Máster en Análisis Económico y Empresarial (MAEs

)
Universidad de Málaga

Métodos Estadísticos
para la Econometría (MEE)
Parte I: Inferencia Estadística

Prof.: Carlos Gamero Burón
Dpto. de Estadística y Econometría
Universidad de Málaga
gamero@uma.es

Anexo II
Álgebra Matricial

muchos de los cuales serían casi imposibles de plantear con la notación algebraica ordinaria. (a ) ij m×n . Nótese que ai j designa al elemento en la i-ésima fila y la j-ésima columna de la matriz A. Ejemplo  1 0 −2 6  4 8 3 −9    matriz 2×4  6 6 3  3 8 −2     −1 0 0   5 −8  12 10 13 9   2 7  6 4 −2   −1 −3   6 10  matriz 3×3 (cuadrada) matriz 5×3  1 −1  −1 1   matriz 2×2 (cuadrada) -1- . se define e ilustra la diferenciación vectorial. A m×n . la matriz es cuadrada. una matriz de orden m × n. o bien.Máster en Análisis Económico y Empresarial (Universidad de Málaga) MEE-Anexo II Curso 2014/15 Prof. También se tratan el rango y la inversa de una matriz. las matrices subdivididas y el determinante de una matriz. En este anexo. que son los elementos de la matriz. Cuando han de realizarse varias operaciones en matrices. su orden suele denotarse mediante subíndices. por ejemplo. Se consideran tipos especiales de matrices. la transpuesta de una matriz. El álgebra matricial proporciona una notación concisa y clara para la formulación y resolución de tales problemas. 1. Definición de matriz y de vector Una matriz es una disposición rectangular de números en la forma  a11 a12  a1n    a21 a22  a2n   A = A = o          am1 am2  amn   a11   a21    am1 a12 a22  am2  a1n    a2n       amn  Las letras ai j representan números reales. o bien.: Carlos Gamero Burón Anexo II Elementos de Álgebra Matricial En muchos análisis se supone que las variables que intervienen están relacionadas mediante un conjunto de ecuaciones lineales. Si m = n. Una matriz que tiene m filas y n columnas se dice que es una matriz m × n (“m por n”). Así mismo. La matriz A se denota también a veces por ( ai j ) o por { ai j }. se definen los vectores y las matrices. así como las operaciones correspondientes.

u i es el i-ésimo componente del vector u. de modo que si  a11  a1n    = A =     B am1  amn   b11  b1n         bm1  bmn  entonces A ± B = C donde  a11 ± b11  a1n ± b1n    = C =    am1 ± bm1  amn ± bmn   c11  c1n       cm1  cmn  ( ) ( ) ( ) es decir. es decir. Análogamente. se dice que es un vector fila y se expresa como v = (v1 .: Carlos Gamero Burón Se dice que dos matrices del mismo orden son iguales solamente si todos sus elementos correspondientes son también iguales. si las matrices son idénticas. es decir.. una matriz que contiene una sola fila. las matrices que son de diferente orden no pueden ser iguales. y se expresa como  u1    u2  u = = o bien u       um   u1     u2       um  Las letras u i son números reales: los componentes del vector. Operaciones con matrices En esta sección se definen e ilustran la adición y la sustracción de matrices. se conoce como vector columna. . Observemos que.Máster en Análisis Económico y Empresarial (Universidad de Málaga) MEE-Anexo II Curso 2014/15 Prof. por definición. una matriz 1 × n. la multiplicación de una matriz por un escalar. vn ) 2. La suma o la diferencia de dos matrices m × n es otra matriz m × n cuyos elementos son las sumas o diferencias de los elementos correspondientes de las matrices originales. ci j . es decir. una matriz m × 1. o que es m-dimensional. v2 . ai j ± bi j = ai j ± bi j para toda i y toda j. y la multiplicación de matrices entre sí.. Un vector columna que tiene m filas se dice que es un vector de m componentes. Adición y sustracción de matrices Las matrices se pueden sumar o restar solamente si son del mismo orden.. Una matriz que consta de una sola columna. donde c= ij -2- .

