Matriz

Definiciones y notaciones
Una matriz es una tabla o arreglo rectangular de numeros. Los numeros en el arreglo se denominan elementos de la matriz. Las lneas horizontales en una matriz se denominan filas y las lneas verticales se denominan columnas. A una matriz con m filas y n columnas se le denomina matriz m-por-n (escrito mn), y m y n son sus dimensiones. Las dimensiones de una matriz siempre se dan con el nmero de filas primero y el nmero de columnas despus. La entrada de una matriz A que se encuentra en la fila i-sima y la columna j-sima se le llama entrada i,j o entrada (i,j)-isima de A. Esto se escribe como Ai,j o A[i,j]. Normalmente se escribe para definir una matriz A m n con cada entrada en la matriz A[i,j] llamada aij para todo 1 i m y 1 j n. Sin embargo, la convencin del inicio de los ndices i y j en 1 no es universal: algunos lenguajes de programacin comienzan en cero, en cul caso se tiene 0 i m 1 y 0 j n 1. Una matriz con una sola columna o una sola fila se denomina a menudo vector, y se interpreta como un elemento del espacio eucldeo. Una matriz 1 n (una fila y n columnas) se denomina vector fila, y una matriz m 1 (una columna y m filas) se denomina vector columna.

Ejemplo
La matriz

es una matriz 43. El elemento A[2,3] o a2,3 es 7. La matriz

es una matriz 19, o un vector fila con 9 elementos.

Suma de matrices
Dadas las matrices m-por-n A y B, su suma A + B es la matriz m-por-n calculada sumando los elementos correspondientes (i.e. (A + B)[i, j] = A[i, j] + B[i, j] ). Es decir, sumar cada uno de los elemetos homologos de las matrices a sumar. Por ejemplo:

Propiedades de la suma de matrices

Asociativa

Dadas las matrices m-por-n A , B y C A + (B + C) = (A + B) + C

Conmutativa

Dadas las matrices m-por-n A y B A+B=B+A

Existencia de matriz cero o matriz nula A+0=0+A=A

Existencia de matriz opuesta

con -A = [-aij] A + (-A) = 0

Producto de una matriz por un escalar

Dada una matriz A y un nmero c, el producto escalar cA se calcula multiplicando el escalar c por cada elemento de A (i.e. (cA)[i, j] = cA[i, j] ). Por ejemplo:

Producto de matrices
El producto de dos matrices se puede definir slo si el nmero de columnas de la matriz izquierda es el mismo que el nmero de filas de la matriz derecha. Si A es una matriz m-por-n y B es una matriz n-por-p, entonces su producto matricial AB es la matriz m-por-p (m filas, p columnas) dada por:

para cada par i y j. Por ejemplo:

El producto de dos matrices no es conmutativo, es decir, AB BA. La divisin entre matrices, es decir, la operacin que podra producir el cociente A / B, no se encuentra definida. Sin embargo, existe el concepto de matriz inversa, slo aplicable a las matrices cuadradas.

Las matrices en la Computacin

Las matrices son utilizadas ampliamente en la computacin, por su facilidad y liviandad para manipular informacin. En este contexto, son la mejor forma para representar grafos, y son muy utilizadas en el clculo numrico.

Determinante (matemtica)
En matemticas se define el determinante como una forma n-lineal alterna de un cuerpo En. Esta definicin indica una serie de propiedades matemticas y generaliza el concepto de determinante hacindolo aplicable en numerosos campos. Aunque el origen del determinante tiene lugar en el campo del lgebra lineal y puede concebirse como una generalizacin del concepto de superficie o de volumen orientado. Fue introducido para estudiar el nmero de soluciones de los sistemas lineales de ecuaciones

Dos ejemplos
El caso n = 1 carece totalmente de inters, veamos los casos n = 2 y luego n = 3. Una observacin preliminar: una aplicacin alterna es tambin antisimtrica. En efecto, con n = 2 por ejemplo: f( v + w, v + w) = o por ser f alterna, luego si se desarrolla el miembro izquierdo, se obtiene: f( v + w, v + w) = f(u, u) + f(u, v) + f(v, u) + f(v, v) = 0 + f(u, v) + f(v, u) + 0. Igualando los dos resultados se concluye que f(v, u) = - f(u, v), lo que es la antisimetra. En la base (e1, e2) de E, sea u = ae1 + be2 y v = ce1 + de2 dos vectores cualesquiera. De aqu en adelante, se notar det el determinante. det(u, v) = det(ae1 + be2, ce1 + de2) = cdet(ae1 + be2, e1) + ddet(ae1 + be2, e2) linealidad a la derecha es decir con relacin al segundo argumento = cadet(e1, e1) + cbdet(e2, e1) + dadet(e1, e2) + dbdet(e2, e2) linealidad a la izquierda = ca0 + cb(-1) + da1 + db0 = ad - bc la forma alterna anula det(e1, e1) y det(e2, e2), y la antisimetra hace que det(e2, e1) = - det(e1, e2) = -1 por definicin, det(e1, e2) = 1 Si se disponen los vectores en columna, se constituye una matriz cuyo determinante se calcula por la regla de los productos cruzados:

