“Clasificación de Matrices”

Tecnológico Nacional de México

Instituto Tecnológico de Querétaro

Mecatrónica

Grupo: 0B

Álgebra Lineal

Profesor: Fernando García Ramírez

Alumno: Camacho Pantoja Tania Atziri

Fecha de entrega: 3 de octubre del 2019

 1. Matriz triangular
Definición:
Una matriz cuadrada es llamada triangular superior si todos sus elementos sobre la
diagonal principal son cero y triangular inferior si todos sus elementos debajo de la
diagonal son cero. Una matriz que tiene ambas características es denominada
diagonal. Es decir, una matriz diagonal es aquella en la que todos los elementos
arriba y debajo de la diagonal principal son cero.

Propiedades de la matriz:
Teorema 3.2 Determinante de una matriz triangular

Si A es una matriz triangular de orden 𝑛, entonces su determinante es el producto

de los elementos en la diagonal principal, esto es:
𝒅𝒆𝒕(𝑨) = |𝑨| = 𝒂𝟏𝟏 𝒂𝟐𝟐 𝒂𝟑𝟑 ⋯ 𝒂𝒏𝒏

Ejemplo:
Determinante de una matriz triangular.
Encuentre el determinante de casa matriz.

2 0 0 0
4 −2 0 0
𝐴=[ ]
−5 6 1 0
1 5 3 3

Por el Teorema 3.2 determinante de una matriz triangular 𝒅𝒆𝒕(𝑨) = |𝑨| = 𝒂𝟏𝟏
𝒂𝟐𝟐 𝒂𝟑𝟑 ⋯ 𝒂𝒏𝒏

|𝑨| = (𝟐)(−𝟐)(𝟏)(𝟑) = −𝟏𝟐

 2. Matriz triangular superior e inferior (Factorización LU)
Definición:
Como el corazón de muchos coeficientes y modernos algoritmos para resolver
sistemas lineales 𝐴𝑥 = 𝑏, se llama también factorización 𝐿𝑈. En este producto la
matriz cuadrada 𝐿 es triangular inferior, lo que significa que todos los elementos
debajo de la diagonal principal son ceros. La matriz cuadrada 𝑈 es triangular
superior, lo cual significa que todos los elementos arriba de la diagonal principal son
ceros.

𝑎11 0 0 𝑎11 𝑎12 𝑎13

[𝑎21 𝑎22 0 ] [ 0 𝑎22 𝑎23 ]
𝑎31 𝑎32 𝑎33 0 0 𝑎33
Matriz triangular inferior de 3x3 Matriz triangular superior de 3x3

Definición (Factorización 𝐿𝑈):

Si la matriz 𝐴 de 𝑛 x 𝑛 puede ser escrita como el producto de una matriz triangular
inferior 𝐿 y una matriz triangular superior 𝑈, entonces 𝐴 = 𝐿𝑈 es una factorización
𝐿𝑈 de 𝐴.

Ejemplo:
Factorizaciones 𝐿𝑈

1 2 1 0 1 2
[ ]= [ ][ ] = 𝐿𝑈
1 0 1 1 0 −2
es una factorización 𝐿𝑈 de la matriz

1 2
𝐴=[ ]
1 0
como el producto de la matriz triangular inferior

1 0
𝐿=[ ]
1 1
y la matriz triangular superior

1 2
𝑈=[ ]
0 −2
 3. Matriz singular y no singular
Definición:

Una matriz A de 𝑛 x 𝑛 es invertible (o no singular) si existe una matriz 𝐵 de 𝑛 x 𝑛

tal que

𝐴𝐵 = 𝐵𝐴 = 𝐼𝑛
Donde 𝐼𝑛 es la matriz identidad de orden 𝑛. La matriz 𝐵 se denomina inversa
(multiplicativa) de A. La matriz A que no tiene una inversa se denomina no invertible
(singular).

