Download - Analisis Matricial
-
Anlisis Matricial
Giddea Consulting & TrainingDepartamento de Investigacin y Desarrollo
Renzo Ren Sifuentes Napur
26 de febrero de 2013
-
2Mtodos Cuantitativos [email protected]
-
ndice general
1. Anlisis Matricial 51.1. Definicin de matrices . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1. Notacin de una matriz . . . . . . . . . . . . . . . . . . 51.2. Tipos de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1. Matriz fila . . . . . . . . . . . . . . . . . . . . . . . . . . 51.2.2. Matriz columna . . . . . . . . . . . . . . . . . . . . . . . 61.2.3. Matriz nula . . . . . . . . . . . . . . . . . . . . . . . . . 61.2.4. Matriz cuadrada . . . . . . . . . . . . . . . . . . . . . . 61.2.5. Matriz simtrica . . . . . . . . . . . . . . . . . . . . . . 61.2.6. Matriz diagonal . . . . . . . . . . . . . . . . . . . . . . . 71.2.7. Matriz escalar . . . . . . . . . . . . . . . . . . . . . . . . 71.2.8. Matriz identidad . . . . . . . . . . . . . . . . . . . . . . 71.2.9. Matriz idempotente . . . . . . . . . . . . . . . . . . . . 71.2.10. Matiz nilpotente . . . . . . . . . . . . . . . . . . . . . . 81.2.11. Matriz involutiva . . . . . . . . . . . . . . . . . . . . . . 8
1.3. Operaciones con matrices . . . . . . . . . . . . . . . . . . . . . 81.3.1. Igualdad de matrices . . . . . . . . . . . . . . . . . . . . 81.3.2. Matriz transpuesta . . . . . . . . . . . . . . . . . . . . . 81.3.3. Suma de matrices . . . . . . . . . . . . . . . . . . . . . . 91.3.4. Producto de un escalar con una matriz . . . . . . . . . 101.3.5. Producto de matrices . . . . . . . . . . . . . . . . . . . . 101.3.6. Potencia de matrices cuadradas . . . . . . . . . . . . . 121.3.7. Suma de elementos . . . . . . . . . . . . . . . . . . . . . 121.3.8. Matriz idempotente para trasformar datos en desvia-
ciones de la media . . . . . . . . . . . . . . . . . . . . . 141.3.9. Derivadas matriciales . . . . . . . . . . . . . . . . . . . 16
1.4. Geometra de matrices . . . . . . . . . . . . . . . . . . . . . . . 161.4.1. Espacio vectorial . . . . . . . . . . . . . . . . . . . . . . 161.4.2. Combinaciones lineales . . . . . . . . . . . . . . . . . . 171.4.3. Dependencia lineal e independencia lineal . . . . . . . 171.4.4. Rango de una matriz . . . . . . . . . . . . . . . . . . . . 181.4.5. Determinante de una matriz . . . . . . . . . . . . . . . 18
3
-
4 NDICE GENERAL
1.4.6. Ortogonalidad de una matriz . . . . . . . . . . . . . . . 191.4.7. Valores y vectores propios . . . . . . . . . . . . . . . . . 21
Mtodos Cuantitativos [email protected]
-
Sesin 1Anlisis Matricial
1.1. Definicin de matrices
Las matrices son herramientas matemticas que nos permite un mejormanejo de bases de datos, adems desde el punto de vista computacionales ms facil el uso por medio de matrices.
1.1.1. Notacin de una matriz
Una matriz es un conjunto de pares ordenados, que se denota:
A = [aik] = [A]ik =
a11 a12 a1ka21 a22 a2k
......
......
an1 an2 ank
Habitualmente se denotan las matrices con letras maysculas y con mi-
nuscula los elementos que las constituyen. Los elementos de las matricesse leen como a f ila,columna.
1.2. Tipos de matrices
Existen algunas clases de matrices con caracteristicas comunes de en-contrar.