Se procede de la misma manera en el caso n = 3; sin embargo, para eludir clculos ms largos, es preferible reflexionar antes de echarse a llenar hojas. Se toma tres vectores, u, v y w, y se les descomponen en la base (e1, e2, e3). Al desarrollar el determinante, se tendr que descartar todos los casos en que aparezcan varias veces el mismo vector. Quedarn pues slo trminos donde aparecen una vez los tres vectores de las base, mas en un orden cualquiera. Se dice que hay una permutacin de e1, e2 y e3. Por ejemplo: det(e3,e1,e2) = - det(e1,e3,e2) = det(e1,e2,e3) = 1, aplicando la antisimetra dos veces. Al pasar del primer miembro al ltimo, se ha multiplicado dos veces por -1, o sea una vez por (-1). Este ltimo factor es la signatura (o firma) de la permutacin que enva (e1, e2,e3) en (e3, e1, e2). El conjunto de las permutaciones (de tres elementos) se llama el grupo simtrico (de orden 3), S3. S3 tiene tres permutaciones pares, es decir de signatura 1, y tres impares, de signatura -1. Se nota () o sgn() la signatura de la permutacin (sgn como signature,firma en francs, o signo). Con todos estos datos, se puede hallar el determinante de orden 3: El mtodo de Sarrus consiste en escribir los tres vectores en columna y repetir las dos primeras lneas por debajo de la matriz; las permutaciones pares corresponden a las diagonales descendientes mientras que las impares corresponden a las ascendientes. Sobre cada diagonal se multiplican los nmeros, y se suman o restan los productos.

Frmula general
El raciocinio detallado del caso n = 3 permite la generalizacin. Sea un valor cualquiera de n, y los vectores: v1 = a 1,1e1 + a 2,1e2 +... + a n,1en, v2 = a 1,2e1 + a 2,2e2 +... + a n,2en, y as sucesivamente hasta : vn = a 1,ne1 + a 2,ne2 +... + a n, nen. Y sea A la matriz cuyas columnas son los vectores v1,... vn. A = (ai, j)1i, jn.

Esta definicin de determinante fue propuesta por Leibnitz. Excepto en casos sencillos, esta frmula no resulta muy prctica a causa del nmero excesivo de permutaciones. Afortunadamente, existe una manera de desarrollar el determinante segn una lnea (una columna o una fila):

donde ci,j representa el determinante del adjunto de ai,j

Es la frmula de Laplace.

Mtodos de clculo
Determinantes de orden 1
Una matriz de orden 1 no es ms que un nmero. Por ejemplo, la matriz (4) es una matriz de orden 1, pues tiene 1 fila y 1 columna. As, las matrices de orden uno son de la forma (a1,1). El determinante de dicha matriz es det(a1,1) = a1,1. As, por ejemplo, det(4)=4. Observacin: En el caso de matrices de orden uno no se suele escribir el determinante entre barras, para no confundirlo con el valor absoluto del nmero.

Determinantes de orden 2

El rea del paralelogramo es la determinante de la matriz formada por los vectores que representan los lados del paralelogramo. Como se ha dicho antes, un determinante de orden dos se calcula de la siguiente manera:

Determinantes de orden 3 [editar]

Un determinante de orden 3 se calcula mediante la regla de Sarrus:

Determinantes de orden superior a 3

Suele desarrollarse el determinante de orden n a partir de una fila o columna, eliminando as filas y columnas hasta obtener un determinante de orden n-1. Para ello se toma una fila o columna cualquiera, multiplicando cada elemento por su adjunto (es decir, el determinante de la matriz que se obtiene eliminando la fila y columna correspondiente a dicho elemento, multiplicado por (-1)i+j donde i es el numero de fila y j el numero de columna.

Para el primer elemento, se eleva al cuadrado, por lo que (-1) = 1. El segundo se eleva al cubo, (-1) = -1. Se observa que los signos iran alternando de un elemento al siguiente). Luego, se suman todos los productos, y se obtiene el determinante. En caso de un determinante de orden 4, se obtienen directamente determinantes de orden 3 que podrn ser calculados por la regla de Sarrus. En cambio, en los determinantes de orden superior, como por ejemplo n = 5, al desarrollar los elementos de una lnea, obtendremos determinantes de orden 4, que a su vez se debern desarrollar en por el mismo mtodo, para obtener determinantes de orden 3. La cantidad de operaciones aumenta muy rpidamente. En el peor de los casos (sin obtener ceros en filas y columnas), para un determinante de orden 4 se debern desarrollar 4 determinates de orden 3. En un determinante de orden 5, se obtienen 5 determinates de orden 4 a desarrollar, dndonos 20 determinates de orden 3. El numero de determinates de orden 3 que se obtienen en el desarrollo de un determinante de orden n es igual a Por ejemplo, mediante este mtodo, para un determinante de orden 10 se debern calcular 10 x 9 x 8 x 8 x 6 x 5 x 4 = 604.800 determinantes de orden 3!. Tambin se pueden aplicar operaciones elementales entre filas y columnas para lograr la mayor cantidad de ceros en una fila o columna. De esta manera se reduce notablemente la cantidad de calculos. Por ejemplo, para obtener con el mtodo especificado un determinante de orden 4, se deben calcular 4 determinantes de orden 3. En cambio, si previamente se logran tres ceros en una fila o columna, bastara con calcular solo un determinante de orden 3 (ya que los demas determinantes estarn multiplicados por 0, lo que los anula). Tambin puede utilizarse el Mtodo de eliminacin Gaussiana, para convertir la matriz en una matriz triangular. Si bien el proceso puede parecer tedioso, estar muy lejos de los 14.529.715.200 de determinantes de orden 3 necesarios para calcular el determinante de una matriz de orden 14. Es tambin conveniente antes de realizar cualquiera de esas operaciones, observar atentamente el determinante y verificar que no existen casos especiales, como una combinacin lineal, de lo que se deducira al instante que el determinante es cero, o en el caso de una matriz triangular, donde el determinante es igual al producto de los elementos de la diagonal principal. En general, sin embargo, los clculos de determinantes de ordenes altos pueden realizarse mediante la programacin de estos algoritmos en ordenadores que realizan esos clculos muy rpidamente.

