Matrices con coeficientes en un cuerpo

Este guión es una adaptación de los guiones de ALEM.

Matrices

Sean $I=\lbrace 1,2,\dots,m\rbrace$ y $J=\lbrace 1,2,\dots,n\rbrace.$ Una matriz de orden $m\times n$ sobre un cuerpo $K$ es una aplicación

$A:I\times J\to K,\ (i,j)\mapsto a_{ij}.$

Normalmente a la matriz $A$ la representaremos de la siguiente forma

$A=\begin{pmatrix} a_{11} & a_{12} & \ldots & a_{1n}\\ a_{21} & a_{22} & \ldots & a_{2n}\\ \vdots & \vdots & \ddots & \vdots \\ a_{m1} & a_{m2} & \ldots & a_{mn} \end{pmatrix},$

y a veces simplemente escribiremos $A=(a_{ij})$ , si queda claro dónde varían $i$ y $j.$ Diremos que $A$ es una matriz con $m$ filas y $n$ columnas.

Una submatriz de $A$ no es más que la matriz que se obtiene cuando escogemos un número de filas y columnas de $A$ (o bien cuando eliminamos algunas filas y columnas).

Denotaremos por $\mathcal M_{m\times n}(K)$ al conjunto de las matrices de orden $m\times n$ sobre $K.$ El conjunto $\mathcal M_{m\times n}(K)$ con la suma coordenada a coordenada tiene estructura de grupo, esto es, la suma es asociativa, tiene elemento neutro, toda matriz tiene inversa y es conmutativa.

$\begin{pmatrix} a_{11} & a_{12} & \ldots & a_{1n}\\ a_{21} & a_{22} & \ldots & a_{2n}\\ \vdots & \vdots & \ddots & \vdots \\ a_{m1} & a_{m2} & \ldots & a_{mn} \end{pmatrix} + \begin{pmatrix} b_{11} & b_{12} & \ldots & b_{1n}\\ b_{21} & b_{22} & \ldots & b_{2n}\\ \vdots & \vdots & \ddots & \vdots \\ b_{m1} & b_{m2} & \ldots & b_{mn} \end{pmatrix} = \begin{pmatrix} a_{11}+b_{11} & a_{12}+b_{12} & \ldots & a_{1n}+b_{1n}\\ a_{21}+b_{21} & a_{22}+b_{22} & \ldots & a_{2n}+b_{2n}\\ \vdots & \vdots & \ddots & \vdots \\ a_{m1}+b_{m1} & a_{m2}+b_{m2} & \ldots & a_{mn}+b_{mn} \end{pmatrix}.$

Sea $A=(a_{ij})\in \mathcal M_{m\times n}(K)$ y $B=(b_{jk})\in \mathcal M_{n\times p}(K).$ Entonces podemos definir el producto de $A$ y $B$ como $AB=C=(c_{ik})\in \mathcal M_{m\times p}(K)$ con

$c_{ik}=a_{i1}b_{1k}+a_{i2}b_{2k}+\cdots + a_{in}b_{nk}.$

Una matriz de orden $n\times n$ diremos que es una matriz cuadrada de orden $n.$ La terna $(\mathcal M_{n\times n}(K),+,\cdot)$ es un anillo.

El elemento neutro del producto en $\mathcal M_{n\times n}(K)$ es la matriz identidad, que es la matriz que tiene todas sus entradas cero salvo en la diagonal que tiene unos (cero es el elemento neutro de $K$ para la suma, y uno el neutro para el producto). A dicha matriz la denotamos por $I_n$ , o simplemente $I$ cuando $n$ queda claro en el contexto.