Propiedades de la matriz:
Teorema 2.7 Unidad de la inversa de una matriz

Si A
es una matriz invertible, entonces su inversa es única. La inversa de A se
denota por 𝐴−1 .

Ejemplo:
Inversa de una matriz

Demuestre que 𝐵 es la inversa de A, donde:

−1 2 1 −2
𝐴=[ ] y𝐵 = [ ]
−1 1 1 −1
Usando la definición de inversa, puede ver que 𝐵 es la inversa de A para demostrar
que 𝐴𝐵 = 𝐵𝐴 = 𝐼𝑛 , de la siguiente manera:
−1 2 1 −2 −1 + 2 2 − 2 1 0
𝐴𝐵 = [ ][ ]=[ ]=[ ]
−1 1 1 −1 −1 + 1 2 − 1 0 1
1 −2 −1 2 −1 + 2 2 − 2 1 0
𝐵𝐴 = [ ][ ]=[ ]=[ ]
1 −1 −1 1 −1 + 1 2 − 1 0 1
 4. Matrices estocásticas
Definición:
P se le llama matriz de probabilidades de transición, ya que proporciona las
probabilidades de cada posible tipo de transición (o cambio) dentro de la población.
En cada transición, cada miembro dado debe permanecer en un estado cualquiera
o cambiar a otro. Para probabilidades, esto significa que la suma de los elementos
en cualquier columna de 𝑃 es 1. 𝑝11 +𝑝21 ⋯ +𝑝𝑛1 = 1 tal matriz se denomina
estocástica (el término “estocástico” quiere decir “conjetura respecto a”). Esto es,
una matriz 𝑃 de 𝑛 x 𝑛 es llamada matriz estocástica si cada elemento es un numero
entre 0 y 1 y cada columna de suma en total 1.

Ejemplo:
Ejemplo de matrices estocásticas y no estocásticas
Las matrices en los incisos (a) y (b) son estocásticas, pero la matriz en los incisos
(c) y (d) no lo son:
1 1 1
1 0 0 2 3 4
1 3
(𝑎) [0 1 0] (𝑏) 0
4 4
0 0 1 1 2
[4 0]
3

1 1 1
0.1 0.2 0.3 2 4 4
1 2
(𝑐) [0.2 0.3 0.4] (𝑑) 0
3 3
0.3 0.4 0.5 1 3
[4 0]
4
 5. Matriz diagonalizable
Definición:

Una matriz de 𝑛 x 𝑛 diagonalizable si A es semejante a una matriz diagonal, Es

decir, A es diagonalizable si existe una matriz invertible 𝑃 tal que 𝑃 −1 𝐴𝑃 es una
matriz diagonal.

Ejemplo:
Una matriz diagonalizable

1 3 0
𝐴 = [3 1 0]
0 0 −2
es diagonalizable, ya que

1 1 0
𝑃 = [1 −1 0]
0 0 1
tiene la propiedad

4 0 0
−1
𝑃 𝐴𝑃 = [0 −2 0]
0 0 −2
 6. Matriz de transiciones
Definición:

La matriz de 𝑇 con respecto a una base 𝐵 es diferente de la matriz 𝑇 de con

respecto a otra base 𝐵´

1. Matriz de 𝑇 con respecto a 𝐵 : A

2. Matriz de 𝑇 con respecto a 𝐵´: A´
3. Matriz de transición 𝐵´a 𝐵 : 𝑃
4. Matriz de transición 𝐵 a 𝐵´: 𝑃−1
Una forma es directa, por medio de la matriz A´ para obtener

A´[𝑣]𝐵´ = [𝑇(𝑣)]𝐵´
La otra forma es indirecta, por medio de las matrices 𝑃 , A y 𝑃 −1 para obtener

P -1 AP[𝑣]𝐵´ = [𝑇(𝑣)]𝐵´

Esto implica que A´=P -1 𝐴𝑃

Propiedades de la matriz:
Teorema 4.20 La inversa de una matriz de transición

Si𝑃 es la matriz de una base 𝐵´a una base en 𝑅 𝑛 , entonces 𝑃 es invertible y la

matriz de transición de 𝐵 a 𝐵´está dada por P -1 .