1.2.1. Matriz fila
La matriz fila es una matriz que tiene una sola fila y varias columnas(1xn), es equivalente a un vector fila.Por ejemplo:
A(1xn) =(a11 a12 a1n
)5
-
6 1. Anlisis Matricial
1.2.2. Matriz columna
La matriz columna es una matriz que tiene una sola columna y variasfilas (nx1), es quivalente a un vector columna.Por ejemplo:
A(mx1) =
a11a21...
am1
En general una matriz es un conjunto de vectorescolumnas o tambin podemos decir que es un con-junto de vectores fila.
1.2.3. Matriz nula
Es una matriz donde todas sus columnas son cero.Por ejemplo:
A(mxn) =(0)
1.2.4. Matriz cuadrada
Es una matriz donde el nmero de filas es igual al nmero de columnas.
A(nxn) =
a11 a12 a1na21 a22 a2n...
... . . ....
an1 an2 ann
1.2.5. Matriz simtrica
Es aquella matriz que es igual a su transpuesta (aik = aki).Por ejemplo:
A =
1 3 73 5 27 2 1
Mtodos Cuantitativos [email protected]
-
1.2. Tipos de matrices 7
1.2.6. Matriz diagonal
Una matriz diagonal es una caso especfico de una matriz cuadrada,donde la diagonal principal de la matriz tiene valores distintos a cero, y elresto de la matriz tiene ceros como elementos.Por ejemplo:
A =
a11 0 00 a22 0...
... . . ....
0 0 ann
1.2.7. Matriz escalar
Una matriz escalar es un caso de una matriz diagonal, la diferencia esque los elementos de la diagonal son los mismos.Por ejemplo:
A =
0 00 0...
... . . ....
0 0
1.2.8. Matriz identidad
Una matriz escalar es un caso de una matriz escalar, en este caso loselementos de la diagonal son la unidad.Por ejemplo:
A =
1 0 00 1 0...
... . . ....
0 0 1
1.2.9. Matriz idempotente
Es un matriz que elevado a cualquier potencia es igual a la misma ma-triz.
Ap = A
Mtodos Cuantitativos [email protected]
-
8 1. Anlisis Matricial
1.2.10. Matiz nilpotente
Cuando una matriz elevado a cualquier potencia y es igual a una matrizcero.
Ap = (0)mxn
1.2.11. Matriz involutiva
Cuando una matriz elevado a cualquier potencia y es igual a una matrizidentidad.
Ap = I
1.3. Operaciones con matrices
Las operaciones de matrices nos ofrece la facilidad de operar conjuntosde ecuaciones, mediante el lgebra matricial.
1.3.1. Igualdad de matrices
Para que dos matrices sean iguales tienen que ser necesariamente de lamisma dimensin, es decir
A = B si y slo si aik = bik
1.3.2. Matriz transpuesta
Al transponer una matriz se invierte las filas por columnas, es decir siA = aij AT = aji. Una matriz transpuesta se puede escribir AT A.Por ejemplo
A =
1 2 35 1 56 4 53 1 4
, A =1 5 6 32 1 4 1
3 5 5 4
Propiedades
1. (AT)T = A
2. (A+ B)T = AT + BT
3. (.A)T = .AT (.A+ .B)T = .AT + .BT
4. (A.B)T = BT.AT
Mtodos Cuantitativos [email protected]
-
1.3. Operaciones con matrices 9
1.3.3. Suma de matrices
Para que dos matrices se puedan sumar tiene que tener necesariamentela misma dimensin.Es decir:
Sean: A = (aij)mxn, B = (bij)mxnA+ B = (aij + bij)mxn
A+ B =
a11 + b11 a12 + b12 a1n + b1na21 + b21 a22 + a22 a2n + b2n
......