y su valor es la suma de los productos de los componentes de los vectores. Cuando una matriz se multiplica por un escalar. si  a11  a1n    A=     am1  amn   ka11  ka1n  y k es cualquier escalar. el resultado es un escalar al que se le denomina producto interior de los dos vectores. ci k = ∑ j =1 ai jbj k .  . cada elemento de la matriz queda multiplicado por ese escalar (que es una constante). en este caso se dice que las matrices A y B son compatibles ante la multiplicación. por lo tanto. en donde w= u1 v1 + u2 v2 +  + un vn= ∑ n i =1 ui vi . De acuerdo con lo anterior. Cuando se multiplican dos matrices. es el producto interior del i-ésimo vector fila de la primera matriz con el j-ésimo vector columna de la segunda. por la matriz B = bi j es el producto de la matriz A = ai j ( ) m×n n  n  a b  a1 jbjm  ∑ ∑ 1 j j 1  =j 1 =j 1     C = ci k    = m× p n  n  a b  amjbjn  ∑ ∑ mj j1   =  j 1=j 1  ( ) Ejemplo  1 3 −1 2 0 0  ×   0 −1 6  3×3 ( ) n× p es decir.: Carlos Gamero Burón Multiplicación de una matriz por un escalar Un solo número real (que equivale a una matriz 1 × 1) se denomina escalar en las operaciones de álgebra matricial. el elemento en la i-ésima fila y en la j-ésima columna de la matriz producto. n  1 0  −3 3   −1 2 =  2 0      1 3  7 16  3×2 3×2 -3- . un   v1    v=  vn  y entonces uv = w (un escalar).Máster en Análisis Económico y Empresarial (Universidad de Málaga) MEE-Anexo II Curso 2014/15 Prof. Cuando un vector fila 1 × n multiplica a un vector columna n × 1. kam1  kamn  Producto de vectores y matrices La matriz producto AB está definida solamente si el número de columnas en A es el mismo que el número de filas en B. Por lo tanto si u = u1 . Así. una matriz m × n se puede multiplicar con una matriz n × p para obtener una matriz m × p. y la matriz producto tiene el mismo número de filas que A y el mismo número de columnas que B. entonces kA =      .

que B posmultiplica a A. AB ≠ BA) pero la de tres o más es asociativa. como se recordará. la adición. = Am×n Bn× pC p×q A= m×n ( Bn× pC p×q ) (A m×n Bn× p ) C p×q En resumen. 3. Matrices diagonales Una matriz A es diagonal si y sólo si es cuadrada y ai j = 0 ai j ≠ 0 para i ≠ j para al menos un i = j. la sustracción y la multiplicación son asociativas y conmutativas. -4- . siempre y cuando se conserve la secuencia de las operaciones. es decir. En el producto matricial AB. 2 3. el orden (o sucesión) según el cual se efectúa la multiplicación es muy importante. la multiplicación de dos matrices no es conmutativa (es decir. la premultiplicación y la posmultiplicación dan resultados diferentes. Es decir. es decir ABC = A(BC) = (AB)C. la adición de matrices es conmutativa. Tipos especiales de matrices En esta sección se presentarán tres tipos especiales de matrices: las matrices diagonales. se dice que A premultiplica a B. Ejemplos  −2   1. A + B = B + A. el resultado es una matriz cuadrada n × n. Tratándose de números. Como. el orden en el que se multiplican tres o más matrices no influye en el resultado. el resultado es un producto interior. en general. Cuando un vector columna n × 1 premultiplica a un vector fila 1 × n. 6 =  4 12 24   −1 −3 −6  Aunque el orden según el cual se multiplican dos matrices afecta al resultado. entonces es posible obtener las matrices producto AB y BA. y tanto la adición como la sustracción son asociativas. o alternativamente. o sea. Sin embargo. A ± B ± C = A ± (B ± C) = (A ± B) ± C. Si A es m × n y B es n × m. se debe tener cuidado en mantener el orden apropiado en todas las multiplicaciones de matrices. 6  4  =−2 + 12 − 6 =4  −1  −2   4    −1  −2 −6 12    1. es decir. 1 Nota: Como sabemos. las matrices identidad y las matrices nulas.Máster en Análisis Económico y Empresarial (Universidad de Málaga) MEE-Anexo II Curso 2014/15 Prof. 3. en general AB ≠ BA. un escalar cuyo valor es la suma de los productos de los elementos de los dos vectores. cuando un vector fila premultiplica a un vector columna. aun cuando ambos están definidos. Una matriz diagonal n × n puede indicarse por la notación 1 2 Esta precaución no es necesaria en la multiplicación de números.: Carlos Gamero Burón En la multiplicación de matrices.

