Académique Documents
Professionnel Documents
Culture Documents
CONTROL AUTOMÁTICO
CAP. 2 PRELIMINARES MATEMÁTICOS.
MATRICES Y VECTORES
MATRICES Y VECTORES.
Notación: los vectores serán representados con letras minúsculas del castellano y
del griego en negritas itálicas; las componentes de los vectores son números reales
𝑥𝑖 ∈ ℝ, 𝑖 = 1, 2, … , 𝑛, siendo 𝑛 ∈ ℕ la dimensión del espacio vectorial.
El vector nulo es aquel vector cuyas componentes son todas ceros y es denotado
por:
01
02
𝟎= ∈ ℝ𝑛
⋮
0𝑛
MATRICES Y VECTORES.
Propiedad de asociación:
𝒙𝑇 𝒚 + 𝒛 = 𝒙𝑇 𝒚 + 𝒙𝑇 𝒛 = 𝒚𝑻 𝒙 + 𝒛𝑇 𝒙
MATRICES Y VECTORES.
𝒙 = 0, 𝑠𝑖 𝑦 𝑠ó𝑙𝑜 𝑠𝑖 𝒙 = 𝟎
𝒙 − 𝒚 ≤ 𝒙 + 𝒚 ≤ 𝒙 + 𝒚 , ∀ 𝒙, 𝒚 ∈ ℝ𝒏
𝛼𝒙 = 𝛼 𝒙 , ∀ 𝛼 ∈ ℝ, 𝑦 𝒙 ∈ ℝ𝒏
𝒙𝑇 𝒚 ≤ 𝒙 𝒚 , ∀ 𝒙, 𝒚 ∈ ℝ𝒏
MATRICES Y VECTORES.
1 0 0
𝐼= 0 1 0 Matriz Identidad
0 0 1
0 0 0
𝑂= 0 0 0 Matriz neutra o cero
0 0 0
𝑎11 0 0
𝐴= 0 𝑎22 0 Matriz diagonal
0 0 𝑎33
MATRICES Y VECTORES.
Operaciones de matrices:
Suma de matrices: Sólo existe entre matrices de la misma dimensión,
𝐶 = (𝐴 + 𝐵) ∈ ℝ𝒏×𝒑 , donde 𝐴, 𝐵 ∈ ℝ𝒏×𝒑
La suma de matrices satisface la propiedad conmutativa y asociativa.
Operaciones de matrices:
La matriz transpuesta satisface las siguientes propiedades:
(𝐴𝑇 )𝑇 = 𝐴
Si λ ∈ ℝ, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝜆𝐴 𝑇 = 𝜆𝐴𝑇 = 𝐴𝑇 𝜆
Si 𝐼 ∈ ℝ𝑛×𝑛 , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝐼 𝑇 = 𝐼
𝑇
𝐴+𝐵+𝐶 = 𝐴𝑇 + 𝐵 𝑇 + 𝐶 𝑇
𝐴𝑇 + 𝐵 𝑇 + 𝐶 𝑇 𝑇
=𝐴+𝐵+𝐶
MATRICES Y VECTORES.
Operaciones de matrices:
Producto de matrices: Considerando las matrices 𝐴 ∈ ℝ𝑛×𝑝 y 𝐵 ∈ ℝ𝑝×𝑚 , el
producto de matrices existe solo en el caso en el que el número de las columnas de
A es igual al número de renglones de B.
• El producto de matrices no es conmutativo.
• Cuando se multiplican matrices cuadradas, ambas deben tener el mismo orden.
• Cumple la ley distributiva para dos casos:
• 𝐴 𝐵 + 𝐶 = 𝐴𝐵 + 𝐴𝐶 Ley por la izquierda.
• 𝐵𝑇 + 𝐶 𝑇 𝐴𝑇 = 𝐵𝑇 𝐴𝑇 + 𝐶 𝑇 𝐴𝑇 Ley por la derecha.
MATRICES Y VECTORES.
Operaciones de matrices:
Cumple la ley asociativa:
• 𝐴 𝐵𝐸 = 𝐴𝐵 𝐸
Otras propiedades:
𝐴𝐵𝐸 𝑇 = 𝐸 𝑇 𝐵𝑇 𝐴𝑇
𝐴(𝐵 + 𝐷) 𝑇 = (𝐵 + 𝐷)𝑇 𝐴𝑇 = 𝐵𝑇 𝐴𝑇 + 𝐷 𝑇 𝐴𝑇
MATRICES Y VECTORES.
Matrices cuadradas:
Una matriz 𝐴 ∈ ℝ𝑛×𝑛 es cuadrada si y solo si n = m.
Algunas de sus propiedades son:
𝐴𝑘 = 𝐴𝐴𝐴 … 𝐴 , 𝑘 𝑣𝑒𝑐𝑒𝑠
𝑛
𝑡𝑟𝑎𝑧𝑎 𝐴 = 𝑎𝑖𝑖
𝑖=1
Matrices cuadradas:
Un cofactor Δ𝑖𝑗 es el coeficiente del término 𝑎𝑖𝑗 en la expresión del determinante
|A| por sus determinantes menores.
Δ𝑖𝑗 = −1 𝑖+𝑗 𝐴
𝑖𝑗
Matrices cuadradas:
Matriz simétrica: Se representa por 𝐴𝑠 ∈ ℝ𝑛×𝑛 y es aquella matriz que coincide
con su matriz transpuesta.
Matriz antisimétrica: Se representa por 𝐴𝑠𝑘 ∈ ℝ𝑛×𝑛 y es aquella matriz que
satisface la condición de 𝐴𝑠𝑘 = −𝐴𝑇𝑠𝑘 .