Propiedades
La propiedad algebraica fundamental del determinante es la siguiente: det(AB) = det(A)det(B) en trminos de aplicaciones lineales, se escribe as: det(uv) = det(u)det(v) det(At) = det(A)

Matrices elementales
Las matrices elementales son aquellas que se obtienen a partir de una operacin elemental de matrices sobre la matriz identidad. Estas son: 1. Escalamiento: multiplicar una fila por un nmero. 2. Eliminacin: sumar a una fila una combinacin lineal de las restantes. 3. Permutacin: intercambiar dos filas. Las matrices tienen esta forma (en el caso 3X3): Obtenidas por escalamiento

Obtenidas por eliminacin

Anlogamente, el nmero a puede estar encima de la diagonal. Obtenidas por permutacin Vase: matriz permutacin

Propiedades
Si multiplicamos alguna de estas matrices por una matriz A, ser como aplicar las operaciones elementales de matrices. Es fcil ver que estas matrices tienen inversas, ya que pensando en ellas como matrices A se debe aplicar la operacin "inversa". Por ejemplo, teniendo:

Queremos que el elemento a33 sea 1. Entonces:

Matriz traspuesta
Sea A una matriz con m filas y n columnas. La matriz transpuesta, denotada con At est dada por

Ejemplos

Propiedades
Para toda matriz A Sean A y B matrices con elementos pertenecen a un anillo y sea

Si el producto de las matrices A y B est definido, Si A es una matriz cuadrada cuyas entradas son nmeros reales, entonces es semidefinida positiva

Definiciones asociadas
Una matriz cuadrada A es simtrica si coinciede con su transpuesta, esto es si

Es antisimtrica si coincide con su negativa

Si los elementos de la matriz A son nmeros complejos y su transpuesta coincide con su conjugada, se dice que la matriz es hermtica

y antihermtica si

Vale la pena observar que si una matriz es hermtica (la matrices simtricas son un caso particular) entonces es diagonalizable y sus autovaleres son reales. (El recproco es falso).

Matriz cuadrada
Una matriz de nxm elementos:

es una matriz cuadrada si el nmero de filas es igual al nmero columnas. Es decir, n = m. Se dice, entonces que la matriz es de orden n. Toda matriz cuadrada se puede descomponer en la suma de una matriz simtrica y una matriz antisimtrica. Si A y B son matrices del mismo orden, entonces se pueden sumar entre s. Los productos de matrices son vlidos en ambos sentidos, AB y BA. Adems, surgen los conceptos de determinante y traza solo aplicables a matrices cuadradas. Una matriz cuadrada A de orden n es singular si su determinante es nulo. En tal caso se dice que dicha matriz no tiene inversa. Ejemplo de matriz cuadrada para n = 3:

Diagonal principal
En lgebra lineal, la Diagonal principal de una matriz cuadrada es la diagonal que va desde la esquina superior izquierda hasta la esquina inferior derecha. Por ejemplo, la siguiente matriz contiene unos a lo largo de toda su diagonal principal:

A una matriz como la de arriba, en la cual solamente los elementos de la diagonal principal no son cero, se le llama matriz diagonal. La suma de los elementos de la diagonal principal de una matriz se le conoce como la traza de dicha matriz.

Matriz simtrica
Una matriz de n x m elementos:

es simtrica, si es una matriz cuadrada (m = n) y aij = aji para todo i, j =1,2,3,4,...,n. Ntese que la simetra es respecto a la diagonal principal y que A es tambin, una matriz traspuesta. Ejemplo, para n = 3:

Propiedades
Uno de los teoremas bsicos que concierne este tipo de matrices es el teorema espectral de dimensin finita, que dice que toda matriz simtrica cuyas entradas sean reales puede ser diagonalizada por una matriz ortogonal. ste es un caso especial de una matriz hermtica.

Autovalores
Como las matrices simtricas son un caso particular de las matrices hermticas, todos sus autovalores son reales. Con base en las propiedades de los autovalores de una matriz simtrica, se pueden clasificar en los siguientes tipos:

definida positiva: Una matriz simtrica es definida positiva si y solo si todos sus autovalores son estrictamente positivos. definida negativa: Una matriz simtrica es definida negativa si y solo si todos sus autovalores son estrictamente negativos. semidefinida positiva: Una matriz simtrica es semidefinida positiva si y solo si todos sus autovalores son mayores o iguales a cero. semidefinida negativa: Una matriz simtrica es semidefinida negativa si y solo si todos sus autovalores son menores o iguales a cero.

Matriz antisimtrica
Una matriz de nxm elementos:

es antisimtrica, si es una matriz cuadrada (m = n) y aji = aij para todo i,j =1,2,3,...,n. En consecuencia, aii = 0 para todo i. Por lo tanto, la matriz A asume la forma:

Ntese que la matriz traspuesta de la matriz antisimetrica A es -A, y que la antisimetra es respecto a la diagonal principal.

Matriz de adjuntos
Dada una matriz cuadrada A, su matriz adjunta o adj(A) es la resultante de sustituir cada trmino de A por sus adjuntos respectivos. El adjunto de un trmino ai j de la matriz A resulta del determinante de la matriz que se obtiene de eliminar de la matriz A, la fila y la columna a la que pertenece el trmino ai j, multiplicado por (-1)(i+j)

Ejemplos
Un ejemplo sera el siguiente:

En general: dada la matriz

su adjunto es

La matriz de adjuntos suele emplearse para calcular la matriz inversa de una matriz dada. Sin embargo, para matrices de dimensiones grandes, este tipo de clculo resulta ms costoso, en trminos de operaciones, que otros mtodos como el mtodo de eliminacin de Gauss.

