1

Sistemas de Ecuaciones Lineales

Operaciones con matrices (cont.):
Matrices por bloque:
Usualmente es til crear una particin de una matriz como una coleccin
de submatrices. Por ejemplo
1 2 1 2 1 7 0
A11 A12 B11 B12
A 3 4 3 y B 3 0 4 5
6 5 A21 A22 2 1 3 1 B21 B22
0
Para el producto de las matrices podemos proceder como
A11 A12 B11 B12 A11B11 A12 B21 A11B12 A12 B22
AB
A21 A22 B21 B22 A21B11 A22 B21 A21B12 A22 B22
siempre y cuando los productos con las submatrices tengan sentido.

Si ahora se 2 1 7 0
crea una B11 B12 el resultado
B 3 0 4 5 anterior para AB
particin de B
2 1 3 1 B21 B22
sigue siendo
como
vlido?
 2

Sistemas de Ecuaciones Lineales

Operaciones con matrices (cont.):
Matrices por bloque. ejemplo:

A11 A12 B11 B12 A11B11 A12 B21 A11B12 A12 B22
C
A21 A22 B21 B22 A21B11 A22 B21 A21B12 A22 B22

A11B11 + A12B21 = C11

 3

Sistemas de Ecuaciones Lineales

Operaciones con matrices (cont.):

Matrices por bloque:

Para la traspuesta de una matriz por bloques podemos proceder como

1 2 1 1 3 6
A11 A12 A
t
A21
t
A 3 4 3 At 2 4 5 11t
A21 A22 A t
A22
6 5 0 1 3 0 12

1 2 0 0 1 3 0 0

3 4 0 0 U 0 2 4 0 0 U t 0
A A
t
t

0 0 2 3 0 V 0 0 2 4 0 V

0 0 4 5 0 0 3 5

matrices nula
 4

Sistemas de Ecuaciones Lineales

Operaciones con matrices (cont.):
A x x ,
Valores y Vectores propios (Autovalores y Autovectores)
A es una matriz real de dimensin n n .
Se dice que es un autovalor de A asociado al autovector V si ellos
satisfacen las condiciones:

Av= v
y
v 0

El espectro de A es el conjunto 1 ,, n de los autovalores de A.

Ejemplo:
2 0 1 1 1 -2 es un autovalor de la matriz 33

5 1 2 3 2 3 dada, y el vector (1,3,-4)T es el
3 2 5 /4 4 4 autovector correspondiente.

 5

Sistemas de Ecuaciones Lineales

Operaciones con matrices (cont.):
Radio espectral de una matriz:
si A es una matriz real de dimensin n n y 1, , n los autovalores de A,
se define el radio espectral de A como
(A ) max { i }.
1i n

1 ,, n
Rango de una matriz.
si A es una matriz real de dimensin nxn, el rango de A es la dimensin
del espacio generado por los vectores columnas de A.
Este se denota como rank(A).
La matriz A se denomina de rango completo cuando rank(A) = n
 6

Sistemas de Ecuaciones Lineales

Norma de vectores y matrices:
Sobre los elementos de R n , el espacio de los vectores de dimensin n,
n
definimos una norma como una funcin || . || de R en R que cumple

x 0 para todo x R n
x 0 si y slo si x (0, 0) 0
x x para todo R y x R n
x y x y para todo x , y R n

La ltima propiedad se conoce como desigualdad triangular.

La norma de x se puede pensar como la longitud o magnitud del vector x.

x+y
y x y x y

x
 7

Sistemas de Ecuaciones Lineales

Norma de vectores y matrices:
Ejemplo:
n
La funcin de R en R definida a partir del producto interno de vectores

n 1/ 2
2
x xtx

x
i 1
i

es una norma.

