En matemáticas , una matriz cuadrada es una matriz con el mismo número de filas y columnas. Una matriz de n por n se conoce como matriz cuadrada de orden . Se pueden sumar y multiplicar dos matrices cuadradas cualesquiera del mismo orden.
Las matrices cuadradas se utilizan a menudo para representar transformaciones lineales simples , como corte o rotación . Por ejemplo, si es una matriz cuadrada que representa una rotación ( matriz de rotación ) y es un vector de columna que describe la posición de un punto en el espacio, el producto produce otro vector de columna que describe la posición de ese punto después de esa rotación. Si es un vector fila , se puede obtener la misma transformación usando , donde es la transpuesta de .
Las entradas ( i = 1, ..., n ) forman la diagonal principal de una matriz cuadrada. Se encuentran en la línea imaginaria que va desde la esquina superior izquierda hasta la esquina inferior derecha de la matriz. Por ejemplo, la diagonal principal de la matriz de 4 × 4 anterior contiene los elementos a 11 = 9 , a 22 = 11 , a 33 = 4 , a 44 = 10 .
La diagonal de una matriz cuadrada desde la esquina superior derecha hasta la esquina inferior izquierda se llama antidiagonal o contradiagonal .
Si todas las entradas fuera de la diagonal principal son cero, se llama matriz diagonal . Si todas las entradas debajo (o arriba) de la diagonal principal son cero, se llama matriz triangular superior (o inferior) .
La matriz identidad de tamaño es la matriz en la que todos los elementos de la diagonal principal son iguales a 1 y todos los demás elementos son iguales a 0, por ejemplo, es una matriz cuadrada de orden y también un tipo especial de matriz diagonal . El término matriz identidad se refiere a la propiedad de la multiplicación de matrices que para cualquier matriz .
Una matriz cuadrada se llama invertible o no singular si existe una matriz tal que [1] [2] Si existe, es única y se llama matriz inversa de , denotada .
Una matriz cuadrada que es igual a su transpuesta, es decir , es una matriz simétrica . Si en cambio , entonces se llama matriz simétrica sesgada .
Para una matriz cuadrada compleja , a menudo el análogo apropiado de la transpuesta es la transpuesta conjugada , definida como la transpuesta del conjugado complejo de . Una matriz cuadrada compleja que satisface se llama matriz hermitiana . Si en cambio , entonces se llama matriz sesgada-hermitiana .
Según el teorema espectral , las matrices simétricas reales (o hermitianas complejas) tienen una base propia ortogonal (o unitaria) ; es decir, todo vector se puede expresar como una combinación lineal de vectores propios. En ambos casos, todos los valores propios son reales. [3]
Una matriz simétrica n × n se llama positiva-definida (respectivamente negativa-definida; indefinida), si para todos los vectores distintos de cero la forma cuadrática asociada dada por toma solo valores positivos (respectivamente solo valores negativos; algunos valores negativos y otros positivos) . [4] Si la forma cuadrática toma solo valores no negativos (respectivamente solo no positivos), la matriz simétrica se llama positiva-semidefinida (respectivamente negativa-semidefinida); por tanto, la matriz es indefinida precisamente cuando no es ni semidefinida positiva ni semidefinida negativa.
Una matriz simétrica es definida positiva si y sólo si todos sus valores propios son positivos. [5] La tabla de la derecha muestra dos posibilidades para matrices de 2×2.
Al permitir como entrada dos vectores diferentes, se obtiene la forma bilineal asociada a A : [6]
Una matriz ortogonal es una matriz cuadrada con entradas reales cuyas columnas y filas son vectores unitarios ortogonales (es decir, vectores ortonormales ). De manera equivalente, una matriz A es ortogonal si su transpuesta es igual a su inversa : lo que implica que I es la matriz identidad .
Una matriz ortogonal A es necesariamente invertible (con inversa A −1 = A T ), unitaria ( A −1 = A * ) y normal ( A * A = AA * ). El determinante de cualquier matriz ortogonal es +1 o −1. El grupo ortogonal especial consta de matrices ortogonales n × n con determinante +1.
El análogo complejo de una matriz ortogonal es una matriz unitaria .
Una matriz cuadrada real o compleja se llama normal si . Si una matriz cuadrada real es simétrica, asimétrica u ortogonal, entonces es normal. Si una matriz cuadrada compleja es hermitiana, sesgada-hermitiana o unitaria, entonces es normal. Las matrices normales son de interés principalmente porque incluyen los tipos de matrices que acabamos de enumerar y forman la clase más amplia de matrices para las cuales se cumple el teorema espectral . [7]
La traza , tr( A ) de una matriz cuadrada A es la suma de sus entradas diagonales. Si bien la multiplicación de matrices no es conmutativa, la traza del producto de dos matrices es independiente del orden de los factores: esto es inmediato de la definición de multiplicación de matrices: además, la traza de una matriz es igual a la de su transpuesta, es decir ,
El determinante o de una matriz cuadrada es un número que codifica ciertas propiedades de la matriz. Una matriz es invertible si y sólo si su determinante es distinto de cero. Su valor absoluto es igual al área (en ) o volumen (en ) de la imagen del cuadrado unitario (o cubo), mientras que su signo corresponde a la orientación del mapa lineal correspondiente: el determinante es positivo si y sólo si la orientación es Preservado.
El determinante de las matrices 2×2 viene dado por El determinante de las matrices 3×3 implica 6 términos ( regla de Sarrus ). La fórmula más extensa de Leibniz generaliza estas dos fórmulas a todas las dimensiones. [8]
El determinante de un producto de matrices cuadradas es igual al producto de sus determinantes: [9] Sumar un múltiplo de cualquier fila a otra fila, o un múltiplo de cualquier columna a otra columna, no cambia el determinante. Intercambiar dos filas o dos columnas afecta el determinante multiplicándolo por −1. [10] Usando estas operaciones, cualquier matriz se puede transformar en una matriz triangular inferior (o superior), y para tales matrices el determinante es igual al producto de las entradas en la diagonal principal; esto proporciona un método para calcular el determinante de cualquier matriz. Finalmente, la expansión de Laplace expresa el determinante en términos de menores , es decir, determinantes de matrices más pequeñas. [11] Esta expansión se puede utilizar para una definición recursiva de determinantes (tomando como caso inicial el determinante de una matriz 1×1, que es su entrada única, o incluso el determinante de una matriz 0×0, que es 1), Esto puede considerarse equivalente a la fórmula de Leibniz. Los determinantes se pueden utilizar para resolver sistemas lineales utilizando la regla de Cramer , donde la división de los determinantes de dos matrices cuadradas relacionadas equivale al valor de cada una de las variables del sistema. [12]
Un número λ y un vector distinto de cero que satisfacen se denominan valor propio y vector propio de , respectivamente. [13] [14] El número λ es un valor propio de una matriz A n × n si y sólo si A − λ In no es invertible, lo que equivale a [15] El polinomio p A en un X indeterminado dado por La evaluación del determinante det( XI n − A ) se llama polinomio característico de A . Es un polinomio mónico de grado n . Por lo tanto, la ecuación polinómica p A (λ) = 0 tiene como máximo n soluciones diferentes, es decir, valores propios de la matriz. [16] Pueden ser complejos incluso si las entradas de A son reales. Según el teorema de Cayley-Hamilton , p A ( A ) = 0 , es decir, el resultado de sustituir la propia matriz en su propio polinomio característico da como resultado la matriz cero .