Matriz diagonal
En lgebra lineal, una matriz diagonal es una matriz cuadrada en que las entradas son todas nulas salvo en la diagonal principal, y stas pueden ser nulas o no. As, la matriz D = (di,j) es diagonal si:

Ejemplo:

Toda matriz diagonal es tambin una matriz simtrica, triangular (superior e inferior) y (si las entradas provienen del cuerpo R o C) normal. Otro ejemplo de matriz diagonal es la matriz identidad.

Operaciones matriciales
Las operaciones de suma y producto de matrices son especialmente sencillas para matrices diagonales. Vamos a emplear aqu la notacin de diag(a1,...,an) para una matriz diagonal que tiene las entradas a1,...,an en la diagonal principal, empezando en la esquina superior izquierda. Entonces, para la suma se tiene: diag(a1,...,an) + diag(b1,...,bn) = diag(a1+b1,...,an+bn) y para el producto de matrices, diag(a1,...,an) diag(b1,...,bn) = diag(a1b1,...,anbn). La matriz diagonal diag(a1,...,an) es invertible si y slo si las entradas a1,...,an son todas distintas de 0. En este caso, se tiene diag(a1,...,an)-1 = diag(a1-1,...,an-1). En particular, las matrices diagonales forman un subanillo del anillo de las matrices de nn. Multiplicar la matriz A por la izquierda con diag(a1,...,an) equivale a multiplicar la fila i-sima de A por ai para todo i. Multiplicar la matriz A por la derecha con diag(a1,...,an) equivale a multiplicar la columna i-sima de A por ai para todo i.

Autovalores, autovectores y determinante

Los autovalores de diag(a1,...,an) son a1,...,an. Los vectores e1,...,en forman una base de autovectores. El determinante de diag(a1,...,an) es igual al producto a1...an.

Usos
Las matrices diagonales tienen lugar en muchas reas del lgebra lineal. Debido a la sencillez de las operaciones con matrices diagonales y el clculo de su determinante y de sus valores y vectores propios, siempre es deseable representar una matriz dada o transformacin lineal como una matriz diagonal. De hecho, una matriz dada de nn es similar a una matriz diagonal si y slo si tiene n autovectores linealmente independientes. Tales matrices se dicen diagonalizables. En el cuerpo de los nmeros reales o complejos existen ms propiedades: toda matriz normal es similar a una matriz diagonal (vase teorema espectral) y toda matriz es equivalente a una matriz diagonal con entradas no negativas.

Matriz de diagonal estrictamente dominante

En matemticas, y especialmente en lgebra lineal, una matriz es estrictamente dominante, cuando lo es por filas o por columnas.

Lo es por filas cuando, para todas las filas, el valor absoluto del elemento de la diagonal de esa fila es estrictamente mayor que la suma de los valores absolutos del resto de elementos de esa fila. Lo es por columnas cuando, para todas las columnas, el valor absoluto del elemento de la diagonal de esa columna es estrictamente mayor que la suma de los valores absolutos del resto de elementos de esa columna.

Estas matrices tambin se denominan "matrices de Hadamard". Una matriz de Hadamard siempre es regular, es decir, su determinante es no nulo. Las submatrices fundamentales de una matriz de Hadamard tambin son de Hadamard y siempre admiten factorizacin LU. Formalmente, se dice que la matriz A de n x n es estrictamente diagonal dominante cuando se satisface:

Matriz hermitiana
Una matriz hermitiana (o hermtica) es una matriz cuadrada de elementos complejos que tiene la caracterstica de ser igual a su propia traspuesta conjugada. Es decir, el elemento en la i-sima fila y j-sima columna es igual al conjugado del elemento en la j-sima fila e i-sima columna, para todos los ndices i y j:

o, escrita con la traspuesta conjugada A*:

Por ejemplo,

es una matriz hermtica.

Propiedades
1. Sea A = B + iC, donde A es hermitiana y B y C reales, entonces B es simtrica (B = Bt) y C antisimtrica (C = Ct). 2. La inversa de una matriz hermitiana es tambin hermitiana. 3. En una matriz hermitiana, los elementos de la diagonal principal son reales. 4. La determinante de una matriz hermitiana es un nmero real. Pero la propiedad ms importante de toda matriz hermitiana es que todos sus autovalores son reales.

Matriz idempotente
Una matriz idempotente es una matriz la cual es igual a su cuadrado, es decir: A es idempotente si A x A = A Por ejemplo, la siguiente matriz es idempotente:

O sea: la matriz elevada al cuadrado va a ser la misma matriz sin elevarla.

Matriz identidad
En lgebra lineal, la matriz identidad es una matriz que cumple la propiedad de ser el elemento neutro del producto de matrices. Esto quiere decir que el producto de cualquier matriz por la matriz identidad (donde dicho producto est definido) no tiene ningn efecto. La columna i-sima de una matriz identidad es el vector unitario ei de una base vectorial inmersa en un espacio Eucldeo de dimensin n. Como el producto de matrices slo tiene sentido si sus dimensiones son compatibles, existen infinitas matrices identidad dependiendo de las dimensiones. In, la matriz identidad de tamao n, se define como la matriz diagonal que tiene 1 en cada una de las entradas de la diagonal principal, y 0 en el resto. As,

Empleando la notacin que a veces se usa para describir concisamente las matrices diagonales, resulta: In = diag(1,1,...,1) Si el tamao es inmaterial, o se puede deducir de forma trivial por el contexto, entonces se escribe simplemente como I. Tambin se puede escribir usando la notacin delta de Kronecker: Iij = ij o, de forma an ms sencilla, I = (ij) La matriz identidad de orden n puede ser tambin considerada como la matriz permutacin que es elemento neutro del grupo de matrices de permutacin de orden n!.