es decir. es decir Am xn ± 0m xn = Am xn Premultiplicar o posmultiplicar una matriz nula de orden apropiado da lugar a otra matriz nula. cuyas filas son las columnas de A. no cambia la matriz dada. es decir 0k xm Am xn = 0k xn y Am xn 0n x1 = 0m x1 4. . Nótese que al premultiplicar o posmultiplicar una matriz por la matriz identidad del tamaño (u orden) apropiado. Por tanto. y análogamente. -5- . La transpuesta de una matriz diagonal es la misma matriz diagonal.: Carlos Gamero Burón 0 d1   Dn =     0 dn  Matrices identidad Una matriz identidad es una matriz diagonal cuyos elementos de la diagonal principal son todos iguales al número uno. denotada por A′.Máster en Análisis Económico y Empresarial (Universidad de Málaga) MEE-Anexo II Curso 2014/15 Prof. Transpuesta de una matriz La transpuesta de una matriz A de orden m × n es una matriz de orden n × m. la transpuesta de un vector columna de n-dimensiones es un vector fila de n-dimensiones también. si  a11  a1n  Am×n = =     am1  amn  (a ) ij m×n entonces la transpuesta de A es A′n×m  a11  am1 ′      =   a1n  amn  Nótese que la transpuesta de un vector fila n-dimensional es un vector columna también n-dimensional. Cuando una matriz nula del orden (o tamaño) apropiado se suma o se resta de otra matriz. se simboliza con 0. y cuyas columnas son las filas de A. esto es ai j = 0 ai j = 1 para i ≠ j para i = j Una matriz identidad n × n se representa por I n . esta última no cambia. Am xn = I= A= Am xn m Am xn m xn I n Matrices nulas Una matriz nula es una matriz m × n cuyos elementos son todos iguales a cero.

por consiguiente. Éstas se pueden considerar como escalares al efectuar operaciones sobre la matriz original. Matrices particionadas Con frecuencia es conveniente subdividir (o particionar) una matriz descomponiéndola en sub-matrices. A es idempotente sólo si A′ = A y AA = A Una matriz identidad (de cualquier orden) es idempotente. la siguiente matriz A es simétrica  −1 5 −3  5 0 4 = A = A′   −3 4 9  3×3 Una matriz simétrica que al multiplicarse por sí misma queda igual. se dice que es idempotente. La partición o subdivisión de una matriz se indica mediante líneas punteadas horizontales o verticales trazadas entre filas o columnas. Por ejemplo. ya que  2 5 4 5 ′   15  = 2  5 2 5 4 5   y   15 2 5 2 5 4 5   15  2  5 2 5 4 5   15  = 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. entonces A ′ = 2 0    −6 0 −1 2×3 0 −1 3×2 Si una matriz (cuadrada) y su transpuesta son iguales. ( Am×n ± Bm×n ± Cm×n )′ = A´n×m ± B´n×m ±C´n×m 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. puesto que y I n′ = I n 1 Ejemplo: La matriz  52 5 2 5 4 5  15 2 5 In In = I n   es idempotente. Por tanto [ Am×n Bn× pC p×q ]′ = Cq′× p Bp′ ×n An′ ×m 5. -6- .Máster en Análisis Económico y Empresarial (Universidad de Málaga) MEE-Anexo II Ejemplo Curso 2014/15 Prof. Por tanto. entonces la matriz se denomina simétrica (con respecto a su diagonal principal). es decir. aij = a ji para toda i y toda j.: Carlos Gamero Burón 3 −6   3 2 0 Si A =  .