Cualquier matriz cuadrada 𝐴 ∈ ℝ𝑛×𝑛 puede ser expresada como la suma de una
matriz simétrica 𝐴𝑠 ∈ ℝ𝑛×𝑛 y una matriz antisimétrica 𝐴𝑠𝑘 ∈ ℝ𝑛×𝑛 , tal que:
𝐴+𝐴𝑇 𝐴−𝐴𝑇
𝐴𝑠 = 𝐴𝑠𝑘 =
2 2
MATRICES Y VECTORES.
Funciones cuadráticas:
La forma cuadrática de una función se define como:
𝑉 𝒙 = 𝒙𝑇 𝐴𝒙 con 𝒙 ∈ ℝ𝑛×1 , 𝐴 ∈ ℝ𝑛×𝑛
Tomando en cuenta que la matriz A puede descomponerse en su parte simétrica y
antisimétrica, se tiene que:
𝑉 𝒙 = 𝒙𝑇 𝐴𝒙 = 𝒙𝑇 𝐴𝑠 + 𝐴𝑠𝑘 𝒙 = 𝒙𝑇 𝐴𝑠 𝒙 + 𝒙𝑇 𝐴𝑠𝑘 𝒙 = 𝒙𝑇 𝐴𝑠 𝒙, ∀𝒙 ≠ 0 ∈ ℝ𝑛
Esto debido a la propiedad de antisimetría, la cual produce como resultado un
escalar idéntico a cero, es decir:
𝒙𝑇 𝐴𝑠𝑘 𝒙 ≡ 0, ∀𝒙 ∈ ℝ𝑛
MATRICES Y VECTORES.
Valores propios:
Para cada matriz cuadrada 𝐴 ∈ ℝ𝑛×𝑛 existen n valores propios, en general
números complejos, denotados por 𝜆1 𝐴 , 𝜆2 𝐴 ,…, 𝜆𝑛 𝐴 .
El procedimiento para obtener los valores propios de una matriz 𝐴 ∈ ℝ𝑛×𝑛 es el
siguiente:
𝜆 − 𝑎11 … −𝑎1𝑛
𝑑𝑒𝑡 𝜆𝐼 − 𝐴 = ⋮ ⋱ ⋮ =0
−𝑎𝑛1 … 𝜆 − 𝑎𝑛𝑛
𝑑𝑒𝑡 𝜆𝐼 − 𝐴 = 𝜆𝑛 + 𝛼1 𝜆𝑛−1 + ⋯ + 𝛼𝑛−2 𝜆2 + 𝛼𝑛−1 𝜆+ 𝛼𝑛 = 0
Polinomio característico
MATRICES Y VECTORES.
Valores propios:
El polinomio característico es un polinomio de orden n en la variable 𝜆. Si la matriz
𝐴 ∈ ℝ𝑛×𝑛 es de dimensión n, entonces tendrá n valores propios 𝜆.
Para el caso de una matriz simétrica 𝐴 = 𝐴𝑇 ∈ ℝ𝑛×𝑛 , sus valores propios son
números reales:
𝜆1 𝐴 , 𝜆2 𝐴 , …, 𝜆𝑛 𝐴 ∈ ℝ
MATRICES Y VECTORES.
Norma espectral:
La norma espectral de una matriz 𝐴 ∈ ℝ𝑛×𝑛 se denota con el símbolo 𝐴 y se
define como:
𝐴 = 𝜆𝐴𝑚𝑎𝑥
𝑇𝐴
Donde 𝜆𝐴𝑚𝑎𝑥
𝑇 𝐴 representa el valor propio máximo del producto resultante de las
matrices 𝐴𝑇 𝐴.
MATRICES Y VECTORES.
Norma espectral:
La norma espectral de una matriz 𝐴 ∈ ℝ𝑛×𝑛 satisface las siguientes propiedades:
𝐴 = 0 si y solo si 𝐴 = 0 ∈ ℝ𝑛×𝑛
𝐴 > 0 para todo 𝐴 ∈ ℝ𝑛×𝑛 con 𝐴 ≠ 0 ∈ ℝ𝑛×𝑛 .
𝐴 − 𝐵 ≤ 𝐴 + 𝐵 ≤ 𝐴 + 𝐵 , para todo 𝐴, 𝐵 ∈ ℝ𝑛×𝑛 .
𝐴 − 𝐵 ≤ 𝐴 + 𝐵 , para todo 𝐴, 𝐵 ∈ ℝ𝑛×𝑛 .
𝛼𝐴 = 𝛼 𝐴 , para todo α ∈ ℝ 𝑦 𝐴 ∈ ℝ𝑛×𝑛 .
𝐴𝐵 ≤ 𝐴 𝐵 , para todo 𝐴, 𝐵 ∈ ℝ𝑛×𝑛 .
𝐴𝑇 𝐵 ≤ 𝐴 𝐵 , para todo 𝐴, 𝐵 ∈ ℝ𝑛×𝑛 .
MATRICES Y VECTORES.
Norma espectral:
Considérese la matriz 𝐴 ∈ ℝ𝑛×𝑛 y el vector 𝒙 ∈ ℝ𝑛 :
La norma euclidiana del vector 𝐴𝒙 satisface:
𝐴𝒙 ≤ 𝐴 𝒙 .
Sea 𝒚 ∈ ℝ𝑛 , el valor absoluto de 𝒚𝑇 𝐴𝒙 satisface:
𝒚𝑇 𝐴𝒙 ≤ 𝐴 𝒚 𝒙 , ∀𝒙, 𝒚 ∈ ℝ𝑛
Si la matriz A es simétrica y definida positiva, entonces su norma espectral
1
satisface: 𝐴 = 𝜆𝐴𝑚𝑎𝑥 y 𝐴−1 =
𝜆𝑚𝑖𝑛
𝐴
MATRICES Y VECTORES.