Álgebra Matricial (Parte I)
29
Capítulo 1: Álgebra Matricial 1.1 INTRODUCCIÓN En muchos análisis se supone que las variables que intervienen están relacionadas mediante un conjunto de ecuaciones lineales. El álgebra matricial proporciona una notación concisa y clara para la formulación y resolución de tales problemas, muchos de los cuales serían casi imposibles de plantear con la notación algebraica ordinaria. En este capítulo, se definen los vectores y las matrices, así como las operaciones correspondientes. Se consideran tipos especiales de matrices, la transpuesta de una matriz, las matrices subdivididas y el determinante de una matriz. También se tratan y aplican a la resolución de ecuaciones lineales simultáneas, la dependencia lineal de un conjunto de vectores, y el rango y la inversa de una matriz. Así mismo, se define e ilustra la diferenciación vectorial. Por último, en el Capítulo 2 se discuten otras aplicaciones del álgebra matricial. 1.2 DEFINICIÓN DE MATRIZ Una matriz es una disposición (o “arreglo”) rectangular de números en la forma Las letras representan números reales, que son los elementos de la matriz. Nótese que designa al elemento en la i-ésima fila y la j-ésima columna de la matriz A; la matriz A se denota también a veces por ( ) o por { }. Una matriz que tiene m filas y n columnas se dice que es una matriz m x n (“m por n”), o bien, una matriz de orden m x n. Si m = n, se expresa que la matriz es cuadrada. Cuando han de realizarse varias operaciones en matrices, su orden suele denotarse mediante subíndices, por ejemplo, , o bien, .
-
Upload
jgomez1965 -
Category
Documents
-
view
238 -
download
4
description
matriz
Transcript of Álgebra Matricial (Parte I)
lgebra """j
Captulo 1: lgebra Matricial
1.1 INTRODUCCIN
En muchos anlisis se supone que las variables que intervienen estn relacionadas mediante un conjunto de ecuaciones lineales. El lgebra matricial proporciona una notacin concisa y clara para la formulacin y resolucin de tales problemas, muchos de los cuales seran casi imposibles de plantear con la notacin algebraica ordinaria.
En este captulo, se definen los vectores y las matrices, as como las operaciones correspondientes. Se consideran tipos especiales de matrices, la transpuesta de una matriz, las matrices subdivididas y el determinante de una matriz. Tambin se tratan y aplican a la resolucin de ecuaciones lineales simultneas, la dependencia lineal de un conjunto de vectores, y el rango y la inversa de una matriz. As mismo, se define e ilustra la diferenciacin vectorial. Por ltimo, en el Captulo 2 se discuten otras aplicaciones del lgebra matricial.
1.2 DEFINICIN DE MATRIZ
Una matriz es una disposicin (o arreglo) rectangular de nmeros en la forma
A
=
a
11
a
12
L
a
1
n
a
21
a
22
L
a
2
n
M
M
M
M
a
m
1
a
m
2
L
a
mn
o
A
=
a
11
a
12
L
a
1
n
a
21
a
22
L
a
2
n
M
M
M
M
a
m
1
a
m
2
L
a
mn
Las letras
a
i
j
representan nmeros reales, que son los elementos de la matriz. Ntese que
a
i
j
designa al elemento en la i-sima fila y la j-sima columna de la matriz A; la matriz A se denota tambin a veces por (
a
i
j
) o por {
a
i
j
}. Una matriz que tiene m filas y n columnas se dice que es una matriz m x n (m por n), o bien, una matriz de orden m x n. Si m = n, se expresa que la matriz es cuadrada. Cuando han de realizarse varias operaciones en matrices, su orden suele denotarse mediante subndices, por ejemplo,
A
m
n
, o bien,
a
i
j
(
)
m
n
.
EJEMPLO
1
0
-
2
6
4
8
3
-
9
6
6
3
3
8
-
2
-
1
0
0
5
-
8
-
2
12
10
-
1
13
9
-
3
2
7
6
6
4
10
1
-
1
-
1
1
es
una
matriz
2
4
es
una
matriz
3
3
(
cuadrada
)
es
una
matriz
5
3
es
una
matriz
2
2
(
cuadrada
)
Se dice que dos matrices del mismo orden son iguales solamente si todos sus elementos correspondientes son tambin iguales, es decir, si las matrices son idnticas. Observemos que, por definicin, las matrices que son de diferente orden no pueden ser iguales.
EJEMPLO
Si
A
=
2
-
2
-
2
2
B
=
2
-
2
2
-
2
2
-
2
C
=
-
2
2
2
-
2
D
=
2
-
2
-
2
2
A
=
D
,
pero
A
B
,
A
C
,
B
C
,
B
D
,
y
C
D
.
DEFINICIN DE VECTOR (EN LGEBRA MATRICIAL)
Una matriz que consta de una sola columna, es decir, una matriz m x l se conoce como vector columna, y se expresa como
u
=
u
1
u
2
M
u
m
o
bien
u
=
u
1
u
2
M
u
m
Las letras
u
i
son nmeros reales: los componentes del vector;
u
i
es el i-simo componente del vector u. Un vector columna que tiene m filas se dice que es un vector de m componentes, o que es m-dimensional.
Anlogamente, una matriz que contiene una sola fila, es decir, una matriz 1 x n, se dice que es un vector fila y se expresa como
v =
v
1
,
v
2
,
...,
v
n
(
)
o
bien
v =
v
1
,
v
2
,
...,
v
n
[
]
Las letras
v
j
son nmeros reales: los componentes del vector;
v
j
es el j-simo componente del vector v. Un vector fila con n columnas se dice que es un vector de n componentes, o que es n-dimensional.
EJEMPLO
-
1
-
1
es una matriz 2 x 1, o sea, un vector columna de 2 dimensiones (o bidimensional)
0
0
3
0
2
es una matriz 5 x 1, o sea, un vector columna de 5 dimensiones (o pentadimensional)
0
,
3
,
0
[
]
es una matriz 1 x 3, o sea, un vector fila de 3 dimensiones (o tridimensional)
-
1
,
-
1
,
5
,
-
1
[
]
es una matriz 1 x 4, o sea, un vector fila de 4 dimensiones (o tetradimensional)
Dos vectores fila que tienen el mismo nmero de columnas, o dos vectores columna que tienen el mismo nmero de filas, se dice que son iguales solamente si todos los elementos correspondientes son tambin iguales, es decir, si los vectores son idnticos.
EJEMPLO
u =
1
,
3
[
]
v =
1
3
w =
1
,
3
[
]
x =
3
,
1
[
]
u = w, pero u v, u x, y v w, v x, y w x.
