ÁLGEBRA MATRICIAL

Créditos: 4

Prerrequisito: Álgebra lineal básica

Descripción:
Esta asignatura aborda conceptos especiales del algebra lineal que facilitan la formalización de mode-
los, métodos y procedimientos estadı́sticos, especialmente los que involucren el tratamiento de infor-
mación multivariada.
El estudiante que curse la asignatura y cumpla con las exigencias, podrá:
1. Fortalecer la comprensión de la geometrı́a euclidiana multidimensional.
2. Realizar procedimientos de optimización basados en matrices.
3. Aprehender conceptos del álgebra matricial como parte del lenguaje necesario en los modelos, méto-
dos y procedimientos multivariados.
4. Disponer de los elementos que le faciliten los procedimientos de cálculo involucrados en el manejo
de modelos multivariados.

Contenido:

1. Conceptos preliminares sobre matrices

1.1 Submatrices y matrices particionadas.
1.2 Productos de matrices particionadas.
1.3 Producto Kronecker de dos o más matrices.
1.4 Operador Vec.
1.5 Operador Vech.
2. Inversas generalizadas y de Moore Penrose
2.1 Definición y existencia.
2.2 Caraterización y propiedades.
2.3 Invarianza en la escogencia de la inversa generalizada.
2.4 Métodos para calcular inversas generalizadas.
2.5 Solución de sistemas de ecuaciones lineales.
3. Tópicos adicionales sobre determinantes
3.1 Definiciones, notación y casos especiales.
3.2 Determinantes de matrices particionadas, de producto de matrices y de inversas matriciales.
3.3 De matrices de Vandermonde.
3.4 Teorema de Laplace y formula de Binet-Cauchy.
4. Matrices especiales
4.1 Simétricas: productos y propiedades.
4.2 Idempotentes.
4.3 Ortogonales: matrices de Helmert y Householder.
5. Proyecciones y proyección de matrices
5.1 Resultados generales, terminologı́a y notación.
5.2 Proyección de matrices.
8 CAPÍTULO 1. FUNDAMENTACIÓN MATEMÁTICO-
ESTADÍSTICA

5.3 El problema de m´ınimos cuadrados.

5.4 Complemento ortogonal.

6. Formas lineales, bilineales y cuadráticas

6.1 Terminologı́a y resultados básicos.
6.2 Matrices y formas cuadráticas definidas no-negativas.
6.3 Descomposición de matrices simétricas y simétricas definidas no-negativas.
6.4 Inversas generalizadas de matrices simétricas definidas no-negativas.

7. Descomposición de matrices

7.1 Triangularización de una matriz.

7.2 Factorización QR.
7.3 Raı́ces cuadradas de matrices simétricas.
7.4 Descomposición de Cholesky.
7.5 Polinomio m´ınimo.
7.6 Forma canónica de Jordan.
7.7 Descomposición en valores singulares.

8. Diferenciación de matrices y aplicaciones

8.1 Diferenciación de formas lineales y cuadráticas.
8.2 Diferenciación de la traza de una matriz.
8.3 Derivadas de primer orden del determinante, la inversa, inversa de Moore Penrose y
matricesadjuntas.
8.4 Derivadas de segundo orden del determinante y la inversa.
8.5 Diferenciación de inversas generalizadas.
8.6 Diferenciación de proyección de matrices.

Bibliografı́a básica:

Harville, D. A. Matrix Algebra from a Statistician’s perspective. Springer-Verlag. 1997.

Jiménez, J. A. Álgebra lineal II (Con aplicaciones en estadı́stica). Universidad Nacional

de Colombia. 2004.

Lay, D. Álgebra lineal y sus aplicaciones. Prentice-Hall. 2001.

Rao, C. R. and Rao, M. Matrix algebra and its applications to statistics and
econometrics. JohnWiley & Sons. 1998.
Restrepo de Peláez, P.; Franco, R. y Muñoz, L. E. Álgebra lineal con aplicaciones.
Universidad Nacional de Colombia.
Searle, S. R. Matrix algebra useful for statistics. John Wiley & Sons. 1982.

Preparado por Oscar Orlando Melo. Revisado por Nelcy Rodrı́guez, Campo Elı́as Pardo y Humberto
Mayorga.