Una matriz $A\in \mathcal M_{n\times n}(K)$ es regular si tiene inversa para el producto, esto es, si existe $B$ tal que $AB=BA=I_n.$ En dicho caso, a la matriz $B$ se le denota por $A^{-1}.$ Si $A$ y $B$ tienen inversa,

$(AB)^{-1}=B^{-1}A^{-1}.$

Matrices con formas especiales

Una matrix $A=(a _ {ij})\in \mathcal{M} _ {n\times n}(K)$ decimos que es triangular superior si $a_{ij}=0$ para $i>j$ , y decimos que es triangular inferior si $a_{ij}=0$ para $i < j.$ Si la matriz es cuadrada, a los elementos $a_{ii}$ se les conoce como elementos de la diagonal. La matriz es diagonal si $a_{ij}=0$ siempre que $i\neq j.$

El pivote de la fila $i$ -ésima de A, si ésta tiene alguna entrada distinta de cero, es la primera entrada no nula de dicha fila, a saber, es $a_{ij}\neq 0$ con $j$ mínimo verificando esa condición.

Decimos que $A$ está en forma normal o escalonada por filas (de forma análoga se define por columnas) si

todas las filas nulas (todas las entradas son ceros) están debajo de las que tienen entradas no nulas.
si $a_{ij}$ y $a_{kl}$ son los pivotes de la fila $i$ -ésima y $k$ -ésima, respectivamente, con $i< k$ , entonces $j< l.$

Diremos que está en forma escalonada reducida por filas si además todos los pivotes son uno y son los únicos elementos no nulos de las columnas que los contienen.

Si $A=(a_{ij})\in \mathcal M_{m\times n}(K)$ , la matriz traspuesta de $A$ es

$A^t = \begin{pmatrix} a_{11} & a_{21} & \ldots & a_{n1}\\ a_{12} & a_{22} & \ldots & a_{n2}\\ \vdots & \vdots & \ddots & \vdots \\ a_{1n} & a_{2n} & \ldots & a_{mn} \end{pmatrix}\in \mathcal M_{n\times m}(K),$

esto es, la matriz que se obtiene a partir de $A$ intercambiando filas por columnas.

Claramente, $(A^t)^t=A.$

Dadas $A$ y $B$ dos matrices, $(AB)^t=B^tA^t$ (siempre que esos productos tengan sentido).

Decimos que $A$ es simétrica si $A^t=A$ , y antisimétrica si $A^t=-A.$

Equivalencia por filas

Dos matrices $A, B\in \mathcal{M} _ {m\times n}(K)$ se dice que son equivalentes por filas, $A\sim_f B$ , si podemos llegar de $A$ a $B$ realizando una serie de transformaciones elementales por filas. Estas transformaciones son de tres tipos:

intercambio de filas,
multiplicar una fila por un elemento no nulo del cuerpo $K$ ,
sumarle a una fila un múltiplo de otra fila.

Resultado

Toda matriz $A$ es equivalente por filas a una matriz escalonada reducida por filas $H$ , $A\sim_f H.$ Esta matriz es única.

xxxxxxxxxx
 
A=matrix(3,4,range(1,13))
show(A,"~",A.rref())

$\to$ Ejemplo Merino-Santos

Llamamos $E _ {ij}\in \mathcal{M} _ n(K)$ a la matriz que se obtiene al intercambiar la fila $i$ -ésima con la $j$ -ésima en la matriz identidad. Cambiar la fila $i$ -ésima con la $j$ -ésima en $A$ se corresponde con calcular $E_{ij}A.$ Claramente, $E_{ij}^{-1}=E_{ij}.$

Sea ahora $E_i(k)\in \mathcal{M} _ n(K)$ la matriz que se obtiene al multiplicar la fila $i$ -ésima de la matriz identidad por $k\in K$ , $k\neq 0.$ Multiplicar la fila $i$ -ésima de $A$ por $k$ es lo mismo que calcular $E_i(k)A.$ Se tiene que $E_{i}(k)^{-1}=E_i(1/k).$

La matriz $E_{ij}(k)$ es la matriz que se obtiene sumando a la fila $i$ -ésima de la identidad la fila $j$ -ésima multiplicada por $k.$ Así, para sumarle a la fila $i$ -ésima de $A$ la fila $j$ -ésima multiplicada por $k$ , calculamos $E_{ij}(k)\times A.$ Tenemos además que $E_{ij}(k)^{-1}=E_{ij}(-k).$

A las matrices de la forma $E_{ij}$ , $E_i(k)$ , $k\neq 0$ , y $E_{ij}(k)$ se les llama matrices elementales.