NOTA: Con frecuencia es til considerar a una matriz como compuesta de una serie de vectores fila o de vectores columna; por ejemplo, la matriz
1
-
6
2
2
-
3
4
se puede considerar constituida por los dos vectores columna
1
2
-
3
y
-
6
2
4
o bien. compuesta de los tres vectores fila
1
,
-
6
[
]
2
,
2
[
]
y
-
3
,
4
[
]
1.3 OPERACIONES CON MATRICES
Operaciones anlogas a las de adicin. Sustraccin, multiplicacin y divisin de nmeros reales se pueden definir para las matrices. Puesto que una matriz es una disposicin de nmeros reales, en lugar de un solo nmero real, algunas propiedades de las operaciones para los nmeros reales no tienen equivalencia en las operaciones anlogas con matrices; ejemplos especficos se dan en las siguientes secciones. En esta seccin se definen e ilustran la adicin y la sustraccin de matrices, la multiplicacin de una matriz por un escalar, y la multiplicacin de matrices entre s.
ADICIN Y SUSTRACCIN DE MATRICES
Las matrices se pueden sumar o restar solamente si son del mismo orden. La suma o la diferencia de dos matrices m x n es otra matriz m x n cuyos elementos son las sumas o diferencias de los elementos correspondientes de las matrices originales; de modo que si
A
=
a
11
L
a
1
n
M
M
a
m
1
L
a
mn
B
=
b
11
L
b
1
n
M
M
b
m
1
L
b
mn
entonces A B = C
en donde
C
=
a
11
b
11
L
a
1
n
b
1
n
M
M
a
m
1
b
m
1
L
a
mn
b
mn
=
c
11
L
c
1
n
M
M
c
m
1
L
c
mn
es decir,
a
i
j
(
)
+
b
i
j
(
)
=
c
i
j
(
)
, en donde
c
i
j
=
a
i
j
+
b
i
j
para toda i y toda j.
EJEMPLO
a
(
)
3
2
-
4
5
6
8
3
0
0
+
0
3
8
-
5
-
6
2
0
0
-
4
=
3
5
4
0
0
10
3
0
-
4
b
(
)
3
-
10
-
11
25
-
-
6
-
4
22
-
21
=
9
-
6
-
33
46
c
(
)
4
,
6
,
12
[
]
+
-
3
,
2
,
-
12
[
]
=
1
,
8
,
0
[
]
(
d
)
1
1
2
4
1
-
1
1
2
4
1
=
0
0
0
0
0
(
e
)
2
3
6
4
+
1
1
-
1
2
-
0
0
6
4
=
3
4
-
1
2
(
f
)
1
1
1
+
3
2
4
-
6
8
10
+
0
1
0
=
-
2
-
4
-
5
(
g
)
2
,
1
[
]
+
3
,
4
[
]
+
6
,
7
[
]
-
11
,
12
[
]
=
0
,
0
[
]
(
h
)
1
4
2
6
3
8
-
0
5
7
9
11
12
-
10
13
20
0
1
0
=
-
9
-
14
-
25
-
3
-
9
-
4
PROBLEMAS
Obtener la matriz que resulta de cada una de las siguientes operaciones:
1
.
2
-
3
6
5
4
5
0
-
1
-
9
-
1
-
3
4
0
-
2
5
1
0
-
1
2
.
6
-
1
0
4
2
1
+
5
0
2
0
-
1
3
+
-
2
-
1
-
3
-
4
1
-
1
3
.
1
3
4
-
2
0
2
+
3
1
-
2
4
.
2
1
1
2
+
-
1
0
0
-
1
-
2
2
2
2
5
.
1
,
3
,
+
1
,
2
[
]
-
0
,
1
,
-
2
,
3
[
]
6
.
-
1
,
2
[
]
-
3
,
4
[
]
+
1
,
-
2
[
]
-
6
,
5
[
]
Respuestas a los Problemas de Nmero Impar
1
.
1
0
2
5
6
0
-
1
-
1
-
8
3
.
2
4
0
5
.
1
,
2
,
1
,
-
1
[
]
MULTIPLICACIN DE UNA MATRIZ POR UN ESCALAR
Un solo nmero real (que equivale a una matriz 1 x 1) se denomina escalar en las operaciones del lgebra matricial. Cuando una matriz se multiplica por un escalar, cada elemento de la matriz queda multiplicado por ese escalar (que es una constante); por lo tanto, si
A
=
a
11
L
a
1
n
M
M
a
m
1
L
a
mn
y k es cualquier escalar (o constante)
entonces
k
A
m
n
=
kA
m
n
=
ka
11
L
ka
1
n
M
M
ka
m
1
L
ka
mn
=
k
a
i
j
(
)
m
n
=
ka
i
j
(
)
m
n
EJEMPLO
a
(
)
3
4
-
3
8
-
2
-
1
0
=
12
-
9
24
-
6
-
3
0
b
(
)
5
0
-
1
0
=
0
-
5
0
c
(
)
-
1
6
,
-
2
,
-
3
[
]
=
-
6
,
2
,
3
[
]
d
(
)
a
5
6
2
4
-
3
-
1
0
-
6
=
5
a
6
a
2
a
4
a
-
3
a
-
a
0
-
6
a
e
(
)
-
b
0
-
2
3
-
1
5
=
0
2
b
-
3
b
b
-
5
b
f
(
)
c
0
,
0
,
0
,
0
,
16
[
]
=
0
,
0
,
0
,
0
,
16
c
[
]
MULTIPLICACIN DE MATRICES
Dos matrices se pueden multiplicar entre s slo si el nmero de columnas en una de ellas es igual al nmero de filas en la otra. En particular, la matriz producto AB est definida solamente si el nmero de columnas en A es el mismo que el nmero de filas en B; en este caso se dice que las matrices A y B son compatibles ante la multiplicacin, y la matriz producto tiene el mismo nmero de filas que A y el mismo nmero de columnas que B. As, una matriz m x n se puede multiplicar con una matriz n x p para obtener una matriz m x p.
DEFINICIN: Cuando un vector fila 1 x n multiplica a un vector columna n x 1, el resultado es un escalar al que se le denomina producto interior de los dos vectores, y su valor es la suma de los productos de los componentes de los vectores. Por lo tanto si
u =
u
1
,
L
,
u
n
[
]
yv =
v
1
M
v
n
entonces u1xn vnx1 = w (un escalar), en donde
w
=
u
1
v
1
+
u
2
v
2
+
L
+
u
n
v
n
=
u
i
v
i
i
=
1
n
.
