Seccin cero lgebra matricial Definiciones bsicas

Definicin 0.1. Sean aij; i=1,2,..,m, j=1,2,..,n nmeros(reales o complejos). Entonces.

a 11 a 12 ... a 1 n a 21 a 22 ... a 2 n A = .... a m 1 a m 2 ... a mn

Es una matriz. Decimos que la matriz tiene dimensin mxn. Diremos que m es el nmero de renglones y n el nmero de columnas

Observacin 1. Es frecuente denotar A=(aij); i=1,2,,m, j=1,2,,n. Observacin 2. Consideraremos en lo sucesivo que aij ; i=1,2,,m, j=1,2,,n. Esto es, estamos interesados en matrices reales. Para cualquier m,n , denotaremos mediante mxn el conjunto de las matrices reales de orden mxn. Observacin 3. Diremos que A es una matriz cuadrada si m=n. Definicin 0.2. La funcin
T

(a ij )

mxn

A T = (a

nxm

ji

es la funcin transposicin.

Observacin 1. Denotaremos T(A)= AT = A y la llamaremos transpuesta de A. Observacin 2. Se puede demostrar que

(i) ( A + B) = A + B , (ii) ( A) = AT
T T T T

Es decir, la transposicin es una operacin lineal. Tambin se puede demostrar que

(iii ) ( AB ) = B T AT
T

Definicin 0.3. Decimos que Im es una matriz identidad de orden m si y slo si para toda n, p y para toda A mxn y para toda B pxm se tiene que

Im A = A y B Im = B

Observacin 1. La matriz I es cuadrada Observacin 2. En particular si A mxm, se tiene que ImA=AIm=A

Inversa y determinantes
Definicin 0.4.Sea A mxm. Decimos que A es invertible si y slo si existe una matriz B que llamaremos inversa de A tal que AB=BA=Im. Observacin 1. Si A es invertible, la inversa es nica. En efecto sean B y C inversas de A. Entonces BAC=B(AC)=BIm=B y BAC=(BA)C=ImC=C, por lo tanto B=C, denotaremos por A1 a la inversa de A Observacin 2. Se puede demostrar que (i) ( AB) = B A , (ii)( A) = A y (iii) ( A ) = ( A
1 1 1 1 1 1 T 1 1 T

Definicin 0.5. Sea A mxm . Definimos el adjunto del elemento i,j y lo denotamos mediante Adij, como la matriz que se obtiene suprimiendo la i-sima fila y la j-sima columna de A, esto es, Adij est definida por

Ad

ij

a 11 a i 11 = a i + 11 a m1

a 12 ... a 1 j 1 a 1 j + 1 ... ... a i 12 ... a i 1 j 1 a i 1 j + 1 ... a i + 12 ... a i + 1 j 1 a i + 1 j + 1 ... .... a

m 2

a 1m a i1 m a i+1 m a

... a

mj 1

mj + 1

...

mm

Definicin 0.6. Se A mxm . El determinante de A est dado por la siguiente frmula

A = ( 1)
j =1

i+ j

a ij Ad ij i = 1,2,..., m

Observacin 1. Sea A mxm y . Entonces, se puede demostrar que

( i ) A = A T , ( ii ) A = m A
(iii) para A11 nxn, A22 pxp con n<m y p<m tales que A11 y A22 son invertibles y tal que

A11 A12 A= A 21 A 22

donde A12 y A21 tienen dimensin adecuada, entonces

A =

A 11 A 12 A 21 A 22

1 = A 11 A 12 A 22 A 21 A 22

O equivalentemente

A =

A 11 A 12 A 21 A 22

1 = A 22 A 21 A 11 A 12 A 11

Dependencia lineal y rango

Sea A mxn y b n . En la interpretacin geomtrica del lgebra matricial, A representa una transformacin lineal, tomando el punto b n y envindolo al punto c m a travs de la frmula

A b = c
Definicin 0.7. La coleccin de todos los puntos c mque tienen dicha representacin para algn b n se llama el espacio columna de A o el espacio expandido por las columnas de A Observacin 1. Si 0 no es un elemento del espacio columna de A de tal manera que no existe b0 talque Ab=0, se dice que las columnas de A son linealmente independientes.