Verifiquemos que se cumple la desigualdad triangular.

x y x y x
2 t 2 2
x y yt x x ty y

Aplicando la desigualdad de Cauchy-Schawrz se tiene

x y
2 2 2 2
x y x 2x y y
Tomando raz cuadrada a ambos lados de la desigualdad sigue
x y x y
Se deja como

ejercicio verificar las
otras propiedades.
 8

Sistemas de Ecuaciones Lineales

Norma de vectores y matrices (cont.):
n
Definimos 3 normas vectoriales en R Ejemplo: conjunto de puntos en
R2 con norma igual a 1
La norma Euclidea o norma l2
1/ 2
n
x 1
x 2


xi 1
2
i

1

La norma l1
n
x 1
xi -1 1
i 1

La norma l
x
max x i -1
1i n
x 2
1 x 1
1

Ejemplo: x (1,1,3)
x 1
1 1 3 5, x 2
1 1 9 11, x
max{1,1,3 } 3
 9

Sistemas de Ecuaciones Lineales

Norma de vectores y matrices (cont.)
Dos normas vectoriales son equivalentes || . || y || . || si existen constantes c1 y
c2 tales que
En la prctica esto significa que
n
c1 x ' x c 2 x ' para todo x R cuando || . || est acotada, tambin
|| . || y viceversa.

Obs. x
x 2 x 1 para todo x R n
Una norma matricial es una aplicacin

: M n R { 0}
que verifica las siguientes propiedades
A 0 si y slo si A 0
A A para todo R , A M n
AB A B para todo A, B M n
A B A B para todo A, B M n
 10

Sistemas de Ecuaciones Lineales

Norma de vectores y matrices (cont.)
n
Sea || . || una norma en R , se define la norma matricial
: M n R { 0}
como
Ax
A sup sup Ax .
x 0 x x 1

Cuando una norma matricial se define de la forma anterior (a travs de

una norma vectorial), se dice que es una norma matricial subordinada a la
norma vectorial. Tenemos los siguiente ejemplos:

Ax Ax
A sup 1
A sup 2
1
x 0 x 1
2
x 0 x 2

Ax
A sup

x 0 x
 11

Sistemas de Ecuaciones Lineales

Norma de vectores y matrices (cont.)
Algunas propiedades de las normas matriciales subordinadas (demostrarlo)

* Ax A x para todo A M n , x R n
* Existe un vector x R npara el cual se da la igualdad, es decir,
Ax A x
* Para I la matriz identidad I 1
* (A ) A para todo A M n
Normas matriciales subordinadas a las normas vectoriales 1, 2 y
n

* A 1
max a ij * A 2
(A * A ) (AA * ) A *
1 j n 2
i 1
n (A * A )es el radio espectral de A*A
* A
max a ij
1i n
j1
Las normas 1 e se calculan a partir de los elementos de la matriz, la
norma 2 no. Es inmediato que AT A . 1

 12

Sistemas de Ecuaciones Lineales

Norma de vectores y matrices (cont.)
Ejemplo:
1 0 7
A = [1,0,-7;0,2,2;-1,-1,0]
A 0 2 2
1 1 0

MATLAB
n
A 1
max a ij max{ 2,3,9 } 9 norm(A,1)
1 j n
i 1
n
A
max a ij max{ 8,4,2} 8 norm(A,inf)
1i n
j1

2 1 7 0.5054
T
eig(A * A)
A A 1 5 4 Autovalores: 5.2530
7 4 53 54.2416

A 2
(A * A ) 7.3649 norm(A,2)
 13

Sistemas de Ecuaciones Lineales

Norma de vectores y matrices (cont.)
Norma de Frobenius

Es una norma matricial no subordinada a ninguna norma vectorial.

Esta dada por
n 2
A F
a
i , j 1
ij

Se calcula a partir de los elementos de la matriz.

Ejemplo:
1 0 7
MATLAB
A 0 2 2
1 1 0 norm(A,fro)

n
2
A F
a
i , j 1
ij 1 49 4 4 1 1 60 7.7460