Mostrando entradas con la etiqueta matrices. Mostrar todas las entradas
Mostrando entradas con la etiqueta matrices. Mostrar todas las entradas

martes, 20 de agosto de 2024

Obtención de los vectores de la base con respecto de la cual una cierta matriz es diagonal, dada la matriz de paso (del cambio de base)

Se considera una matriz $A$, asociada al correspondiente endomorfismo de $\mathbb{R}^3$, cuyos coeficientes vienen dados con respecto a la base canónica $\mathcal{C}=\{e_1=(1,0,0)^\top,e_2=(0,1,0)^\top,e_3=(0,0,1)^\top\}$. Nos dicen que esta matriz resulta que diagonaliza, $D=P^{-1}\,A\,P$ (denotamos por $D$ a dicha matriz diagonal) y por tanto $A=P\,D\,P^{-1}$, mediante la siguiente matriz de cambio de base (o matriz de paso): $$P=\begin{pmatrix}1&2&1\\1&3&3\\1&3&4\end{pmatrix}$$ ¿Cuál es la base con respecto a la cual diagonaliza?

Los vectores de la nueva base $\mathcal{B}$ corresponden a los vectores columna de la matriz de paso (del cambio de base): $$\mathcal{B}=\{u_1=(1,1,1)^{\top},u_2=(2,3,3)^{\top},u_3=(1,3,4)^{\top}\}$$ $\diamond$

jueves, 3 de agosto de 2023

Matriz adjunta de una matriz cuadrada

Dada una matriz cuadrada $A$ de orden $n$ ( $A \in \mathcal{M}_{n \times n}$ ) se define su matriz adjunta de la siguiente forma
    $\text{adj}(A)=(\alpha_{ij})^t$
donde $\alpha_{ij}$, que se denomina cofactor de $a_{ij}$, se calcula de la forma
$\alpha_{ij}=(-1)^{i+j}\,M_{ij}$   siendo $M_{ij}=\det(A_{ij})$ el menor complementario que se obtiene suprimiendo de $A$ la fila i-ésima y la columna j-ésima.

Propiedades: Si $A$ es una matriz cuadrada de orden $n$, entonces
$\text{adj}(AB)=\text{adj}(A)\,\text{adj}(B)$
$\text{adj}(A \pm B)\neq \text{adj}(A)\pm \text{adj}(B)$
$\text{adj}(A^m)=\big(\text{adj}(A)\big)^m$
$\text{adj}(I)=I$
$\text{adj}(A^t)=(\text{adj}(A))^t$
$A\,\text{adj}(A)=\text{adj}(A)\,A=\det(A)\cdot I$
$\text{adj}\big(\text{adj}(A)\big)=\big(\det(A)\big)^{n-2}\, A$
$\text{adj}(\lambda\,A)=\lambda^{n-1}\,\text{adj}(A)$
$\det(A)=\dfrac{1}{n}\,\text{tr}(A\,\text{adj}(A)$
$\det\big(\text{adj}(A)\big)=\det\big(A^{n-1}\big)$

Propiedad: Cálculo del determinante desarrollando por los adjuntos de una fila
$\det(A)=\displaystyle \sum_{j=1}^{n}\,a_{kj}\,\alpha_{kj}\quad \forall k=1,2,\ldots, n$

Propiedad: Cálculo del determinante desarrollando por los adjuntos de una columna
$\det(A)=\displaystyle \sum_{i=1}^{n}\,a_{ik}\,\alpha_{ik}\quad \forall k=1,2,\ldots, n$

Propiedad: Cálculo de la matriz inversa de una matriz no singular a partir de la la matriz adjunta
$A^{-1}=\dfrac{\text{adj}(A)}{\det(A)}$