......
am1 + bm1 am2 + bm2 amn + bmn
Por ejemplo:
Sea: A =[
0 1 34 2 5
]B =
[3 4 12 5 2
]A+ B =
[3 3 46 7 7
]Propiedades
Suma con matriz nula:La suma de cualquier matriz con una matriz nula es igual a la mismamatriz.Ejemplo:
A+ 0 = A
Conmutativa:El orden al sumar las matrices no interesa, es el mismo resultado.Ejemplo:
A+ B = B+ A
Asociativa:Cuando se quier sumar 3 ms matrices podemos asociarlas parasumarlas, el resultado es el mismo.Ejemplo:
(A+ B) + C = A+ (B+ C)
Mtodos Cuantitativos [email protected]
-
10 1. Anlisis Matricial
1.3.4. Producto de un escalar con una matriz
Cuando queremos multiplicar un escalar con una matriz, el escalar mul-tiplicar a cada uno de los elementos de la matriz, es decir:
Sean: A = (aij)mxn y R.A = (.aij)mxn
.A =
.a11 .a12 .a1n.a21 .a22 .a2n
...... ...
.am1 .am2 .amn
Ejemplo:
Sea: A =[
0 1 13 1 2
]y = 3
(3).A =[
0 3 39 3 6
]
1.3.5. Producto de matrices
Por cuestiones didticas empezaremos viendo la multiplicacin de dosvectores, que nos da como resultado un escalar
ab = a1b1 + a2b2 + a3b3 + ...+ anbn
Por ejemplo:
ab =(1 3 4
)382
= 3+ 24+ 8 = 35Por lo tanto podemos deducir que ab = ba.Ahora que deducimos el caso general, sabiendo que una matriz es un con-
junto de vectores, que nos resultara no un escalar sino varios valores quesern los elementos de la matriz.Para multiplicar matrices necesitamos que la cantidad de columnas de laprimera matriz sea igual al nmero de filas de la segunda matriz. Obten-dremos como producto una matriz con la cantidad de filas de la primeramatriz y la cantidad de columnas de la segunda matriz, veamoslo matem-ticamente.
Mtodos Cuantitativos [email protected]
-
1.3. Operaciones con matrices 11
Amxn.Bnxp = Cmxp = (cij)mxp donde: cij =n
k=1
aikbkj
Por ejemplo:
2 10 31 2
.(3 24 2)=
2x3+ 1x4 2x2+ 1x(2)0x3+ (3)x4 0x2+ (2)1x3+ 2x4 1x2+ 2x(2)
= 10 212 6
11 2
Propiedades
Asosiativa
Ax(BxC) = (Axb)xC
Distributiva
Ax(B+ C) = AxB+ AxC(A+ B)xC = AxC+
El producto de dos matrices NO necesariamente es conmutativa
AB 6= BA
Puede ser que AxB = (0) con A 6= (0) y B 6= (0)Producto por una matriz identidadAl multiplicar una matriz con la matriz identidad, el producto seguirsiendo la matriz original.
AxI = IxA = A
AxB = AxC no necesariamente B = C
Ejemplo:
541
=4 2 12 6 1
1 1 0
.abc
Estas matrices representan un sistema de ecuaciones:
Mtodos Cuantitativos [email protected]
-
12 1. Anlisis Matricial
5 = 4a+ 2b+ c4 = 2a+ 6b+ c
1 = a+ b
Tambin lo podemos escribir como una representacin de combinacin li-neal. 54
1
= a.42
1
+ b.26
1
+ c.11
0
1.3.6. Potencia de matrices cuadradas
Es cuando se multiplica cieta cantidad de veces la misma matriz:
Ap = A.A.A.....A p veces
Cuando una matriz es elevado a la cero es igual a una matriz identidad:
A0 = I
Propiedades
1. Ap.Aq = Ap+q
2. (Ap)q = Ap.q
1.3.7. Suma de elementos
Las matrices y vectores pueden representar suma de elementos. Paraello usaremos un vector i, el cual es un vector columna de unos.
n
i=1
xi = x1 + x2 + ...+ xn = ix
Por ejemplo:
[1 1 1
] 234
= 2+ 3+ 4 = 9Si todos los elemetos del vector x son iguales a la misma constante a, en-tonces x = ai.