A2 es m × n2 . B2 es m × n2 .Máster en Análisis Económico y Empresarial (Universidad de Málaga) MEE-Anexo II Curso 2014/15 Prof. la subdivisión de las mismas debe ser compatible para esa operación. la matriz A de orden m × n se pueden subdividir como sigue: A = ( A1 A2 ) en donde A1 es de orden m × n1 . y n1 + n2 = n . Si una matriz A de orden m × n se subdivide como A =  A1 A2  . entonces  B2  = AB  A1  B1  A2  =  A1 B1 + A2 B2  B2  -7- . en donde A1 es m × n1 . si  A1  A=   A2  en donde A es m × n . restar o multiplicar. B2 es m2 × n y m1 + m2 = m .  A1′  A′ =    A2′  Si se subdividen en forma compatible. las matrices particionadas se pueden sumar. y n1 + n2 = n . y una matriz B de orden n × p se subdivide como  B1  B =   donde B1 es n1 × p y B2 es n2 × p . A2 es m2 × n . Así pues. A2 es m × n2 . y n1 + n2 = n . entonces A ± B =  A1 ± B1 A2 ± B2  De igual modo. A1 es m1 × n . y m1 + m2 = m y  B1  B=   B2  en donde B es m × n .: Carlos Gamero Burón Por ejemplo. entonces  A1 ± B1  A±B=    A1 ± B2  Con respecto al producto de matrices particionadas. Si una matriz A de orden m × n se subdivide como A =  A1 A2  . A2 es de orden m × n2 . y n1 + n2 = n . B1 es m1 × n . en donde B1 es m × n1 . en donde A1 es m × n1 . y si una matriz B de orden m × n se particiona como B = B1 B2  . La transpuesta de una matriz subdividida se puede escribir en términos de las transpuestas de sus submatrices.

entonces A y B están particionadas en forma compatible para la n1 × n2 = n . B21 es n2 × p1 . B12 es n1 × p2 . Entonces m1 × m2 = m . El determinante de una matriz 2 × 2 : a A =  11 a21 a12  a22  viene dado por det = A A = a11a22 − a12 a21 Ejemplo Observemos que la partición máxima equivale a no subdividir en absoluto la matriz. p . y que es característico de la matriz. obtenido a partir de los elementos de una matriz por operaciones especificadas. n1 × n2 = ′  A11 A12 ′  A11 = A′ =   ′  A21 A22   A21 ′  A12 ′  A22   B11 Si la matriz B de orden n × p se particiona como B =   B21 B12   B22  en donde B11 es n1 × p1 . y asimismo. 3 -8- . De hecho. A21 es m2 × n1 . y asimismo. n . A22 es m2 × n2 . A12 es m1 × n2 . B22 es n2 × p2 . Por tanto. la matriz A de orden m × n se puede subdividir en la forma  A11 A=  A21 A12   A22  en donde A11 es m1 × n1 .: Carlos Gamero Burón Las matrices se pueden subdividir en más de dos submatrices. es posible particionar una matriz m × n en un máximo de mn submatrices. Los determinantes están definidos solamente para matrices cuadradas. p1 × p2 = multiplicación y  A11 A12   B11 B12  = AB =    A21 A22   B21 B22   A11 B11 + A12 B21   A21 B11 + A22 B21 A11 B12 + A12 B22   A21 B12 + A22 B22  6. 3 Las matrices se particionan ya sea horizontalmente o verticalmente. Determinantes de una matriz El determinante de una matriz es un escalar (un número). puesto que cada elemento se trata como una matriz escalar.Máster en Análisis Económico y Empresarial (Universidad de Málaga) MEE-Anexo II Curso 2014/15 Prof.

El determinante M ij es un menor de la matriz A. Definición: Sea M ij la matriz ( n − 1) × ( n − 1) obtenida al omitir la i-ésima fila y la j-ésima columna de An×n . Estos determinantes se llaman menores. 2. el determinante de la matriz 3 × 3 anterior se puede escribir A= a11 ( a22 a33 − a23 a32 ) − a12 ( a21a33 − a23 a31 ) + a13 ( a21a32 − a22 a31 ) = a11 a22 a32 a23 a − a12 21 a33 a31 a23 a + a13 21 a33 a31 a22 a32 Observamos que cada determinante en la suma es el determinante de una submatriz de A que se obtiene omitiendo una fila y una columna particulares de A.Máster en Análisis Económico y Empresarial (Universidad de Málaga) MEE-Anexo II Curso 2014/15 Prof. el determinante de una matriz 3 × 3 . 2. Por ejemplo. ….: Carlos Gamero Burón 3 −6  3 −6  Si A =  entonces A = = 3 − ( −24 ) = 27  4 1 1 4 Análogamente. n. n i =1 Por tanto el determinante de A3×3 expresado antes se puede también escribir como 3 A = a11C11 + a12C12 + a13C13 = ∑ a1 jC1 j j =1 -9- . El escalar ( −1) i+ j Cij = (C ) ′ ij M ij se denomina cofactor del elemento aij de la matriz A. La matriz n × n se denomina adjunta de A y se representa por adj(A). el determinante de una matriz se puede obtener por un procedimiento conocido como desarrollo por cofactores. j =1 y en términos de la columna j por la fórmula: n A = ∑ aijCij para cualquier columna j = 1. …. El determinante de A puede desarrollarse en términos de la fila i por la fórmula: n A = ∑ aijCij para cualquier fila i = 1. Como se señaló antes.  a11  A = a21  a31 está dado por a12 a22 a32 a13  a23  a33  A = a11a22 a33 + a12 a23 a31 + a13 a32 a21 − a13 a22 a31 − a23 a32 a11 − a33 a21a12 Determinantes de matrices de orden mayor que 3 × 3 suelen calcularse por un procedimiento conocido como desarrollo por cofactores.