Cuando se multiplican dos matrices, el elemento en la i-sima fila y en la j-sima columna de la matriz producto, es el producto interior del i-simo vector fila de la primera matriz con el j-simo vector columna de la segunda. De acuerdo con lo anterior, el producto de dos matrices puede expresarse como una matriz de sus productos interiores: Si
A
=
a
i
j
(
)
m
n
y
B
=
b
i
j
(
)
n
p
, entonces AB = C, en donde
C
=
c
i
k
(
)
m
p
=
a
1
j
b
j
1
j
=
1
n
L
a
1
j
b
jm
j
=
1
n
M
M
a
mj
b
j
1
j
=
1
n
L
a
mj
b
jn
j
=
1
n
es decir,
c
i
k
=
a
i
j
b
j
k
j
=
1
n
.
EJEMPLO
a
(
)
1
3
-
1
2
0
0
0
-
1
6
3
3
1
0
-
1
2
1
3
3
2
=
-
3
3
2
0
7
16
3
2
en donde
1
(
)
1
(
)
+
3
(
)
-
1
(
)
+
-
1
(
)
1
(
)
=
-
3
2
(
)
1
(
)
+
0
(
)
-
1
(
)
+
0
(
)
1
(
)
=
2
0
(
)
1
(
)
+
-
1
(
)
-
1
(
)
+
6
(
)
1
(
)
=
7
1
(
)
0
(
)
+
3
(
)
2
(
)
+
-
1
(
)
3
(
)
=
3
2
(
)
0
(
)
+
0
(
)
2
(
)
+
0
(
)
3
(
)
=
0
0
(
)
0
(
)
+
-
1
(
)
2
(
)
+
6
(
)
3
(
)
=
16
b
(
)
-
1
,
0
,
6
,
3
,
2
[
]
1
5
3
0
4
0
-
2
3
1
8
0
-
2
5
2
=
-
12
,
38
[
]
1
2
en donde
-
1
(
)
3
(
)
+
0
(
)
4
(
)
+
6
(
)
-
2
(
)
+
3
(
)
1
(
)
+
2
(
)
0
(
)
=
-
12
-
1
(
)
0
(
)
+
0
(
)
0
(
)
+
6
(
)
3
(
)
+
3
(
)
8
(
)
+
2
(
)
-
2
(
)
=
38
En la multiplicacin de matrices, el orden (o sucesin) segn el cual se efecta la multiplicacin es muy importante. Si A es m x n y B es n x m, entonces es posible obtener las matrices producto AB, y BA; sin embargo, en general AB BA. En el producto matricial AB, se dice que A premultiplica a B, o alternativamente, que B posmultiplica a A. Como, en general, la premultiplicacin y la posmultiplicacin dan resultados diferentes, aun cuando ambos estn definidos, se debe tener cuidado en mantener el orden apropiado en todas las multiplicaciones de matrices. Esta precaucin no es necesaria en la multiplicacin de nmeros, como se recordar.
EJEMPLO
(a) Si
A
=
4
6
-
1
3
0
-
1
2
1
y
B
=
1
2
-
1
1
1
6
2
3
entonces
AB
=
4
6
-
1
3
0
-
1
2
1
2
4
1
2
-
1
1
1
6
2
3
4
2
=
3
17
5
14
2
2
BA
=
1
2
-
1
1
1
6
2
3
4
2
4
6
-
1
3
0
-
1
2
1
2
4
=
4
4
3
5
-
4
-
7
3
-
2
4
0
11
9
8
9
4
9
4
4
(b) Si
A
=
5
-
6
-
1
0
0
3
y
B
=
-
1
8
-
3
0
10
-
4
entonces
AB
=
5
-
6
-
1
0
0
3
3
2
-
1
8
-
3
0
10
-
4
2
3
=
-
5
-
20
9
1
-
8
3
0
30
-
12
3
3
BA
=
-
1
8
-
3
0
10
-
4
2
3
5
-
6
-
1
0
0
3
3
2
=
-
13
-
3
-
10
-
12
2
2
(c) Si
A
=
-
1
3
1
2
0
-
2
0
4
5
y
B
=
0
2
3
8
-
1
9
-
2
0
5
entonces
AB
=
-
1
3
1
2
0
-
2
0
4
5
3
3
0
2
3
8
-
1
9
-
2
0
5
3
3
=
22
-
5
29
4
4
-
4
22
-
4
61
3
3
BA
=
0
2
3
8
-
1
9
-
2
0
5
3
3
-
1
3
1
2
0
-
2
0
4
5
3
3
=
4
12
11
-
10
60
55
2
14
23
3
3
NOTA: Cuando un vector fila premultiplica a un vector columna, el resultado es un producto interior, es decir, un escalar cuyo valor es la suma de los productos de los elementos de los dos vectores. Cuando un vector columna n x 1 premultiplica a un vector fila 1 x n, el resultado es una matriz cuadrada n x n cuyos elementos son los productos interiores de los vectores dados; por tanto, si
u =
u
1
,
L
,
u
n
[
]
yv =
v
1
M
v
n
entonces, como se indic anteriormente, u1xn vnx1 = w (un escalar), en donde
w
=
u
i
v
i
i
=
1
n
, y vnx1 u1xn = xnxn (una matriz cuadrada), siendo
x
i
j
=
v
i
u
j
.
EJEMPLO
a
(
)
1
,
3
,
6
[
]
-
2
4
-
1
=
-
2
+
12
-
6
=
4
-
2
4
-
1
1
,
3
,
6
[
]
=
-
2
-
6
12
4
12
24
-
1
-
3
-
6
b
(
)
1
,
0
,
0
,
2
,
-
3
[
]
0
-
1
-
4
-
3
-
2
=
0
+
0
+
0
-
6
+
6
=
0
0
-
1
-
4
-
3
-
2
1
,
0
,
0
,
2
,
-
3
[
]
=
0
0
0
0
0
-
1
0
0
-
2
3
-
4
0
0
-
8
12
-
3
0
0
-
6
9
-
2
0
0
-
4
6
Aunque el orden segn el cual se multiplican dos matrices afecta al resultado, el orden en el que se multiplican tres o ms matrices no influye en el resultado, siempre y cuando se conserve la secuencia de las operaciones, Es decir,
Amxn Bnxp Cpxq = Amxn(Bnxp Cpxq) = (Amxn Bnxp)Cpxq
Una propiedad correspondiente se tiene en el caso de la multiplicacin de nmeros. En resumen, la adicin de matrices es conmutativa, o sea, A + B = B + A, y tanto la adicin como la sustraccin son asociativas, es decir, A B C = A (B C) = (A B) C; la multiplicacin de dos matrices no es conmutativa (es decir, AB BA) pero la de tres o ms es asociativa, es decir ABC = A(BC) = (AB)C. Tratndose de nmeros, la adicin, la sustraccin y la multiplicacin son asociativas y conmutativas.