Mtodos Cuantitativos [email protected]
-
1.3. Operaciones con matrices 13
x =
444
= 4. [1 1 1]Adems:
ni=1 xi = i(ai) = a(ii) = na
Veamos en el ejemplo:
x =[1 1 1
]4
111
= 4 [1 1 111
1
En general para cualquier constante a y vector x,
n
i=1
axi = an
i=1
xi = aix
Por ejemplo:
5.(1+ 2+ 3) = 5.[1 1 1
] 123
Media
Si a = 1n , obtenemos la media aritmtica
x = 1nn
i=1
xi =1nix
Deduciendo:n
i=1
xi = ix = nx
Suma de cuadrados de los elementos de un vector x es:n
i=1
x2i = xx
La suma de productos de los elementos de los vectores x e y es:n
i=1
xiyi = xy
Apartir de la definicin de matrices:[XX
]ij =
[xixj
]ij
Mtodos Cuantitativos [email protected]
-
14 1. Anlisis Matricial
1.3.8. Matriz idempotente para trasformar datos en desvia-ciones de la media
Primero:
ix = 1n ix =
xxx...x
= 1n iix
Esta matriz es nxn con cada elemento igual a 1n .El conjunto de valores en forma de desviacin es:
x1 xx2 x
...xn x
= [x ix] = [x 1n iix] = [I 1n ii] x = M0xLa matriz M0 todos los elementos de la diagonal son 1 1n y fuera de ladiagonal 1n . Adems esta matriz sera til para el clculo de sumas dedesviaciones al cuadrado.
M0i =[I 1n ii
]i = i 1n i(ii) = i 1n in = i i = 0
Se deduce que iM0 = 0. Por lo tanto, la suma de desviaciones respecto ala media es:
ni=1(xi x) = i[M0] = 0x = 0
Varianza
Para una variable x, la suma de los cuadrados de desviaciones respectoa la media es:
n
i=1
(xi x)2n
i=1
(x2i 2xxi + x2)n
i=1
x21 2xn
i=1
xi + x2n
i=1
1
n
i=1
x2i 2x(nx) + x2n
Mtodos Cuantitativos [email protected]
-
1.3. Operaciones con matrices 15
(n
i=1
x21) 2nx2 + nx2
(n
i=1
x21) nx2
En matrices:
n
i=1
(x1 x)2
(x xi)(x xi)(M0x)(M0x)xM0M0x
M0 es una matriz simtrica e idempotente
xM0x
Covarianza
La construccin de una matriz de sumas de cuadrados y productoscruzados de desviaciones respecto a las medias. Para dos vetores x e y.
n
i=1
(xi x)(yi y) = (M0x)(M0y)
Matriz Varianza-Covarianza
Juntando lo obtenido en la representacion de las varianzas y covarianzasobtenemos la siguiente matriz:
n
i=1
(xi x)2n
i=1
(xi x)(yi y)n
i=1
(yi y)(xi x)n
i=1
(yi y)2
=[xM0x xM0yyM0x yM0y
]
Si unimos los dos vectore columna, x e y, en una matriz Z = [x, y] entoncesMoZ es la matriz en la que dos columnas estn en forma de desviacinrespecto a la media, entonces:
(M0Z)(M0Z) = ZM0M0Z = ZM0Z
Mtodos Cuantitativos [email protected]
-
16 1. Anlisis Matricial
1.3.9. Derivadas matriciales
Si f = ax tendremos que: fx =(ax)x = a
Si f = Ax donde A es una matriz, fx =(Ax)x = A
Si f = xAx donde A es simtrica fx =(xAx)
x = 2Ax
Si f = axb, donde X(nxp), fx =
(axb)x = ba
Si f = axxb, entonces fx =(axxb)
x = (ab + ba)x
Ln|x|x = (x
)1
(bxc)partialx = b
c
tr(xb)x = b
tr(xaxb)x = bx
a+ bxa
tr(bx1)x = (x
1bx1)
1.4. Geometra de matrices
1.4.1. Espacio vectorial
Es un conjunto de vectores que est cerrado bajo multiplicacin y suma.