Inversa de una matriz Si para una matriz A de orden n × n (cuadrada) existe otra matriz B de orden n × n (cuadrada) tal que su producto es la matriz identidad de orden n. El valor de un determinante no cambia si cada elemento de cualquier fila (o cualquier columna). se suma o se resta del correspondiente elemento de cualquier otra fila (o columna). 7. 7. 5. pero su valor absoluto no. un determinante debe desarrollarse en términos de la fila o de la columna que tenga el mayor número de ceros. Si todos los elementos de una fila (o de una columna) de un determinante son iguales a cero. El determinante de una matriz diagonal es igual al producto de los elementos de su diagonal. AB = A B 8.Máster en Análisis Económico y Empresarial (Universidad de Málaga) MEE-Anexo II Curso 2014/15 Prof. el valor del determinante es nulo. 3. 2.10 - . si An×n Bn×= I= Bn×n An×n n n . Si dos filas (o dos columnas) de un determinante son idénticas. Si todo elemento de una fila (o de una columna) de un determinante se multiplica por un misma constante. A =− 0 8 3 −2 3 −2 −3 =− 0 8 (12 − 0 ) − 3 ( 3 + 12 ) = −96 − 45 = −141 0 4 6 1 Para simplificar los cálculos. Propiedades de los determinantes Las siguientes propiedades de los determinantes frecuentemente son útiles en su evaluación: 1. el valor del determinante queda multiplicado por dicha constante. o cada elemento multiplicado por la misma constante. es decir. A = 3 −8 1 6 −8 +0−2 = 3 ( −32 − 3 ) − 2 (18 − 0 ) =−105 − 36 =−141 3 4 0 3 Efectuando el desarrollo en función de la segunda columna. A = A′ . Si se intercambian dos filas (o dos columnas) de un determinante. el signo del determinante cambia. el valor del determinante es cero. 4. 6.: Carlos Gamero Burón Ejemplo 3 0 −2  Evalúe el determinante de la matriz= 1 A 6 −8 0 3 4  Desarrollando en términos de la primera fila.

es decir. es decir. la división de una cantidad x entre una cantidad y es equivalente a multiplicar x por el recíproco de y. se dice que C es la inversa por la derecha de A. de orden s × n. una matriz que carece de inversa recibe el nombre de singular. en este caso I debe ser de orden s × s. es decir. en este caso. La inversa de la transpuesta de una matriz es igual a la transpuesta de la inversa de −1 ′ la matriz. y A es cuadrada (y no singular). x 1  −1 = x=   xy y  y 4 . La inversa de la inversa de una matriz es la matriz original. hay matrices cuadradas. entonces A −1 = 1 adj( A ) A Propiedades de las inversas Las siguientes propiedades de las inversas frecuentemente son útiles en su valuación: −1 1.: Carlos Gamero Burón entonces se dice que B es la recíproca o la inversa de A. es decir. y B. 4. es decir. si AC = I. es decir. Una matriz que tiene inversa se dice que es no singular. En álgebra elemental. y C de orden s × n.  AB  = B −1 A −1 . Análogamente. nótese que aunque todo número diferente de cero tiene un recíproco.  A −1  = A . que no poseen inversa. I debe ser de orden n × n. y como inversa por la derecha a C. Sin embargo. 2. si A ≠ 0 . 3. El determinante de la inversa de una matriz es igual al recíproco del determinante de la matriz. Es posible demostrar que si A tiene como inversa por la izquierda a B. además de la matriz nula. entonces B = C = A-1. La obtención de la recíproca o inversa de una matriz es una operación análoga a la de la división en álgebra elemental.  A′ =  A −1  . La inversa del producto de dos matrices es igual al producto de sus inversas en orden −1 contrario. y se escribe 4 B = A −1 (Se puede demostrar que AB =⇔ I BA = I ). Una matriz A de orden n × s se dice que tiene a B como inversa por la izquierda si BA = I.Máster en Análisis Económico y Empresarial (Universidad de Málaga) MEE-Anexo II Curso 2014/15 Prof. A −1 = 1 / A .11 - . Inversión de matrices cuadradas mediante adjuntas y determinantes Este método de inversión de matrices cuadradas implica la obtención de la adjunta y el determinante de la matriz que se desea invertir. Una matriz no cuadrada puede tener inversa por la izquierda o por la derecha. Si A es no singular.