Por tanto, si $A\sim_f H$ , entonces existe $P$ tal que $PA=H$ , y además $P$ es un producto de matrices elementales.

Podemos calcular $P$ de la siguiente forma. Partimos de la matriz $(A \mid I_m)$ , la matriz cuyas primeras $n$ columnas son las de $A$ , y cuyas últimas columnas son las de $I_m.$ Si $A\sim_f H$ y $H$ es la forma escalonada reducida de $A$ , entonces

$(A \mid I_m)\sim_f (H \mid P).$

Nótese que $P$ es un producto de matrices elementales, y, por tanto, tiene inversa y su inversa también es un producto de matrices elementales.

xxxxxxxxxx
 
A=matrix(3,4,range(1,13))
AI=block_matrix([[A,matrix.identity(3)]])
AIr=AI.rref()
show(AI,"~",AIr)
#comprobamos, primero extraemos P
P=AIr[:,4:]
show(P,A,"=",P*A)

$\to$ Ejemplo Merino-Santos

Si $A\sim_f B$ , entonces tanto $A$ como $B$ tienen la misma forma escalonada reducida; llamémosla $H.$ De esta forma, existen $P$ y $Q$ regulares tales que $H=PA=QB$ , y por tanto $A=P^{-1}QB.$

$\to$ Ejemplo Merino-Santos

Cálculo de inversas usando operaciones elementales

Si $A\in\mathcal{M} _ n(K)$ es una matriz cuadrada y $H$ es su forma escalonada por filas, entonces $PA=H$ con $P$ un producto de matrices elementales.

La matriz $A$ tiene inversa si y sólo si $H$ es la matriz identidad, y por tanto, $A$ es un producto de matrices elementales. Para calcular la inversa de $A$ , podemos usar las operaciones elementales por filas que llevan de $A$ a $H=I_n$ ,

$(A\mid I_n)\sim_f (I_n\mid A^{-1}).$

xxxxxxxxxx
 
A=matrix([[1,0,1],[0,1,-1],[1,-1,0]])
AI=block_matrix([[A,matrix.identity(3)]])
AIr=AI.rref()
show(AI,"~",AIr)
#comprobamos, primero extraemos P
P=AIr[:,3:]
show(P,A,"=",P*A)
#en sage podemos calcular así la inversa
show(A.inverse())

$\to$ Ejemplo Merino-Santos

Rango de una matriz

Se define el rango de una matriz $A\in\mathcal{M}_{m\times n}(K)$ , $\operatorname{rg}(A)$ , como el número de filas no nulas de su forma escalonada reducida por filas.

Claramente, $\operatorname{rg}(A)\le \min(m,n).$

xxxxxxxxxx
 
A=matrix([[1,0,1],[0,1,-1],[1,-1,0]])
show(A," ~ ",A.rref()," de rango ",A.rank())
A=matrix(3,4,range(1,13))
show(A," ~ ",A.rref()," de rango ",A.rank())

Dadas $A,B\in \mathcal{M} _ {m\times n}(K)$ ,

$\operatorname{rg}(A+B) =\operatorname{rg} \begin{pmatrix} A+B \\ \hline 0 \end{pmatrix} \le \operatorname{rg} \begin{pmatrix} A+B \\ \hline B \end{pmatrix} = \operatorname{rg} \begin{pmatrix} A \\ \hline B \end{pmatrix} \le \operatorname{rg}(A)+\operatorname{rg}(B).$