EJEMPLOS
A.
A
B
C
=
A
BC
=
ABC
1
-
1
0
2
-
3
4
0
0
1
3
3
3
1
-
1
3
1
0
,
2
,
-
1
[
]
1
3
=
1
-
1
0
2
-
3
4
0
0
1
3
3
0
6
-
3
0
2
-
1
0
-
2
1
3
3
=
0
4
-
2
0
-
2
1
0
-
2
1
3
3
O por asociatividad,
A
B
C
=
AB
C
=
ABC
1
-
1
0
2
-
3
4
0
0
1
3
3
3
1
-
1
3
1
0
,
2
,
-
1
[
]
1
3
=
2
-
1
-
1
3
1
0
,
2
,
-
1
[
]
1
3
=
0
4
-
2
0
-
2
1
0
-
2
1
3
3
B.
A
B
C
=
A
BC
=
ABC
1
-
1
6
10
2
2
5
-
2
3
-
8
0
6
2
3
-
1
0
-
4
3
1
=
1
-
1
6
10
2
2
-
17
-
16
2
1
=
-
1
-
262
2
1
O bien por asociatividad,
A
B
C
=
AB
C
=
ABC
1
-
1
6
10
2
2
5
-
2
3
-
8
0
6
2
3
-
1
0
-
4
3
1
=
13
-
2
-
3
-
50
-
12
78
2
3
-
1
0
-
4
3
1
=
-
1
-
262
2
1
C.
A
B
C
=
A
BC
=
ABC
3
4
4
3
2
2
0
1
-
1
0
2
2
-
6
-
8
10
-
5
5
4
2
3
=
3
4
4
3
2
2
-
5
5
4
6
8
-
10
2
3
=
9
47
-
28
-
2
44
-
14
2
3
O por asociatividad,
A
B
C
=
AB
C
=
ABC
3
4
4
3
2
2
0
1
-
1
0
2
2
-
6
-
8
10
-
5
5
4
2
3
=
-
4
3
-
3
4
2
2
-
6
-
8
10
-
5
5
4
2
3
=
9
47
-
28
-
2
44
-
14
2
3
D.
A
B
C
=
A
BC
=
ABC
1
,
-
1
,
4
,
2
[
]
1
4
0
2
-
1
0
4
1
-
1
,
0
,
6
[
]
1
3
=
1
,
-
1
,
4
,
2
[
]
1
4
0
0
0
-
2
0
12
1
0
-
6
0
0
0
4
3
=
6
,
0
,
-
36
[
]
1
3
Alternativamente, por asociatividad,
A
B
C
=
AB
C
=
ABC
1
,
-
1
,
4
,
2
[
]
1
4
0
2
-
1
0
4
1
-
1
,
0
,
6
[
]
1
3
=
-
6
-
1
,
0
,
6
[
]
1
3
=
6
,
0
,
-
36
[
]
1
3
PROBLEMAS
Obtener la matriz resultante de cada una de las siguientes operaciones:
1
.
3
+
1
2
3
4
0
-
1
-
1
2
1
2
0
3
2
.
2
-
1
1
0
3
-
3
2
1
1
0
3
.
1
,
-
1
,
0
,
2
[
]
2
1
1
3
-
1
0
0
2
4
.
1
,
-
2
,
0
[
]
1
-
1
3
0
-
2
1
2
1
5
.
-
1
1
1
-
1
2
0
0
2
1
1
1
1
1
1
6
.
1
,
-
1
,
1
[
]
2
0
0
2
2
2
1
0
0
1
Respuestas a los Problemas de Nmero Impar
1
.
-
3
6
9
12
0
-
3
-
3
6
3
6
0
9
3
.
1
,
2
[
]
5
.
0
0
0
0
0
0
1.4 TIPOS ESPECIALES DE MATRICES
En esta seccin se estudiarn tres tipos especiales de matrices: las matrices diagonales, las matrices identidad y las matrices nulas.
MATRICES DIAGONALES
Una matriz diagonal es una matriz cuadrada cuyos elementos son todos iguales a cero, excepto los que pertenecen a su diagonal principal, la cual es la que va del extremo superior izquierdo al extremo inferior derecho; as pues,
A
=
a
11
L
a
1
n
M
M
a
m
1
L
a
mn
=
a
i
j
(
)
n
n
es una matriz diagonal si y slo si
a
i
j
=
0
para i j
a
i
j
0
si al menos i = j (cuando todos los elementos de una matriz son ceros, se trata de una matriz nula, la cual se describir ms adelante)
Una matriz diagonal n x n puede indicarse por la notacin
A
=
a
11
0
O
0
a
nn
o
a
1
0
O
0
a
n
o bien, por
D
n
=
d
1
0
O
0
d
n
EJEMPLO
1
0
0
0
-
3
0
0
0
10
y
-
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
7
son matrices diagonales.
MATRICES IDENTIDAD
Una matriz identidad es una matriz diagonal cuyos elementos de la diagonal principal son todos iguales al nmero uno. Por consiguiente,
A
=
a
11
L
a
1
n
M
M
a
m
1
L
a
mn
=
a
i
j
(
)
n
n
es una matriz identidad si y slo si
a
i
j
=
0
para i j
a
i
j
=
1
para i = j
o en forma equivalente, una matriz diagonal Dn es una matriz identidad si y slo si
d
i
=
1
para i = 1, 2, , n
Una matriz identidad n x n se representa por In.
EJEMPLO
I
3
=
1
0
0
0
1
0
0
0
1
y
I
6
=
1
0
0
0
0
0
0
1
0
0
0
0
0
0
1
0
0
0
0
0
0
1
0
0
0
0
0
0
1
0
0
0
0
0
0
1
son las matrices identidad 3 x 3 y 6 x 6.
Ntese que al premultiplicar o posmultiplicar una matriz por la matriz identidad del tamao (u orden) apropiado, no cambia la matriz dada; es decir,
Amxn = Im Amxn = Amxn In = Amxn
EJEMPLOS
A.
A
2
4
I
2
A
2
4
A
2
4
I
4
A
2
4
2
-
3
-
6
4
-
1
-
1
0
3
2
4
=
1
0
0
1
2
2
2
-
3
-
6
4
-
1
-
1
0
3
2
4
=
2
-
3
-
6
4
-
1
-
1
0
3
2
4
1
0
0
0
0
1
0
0
0
0
1
0
0
0
0
1
4
4
=
2
-
3
-
6
4
-
1
-
1
0
3
2
4
B.