Matriz permutacin
La matriz permutacin es la matriz cuadrada con todos sus nn elementos iguales a 0, excepto uno cualquiera por cada fila y columna, el cual debe ser igual a 1. De acuerdo a esta definicin existen n! matrices de permutacin distintas, de las cuales una mitad corresponde a matrices de permutacin par (con el determinante igual a 1) y la otra mitad a matrices de permutacin impar (con el determinante igual a -1). Para n = 3 se tiene: Matrices de permutacin par:

Matrices de permutacin impar:

Puede notarse que las matrices de permutacin conforman un grupo de orden n! respecto al producto.

Propiedades

El elemento neutro del grupo es la matriz identidad. El elemento inverso de cada elemento del grupo de matrices de permutacin es la matriz traspuesta correspondiente. Cada elemento del grupo de matrices de permutacin es una matriz ortogonal. El producto de matrices de permutacin par siempre genera una matriz de permutacin par. El producto de matrices de permutacin impar siempre genera una matriz de permutacin par. El producto de matrices de permutacin de paridad distinta siempre genera una matriz de permutacin impar. Observe que las matrices de permutacin par conforman un semigrupo y que adems el grupo de matrices de permutacin no es conmutativo. Cada elemento del grupo de matrices de permutacin fuera del semigrupo es una matriz simtrica.

Matriz ortogonal
Las matrices ortogonales, representan transformaciones en espacios vectoriales reales[1] llamadas justamente, transformaciones ortogonales. Estas transformaciones son isomorfimos internos del espacio vectorial en cuestin. Suelen representar rotaciones y son usadas extensivamente en computacin grfica. Por sus propiedades tambin son usadas para el estudio de ciertos fibrados y en fsica se las usa en la formulacin de ciertas teoras de campos.

Definicin
Sea n un nmero entero y sea A una matriz cuadrada n por n, con entradas reales. Se dice que la matriz es ortogonal si:

donde

representa la matriz transpuesta de

representa la matriz identidad.

Ejemplos
Supongamos que la matriz de nmeros reales

es ortogonal y su determinante es +1. Su traspuesta es igual a su inversa

de modo que d = a y c = b y la matriz M es de la forma

Finalmente,

As que los nmeros a y b satisfacen adems la propiedad que la suma de sus cuadrados vale 1. Por lo tanto, existe un nmero real para el cual

Concluimos que: toda matriz ortogonal de SO(2) puede escribirse como

con real.

Caracterizacin
Sea A una matriz ortogonal n por n. Sean , , los n vectores fila de la matriz. En trmino de estos vectores, es muy fcil expresar los elementos de la matriz que resulta de muliplicar A por su transpuesta:

De modo que los vectores fila de una matriz ortogonal forman un conjunto de n vectores ortonormales. Puesto que la ecuacin

tambin se verifica, tenemos que los vectores columna de la matriz A tambin forman un conjunto ortonormal de vectores. Como el recproco de todo esto tambin es cierto, tenemos Una matriz real A es ortogonal si y slo si sus vectores filas o vectores columna son cada uno un conjunto ortonormal de vectores. Es en este sentido que se dice que se ha hecho una caracterizacin de las matrices ortogonales. Dada una matriz, basta verificar esta propiedad entre sus vectores fila y columna para determinar si dicha matriz es o no ortogonal.

Propiedades

De la definicin, es inmediato que la si una matriz es ortogonal, la matriz es no singular o inversible y su transpuesta coincide con su inversa El determinante de una matriz ortogonal A es +1 -1. En efecto, de las propiedades del determinante tenemos

y por tanto,

El conjunto de matrices nxn ortogonales, junto con la operacin de producto de matrices es un grupo llamado grupo ortogonal O(n). Supongamos que A y B son matrices ortogonales y sea C igual al producto de A por B. Usando las propiedades del producto de matrices, tenemos

y as, el producto de matrices ortogonales es una matriz ortogonal. En matemticas, al grupo de matrices ortogonales n por n se denomina grupo ortogonal de dimensin n y se representa con O(n). En particular el subgrupo formado por las matrices ortogonales de determinante +1, se llama grupo especial ortogonal y se le representa con SO(n). Entre las matrices ortogonales se encuentran las matrices de rotacin y las de permutacin.

Notas
1. Se sobreentiende que al espacio vectorial real, se le ha dotado de un producto interno

Matriz definida positiva

En el lgebra lineal, una matriz definida positiva es una matriz hermitiana que es anloga a los nmeros reales positivos.

Definiciones equivalentes
Sea M una matriz hermitiana cuadrada n n. De ahora en ms notaremos la transpuesta de una matriz o vector a como aT, y el conjugado transpuesto, a * . Esta matriz M se dice definida positiva si cumple con una (y por lo tanto, las dems) de las siguientes formulaciones equivalentes: 1 Para todos los vectores no nulos . . tenemos que

Ntese que z * Mz es siempre real. 2 Todos los autovalores i de M son positivos. (Recordamos que los autovalores de una matriz hermitiana o en su . defecto, simtrica, son reales.) 3 La funcin . define un producto interno . 4 Todas las siguientes matrices tienen determinantes positivo. .

la superior izquierda de M de dimensin 1x1 la superior izquierda de M de dimensin 2x2 la superior izquierda de M de dimensin 3x3 ... M en s misma por , y la conjugada transpuesta por la

Anlogamente, si M es una matriz real simtrica, se reemplaza transpuesta.