Si $A\in \mathcal{M}_n(K)$ , entonces $A$ tiene inversa sí y sólo si su rango es $n.$

Matrices equivalentes

Dadas $A,B\in \mathcal{M}_{m\times n}(K)$ , decimos que $A$ y $B$ son equivalentes, $A\sim B$ , si podemos llegar de $A$ a $B$ efectuando operaciones elementales por filas y por columnas. Por tanto, $A$ y $B$ son equivalentes si y sólo si existen dos matrices regulares $P$ y $Q$ tales que $PAQ=B.$

Una matriz de rango $r$ es siempre equivalente a una matriz de la forma

$\left(\begin{array}{c | c} I_r & 0 \\ \hline 0 & 0 \end{array}\right).$

Por tanto, dos matrices son equivalentes si y sólo si tienen el mismo rango.

Además, $\operatorname{rg}(A)=\operatorname{rg}(A^t).$

Dadas dos matrices $A$ y $B$ , consideramos $H$ y $C$ las formas escalonadas reducidas por filas y columnas de $A$ y de $B$ , respectivamente. Tenemos así que existen $P$ y $Q$ regulares tales que $PA=H$ y $BQ=C.$ La matriz $H$ tiene $\operatorname{rg}(A)$ filas no nulas, y $C$ tiene $\operatorname{rg}(B)$ columnas no nulas. Así $PABQ=HC$ , y por tanto $AB$ y $HC$ son equivalentes, por lo que $\operatorname{rg}(AB)=\operatorname{rg}(HC).$ De esta forma se prueba que

$\operatorname{rg}(AB)\le \min(\operatorname{rg}(A),\operatorname{rg}(B)).$

Sistemas de ecuaciones y matrices

Un sistema de ecuaciones lineales con $n$ incógnitas sobre un cuerpo $K$ es una expresión de la forma

$\left\lbrace \begin{matrix} a_{11}x_1+\cdots+a_{1n}x_n=b_1,\\ \vdots \\ a_{m1}x_1+\cdots+a_{mn}x_n=b_m. \end{matrix} \right.$

Los elementos $a_{ij}\in K$ son los coeficientes del sistema, los $b_i\in K$ son los términos independientes, y las $x_i$ son las incógnitas. Una solución es una $n$ -upla $(s_1,\ldots,s_n)\in K^n$ tal que $x_1=s_1,\ldots, x_n=s_n$ verifica las igualdades del sistema.

Las $m$ igualdades del sistema anterior se pueden expresar como una única igualdad entre matrices,

$\begin{pmatrix} a_{11} & \ldots & a_{1n}\\ \vdots & \ddots & \vdots \\ a_{m1} & \ldots & a_{mn} \end{pmatrix} \begin{pmatrix} x_1\\ \vdots \\ x_n \end{pmatrix}= \begin{pmatrix} b_1\\ \vdots \\ b_m \end{pmatrix},$

a la que llamaremos expresión matricial del sistema. A dichas matrices se les llama matriz de coeficientes, matriz incógnita y matriz de términos independientes, respectivamente.

La matriz ampliada del sistema es

$\begin{pmatrix} a_{11} & \ldots & a_{1n} & b_1\\ \vdots & \ddots & & \vdots \\ a_{m1} & \ldots & a_{mn} & b_m \end{pmatrix}.$

Normalmente denotaremos a esta matriz por $(A \mid b).$

Si un sistema tiene solución diremos que es compatible, y en caso contrario incompatible. Si tiene una única solución, es un sistema compatible determinado, y si tiene más de una solución decimos que es un sistema compatible indeterminado.

Dos sistemas de ecuaciones lineales sobre un cuerpo y con igual número de incógnitas son equivalentes si tienen las mismas soluciones.