Propiedad:
$\text{adj}(A^{-1})=\big(\text{adj}(A)\big)^{-1}$

    [matrices con MAXIMA]


martes, 1 de agosto de 2023

Factorización QR de una matriz

Sea la matriz invertible $A=\begin{pmatrix}2&-1&0\\0&0&-2\\0&2&-1\end{pmatrix}$. Los vectores columna de esta matriz son $a^{1}=\begin{pmatrix}2&0&0\end{pmatrix}$, $a^{2}=\begin{pmatrix}-1&0&2\end{pmatrix}$, $a^{3}=\begin{pmatrix}0&-2&-1\end{pmatrix}$. Los vectores que constituyen una base ortogonal son $p^{i}\;,\,i=1,2,3$ podemos obtenerlos por el método de Gram-Schmidt

$u^{1}=a^1=\begin{pmatrix}2\\0\\0\end{pmatrix}$

$u^{2}=a^2-\langle a^2,u^1 \rangle \,u^1=\begin{pmatrix}0\\0\\2\end{pmatrix}$

$u^{3}=a^3-\langle a^3,u^1\rangle\,u^1 - \langle u^3,u^2\rangle \,u^2=a^{3}-0\,p^{1}+\dfrac{1}{2}\,p^{2}=\begin{pmatrix}0\\-2\\0\end{pmatrix}$
luego la matriz de paso a la nueva base es la siguiente matriz ortogonal $P=\begin{pmatrix}2&0&0\\0&0&-2\\0&2&0\end{pmatrix}$
con lo que una matriz ortonormal se obtiene normalizando los vectores columnas de la anterior (los vectores de la base ortogonal): $q_1=\dfrac{u^1}{\left\|u^1\right\|}$, $q_2=\dfrac{u^2}{\left\|u^2\right\|}$, $q_3=\dfrac{u^3}{\left\|u^3\right\|}$ por tanto
$Q=\begin{pmatrix}1&0&0\\0&0&-1\\0&1&0\end{pmatrix}$, como puede comprobarse por la definición de matriz ortogonal: $Q^t=Q^{-1}$, esto es $QQ^t=I$



Queremos expresar la matriz $A$ de la forma $A=QR$, siendo $Q$ una matriz ortogonal (que ya hemos obtenido a partir de las coordenadas de los vectores de la nueva base $\{p^i\}\,,i=1,2,3$) dispuestos en columnas y normalizados) y $R$ una matriz triangular superior.
Ya tenemos la matriz ortogonal $Q$. Veamos ahora cómo podemos determinar la matriz triangular superior $R$:
  De las ecuaciones escritas arriba podemos escribir, en forma matricial, que $A=P-PM$, y por tanto, $A=P(I+M)$, donde $I$ es la matriz identidad y $M$ puede verse fácilmente que es $\begin{pmatrix}0&m_{12}&m_{13}\\0&0&m_{23}\\0&0&0\end{pmatrix}$, siendo sus coeficientes de la forma $m_{ij}=\dfrac{a^j\,p^i}{\left\|p^i\right\|^2}\,\text{para}\,j\gt i$
Entonces, como al normalizar los vectores columna se han dividido sus coordenadas, $p^{i}\,,i=1,2,3$, por la norma respectiva de cada vector, $\left\|p^i\right\|$, tenemos que $A=P(I+M)=QD(I+M)=Q\,(D(I+M))$, y como esto debe ser igual a $QR$, se tiene que $R=D(I+M)$, siendo $D$ una matriz diagonal que, como acabamos de justificar, resulta ser $D=(d_{ii})$, con $d_{ii}=\left\|p^i\right\|$; y, en nuestro caso, resulta ser $D=\begin{pmatrix}2&0&0\\0&2&0\\0&0&2\end{pmatrix}$, por lo que la matriz triangular superior es $R=\begin{pmatrix}2&-1&0\\0&2&-1\\0&0&2\end{pmatrix}$. Así, una descomposción $QR$ de $A$ puede comprobarse que es $A=\begin{pmatrix}1&0&0\\0&0&-1\\0&1&0\end{pmatrix}\begin{pmatrix}2&-1&0\\0&2&-1\\0&0&2\end{pmatrix}$. $\square$

miércoles, 7 de junio de 2023

Toda matriz cuadrada puede expresarse de manera única como la suma de una matriz cuadrada simétrica y una matriz cuadrada hemisimétrica

Proposición

Pruébese que siendo $Q$ cualquier matriz cuadrada de orden $n$, no nula. Entonces, es posible escribir $Q=S+H$ de manera única, donde $S$ es una matriz (no nula) simétrica ($S=S^\top$); y $H$ es una matriz (no nula) hemisimétrica ($H=-H^\top$), ambas de orden $n$.