A
3
3
I
3
A
3
3
A
3
3
I
3
A
3
3
3
0
0
0
-
2
0
0
0
6
3
3
=
1
0
0
0
1
0
0
0
1
3
3
3
0
0
0
-
2
0
0
0
6
3
3
=
3
0
0
0
-
2
0
0
0
6
3
3
1
0
0
0
1
0
0
0
1
3
3
=
3
0
0
0
-
2
0
0
0
6
3
3
MATRICES NULAS
Una matriz nula es una matriz m x n cuyos elementos son todos iguales a cero; se simboliza con O. Cuando una matriz nula del orden (o tamao) apropiado se suma o se resta de otra matriz, esta ltima no cambia; es decir,
Amxn Omxn = Amxn
Premultiplicar o posmultiplicar una matriz nula de orden apropiado da lugar a otra matriz nula; es decir,
Okxm Amxn = Okxn yAmxn Onx1 = Omx1
EJEMPLOS
A.
A
2
3
O
2
3
=
A
2
3
0
1
0
10
0
-
3
2
3
0
0
0
0
0
0
2
3
=
0
1
0
10
0
-
3
2
3
B.
O
3
3
A
2
4
O
3
4
0
0
0
0
0
0
3
2
1
6
4
-
10
-
1
20
-
13
11
2
4
=
0
0
0
0
0
0
0
0
0
0
0
0
3
4
A
2
4
O
4
1
O
2
1
1
6
4
-
10
-
1
20
-
13
11
2
4
0
0
0
0
4
1
=
0
0
2
1
1.5 TRANSPUESTA DE UNA MATRIZ
En muchos anlisis en los que intervienen matrices, es conveniente emplear la transpuesta de una matriz. En esta seccin se define la transpuesta de una matriz, le de una suma o diferencia de matrices, y la de un producto de matrices.
La transpuesta de una matriz A de orden m x n es una matriz de orden n x m, denotada por A, cuyas filas son las columnas de A, y cuyas columnas son las filas de A. Por tanto, si
A
m
n
=
a
11
L
a
1
n
M
M
a
m
1
L
a
mn
=
a
i
j
(
)
m
n
Entonces la transpuesta de A es
A
n
m
=
a
11
L
a
1
n
M
M
a
m
1
L
a
mn
=
a
11
L
a
1
n
M
M
a
m
1
L
a
mn
=
a
i
j
(
)
n
m
=
a
i
j
(
)
m
n
Ntese que la transpuesta de un vector fila n-dimensional es un vector columna tambin n-dimensional, y anlogamente, la transpuesta de un vector columna de n-dimensiones es un vector fila de n-dimensiones tambin. La transpuesta de una matriz diagonal es la misma matriz diagonal.
EJEMPLO
Si
A
=
3
2
0
-
6
0
-
1
2
3
, entonces
A
=
3
-
6
2
0
0
-
1
3
2
Si
A
=
6
,
2
,
-
1
,
0
,
-
5
[
]
1
5
, entonces
A
=
6
2
-
1
0
-
5
5
1
Si
A
=
6
-
8
-
10
-
2
0
7
30
40
0
3
3
, entonces
A
=
6
-
2
30
-
8
0
40
-
10
7
0
3
3
Si
A
=
3
0
-
1
4
4
1
, entonces
A
=
3
,
0
,
-
1
,
4
[
]
1
4
Si
A
=
-
1
5
-
3
5
0
4
-
3
4
9
3
3
, entonces
A
=
-
1
5
-
3
5
0
4
-
3
4
9
3
3
Si
A
=
6
0
0
0
0
-
2
0
0
0
0
3
0
0
0
0
5
4
4
, entonces
A
=
6
0
0
0
0
-
2
0
0
0
0
3
0
0
0
0
5
4
4
Si una matriz (cuadrada) y su transpuesta son iguales, es decir,
a
i
j
=
a
j
i
para toda i y toda j, entonces la matriz se denomina simtrica (con respecto a su diagonal principal). En los dos ltimos ejemplos citados, las matrices son simtricas.
Una matriz simtrica que al multiplicarse por si misma queda igual, se dice que es idempotente. Por tanto, A es idempotente slo si
A = AyAA = A
EJEMPLOS
A.
Una matriz identidad (de cualquier orden) es idempotente, puesto que
In = InyIn In = In
B.
La matriz
1
5
2
5
2
5
4
5
es idempotente, puesto que
1
5
2
5
2
5
4
5
=
1
5
2
5
2
5
4
5
y
1
5
2
5
2
5
4
5
1
5
2
5
2
5
4
5
=
1
5
2
5
2
5
4
5
TRANSPUESTA DE UNA SUMA O DE UNA DIFERENCIA DE MATRICES
La transpuesta de una suma o diferencia de matrices es igual a la suma o diferencia de las transpuestas de las matrices; por consiguiente,
(Amxn Bmxn Cmxn)= Anxm Bnxm Cnxm
es decir,(di j)mxn = (di j)nxm
en donde
d
i
j
=
a
i
j
b
i
j
c
i
j
y
d
j
i
=
a
j
i
b
j
i
c
j
i
.
EJEMPLOS
A.
Si
A
=
3
0
2
-
6
8
-
1
B
=
-
1
6
-
2
3
-
2
1
C
=
0
0
6
-
2
5
25
entonces[A + B + C] =
2
6
6
-
5
11
25
=
2
-
5
6
11
6
25
o de otra maneraA + B + C =
3
-
6
0
8
2
-
1
+
-
1
3
6
-
2
-
2
1
+
0
-
2
0
5
6
25
=
2
-
5
6
11
6
25
B.
Si
A
=
2
-
1
0
-
1
B
=
6
8
10
-
12
C
=
0
-
1
0
0
entonces[A - B + C] =
-
4
-
10
-
10
11
=
-
4
-
10
-
10
11
o, alternativamente,A - B + C =
2
0
-
1
-
1
-
6
10
8
-
12
+
0
0
-
1
0
=
-
4
-
10
-
10
11
TRANSPUESTA DE UN PRODUCTO DE MATRICES
La transpuesta de un producto de matrices es igual al producto de las transpuestas de las matrices tomadas en orden inverso; por tanto,
[Amxn Bnxp Cpxq]= Cqxp Bpxn Anxm
EJEMPLOS
A.