Propiedades

Toda matriz definida positiva es inversible (su determinante es positivo), y su inversa es definida positiva. Si M es una matriz definida positiva y r > 0 es un nmero real, entonces rM es definida positiva. Si M y N son matrices definidas positivas, entonces la suma M + N, el producto MNM y NMN son definidas positivas, adems si

MN = NM, entonces MN es tambin definida positiva.

Toda matriz definida positiva M, tiene al menos una matriz raz cuadrada N tal que N2 = M.

Matrices definidas negativas, semidefinidas positivas e indefinidas

La matriz hermitiana M se dice definida negativa si

para todos los vectores

) no nulos. Se llama semidefinida positiva si

para todo

) y semidefinida negativa si

para todo

).

Una matriz hermitiana, que no entra en ninguna de las clasificaciones anteriores se dice indefinida

Caso no hermitiano
Una matriz real M puede tener la propiedad xTMx > 0 para todo vector real no nulo sin ser simtrica. La matriz

es un ejemplo. En general, tendremos xTMx > 0 para todo vector real no nulo x si y slo si la matriz simtrica (M + MT) / 2, es definida positiva.

Matriz invertible
En matemticas, y especialmente en lgebra lineal, una matriz A de dimensiones nn se dice que es invertible, inversible, inversa o no singular o regular si existe una matriz B de dimensiones nn tal que AB = BA = In, donde In denota la matriz identidad de orden n (dimensiones nn) y el producto utilizado es el producto de matrices usual. Una matriz no invertible se dice que es una matriz singular. La inversa de la matriz A es nica. Esto se denota por A-1.

Prueba de que la inversa es nica

Supongamos que B y C son inversas de A AB = BA = I AC = CA = I Multiplicando por C (BA)C = IC = C (BA)C = B(AC) = BI = B De modo que B=C y se prueba que la inversa es nica. La matriz inversa de A se denota por A 1 y satisface la igualdad:

Esta viene dada por:

donde

= determinante de A = matriz de adjuntos de A se multiplica en inversas

Propiedades de la matriz inversa

La inversa del producto de dos matrices es el producto de las inversas cambiando el orden:

Si la matriz es invertible, tambin lo es su transpuesta, y el inverso de su transpuesta es la transpuesta de su inversa, es decir:

Y, evidentemente:

Teorema sobre la inversibilidad de las matrices cuadradas

Si A es una matriz de orden n, entonces existe B tal que AB = BA = I si y slo si el determinante de A es distinto de cero.

Demostracin
Se probar por doble implicacin.

Necesidad
Suponiendo que existe B tal que AB = BA = I. Entonces al aplicar la funcin determinante se obtiene

usando la propiedad det(I) = 1

Por lo tanto, det(A) es distinto de cero.

Suficiencia
Suponiendo que el determinate de A es distinto de cero, sea aij es el elemento ij de la matriz A y sea Aij la matriz A sin la fila i y la columna j (comnmente conocida como j-simo menor de A). Entonces

Sea

, entonces

Esta afirmacin es vlida propiedades de los determinantes, pues la parte izquierda de la relacin nos conduce a una matriz con la columna j igual a la columna k y los dems trminos iguales a los de A. Entonces

donde jk = 1 cuando j = k y jk = 0 cuando

. Entonces

Es decir que A tiene inversa izquierda

Como

, entonces At tambin tiene inversa izquierda que es

Entonces

luego entonces, aplicando la transpuesta

Que es lo que se quera demostrar

Gradiente

En esta imagen, el campo escalar se aprecia en blanco y negro, representando valores bajos o altos respectivamente, y el gradiente correspondiente se aprecia por flechas azules. El gradiente normalmente denota una direccin en el espacio segn la cual se aprecia una variacin de una determinada propiedad o magnitud fsica. En otros contextos se usa informalmente gradiente, para indicar la existencia de gradualidad o variacin gradual en determinado aspecto, no necesariamente relacionado con la distribucin fsica de una determinada magntiud o propiedad.

Definicin
El gradiente de un campo escalar, que sea diferenciable en el entorno de un punto, es un vector definido como el nico que permite hallar la derivada direccional en cualquier direccin como:

siendo un vector unitario y la derivada direccional de variacin del campo escalar al desplazarnos segn esta direccin:

en la direccin de , que informa de la tasa de

Una forma equivalente de definir el gradiente es como el nico vector que, multiplicado por cualquier desplazamiento infinitesimal, da el diferencial del campo escalar:

Con la definicin anterior, el gradiente est caracterizado de forma unvoca. El gradiente se expresa alternativamente mediante el uso del operador nabla:

Interpretacin del Gradiente

De forma geomtrica el gradiente es un vector que se encuentra normal a una superficie o curva en el espacio a la cual se le esta estudiando, en un punto cualquiera, llamese etctera, algunos ejemplos son: , ,

Considere una habitacin en la cual la temperatura se define a travs de un campo escalar, de tal manera que en cualquier punto , la temperatura es . Asumiremos que la temperatura no varia con respecto al tiempo. Siendo esto as, para cada punto de la habitacin, el gradiente en ese punto nos dar la direccin en la cual se calienta ms rpido. La magnitud del gradiente nos dir cun rpido se calienta en esa direccin. Ahora considere una montaa en la cual su altura en el punto se define como .