R2 est cerrado bajo multiplicacin escalar de un vector, en un plano,es tambin un plano.
R2 est cerrado bajo la suma, la suma de dos vectores en un plan,siempre otro vector.
Operaciones de vectores
a =[
12
]a = 2a =
[24
]a = 12a =
[121]
c = a+ b =[
12
]+
[21
]=
[33
]Mtodos Cuantitativos [email protected]
-
1.4. Geometra de matrices 17
1.4.2. Combinaciones lineales
Sea V un espacio vectorial real, donde los vectores u1, u2, u3, ..., un V,adems 1, 2, 3, ..., n son escalares y x V, donde:
x = 1.u1 + 2.u2 + 3.u3 + ...+ n.un =n
i=1
i.ui
Por lo tanto x es combinacin lineal de u V cuando existe .En matrices:
x1x2...xn
= [u1 u2 un] .12...n
1.4.3. Dependencia lineal e independencia lineal
Dependencia lineal
Un conjunto de vectores es linealmente dependiente cuando cualquierade los vectores en el conjunto puede ser escrito como una combinacin li-neal de los otros.
1.u1 + 2.u2 + ...n.un = 0 1, 2, ..., n no todos son nulos.
Mtodos Cuantitativos [email protected]
-
18 1. Anlisis Matricial
Independencia lineal
Un conjunto de vectores es linealmente independientes si y slo si:
1.u1 + 2.u2 + ...n.un = 0 1 = 2 = ... = n = 0
Subespacio
La dimensin de un subespacio se define como el nmero de vectoreslinealmente independientes que lo generan.Diremos que un vector e es ortogonal a un espacio Ep si e es ortogonal atodo vector Ep, entonces, si x pertence al subespacio Ep, entonces:
xe = 0
1.4.4. Rango de una matriz
El rango de una matriz A de orden nxn, es el orden de la submatrizcuadrada ms grande contenida en A, cuya determinante es no nulo y quedenotamos por r(A) = rangodeA.En otras palabras es el nmero mximo de filas linealmente independientesde una matriz o el nmero mximo de columnas linealmente independien-tes de una matriz.Sea una matriz A de mxn entonces el r(A) min(m, n)
1.4.5. Determinante de una matriz
En el caso de una matrizR2 la determinante sera un rea, en una matrizR3 la determinante seria el volumen, etc.Para hallar la determinante de una matriz de segundo orden:
Sea A =[a11 a12a21 a22
]det(A) = |A| =
a11 a12a21 a22 = a11a22 a12a21
Propiedad
Si la matriz A =[a11 a12a21 a22
]tiene inversa A1si y solo si |A| 6= 0, esto debido a:
A1 = 1|A|
[a22 a12a21 a11
]
Mtodos Cuantitativos [email protected]
-
1.4. Geometra de matrices 19
Para hallar la determinante de una matriz de tercer orden:
Sea A = [aij]3x3 =
a11 a12 a13a21 a22 a23a31 a32 a33
Al menor complementario de a11 es M11 =
a22 a23a32 a33
Al menor complementario de a12 es M12 = a21 a23a31 a33
Al menor complementario de a13 es M13 =
a21 a22a31 a32
Hallando el cofactor:
Aij = (1)ijMij
El cofactor de a11 es A11 = (1)1+1M11 = M11El cofactor de a12 es A12 = (1)1+2M12 = M12El cofactor de a13 es A13 = (1)1+3M13 = M13Hallando |A|:
|A| = a11A11 + a12A12 + a13A13 = a11M11 a12M12 + a13M13|A| = a11
a22 a23a32 a33 | a12 a21 a23a31 a33
a13 a21 a2a31 a32
|A| = a11(a22a33 a23a32) a12(a21a33 a23a13) + a13(a21a32 a31a22)
1.4.6. Ortogonalidad de una matriz
Vectores ortogonales
Empezaremos a analizar cuando dos vectores son paralelos:
~a||~b r R tal que ~a = r.~b
Veamos todo lo contrario, cuando se trata de ortogonalidad:Dos vectores~a y~b son ortogonales si se verifica la siguiente relacin.
||~a+~b|| = ||~a~b||
Cuando existe ortogonalidad de dos vectores, se dice que estos hacen unngulo de 90, veamos si estas caracteristicas de la ortogonalidad se cum-plen.