Si
A
=
3
0
-
4
-
1
B
=
3
5
-
7
0
-
1
8
C
=
6
-
1
0
entonces
ABC
=
9
15
-
21
-
12
-
19
20
6
-
1
0
=
39
-
53
ABC
[
]
=
39
-
53
=
39
,
-
53
[
]
o en forma alternativa,
ABC
[
]
=
C
B
A
=
6
,
-
1
,
0
[
]
3
0
5
-
1
-
7
8
3
-
4
0
-
1
=
1
3
,
1
[
]
3
-
4
0
-
1
=
39
,
-
53
[
]
B.
Si
A
=
3
,
-
1
,
0
[
]
B
=
6
0
-
7
2
0
3
C
=
0
1
entonces* ABC =
26
-
2
[
]
0
1
=
-
2
y asimismo [ABC]= -2 (la transpuesta de un escalar es el mismo escalar), o de otra manera,
[ABC] = CBA=
0
,
1
[
]
6
-
7
0
0
2
3
3
-
1
0
=
0
2
3
[
]
3
-
1
0
=
-
2
PROBLEMAS
Obtenga la transpuesta de cada una de las siguientes matrices
1
.
2
6
5
-
3
2
.
-
3
6
5
-
2
3
.
-
7
-
5
6
8
10
-
3
4
.
1
-
6
3
-
1
4
-
8
0
5
7
5
.
3
,
-
2
,
4
,
-
9
[
]
6
.
-
1
3
2
1
-
4
2
7
.
Si
A
=
1
2
2
1
,
B
=
-
2
3
4
0
,
C
=
0
-
1
2
3
;
encuentre
:
a
.
A
+
B
[
]
b
.
B
+
C
[
]
c
.
AB
[
]
d
.
ABC
[
]
8
.
Si
A
=
2
-
1
1
2
0
1
3
2
,
B
=
3
-
1
2
1
,
C
=
3
0
2
-
1
2
-
4
2
3
y
D
=
-
3
0
-
2
-
1
-
2
-
4
2
3
,
encuentre
:
a
.
AB
[
]
b
.
C
+
D
[
]
c
.
D
C
[
]
d
.
A
+
D
+
C
Respuestas a los Problemas de Nmero Impar
1
.
2
5
6
-
3
3
.
-
7
8
-
5
10
6
-
3
5
.
3
-
2
4
-
9
7
.
a
.
-
1
6
5
1
b
.
-
2
6
2
3
c
.
6
0
3
6
d
.
6
12
3
18
1.6 MATRICES SUBDIVIDIDAS
Con frecuencia es conveniente subdividir (o particionar) una matriz descomponindola en sub-matrices. stas se pueden considerar como escalares al efectuar operaciones sobre la matriz original. La particin o subdivisin de una matriz se indica mediante lneas punteadas horizontales o verticales trazadas entre filas o columnas.
Por ejemplo, la matriz A de orden
m
n
se pueden subdividir como sigue:
A
=
A
1
A
2
(
)
en donde A1 es de orden
m
n
1
, A2 es de orden
m
n
2
, y
n
1
+
n
2
=
n
. La transpuesta de una matriz subdividida se puede escribir en trminos de las transpuestas de sus submatrices. As pues,
A
=
A
1
A
2
EJEMPLO
Si
A
=
A
1
A
2
[
]
=
4
-
3
5
0
2
-
1
1
6
8
-
2
3
-
7
entonces
A
=
A
1
A
2
4
2
8
-
3
-
1
-
2
5
1
3
0
6
-
7
Si se subdividen en forma compatible, las matrices particionadas se pueden sumar, restar o multiplicar. Si una matriz A de orden
m
n
se subdivide como
A
=
A
1
A
2
[
]
, en donde A1 es
m
n
1
, A2 es
m
n
2
, y
n
1
+
n
2
=
n
; y si una matriz B de orden
m
n
se particiona como
B
=
B
1
B
2
[
]
, en donde B1 es
m
n
1
, B2 es
m
n
2
, y
n
1
+
n
2
=
n
, entonces
A
B
=
A
1
B
1
A
2
B
2
[
]
De igual modo, si
A
=
A
1
A
2
en donde A es
m
n
, A1 es
m
1
n
, A2 es
m
2
n
, y
m
1
+
m
2
=
m
y
B
=
B
1
B
2
en donde B es
m
n
, B1 es
m
1
n
, B2 es
m
2
n
y
m
1
+
m
2
=
m
, entonces
A
B
=
A
1
B
1
A
1
B
2
EJEMPLO
Si
A
=
3
4
-
2
0
-
1
0
5
6
7
3
3
2
y
B
=
-
3
0
2
4
-
1
-
1
-
2
5
5
4
3
1
entonces
A
+
B
=
A
1
A
2
(
)
+
B
1
B
2
(
)
=
3
4
-
2
0
-
1
0
5
6
7
3
3
2
+
-
3
0
2
4
-
1
-
1
-
2
5
5
4
3
1
=
0
4
0
4
-
2
-
1
3
11
12
7
6
3
=
A
1
+
B
1
A
2
+
B
2
[
]
o bien,
A
+
B
=
A
1
A
2
+
B
1
B
2
=
3
4
-
2
0
-
1
0
5
6
7
3
3
2
+
-
3
0
2
4
-
1
-
1
-
2
5
5
4
3
1
=
0
4
0
4
-
2
-
1
3
11
12
7
6
3
=
A
1
+
B
1
A
2
+
B
2
Otras muchas subdivisiones posibles conducen al mismo resultado.
Particionar o subdividir una matriz es frecuente y conceptualmente conveniente cuando las matrices han de ser sumadas o restadas, pero las ventajas computacionales de la subdivisin de matrices se utilizan principalmente en la multiplicacin y en otras operaciones ms complicadas. Las matrices deben subdividirse en forma compatible para la multiplicacin. Si una matriz A de orden
m
n
se subdivide como
A
=
A
1
A
2
[
]
, en donde A1 es
m
n
1
, A2 es
m
n
2
, y
n
1
+
n
2
=
n
; y una matriz B de orden
n
p
se subdivide como
B
=
B
1
B
2
en donde B1 es
n
1
p
y B2 es
n
2
p
, entonces
AB
=
A
1
A
2
[
]
B
1
B
2
=
A
1
B
1
+
A
2
B
2
EJEMPLO
Si
A
=
3
0
-
1
-
2
4
1
1
-
1
2
y
B
=
2
1
1
3
-
1
1
entonces
AB
=
3
0
-
1
-
2
4
1
1
-
1
2
2
1
1
3
-
1
1
=
3
0
-
2
4
1
-
1
2
1
1
3
+
-
1
1
2
-
1
,
1
[
]
=
6
3
0
10
1
-
2
+
1
-
1
-
1
1
-
2
2
=
7
2
-
1
11
-
1
0
lo que puede verificarse por multiplicacin matricial directa.
