vectores característicos C

 A  I c  0

MSc. Ing. RMC / Econometria I


Vector desviación

(Y  Y )  MY  M  I  1 1n1n
n

Ortogonalidad

MSc. Ing. RMC / Econometria I


Ejercicios

MSc. Ing. RMC / Econometria I


Gracias

También podría gustarte