Demostración

Al ser $S$ una matriz simétrica, podemos escribirla de la forma $S=\dfrac{1}{2}\,(Q+Q^\top) \quad (1)$, donde $Q$ es una matriz cualquiera. En efecto, al trasponer $S$, se tiene que $S^\top= \dfrac{1}{2}\,(Q+Q^\top)=\dfrac{1}{2}\,(Q^\top+Q)=S$, como debe ser.

Y al ser $H$ una matriz hemisimétrica, podemos escribirla de la forma $H=\dfrac{1}{2}\,(Q-Q^\top) \quad (2)$, donde, igual que antes, $Q$ es una matriz cualquiera. En efecto, al trasponer $H$, se tiene que $H^\top= \dfrac{1}{2}\,(Q-Q^\top)=\dfrac{1}{2}\,(Q^\top-Q)=-\dfrac{1}{2}\,(Q-Q^\top)=-H$, como debe ser.

De lo arriba dicho se sigue que, sumando miembro a miembro, las igualdades (1) y (2), se tiene que $S+H=\dfrac{1}{2}\,(Q+Q^\top)+\dfrac{1}{2}\,(Q-Q^\top)=\dfrac{1}{2}\,(Q+Q+Q^\top-Q^\top)=\dfrac{1}{2}\cdot 2\,Q=Q$.

Veamos ahora que dicha descomposición $Q=S+H$ es única. Empecemos suponiendo lo contrario, entonces existe una matriz simétrica $S'\neq S$ y una matriz hemisimétrica $H'\neq H$ tales que $Q$ también puede expresarse como $Q=S'+H'$, entonces $Q=S+H=S'+H'$, y, por tanto, $(S+H)^\top=(S'+H')^\top$, esto es, $S^\top+H^\top=S'^\top+H'^\top$, y de ahí se sigue que $S-H=S'-H'$, luego $S-S'=H-H' \Leftrightarrow S-S'=H-H'=O$ (matriz nula), con lo cual $S=S'$ y $H=H'$, en contra de la hipótesis de partida.$\square$

Ejemplo

Cálculos efectuados con GNU Octave (la notación prima como instrucción indica la traspuesta de una matriz)
>> Q=[1,2,3;-1,0,2;2,1,1]
Q =

   1   2   3
  -1   0   2
   2   1   1

>> S=(Q+Q')/2
S =

   1.0000   0.5000   2.5000
   0.5000        0   1.5000
   2.5000   1.5000   1.0000

>> H=(Q-Q')/2
H =

        0   1.5000   0.5000
  -1.5000        0   0.5000
  -0.5000  -0.5000        0

>> S+H
ans =

   1   2   3
  -1   0   2
   2   1   1

$\diamond$

viernes, 2 de junio de 2023

Un ejercicio con matrices en el que interviene la característica del anillo al que pertenecen los elementos de las mismas

En [1] (e. 8, p. 15) me he encontrado con el siguiente problema propuesto, que voy a resolver a continuación.

Se considera el anillo de las matrices cuadradas de orden $n\ge 3$ sobre un cuerpo $(\mathbb{K},+,.)$, $\mathcal{M}_{n}(\mathbb{K})$, con las operaciones suma y producto de matrices

Sean $A_{n \times n}=\begin{pmatrix}0 & 1 & &&\\ & 0 & 1 && \\ && \ddots & \ddots && \\& && 0 & 1 \\ & && & 0 \end{pmatrix}$ (ceros en la diagonal principal y unos en la segunda diagonal superior, siendo nulos el resto de los elmentos) y $B_{n \times n}=\begin{pmatrix}0 & & &&\\ 1 & 0 & && \\ & 2 & 0 & & \\ & & \ddots & \ddots & \\ \\ & & & n-1 & 0 \end{pmatrix}$ (ceros en la diagonal principal y los números de la secuencia aritmética $1,2,\ldots,n-1$ en la segunda diagonal inferior, siendo nulos el resto de los elmentos)

Demuéstres que para que se cumpla la igualdad $AB-BA=I$ ($I$ denota la matriz identidad de orden $n$) es necesario que la característica $c$ del anillo $\mathbb{K}$ ha de ser igual al orden, $n$, de dichas matrices.