Operaciones elementales

Si intercambiamos de posición dos ecuaciones de un sistema, obtenemos un sistema equivalente.
Si multiplicamos una ecuación por un escalar no nulo, obtenemos un sistema equivalente.
Si a una ecuación le sumamos otra multiplicada por un escalar, también obtenemos un sistema equivalente al original.

$\to$ Ejemplo Merino-Santos

Teorema de Rouché-Frobenius

Sea $AX=b$ la expresión matricial de un sistema de ecuaciones lineales con $n$ incógnitas.

El sistema es compatible si y sólo si $\operatorname{rg}(A)=\operatorname{rg}(A \mid b).$
El sistema es compatible determinado si y sólo si $\operatorname{rg}(A)=\operatorname{rg}(A \mid b)=n.$

$\to$ Ejemplo Merino-Santos

Determinantes

Dada $A=(a_{ij})\in \mathcal M_{n\times n}(K)$ , definimos $\vert A\vert$ , el determinante de $A$ , recursivamente de la siguiente forma.

Para $n=1$ , $\vert (a_{11})\vert =a_{11}$ (el determinante de una matriz de orden $1\times 1$ es su único coeficiente).

Supuesto que sabemos calcular el determinante de matrices de orden $n-1$ , dado $i\in\lbrace 1,\ldots,n\rbrace$ ,

$\vert A\vert =a_{i1}\alpha_{i1}+\dots+a_{in}\alpha_{in},$

donde $\alpha_{ij}=(-1)^{i+j}\vert A_{ij}\vert$ se conoce como el adjunto de la entrada $a_{ij}$ , con $A_{ij}\in \mathcal M_{(n-1)\times(n-1)}(K)$ la matriz que se obtiene al eliminar la fila $i$ -ésima y la columna $j$ -ésima de $A.$ Esta fórmula se conoce como Desarrollo de Laplace por la fila $i$ del determinante de $A$ , y el resultado no depende de $i.$ Es más, también se puede desarrollar por cualquier columna. Dado $j$ el Desarrollo de Laplace por la columna $j$ es

$\vert A\vert =a_{1j}\alpha_{1j}+\dots+a_{nj}\alpha_{nj}.$

Se puede comprobar fácilmente que

$\left\vert \begin{matrix} a_{11} & a_{12} \\ a_{21} & a_{22} \end{matrix}\right\vert = a_{11}a_{22}-a_{12}a_{21}.$

$\left\vert \begin{matrix} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{matrix}\right\vert = a_{11}a_{22}a_{33}+a_{12}a_{23}a_{31}+a_{21}a_{32}a_{13}-a_{13}a_{22}a_{31}-a_{23}a_{32}a_{11}-a_{12}a_{21}a_{33}.$

xxxxxxxxxx
 
A=matrix([[1,0,1],[0,1,-1],[1,-1,0]])
show(A," tiene determinante ",A.det())

Propiedades de los determinantes

Sea $A\in \mathcal M_{n\times n}(K).$

$\vert A\vert = \vert A^t\vert.$
Si se intercambian dos filas (o dos columnas) de $A$ se obtiene una nueva matriz cuyo determinante es $-\vert A\vert.$
Si multiplicamos todos los elementos de una fila (o de una columna) de $A$ por $\alpha\in K$ , obtenemos una matriz con determinante $\alpha \vert A\vert.$
Si a una fila de $A$ le sumamos otra fila de $A$ multiplicada por un elemento de $K$ , entonces la nueva matriz tiene el mismo determinante que $A$ (lo mismo ocurre si hacemos esta operación con columnas).
Si $f$ es una de las filas de $A$ y $f=f_1+f_2$ , entonces $\vert A\vert = \vert A_1\vert +\vert A_2\vert$ , siendo $A_i$ la matriz resultante de cambar la fila $f$ en $A$ por $f_i$ , $i\in\lbrace 1,2\rbrace.$
Si una de las filas de $A$ tiene todas sus entradas nulas, entonces $\vert A\vert =0.$
Si $B\in \mathcal M_{n\times n}(K)$ , entonces $\vert A B\vert =\vert A\vert \vert B\vert.$

Para calcular determinantes a veces es más eficiente usar las operaciones que hemos visto anteriormente. Así efectuando operaciones elementales por filas o columnas (intercambio o suma por un factor de otra) podemos llegar a una matriz triangular superior. El determinante de una matriz de esta forma es trivial, pues sólo se multiplican los valores de la diagonal.