El gradiente de H en ese punto estar en la direccin del punto a mayor grado de inclinacin. La magnitud del gradiente nos mostrar cun empinada se encuentra la pendiente. As se demuestra:

Aproximacin lineal de una funcin

El gradiente de una funcin f definida de Rn a R caracteriza la mejor aproximacin lineal de la funcin en un punto particular x0 en Rn. Se expresa as:

donde

es el gradiente evaluado en x0.

Propiedades
El gradiente verifica que:

Es ortogonal a las superficies equiescalares, definidas por =cte.. Apunta en la direccin en que la derivada direccional es mxima. Su mdulo es igual a esta derivada direccional mxima. Se anula en los puntos estacionarios (mximos, mnimos y puntos de silla) El campo formado el gradiente en cada punto es siempre irrotacional, esto es,

Expresin en diferentes sistemas de coordenadas

A partir de su definicin puede hallarse su expresin en diferentes sistemas de coordenadas. En coordenadas cartesianas, su expresin es simplemente

En un sistema de coordenadas ortogonales, el gradiente requiere los factores de escala, mediante la expresin

Para coordenadas cilndricas (h = hz = 1,

) resulta

y para coordenadas esfricas (hr = 1, h = r,

Gradiente de un campo vectorial

En un espacio eucldeo, el concepto de gradiente tambin puede extenderse al caso de un campo vectorial, siendo el gradiente de un tensor que da el diferencial del campo al realizar un desplazamiento

Este tensor podr representarse por una matriz , que en coordendas cartesianas est formada por las tres derivadas parciales de las tres componentes del campo vectorial.

Ejemplo
Dada la funcin f(x,y,z) = 2x + 3y2 sin(z) su vector gradiente es:

Aplicaciones en fsica
El gradiente posee innumerables aplicaciones en fsica, especialmente en electromagnetismo y mecnica de fluidos. En particular, existen muchos campos vectoriales que puede escribirse como el gradiente de un potencial escalar. Uno de ellos es el campo electrosttico, que deriva del potencial elctrico

Todo campo que pueda escribirse como el gradiente de un campo escalar, se denomina potencial, conservativo o irrotacional. As, una fuerza conservativa deriva de la energa potencial como

Los gradientes tambin aparecen en los procesos de difusin que verifican la ley de Fick o la ley de Fourier para la temperatura. As, por ejemplo, el flujo de calor en un material es proporcional al gradiente de temperaturas

siendo k la conductividad trmica.

Jacobiano
En clculo vectorial, el jacobiano es una abreviacin de la matriz jacobiana y su determinante, el determinante Jacobiano. Son llamados as en honor al matemtico Carl Gustav Jacobi. En geometra algebraica, el jacobiano de una curva hace referencia a la variedad jacobiana, un grupo y variedad algebraica asociada a la curva, donde la curva puede ser embebida.

Matriz Jacobiana
La matriz Jacobiana es una matriz formada por las derivadas parciales de primer orden de una funcin. Una de las aplicaciones ms interesantes de esta matriz es la posibilidad de aproximar linealmente a la funcin en un punto. En este sentido, el Jacobiano representa la derivada de una funcin multivariable. Supongamos F : Rn Rm es una funcin que va del espacio euclidiano n-dimensional a otro espacio euclideano m-dimensional. Esta funcin est determinada por m funciones reales: y1(x1,...,xn), ..., ym(x1,...,xn). Las derivadas parciales de estas (si existen) pueden ser organizadas en una matriz m por n, la matriz Jacobiana de F:

Esta matriz es notada por

o como

La i-sima fila est dada por el gradiente de la funcin yi, para i=1,...,m. Si p es un punto de Rn y F es diferenciable en p, entonces su derivada est dada por JF(p). En este caso, la aplicacin lineal descrita por JF(p) es la mejor aproximacin lineal de F cerca del punto p, de esta manera:

para x cerca de p.

Ejemplo
El Jacobiano de la funcin F : R3 R3 definida como:

es:

No siempre un Jacobiano es cuadrado.

Matriz Jacobiana de un campo vectorial

En clculo vectorial, la matriz Jacobiana para un campo vectorial es la matriz de orden mxn que tiene como elementos a las derivadas parciales (si existen) de la funcin. Por ejemplo, se desea obtener la 'Matriz Jacobiana' de la diferencial . Usando: en la frmula: . Dividiendo por l, y haciendo tender l a 0, se obtiene: de una funcin de Rn a Rm en el punto

Este es el vector que va en la primera columna de la matriz buscada. Por analoga para las dems columnas. De este modo, la matriz Jacobiana de en el punto es:

, se consiguen

Esta matriz se denota tambin por:

Determinante Jacobiano
Si m = n, entonces F es una funcin que va de un espacio n-dimensional a otro. En este caso la matriz Jacobiana es cuadrada y podemos calcular su determinante, conocido como el determinante Jacobiano. El determinante Jacobiano en un punto dado nos da informacin importante sobre el comportamiento de F cerca de ese punto. Para empezar, una funcin F es invertible cerca de p si el determinante Jacobiano en p es no nulo. Ms an, el valor absoluto del determinate en p nos da el factor con el cual F expande o contrae su volumen cerca de p.

Ejemplo
El determinante Jacobiano de la funcin F : R3 R3 definida como:

es:

La funcin es localmente invertible excepto donde x1=0 x2=0. Si imaginamos un objeto pequeo centrado en el punto (1,1,1) y le aplicamos F, tendremos un objeto de aproximadamente 40 veces ms volumen que el original.

Matriz nilpotente
Una matriz se dice nilpotente si existe tal que Nk = 0. Si A es una matriz nilpotente entonces |A|=0.

Demostracin
Si A es una matriz nilpotente de orden k, A^k=0. Por tanto |A^k|=0, luego |A|^k=0, y en consecuencia |A|=0.