-oOo-

Recordemos que la característica, $c$, de un anillo $\mathbb{K}$ (el cuerpo al que pertenecen los elementos de las matrices, tiene también estructura de anillo) se define como el menor entero no negativo, $c$, tal que $1_{\mathbb{K}}+\overset{\underbrace{c}}{\ldots}+1_{\mathbb{K}}=0_{\mathbb{K}}$; se demuestra que dicho número es primo, y, en caso de que no exista, entonces, se toma $c=0$.

Para ver cómo es la matriz que resulta de hacer la operación del primer miembro de la igualda propuesta, ensayamos $n=3$, y es fácil ver que (omito los cálculos tediosos) resulta $AB-BA=\begin{pmatrix}1 & 0 & 0\\ 0 & 1 & 0 \\ 0 & 0 & 1-3 \end{pmatrix}$; para $n=4$, $AB-BA=\begin{pmatrix}1 & 0 & 0 & 0\\ 0 & 1 & 0 & 0 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1-4 \end{pmatrix}$; para $n=5$, $AB-BA=\begin{pmatrix}1 & 0 & 0 & 0 & 0\\ 0 & 1 & 0 & 0 & 0 \\ 0 & 0 & 1 & 0 & 0 \\ 0 & 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 0 & 1-5 \end{pmatrix}$. De lo cual, se induce que para un $n\ge 3$ genérico, $AB-BA= \begin{pmatrix}1 & && & & \\ & 1 & & & \\ && \ddots && \\ &&&& 1-n\end{pmatrix}$ (matriz diagonal)

De ahí se sigue que dicha matriz $AB-BA$ es la matriz identidad, $I$, si el orden de las matrices es igual a la característica del anillo $\mathbb{K}$; esto es, si $n=c$, ya que, en tal caso $c:=1_{\mathbb{K}}+\overset{\underbrace{n}}{\ldots}+1_{\mathbb{K}}=n\cdot1_{\mathbb{K}}=0_{\mathbb{K}}=0$, y, por consiguiente, $1-n=1-0=1$. $\diamond$

-oOo-

Referencias:

  [1] S. Xambó, Algebra lineal y geometrías lineales, volumen I, (Eunibar, Barcelona, 1977)

domingo, 18 de diciembre de 2022

Factorización $QR$ de una matriz con GNU Octave

Una matriz $A$ no singular puede descomponerse (factorizarse) de la forma $A=QR$, donde $Q$ es una matriz ortogonal y $R$ es una matriz triangular superior. En partircular, si los elementos de la diagonal de $L$ son unos, denominamos a dicha factorización $LU$ de Crout. A modo de ejemplo, voy a resolver la factorización $LU$ de Crout de la siguiente matriz de orden $3$ $$A=\begin{pmatrix}1&-1&2\\ 1&2&2 \\ 1&1&-1 \end{pmatrix}$$ utilizando GNU Octave (de manera automática)-

Mediante el uso de la herramienta GNU Octave voy a resolver el sistema escalonando por Gauss la matriz ampliada, con pivotamiento por columnas, obteniendo así una matriz equivalente (en cuanto a la solución del sistema) de tipo triangular superior:

 >> A=[1,-1,2;1,2,2;1,1,-1]
A =

   1  -1   2
   1   2   2
   1   1  -1

>> [Q,R]=qr(A)
Q =

  -0.5774   0.7715  -0.2673
  -0.5774  -0.6172  -0.5345
  -0.5774  -0.1543   0.8018

R =

  -1.7321  -1.1547  -1.7321
        0  -2.1602   0.4629
        0        0  -2.4054