$\to$ Ejemplo Merino-Santos

La matriz adjunta de $A$ es la matriz formada por los adjuntos de las entradas de $A$ , a saber,

$\bar{A}= \begin{pmatrix} \alpha_{11} & \alpha_{12} & \ldots & \alpha_{1n}\\ \alpha_{21} & \alpha_{22} & \ldots & \alpha_{2n}\\ \vdots & \vdots & \ddots & \vdots \\ \alpha_{m1} & a_{m2} & \ldots & \alpha_{nn} \end{pmatrix}.$

Resultado

Sea $A\in \mathcal M_{n\times n}(K).$ Entonces $A$ es regular si y sólo si $\vert A\vert \neq 0.$ En ese caso

$A^{-1}=\vert A\vert ^{-1}\bar{A}^t.$

Resultado

El rango $A$ es el mayor tamaño de una submatriz cuadrada de $A$ con determinante no nulo.

Fórmula de Cramer

Un sistema es de Cramer si su matriz de coeficientes es cuadrada y regular. Si $AX=b$ es la expresión matricial de un sistema de Cramer, entonces el sistema es compatible determinado y su única solución es

$\frac{1}{\vert A\vert }(\vert M_1\vert ,\ldots,\vert M_n\vert ),$

donde $M_i$ es la matriz que se obtiene a partir de $A$ cambiando la columna $i$ -ésima por $b.$

Álgebra Grado en Estadística

Matrices con coeficientes en un cuerpo

Matrices

Matrices con formas especiales

Equivalencia por filas

Resultado

$\to$ Ejemplo Merino-Santos

$\to$ Ejemplo Merino-Santos

$\to$ Ejemplo Merino-Santos

Cálculo de inversas usando operaciones elementales

$\to$ Ejemplo Merino-Santos

Rango de una matriz

Matrices equivalentes

Sistemas de ecuaciones y matrices

Operaciones elementales

$\to$ Ejemplo Merino-Santos

Teorema de Rouché-Frobenius

$\to$ Ejemplo Merino-Santos

Determinantes

Propiedades de los determinantes

$\to$ Ejemplo Merino-Santos

Resultado

Resultado

Fórmula de Cramer

$\to$ Ejercicios resueltos

Autoevaluacion

Álgebra Grado en Estadística

Matrices con coeficientes en un cuerpo

Matrices

Matrices con formas especiales

Equivalencia por filas

Resultado

→\to Ejemplo Merino-Santos

→\to Ejemplo Merino-Santos

→\to Ejemplo Merino-Santos

Cálculo de inversas usando operaciones elementales

→\to Ejemplo Merino-Santos

Rango de una matriz

Matrices equivalentes

Sistemas de ecuaciones y matrices

Operaciones elementales

→\to Ejemplo Merino-Santos

Teorema de Rouché-Frobenius

→\to Ejemplo Merino-Santos

Determinantes

Propiedades de los determinantes

→\to Ejemplo Merino-Santos

Resultado

Resultado

Fórmula de Cramer

→\to Ejercicios resueltos

Autoevaluacion

$\to$ Ejemplo Merino-Santos

$\to$ Ejemplo Merino-Santos

$\to$ Ejemplo Merino-Santos

$\to$ Ejemplo Merino-Santos

$\to$ Ejemplo Merino-Santos

$\to$ Ejemplo Merino-Santos

$\to$ Ejemplo Merino-Santos

$\to$ Ejercicios resueltos