Matriz normal
Uno o ms wikipedistas estn trabajando actualmente en extender este artculo. Es posible que, a causa de ello, haya lagunas de contenido o deficiencias de formato. Por favor, antes de realizar correcciones mayores o reescrituras, contacta con ellos en su pgina de usuario o en la pgina de discusin del artculo para poder coordinar la redaccin. Sea A matriz compleja cuadrada, entonces es una matriz normal si y slo si A * A = AA * donde A* es el conjugado transpuesto de A (tambin llamado hermitiano)

Ejemplos
Esta matriz de orden 2 es normal.

debido a que ..

Propiedades
Una importante propiedad de este tipo de matrices es que son diagonalizables. Demostracin: Sea A matriz compleja cuadrada normal. Entonces puede expresarse, utilizando la descomposicin de Schur, de esta manera: A = QUQ * Demostraremos que la matriz U es diagonal, por ahora solo sabemos que es triangular superior. Formalmente, definimos estas condiciones con nmeros, ya que sern usadas en la demostracin:

ak1 = 0 ak2 = 0 ... akn 1 = 0

(1) (2) (n-1)

Usando el hecho que A es normal: A * A = (QUQ * ) * (QUQ * ) = QU * (Q * Q)(a)UQ * = QU * UQ * Idnticamente. (QUQ * )(QUQ * ) * = QUU * Q * Postmultiplicando por Q y luego premultiplicando por Q * obtenemos: U * U = UU * Lo cual da lugar a estas dos multiplicaciones matriciales:

Para nuestros propsitos, nos interesan los elementos de las diagonales.

Ahora utilizamos un procedimiento inductivo para probar que esta matriz producto es diagonal (sus elementos son ceros fuera de la diagonal principal)

Caso i=1: (U * U)11 = (UU * )11

Separamos el elemento diagonal de las sumatorias.

Usando (1)

Por lo tanto, a1j = 0

Matriz cero
Una matriz de nxm elementos:

es una matriz cero si aji = 0 para todo i=1,2,3,...,n y j=1,2,3,...m. Por lo tanto, la matriz A asume la forma:

Esta matriz tambin se le suele llamar matriz nula y se denota por 0. Una matriz cero es, al mismo tiempo, matriz simtrica, matriz antisimtrica, matriz nilpotente y matriz singular.

Matriz singular
Una matriz cuadrada A de orden n es singular si su determinante es nulo. Algunos autores llaman a estas matrices degeneradas. En tal caso se dice que dicha matriz no tiene inversa.

Matriz triangular
Una matriz de nxm elementos:

es triangular superior, si es una matriz cuadrada y aij = 0 para todo i>j (i,j =1,2,3,...,n). Es decir,

En caso contrario, si aij = 0 para todo i<j (i,j =1,2,3,...,n), entonces A es matriz triangular inferior que tiene la forma:

Por ejemplo, para n = 3:

es triangular superior y

es triangular inferior. Se suelen emplear las letras U y L, respectivamente, ya que U es la inicial de "upper triangular matrix" y L de "lower triangular matrix", los nombres que reciben estas matrices estn en ingls. En general, se pueden realizar las operaciones en estas matrices en la mitad de tiempo. El determiante de una matriz triangular es el producto de los elementos de la diagonal principal.

Matrices definidas positivas, negativas, semidefinidas positivas e indefinidas

En el lgebra lineal, una matriz definida positiva es una matriz hermitiana que es anloga a los nmeros reales positivos.

Definiciones equivalentes
Sea M una matriz hermitiana cuadrada n n. De ahora en ms notaremos la transpuesta de una matriz o vector a como aT, y el conjugado transpuesto, a * . Esta matriz M se dice definida positiva si cumple con una (y por lo tanto, las dems) de las siguientes formulaciones equivalentes:

1 Para todos los vectores no nulos . .

tenemos que

Ntese que z * Mz es siempre real. 2 Todos los autovalores i de M son positivos. (Recordamos que los autovalores de una matriz hermitiana o en su . defecto, simtrica, son reales.) 3 La funcin . define un producto interno . 4 Todas las siguientes matrices tienen determinantes positivo. . la superior izquierda de M de dimensin 1x1 la superior izquierda de M de dimensin 2x2 la superior izquierda de M de dimensin 3x3 ...

M en s misma por , y la conjugada transpuesta por la

Anlogamente, si M es una matriz real simtrica, se reemplaza transpuesta.

Propiedades

Toda matriz definida positiva es inversible (su determinante es positivo), y su inversa es definida positiva. Si M es una matriz definida positiva y r > 0 es un nmero real, entonces rM es definida positiva. Si M y N son matrices definidas positivas, entonces la suma M + N, el producto MNM y NMN son definidas positivas, adems si

MN = NM, entonces MN es tambin definida positiva.

Toda matriz definida positiva M, tiene al menos una matriz raz cuadrada N tal que N2 = M.

Matrices definidas negativas, semidefinidas positivas e indefinidas

La matriz hermitiana M se dice definida negativa si

para todos los vectores

) no nulos. Se llama semidefinida positiva si

para todo

) y semidefinida negativa si

para todo

).

Una matriz hermitiana, que no entra en ninguna de las clasificaciones anteriores se dice indefinida

Caso no hermitiano
Una matriz real M puede tener la propiedad xTMx > 0 para todo vector real no nulo sin ser simtrica. La matriz

es un ejemplo. En general, tendremos xTMx > 0 para todo vector real no nulo x si y slo si la matriz simtrica (M + MT) / 2, es definida positiva.