Mtodos Cuantitativos [email protected]
-
20 1. Anlisis Matricial
||~a+~b|| = ||a~b||||~a+~b||2 = ||a~b||2
||~a||2 + 2~a.~b+ ||~b||2 = ||~a||2 2~a.~b+ ||~b||24~a.~b = 0~a.~b = 0
En conclucin, se deduce que si la multiplicacin de dos vectores es iguala 0 estos son ortogonales.
Matriz ortogonal
Una matriz cuadrada es ortogonal si:
A.A = A.A = I
Con este concepto podemos deducir que una matriz ortogonal es simtricay adems que su transpuesta es igual a su inversa (A = A1).
Mnimos Cuadrados
Deduciremos una estimacin por minimos cuadrados pero centrando-nos en el analisis de vectores ortogonales.Para empezar tenemos una combinacin lineal y = Xb, en este caso notenemos ningun vector que sea ortogonal, pero de este concepto de ortogo-nalidad en la estadstica surge el error que siempre existir y es ortogonalal subespacio Xb.
Mtodos Cuantitativos [email protected]
-
1.4. Geometra de matrices 21
Ahora por suma de vectores tenemos: y = Xb+ eY por condicin de ortogonalidad: (Xb)e = 0Desarrollando con estas ecuaciones:
bX(y Xb) = 0bXy bXXb = 0bXy = bXXbb = (XX)1Xy
1.4.7. Valores y vectores propios
Los valores propios son las medidas bsicas del tamao de una mtriz ylos vectores propios representan las direcciones caractersticas de la matriz.Si tenemos una matriz A:
A =[a11 a12a21 a22
]Donde la ecuacin estructuramos la ecuacin caracterstica
Ac = c
Desarrollando...
Ac = Ic
(A I) c = 0Matriz
singular
|A cI| = 0Desarrollando la determinate de la matriz
Mtodos Cuantitativos [email protected]
-
22 1. Anlisis Matricial
A I =[a11 a12a21 a22
][ 00
]=
[a11 a12a21 a22
]|A I| = (a11 )(a22 ) = a21a12
|A I| = a11a22 a11 a22+ 2 = a21a12 = 0|A I| = a11a22 (a11 + a22)+ 2 = 0
|A I| = 2 (a11 + a22) tr(A)
+ (a11a22 a21a12) det(A)
= 0
Luego para hallar los vectores propios se reemplaza los valores propiosobtenidos en el polinomio caracterstico.
Mtodos Cuantitativos [email protected]
-
Bibliografa
[1] Greene William - Anlisis Economtrico.
[2] Kesber Angulo Sanchez - Apuntes de clases - Teora de Probabilidadesy Estadstica Matemtica
[3] Eduardo Espinoza Ramos - Vectores y Matrices
23
Anlisis MatricialDefinicin de matricesNotacin de una matriz
Tipos de matricesMatriz filaMatriz columnaMatriz nulaMatriz cuadradaMatriz simtricaMatriz diagonalMatriz escalarMatriz identidadMatriz idempotenteMatiz nilpotenteMatriz involutiva
Operaciones con matricesIgualdad de matricesMatriz transpuestaSuma de matricesProducto de un escalar con una matrizProducto de matricesPotencia de matrices cuadradasSuma de elementosMatriz idempotente para trasformar datos en desviaciones de la mediaDerivadas matriciales
Geometra de matricesEspacio vectorialCombinaciones linealesDependencia lineal e independencia linealRango de una matrizDeterminante de una matrizOrtogonalidad de una matrizValores y vectores propios