Observacin 2. Por otra parte, si existe b 0 talque Ab=0, se dice que las columnas de A son linealmente dependientes y la coleccin de todos los vectores b que satisfacen esta coleccin se llama kernel o espacio nulo de A. La nulidad de A es la dimensin del kernel, el nmero mximo de vectores linealmente independientes contenidos en este. Observacin 3. Si A mxn tiene nulidad p; con 0<pn, entonces existe una matriz B cuyas columnas son linealmente independientes, tales que AB=0 mxp. Definicin 0.8. El rango de A es la diferencia entre su dimensin y su nulidad y es igual al nmero de columnas linealmente independientes que tiene.

Observacin 1.

rango ( A ) = rango ( A)
T

Observacin 2. Si A mxn y B nxp , entonces rango( AB) mn{rango( A), rango( B)}

Valores propios y vectores propios.

Definicin 0.9. Sea A mxm . Se dice que el escalar i es un valor propio de A y que el vector no nulo ci de dimensin m es un vector propio de A asociado al valor propio i si y slo si

(A

i I ) c i = 0 , i = 1 , 2 ,...,m

Observacin 1. Los valores propios pueden ser reales o complejos. Observacin 2. Sea mxm una matriz diagonal cuyos elementos son 1, 2,, m (ordenados de manera descendente en magnitud). Si C es una matriz cuyas columnas son c1,c2,,cm , entonces AC=C . Dada cualquier matriz no singular P mxm , si

B = PA P 1 , entonces BPC = PAC = PC

por lo tanto la matriz B tiene los mismos valores propios que A y sus vectores propios estn dados por las columnas de PC. A y B son llamadas matrices similares.

Observacin 3. Si los valores propios son todos diferentes, se puede demostrar que los vectores propios asociados a estos son linealmente independientes. En este caso P = C1, mostrando que A y son matrices similares. A tiene la representacin A = CC1 la cual es llamada la diagonalizacin de A Observacin 4. Los valores propios de una matriz simtrica son reales. Los vectores propios correspondientes a valores propios distintos son linealmente independientes y ortogonales, esto es, cicj=0 para i j. esta ltima propiedad se cumple en virtud de que

ci ' A c j j ci ' c j = 0 = c j ' A ci i c j ' ci en donde i j y por simetria c i ' A c j = c j ' A c i , entonces c i ' c j = 0

Matrices positivas definidas

Definicin 0.10. Una matriz simtrica A mxm se dice que es positiva semidefinida, si para todo vector X m con X 0, XAX 0. Y es positiva definida si la desigualdad es estricta. Observacin 1. Los valores propios de una matriz positiva definida son reales y positivos Lema 0.1. Sea B mxn , la matriz simtrica BB nxn es (i) positiva semidefinida y (ii) positiva definida si y slo si rango(B)=n Demostracin. Para cualquier z n tal que z 0,
z ' B ' B z = y ' y = y i2 0
i =1 m

con y=Bz, lo cual prueba (i)

Ahora, por la definicin de independencia lineal, si y slo si rango(B)=n, Bz 0 para toda z 0 y por lo tanto zBBz>0, lo cual prueba (ii) Lema 0.2. Si A es una matriz simtrica y positiva definida, entonces A1 es simtrica y positiva definida. Demostracin. Como A=A, entonces Ahora, considere
A
1

A ')

(A )
1 '

z ' A 1 z = z ' A 1 A A 1 z = y ' A y > 0 , con y = A 1 z

Lema 0.3. Considere la siguiente funcin cuadrtica en n-variables

f (x) = a + b'x + x'H x

donde H nxn es simtrica, se a b n. f alcanza su mnimo en el punto x=0 si y slo si b=0 y H es positiva definida.