Por tanto, podemos escribir $$\begin{pmatrix}1&-1&2\\ 1&2&2 \\ 1&1&-1 \end{pmatrix}=\begin{pmatrix}-0.5774 & 0.7715 & -0.2673 \\ -0.5774 & -0.6172 & -0.5345 \\ -0.5774 & -0.1543 & 0.8018 \end{pmatrix}\,\begin{pmatrix} -1.7321 & -1.1547 & -1.7321\\ 0 & -2.1602 & 0.4629 \\ 0 & 0 & -2.4054 \end{pmatrix}$$ Comprobémoslo, empleando también Octave. En efecto,
>> Q*R
ans =

   1  -1   2
   1   2   2
   1   1  -1

---

Observación

La descomposición $QR$ es la base del algoritmo QR que se utiliza para el cálculo de los vectores y valores propios de una matriz.

-oOo-

Referencias

[1] John W. Eaton; David Bateman; Søren Hauberg; Rik Wehbring, Free Your Numbers (Manual de GNU Octave), https://www.gnu.org/software/octave/octave.pdf

$\diamond$

Factorización $LU$ de Doolittle empleando GNU Octave

Una matriz $A$ no singular puede descomponerse (factorizarse) de la forma $A=LU$, donde $L$ es una matriz triangular inferior y $U$ es una matriz triangular superior. En partircular, si los elementos de la diagonal de $L$ son unos, denominamos a dicha factorización $LU$ de Doolittle. A modo de ejemplo, voy a resolver la factorización $LU$ de Doolittle de la siguiente matriz de orden $3$ $$A=\begin{pmatrix}1&-1&2\\ 1&2&2 \\ 1&1&-1 \end{pmatrix}$$ utilizando GNU Octave (de manera automática)-

Mediante el uso de la herramienta GNU Octave voy a resolver el sistema escalonando por Gauss la matriz ampliada, con pivotamiento por columnas, obteniendo así una matriz equivalente (en cuanto a la solución del sistema) de tipo triangular superior:

 >> A=[1,-1,2;1,2,2;1,1,-1]
A =

   1  -1   2
   1   2   2
   1   1  -1

>> [L,U]=lu(A)
L =

   1.0000        0        0
   1.0000   1.0000        0
   1.0000   0.6667   1.0000

U =

   1  -1   2
   0   3   0
   0   0  -3


Por tanto, podemos escribir $$\begin{pmatrix}1&-1&2\\ 1&2&2 \\ 1&1&-1 \end{pmatrix}=\begin{pmatrix}1&0&0\\ 1&1&0 \\ 1&0.6667&1 \end{pmatrix}\,\begin{pmatrix}1&-1&2\\ 0&3&0 \\ 0&0&-3 \end{pmatrix}$$ Comprobémoslo, empleando también Octave. En efecto,
>> L*U
ans =

   1  -1   2
   1   2   2
   1   1  -1

---

Nota

Habida cuenta de que el coficiente $0.6667$ es la aproximación de $\dfrac{2}{3}$ podemos escribir también de la forma $$\begin{pmatrix}1&-1&2\\ 1&2&2 \\ 1&1&-1 \end{pmatrix}=\begin{pmatrix}1&0&0\\ 1&1&0 \\ 1&2/3&1 \end{pmatrix}\,\begin{pmatrix}1&-1&2\\ 0&3&0 \\ 0&0&-3 \end{pmatrix}$$

-oOo-

Observación

Para hacer frente a posibles inestabilidades del método conviene tener en cuenta algunos casos especiales; así, por ejemplo, en el caso de que uno o varios elementos de la diagonal principal de la matriz a factorizar sea cero, será necesario premultiplicar la matriz por una o varias matrices elementales de permutación. Existe un segundo método llamado factorización $P A = L U $ (o $L U$ con pivote), que se usa en el análisis numérico para resolver sistemas de ecuaciones con más eficiencia y también para encontrar las matrices inversas.