Las matrices se pueden subdividir en ms de dos submatrices. De hecho, es posible particionar una matriz
m
n
en un mximo de mn submatrices; observemos que la particin mxima equivale a no subdividir en absoluto la matriz, puesto que cada elemento se trata como una matriz escalar. A menos que se tenga una particin lgica en trminos de las variables de un problema, las matrices se deben subdividir para facilitar los clculo; esto implica un compromiso razonable entre minimizar el nmero de submatrices y minimizar su tamao mximo.
Las matrices se particionan ya sea horizontalmente o verticalmente. Por tanto, la matriz A de orden
m
n
se puede subdividir en la forma
A
=
A
11
A
12
A
21
A
22
en donde A11 es
m
1
n
1
, A12 es
m
1
n
2
, A21 es
m
2
n
1
, A22 es
m
2
n
2
, y asimismo,
m
1
m
2
=
m
,
n
1
n
2
=
n
. Entonces
A
=
A
11
A
12
A
21
A
22
=
A
11
A
12
A
21
A
22
Si la matriz B de orden
n
p
se particiona como
B
=
B
11
B
12
B
21
B
22
en donde B11 es
n
1
p
1
, B12 es
n
1
p
2
, B21 es
n
2
p
1
, B22 es
n
2
p
2
, y asimismo,
n
1
n
2
=
n
,
p
1
p
2
=
p
, entonces A y B estn particionadas en forma compatible para la multiplicacin y
AB
=
A
11
A
12
A
21
A
22
B
11
B
12
B
21
B
22
=
A
11
B
11
+
A
12
B
21
A
11
B
12
+
A
12
B
22
A
21
B
11
+
A
22
B
21
A
21
B
12
+
A
22
B
22
EJEMPLO
Si
A
=
1
3
1
-
1
0
1
2
-
1
4
0
2
-
3
y
B
=
3
-
2
1
0
-
1
5
-
1
4
-
3
2
3
-
2
0
1
-
1
entonces
AB
=
A
11
A
12
A
21
A
22
B
11
B
12
B
21
B
22
=
1
3
1
-
1
0
1
2
-
1
4
0
2
-
3
3
-
2
1
0
-
1
5
-
1
4
-
3
2
3
-
2
0
1
-
1
y
A
11
B
11
+
A
12
B
21
=
1
3
-
1
0
2
-
1
3
-
2
5
-
1
+
1
1
4
3
,
-
2
[
]
=
18
-
5
-
3
2
1
-
3
+
3
-
2
3
-
2
12
-
8
=
21
-
7
0
0
13
-
11
A
11
B
12
+
A
12
B
22
=
1
3
-
1
0
2
-
1
1
0
-
1
4
-
3
2
+
1
1
4
0
,
1
,
-
1
[
]
=
13
-
9
5
-
1
0
1
-
2
3
-
4
+
0
1
-
1
0
1
-
1
0
4
-
4
=
13
-
8
4
-
1
1
0
-
2
7
-
8
A
21
B
11
+
A
22
B
21
=
0
,
2
[
]
3
-
2
5
-
1
+
-
3
[
]
3
,
-
2
[
]
=
10
,
-
2
[
]
+
-
9
,
6
[
]
=
1
,
4
[
]
A
21
B
12
+
A
22
B
22
=
0
,
2
[
]
1
0
-
1
4
-
3
2
+
-
3
[
]
0
,
1
,
-
1
[
]
=
8
,
-
6
,
4
[
]
+
0
,
-
3
,
3
[
]
=
8
,
-
9
,
7
[
]
En consecuencia,
AB
=
A
11
B
11
+
A
12
B
21
A
11
B
12
+
A
12
B
22
A
21
B
11
+
A
22
B
21
A
21
B
12
+
A
22
B
22
=
21
-
7
13
-
8
4
0
0
-
1
1
0
13
-
11
-
2
7
-
8
1
4
8
-
9
7
lo cual se puede verificar por multiplicacin matricial directa.
PROBLEMAS
1. Calcule lo siguiente:
a
.
2
6
1
0
-
3
-
1
2
-
3
4
2
0
1
-
5
-
1
b
.
6
0
-
1
1
-
3
2
4
2
0
1
-
5
-
1
Emplee matrices subdivididas para verificar los resultados.
2. Si
U
=
1
,
-
1
,
4
[
]
,
X
=
0
,
1
,
2
[
]
,
V
=
5
0
1
y
Y
=
-
1
-
1
2
, obtenga
a
.
UV
+
XY
b
.
5
UV
+
10
X
2
V
-
Y
(
)
[
]
3. Si A es
2
3
, B es
4
3
, C es
3
3
, y D es
3
2
, determine la disposicin u orden de
a
.
AC
b
.
DA
c
.
AD
d
.
BC
e
.
DAC
f
.
BCDA
4. Si
A
=
1
2
3
0
-
1
1
2
3
0
B
=
3
1
0
1
-
1
2
0
2
1
evale
2
AB
-
BA
(
)
y emplee matrices subdivididas para verificar el resultado.
5. Si
A
=
-
1
-
2
-
2
1
2
1
-
1
-
1
0
B
=
-
3
-
6
2
2
4
-
1
2
3
0
C
=
-
5
-
8
0
3
5
0
1
2
-
1
demuestre que
a
.
A
2
=
B
2
=
C
2
=
I
b
.
AB
=
BA
=
C
c
.
BC
=
CB
=
A
d
.
AC
=
CA
=
B
Emplee matrices particionadas para verificar los resultados.
6. Si
A
=
5
4
-
2
4
5
-
2
-
2
-
2
2
demuestre que
A
2
-
11
A
+
10
I
=
O
. Utilice matrices particionadas para verificar el resultado.
7. Si
A
=
1
0
1
0
B
=
0
0
1
1
C
=
2
2
2
2
D
=
2
3
4
25
evale
a
.
AB
-
2
CD
b
.
A
2
c
.
BC
(
)
2
8. Si
U
=
1
,
0
,
1
[
]
V
=
1
2
3
X
=
4
2
-
1
-
1
3
0
0
1
1
Y
=
1
0
0
0
1
0
0
0
1
encuentre
a
.
UV
b
.
VU
+
X
c
.
XY
Emplee matrices particionadas para verificar los resultados.
9. Si
U
=
2
-
2
-
4
-
1
3
4
1
-
2
-
3
V
=
-
1
2
4
1
-
2
-
4
-
1
2
4
demuestre que
a
.
U
2
=
U
y
V
2
=
V
b
.
UV
=
VU
=
O
c
.