. an   2 = a1 x1 + a2 x 2 +  + an x n     xn  las derivadas parciales de a′x con respecto al escalar xi . En el caso de la función lineal  x1    x ′ a x= a1 .. si y i = f i (x1..n por consiguiente. son ∂ ( a′x ) ∂ ( a′x ) ∂ ( a′x ) = a= a2 . el proceso de diferenciación vectorial se define por ∂ ( a′x ) ∂x en donde vector x. cada yi puede diferenciarse parcialmente con respecto a cada x j .... De modo que si las n derivadas parciales se ordenan como un vector a.Máster en Análisis Económico y Empresarial (Universidad de Málaga) MEE-Anexo II Curso 2014/15 Prof.. formas cuadráticas y formas bilineales. en el cual cada elemento es una función de los m elementos de x.. ∂ ( a′x ) ∂x =a indica la operación de diferenciar a′x con respecto a los elementos del Diferenciación vectorial de un vector de funciones Si y designa un vector columna n-dimensional. Diferenciación vectorial En algunos problemas de maximización y minimización.. No se analizarán explícitamente las derivadas vectoriales de segundo y mayor orden. Diferenciación vectorial de una función lineal Una expresión de la forma a′x donde a es n x 1 y x es n x 1 es una función lineal. 2. y tales derivadas parciales pueden ordenarse en un matriz m x n como sigue: . es decir.. = .. a2 .12 - . En esta sección se definirán las derivadas vectoriales de funciones lineales. x m ) i = 1. ∂x1 ∂x 2 ∂x n esto es. pero pueden obtenerse por diferenciación sucesiva en la manera usual. las derivadas parciales son los elementos del vector a. i = 1. x 2 .2..…. n.: Carlos Gamero Burón 8. an 1. deben diferenciarse expresiones que contienen vectores y matrices.

Dicha forma cuadrática puede diferenciarse respecto a x de las siguientes maneras alternativas ∂ ∂ = Ax o bien ( x′Ax ) 2= ( x′Ax ) 2x′A ∂x ∂x En la práctica. en donde x′ es 1 × m.Máster en Análisis Económico y Empresarial (Universidad de Málaga) MEE-Anexo II  ∂y1  ∂x  1  ∂y1 ∂y  = ∂x 2 ∂x     ∂y1   ∂xm ∂y2 ∂x1 ∂y2 ∂x 2  ∂y2 ∂xm Curso 2014/15 Prof. Diferenciación vectorial de una forma bilineal Una expresión de la forma x′Bz .13 - . recibe el nombre de forma cuadrática. se denomina forma bilineal.: Carlos Gamero Burón ∂yn  ∂x1  ∂yn    ∂x 2     ∂yn   ∂xm   Ejemplo Si  x 2 + 2x 2 − 3x1 x 3  y =  1 2 22 2 3x1 x 2 − x 2 + 4 x 2 x 3  2x1 − 3x3 ∂y  entonces =  4x2 ∂x  −3x1   3x 22 2 6x1 x 2 − 2x 2 + 4 x3   8x 2 x3  Diferenciación vectorial de una forma cuadrática Una expresión de la forma x′Ax. B es m × n y z es n × 1. la elección entre estas dos formas generalmente depende del contexto en el que ocurre la diferenciación. donde A es una matriz simétrica n × n y x un vector n × 1. Las derivadas siguientes para una forma bilineal pueden verificarse usando los procedimientos anteriores: ∂ ∂ = = ( x′Bz ) B′x ( x′Bz ) Bz ∂x ∂z .