-oOo-

Referencias

[1] John W. Eaton; David Bateman; Søren Hauberg; Rik Wehbring, Free Your Numbers (Manual de GNU Octave), https://www.gnu.org/software/octave/octave.pdf

$\diamond$

viernes, 16 de diciembre de 2022

Cálculo matricial con R. Un ejemplo sencillo

Un ejemplo sencillo:

Introduzcamos una matriz 3x2; por ejemplo,
> A <- matrix(c(1,2,3,4,5,6),nrow=3,ncol=2)
> A
     [,1] [,2]
[1,]    1    4
[2,]    2    5
[3,]    3    6

Sea (otra) matriz 2x3, que, por ejemplo, introducimos modificando A
sumando 1 a cada componente escalar de la matriz
> B=t(A+1)
> B
     [,1] [,2] [,3]
[1,]    2    3    4
[2,]    5    6    7

Calculamos el producto AB
> A%*%B
     [,1] [,2] [,3]
[1,]   22   27   32
[2,]   29   36   43
[3,]   36   45   54

-oOo-

Nota: No debe confundirse el producto de dos matrices $C$ por $D$, con $C$ de tamaño $m \times n$ y $D$ de tamaño $n\times p$, el cual da lugar a una matriz $CD$ de tamaño $m \times p$ —para realizar dicho producto en R se utiliza el operador C%*%D (tal como se ha hecho en el ejemplo anterior)—, con el producto componente a componente de sendas matrices (con el operador *), que da lugar a otra matriz del mismo tamaño/dimensión que éstas. Así, por ejemplo, con las siguientes matrices de la misma dimensión

> C <- matrix(c(1,2,3,4,5,6),nrow=2,ncol=3)
> D <- matrix(c(2,3,4,5,6,7),nrow=2,ncol=3)

> C
     [,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6

> D
     [,1] [,2] [,3]
[1,]    2    4    6
[2,]    3    5    7

el producto componente a componente da lugar a otra matriz de las mismas 
dimensiones que C y D

> C*D
     [,1] [,2] [,3]
[1,]    2   12   30
[2,]    6   20   42

Démonos cuenta de que plantear el producto de matrices 
C%*%D no tiene sentido, pues $C$ es $2 \times 3$ (esto es, $m=2$ y $n=3), 
al igual que $D$, y por tanto, al no ser igual el número de columnas 
del primer factor (la matriz C tiene $3$ columnas) al número de filas 
del segundo factor (la matriz D tiene $2$ columnas), 
no está definido dicho producto matricial, por lo que el resultado
de aplicar dicho comando daría lugar a un error del programa.

En efecto,
> C%*%D
Error in C %*% D : argumentos no compatibles

-oOo-

Referencias

[1] The UIB-AprendeR team: https://aprender-uib.github.io/AprendeR1/
[2] The UIB-AprendeR team: https://aprender-uib.github.io/AprendeR2/
[3] The R Development Core Team: https://cran.r-project.org/manuals.html

$\diamond$

miércoles, 22 de septiembre de 2021

Matrices y submatrices

Consideremos una matriz $m \times n$ ( $m$ filas y $n$ columnas ). Sin pérdida de generalidad, pongamos que $m:=3$ y $n:=4$ $$A=\begin{pmatrix}a_{11} & a_{12} & a_{13} & a_{14} \\ a_{21} & a_{22} & a_{23} & a_{24} \\ a_{31} & a_{32} & a_{33} & a_{34}\end{pmatrix}$$ a la cual le corresponde los siguientes conjuntos de índices de filas y columnas, respectivamente: $I=\{1,2,3,4\}$ y $J=\{1,2,3,4\}$. Pues bien, podemos referirnos a una cierta submatriz $B$ de $A$ seleccionando su subconjunto de índices de fila $I_B$ y un subconjunto de índices de columna $J_B$; pongamos que $I_B=\{2,3\}$ y $J_B=\{3,4,\}$, entendiendo dicha submatriz como una matriz de tamaño $(3-2) \times (4-2)$, que, concretamente es $$B\overset{.}{=}A[I_B;J_B]=A[\{2,3\};\{3,4\}]=\begin{pmatrix}a_{23} & a_{24} \\ a_{33} & a_{34} \end{pmatrix}$$ Diremos que una submatriz $B$ de una matriz $A$ es principal si eliminamos las filas y columnas de igual índice, esto es $I_B=J_B$, y lo abreviaremos con la notación $A[I_B]$. Así, por ejemplo, si eliminamos la primera fila y la primera columna, obtenemos la matriz principal $A[\{1\}]=\begin{pmatrix}a_{22} & a_{23} & a_{24} \\ a_{32} & a_{33} & a_{34} \end{pmatrix}$