U
+
V
=
I
Utilice matrices subdivididas para comprobar los resultados.
10. Si
X
=
1
2
3
1
2
3
-
1
-
2
-
3
demuestre que
X
2
=
O
. Utilice matrices con subdivisin para comprobar el resultado.
11. Si
A
=
1
-
2
1
2
1
-
3
-
5
2
3
X
=
2
5
-
1
-
7
-
2
1
3
4
3
2
1
2
Y
=
3
6
0
-
6
-
1
2
4
5
4
3
2
3
demuestre que
AX
-
AY
(aunque
X
Y
) y emplee matrices particionadas para verificar el resultado.
12. Si
A
=
1
-
2
0
3
2
-
1
B
=
0
-
2
3
0
1
3
C
=
-
2
3
-
3
D
=
=
1
1
2
determine
AB
-
CD
.
Respuestas a los Problemas de Nmero Impar
1
.
a
.
0
-
4
0
-
9
13
7
b
.
29
13
-
6
-
3
3
.
a
.
2
3
b
.
3
3
c
.
2
2
d
.
4
3
e
.
3
3
f
.
4
3
7
.
a
.
-
24
-
32
-
24
-
32
b
.
1
0
1
0
c
.
0
0
16
16
* N. Del R. Est resultado es una matriz de orden 1 que slo puede multiplicarse con matrices de orden 1 x n, y no es propiamente el escalar ( 2. Un escalar puede multiplicarse con cualquier matriz.
_1052379241.unknown
_1052459841.unknown
_1053670171.unknown
_1053672133.unknown
_1053672812.unknown
_1053674682.unknown
_1053676298.unknown
_1053676536.unknown
_1053676823.unknown
_1053676926.unknown
_1053676683.unknown
_1053676467.unknown
_1053674797.unknown
_1053673122.unknown
_1053674491.unknown
_1053672865.unknown
_1053672186.unknown
_1053672507.unknown
_1053672175.unknown
_1053671587.unknown
_1053672054.unknown
_1053672096.unknown
_1053671926.unknown
_1053670686.unknown
_1053671492.unknown
_1053670587.unknown
_1052464155.unknown
_1052466086.unknown
_1052467178.unknown
_1052631156.unknown
_1053668721.unknown
_1053669630.unknown
_1052631215.unknown
_1052631288.unknown
_1052467446.unknown
_1052468202.unknown
_1052468320.unknown
_1052468996.unknown
_1052467516.unknown
_1052467277.unknown
_1052467421.unknown
_1052467228.unknown
_1052466840.unknown
_1052466921.unknown
_1052467026.unknown
_1052466864.unknown
_1052466724.unknown
_1052466797.unknown
_1052466688.unknown
_1052466476.unknown
_1052465482.unknown
_1052465907.unknown
_1052465984.unknown
_1052465554.unknown
_1052464890.unknown
_1052465387.unknown
_1052464350.unknown
_1052461765.unknown
_1052462587.unknown
_1052463802.unknown
_1052463987.unknown
_1052463429.unknown
_1052462434.unknown
_1052462501.unknown
_1052462218.unknown
_1052461230.unknown
_1052461530.unknown
_1052461719.unknown
_1052461479.unknown
_1052460209.unknown
_1052461174.unknown
_1052460118.unknown
_1052395506.unknown
_1052458955.unknown
_1052459467.unknown
_1052459642.unknown
_1052459768.unknown
_1052459523.unknown
_1052459261.unknown
_1052459324.unknown
_1052459111.unknown
_1052395653.unknown
_1052395730.unknown
_1052456069.unknown
_1052395702.unknown
_1052395575.unknown
_1052395600.unknown
_1052395550.unknown
_1052382086.unknown
_1052387675.unknown
_1052390706.unknown
_1052391481.unknown
_1052395459.unknown
_1052392776.unknown
_1052390922.unknown
_1052388811.unknown
_1052390420.unknown
_1052387832.unknown
_1052384465.unknown
_1052384535.unknown
_1052384372.unknown
_1052381514.unknown
_1052381718.unknown
_1052381917.unknown
_1052381619.unknown
_1052381243.unknown
_1052381413.unknown
_1052381004.unknown
_1052288260.unknown
_1052297587.unknown
_1052310853.unknown
_1052312576.unknown
_1052377966.unknown
_1052378989.unknown
_1052314839.unknown
_1052314908.unknown
_1052376809.unknown
_1052314877.unknown
_1052314815.unknown
_1052312210.unknown
_1052312315.unknown
_1052311043.unknown
_1052301043.unknown
_1052310455.unknown
_1052310587.unknown
_1052310611.unknown
_1052310648.unknown
_1052310681.unknown
_1052310632.unknown
_1052310594.unknown
_1052310498.unknown
_1052309421.unknown
_1052310050.unknown
_1052310345.unknown
_1052309494.unknown
_1052309571.unknown
_1052309617.unknown
_1052309528.unknown
_1052309454.unknown
_1052301935.unknown
_1052302384.unknown
_1052301761.unknown
_1052297880.unknown
_1052300863.unknown
_1052297715.unknown
_1052291240.unknown
_1052294377.unknown
_1052294923.unknown
_1052295497.unknown
_1052294734.unknown
_1052291581.unknown
_1052291639.unknown
_1052291302.unknown
_1052289829.unknown
_1052290278.unknown
_1052291193.unknown
_1052289877.unknown
_1052288831.unknown
_1052289032.unknown
_1052288457.unknown
_1052216037.unknown
_1052285804.unknown
_1052287600.unknown
_1052287720.unknown
_1052287935.unknown
_1052287650.unknown
_1052287178.unknown
_1052287415.unknown
_1052287105.unknown
_1052223709.unknown
_1052226460.unknown
_1052285214.unknown
_1052285462.unknown
_1052285593.unknown
_1052226580.unknown
_1052226615.unknown
_1052226497.unknown
_1052223861.unknown
_1052226404.unknown
_1052223784.unknown
_1052223837.unknown
_1052223742.unknown
_1052219178.unknown
_1052219209.unknown
_1052219241.unknown
_1052223092.unknown
_1052219014.unknown
_1052217058.unknown
_1052218819.unknown
_1052216985.unknown
_1052216785.unknown
_1052211448.unknown
_1052215201.unknown
_1052215876.unknown
_1052215997.unknown
_1052215825.unknown
_1052211637.unknown
_1052215080.unknown
_1052215159.unknown
_1052215007.unknown
_1052211555.unknown
_1052207995.unknown
_1052211244.unknown
_1052211286.unknown
_1052211117.unknown
_1052207679.unknown
_1052207929.unknown
_1052207631.unknown