Por menores complementarios de una matriz $A_{m \times n}$ nos referimos a los determinantes de las submatrices cuadradas, que obtengamos al eliminar una o más de las filas o columnas de la matriz dada.

-oOo-
Matrices cuadradas de orden $m$

Si en una matriz cuadrada de orden $m$ seleccionamos las filas y columnas $I=J=\{1,\ldots,k\}$ ( con $k\le m$ ), obtenemos una matriz principal superior; y si seleccionamos las filas y columnas con $I=J=\{k,\ldots,m\}$ obtenemos una matriz principal inferior.
Así, para una matriz $B=\begin{pmatrix}b_{11} & b_{12} & b_{13} \\ b_{21} & b_{22} & b_{23} \\ b_{31} & b_{32} & b_{33} \end{pmatrix}$, hay tres submatrices principales superiores: $B[\{1\}]=(b_{11})$, $B[\{1,2\}]=\begin{pmatrix}b_{11} & b_{12} \\ b_{21} & b_{22} \end{pmatrix}$ y $B[\{1,2,3\}]=B$.

Y también tres matrices principales inferiores: $B[\{3\}]=(b_{33})$, $B[\{2,3\}]=\begin{pmatrix}b_{22} & b_{23} \\ b_{32} & b_{33} \end{pmatrix}$ y $B[\{1,2,3\}]=B$

Si se elimina una sola fila y una sola columna, los menores complementarios que así se obtienen se denominan primeros menores de dicha matriz cuadrada, y se necesitan para encontrar la matriz de cofactores, la cual es útil para calcular el determinante y la inversa de matrices cuadradas. Además, en el caso de que la submatriz cuadrada formada sea una submatriz principal, los correspondientes primeros menores se denominan menores principales.


-oOo-
Nota. Los determinantes de las matrices principales superiores/inferiores se denominan menores principales superiores/inferiores.

Al eleminar la fila $i$ y la columna $j$ de una matriz cuadrada $A_{m \times m}$ obtenemos el menor complementario que suele notarse de la forma $M_{ij}$; o, como también suele decirse, el $(i,j)$-ésimo menor complementario de $A$ ) y que, lógicamente, es de orden $m-1$. Dicho menor puede entenderse como el que resulta de eliminar la fila y la columna a las que pertenece el elemento $a_{ij}$ de la matriz $A$. Recordemos que en el caso de obtener un cierto menor eliminando una única fila y una única columna, hablamos de primeros menores, por lo que si se obtienen eliminando dos filas y dos columnas, los llamaremos segundos menores, etcétera.$\square$

jueves, 6 de mayo de 2021

Entrando los valores de los coeficientes de una matriz

program prova;
type matriu = array [1..10,1..10] of integer;
var c:matriu;
var i,j,valor:integer;

procedure vegem;
begin
   for i:=1 to 4 do
   for j:=1 to 4 do
     begin
       writeln(i,',',j,':' ,c[i,j]);
     end;
end;

begin
 for i:=1 to 4 do
   for j:=1 to 4 do
     begin
       if (i<=2)  and (j<=2) then
         begin
           writeln(i,',',j);
           readln(valor);
           c[i,j]:=valor;
         end
       else c[i,j]:=0;
     end;

     vegem;
end.

jueves, 29 de abril de 2021

Matriz de una aplicación lineal

Enunciado:
Consideremos una aplicación lineal
    $f:\,\mathbb{R}^2 \rightarrow \mathbb{R}^3$
dada por
    $f(x_1,x_2)=(x_1-x_2\,,\,x_1+2\,x_2,2\,x_1-3\,x_2)$
Determinemos la matriz de dicha aplicación lineal.


Resolución:
Deberá cumplirse el siguiente producte de matrices (que expresa el sistema de ecuaciones lineales)

    $M \cdot\begin{pmatrix}\begin{matrix}x_1 \\ x_2 \\ \end{matrix}\end{pmatrix}=\begin{pmatrix}\begin{matrix}x_1-x_2 \\ x_1+x_2 \\ 2\,x_1-3\,x_2 \end{matrix}\end{pmatrix}$

Para que ello sea posible, la matriz de la aplicación lineal $M$, debe tener $3$ filas y $2$ columnas, con los siquientes coeficientes:


    $M_{3 \times 2}=\begin{pmatrix}\begin{matrix} 1 & -1 \\ 1 & 2 \\ 2 & -3 \end{matrix}\end{pmatrix}$

$\square$

miércoles, 28 de abril de 2021

Matrices regulares (no singurales)

    Una matriz $A$ es regular o invertible ( también llamada no singular) si tiene matriz bilateral $A^{-1}$, tal que
$A^{-1}\,A=A\,A^{-1}=I$

    Dadas dos matrices cuadradas de orden $n$, no singulares, $A=(a_{ij})$ y $B=(b_{ij})$, se cumple

Propiedades básicas:
    $AB$ es singular y $(AB)^{-1}=B^{-1}\,A^{-1}$
    $A^{-1}$ es no singular y $(A^{-1})^{-1}=A$
    $A^t$ es no singular y $(A^t)^{-1}=(A^{-1})^t$
    $\det(A^{-1})=\dfrac{1}{\det(A)}$


Propiedades de la matriz adjunta de un matriz dada

Dada una matriz cuadrada $A$ de orden $n$ ( $A \in \mathcal{M}_{n \times n}$ ) se define su matriz adjunta de la siguiente forma
    $\text{adj}(A)=(\alpha_{ij})^t$
donde $\alpha_{ij}$, que se denomina cofactor de $a_{ij}$, se calcula de la forma
$\alpha_{ij}=(-1)^{i+j}\,M_{ij}$   siendo $M_{ij}=\det(A_{ij})$ el menor complementario que se obtiene suprimiendo de $A$ la fila i-ésima y la columna j-ésima.

Propiedades: Si $A$ es una matriz cuadrada de orden $n$, entonces
$\text{adj}(AB)=\text{adj}(A)\,\text{adj}(B)$
$\text{adj}(A \pm B)\neq \text{adj}(A)\pm \text{adj}(B)$
$\text{adj}(A^m)=\big(\text{adj}(A)\big)^m$
$\text{adj}(I)=I$
$\text{adj}(A^t)=(\text{adj}(A))^t$
$A\,\text{adj}(A)=\text{adj}(A)\,A=\det(A)\cdot I$
$\text{adj}\big(\text{adj}(A)\big)=\big(\det(A)\big)^{n-2}\, A$
$\text{adj}(\lambda\,A)=\lambda^{n-1}\,\text{adj}(A)$
$\det(A)=\dfrac{1}{n}\,\text{tr}(A\,\text{adj}(A)$
$\det\big(\text{adj}(A)\big)=\det\big(A^{n-1}\big)$

Propiedad: Cálculo del determinante desarrollando por los adjuntos de una fila
$\det(A)=\sum_{j=1}^{n}\,a_{kj}\,\alpha_{kj}\quad \forall k=1,2,\ldots, n$

Propiedad: Cálculo del determinante desarrollando por los adjuntos de una columna
$\det(A)=\sum_{i=1}^{n}\,a_{ik}\,\alpha_{ik}\quad \forall k=1,2,\ldots, n$

Propiedad: Cálculo de la matriz inversa de una matriz no singular a partir de la la matriz adjunta
$A^{-1}=\dfrac{\text{adj}(A)}{\det(A)}$

Propiedad:
$\text{adj}(A^{-1})=\big(\text{adj}(A)\big)^{-1}$

    [matrices con MAXIMA]