Teorema 4.21 Matriz de transición 𝑩 a 𝑩´

Sean 𝐵 = [𝑣1 , 𝑣2 , ⋯ , 𝑣𝑛 ] y𝐵´ = [𝑢1 , 𝑢2 , ⋯ , 𝑢𝑛 ] dos bases de 𝑅 𝑛 .

Entonces, la matriz de transición P -1 de 𝐵 a 𝐵´, puede determinarse mediante la
eliminación de Gauss-Jordán en la matriz [𝐵´𝐵] de 𝑛 𝑥 2𝑛 como sigue

[𝐵´𝐵] → [𝐼𝑛 P -1 ]
Ejemplo:
Determinación de una matriz de una transformación lineal
Encuentre la matriz A´ para T:𝑅 2 → 𝑅 2 , 𝑇(𝑥1 , 𝑥2 ) = (2𝑥1 − 2𝑥2 , −𝑥1 +
3𝑥2 , ) , con respecto a la base 𝐵´: {(1,0), (1,1)}
La matriz estándar para T es

2 −2
𝐴=[ ]
−1 3
Además, determinar que la matriz de transición de 𝐵´ a la base estándar
𝐵: {(1,0), (1,1)} es:
1 1
𝑃=[ ],
0 1
La inversa de esta matriz de transición de 𝐵 a 𝐵´.

1 −1
P -1 = [ ],
0 1
La matriz de T con respecto a 𝐵´es:

1 −1 2 −2 1 1 3 −2
A´=P -1 𝐴𝑃 = [ ][ ][ ]=[ ]
0 1 −1 3 0 1 −1 2
 7. Matriz coordinada
Definición:

𝐵 es una base de un espacio vectorial 𝑉 , entonces todo vector 𝑥 en 𝑉 puede

expresarse en una y solo una forma como una combinación lineal de vectores en
𝐵, Los coeficientes de la combinación lineal son las coordenadas de 𝑥 con
respecto a 𝐵 . En el contexto de la representación de coordenadas, el orden de los
vectores en estas bases es importante y esto en ocasiones se enfatiza al referirse
a 𝐵 como una base ordenada

Propiedades de la matriz:
Representación de coordenadas con respecto a una base

Sea 𝐵 = [𝑣1 , 𝑣2 , ⋯ , 𝑣𝑛 ] una base de un espacio vectorial 𝑉 y 𝑥 un vector en 𝑉

tales que 𝑥 = 𝑐1 𝑣1 + 𝑐2 𝑣2 + ⋯ , 𝑐𝑛 𝑣𝑛 .

Los escalares 𝑐1 , 𝑐2 , ⋯ , 𝑐𝑛 se denominan coordenadas de 𝑥 con respecto a la

base 𝐵 . La matriz de coordenadas (o vector de coordenadas) con respecto a 𝐵 es
la matriz columna en 𝑅 𝑛 cuyas componentes son las coordenadas de 𝑥.
𝑐1
𝑐2
[𝑥]𝑎 [ ⋮ ]
𝑐𝑛
En 𝑅 𝑛 , se usa la notación de columnas para la matriz de coordenadas. Para el
vector 𝑥 = 𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 , las 𝑥𝑖 son las coordenadas de 𝑥 respecto a la base
estándar 𝑆 de 𝑅 𝑛 . Así, se tiene:
𝑥1
𝑥2
[𝑥]𝑠 [ ⋮ ]
𝑥𝑛

Ejemplo:

Coordenadas y componentes en 𝑅 𝑛
Determine la matriz de coordenadas de 𝑥 = (−2,1,3) en 𝑅 3 con respecto a la
base estándar:

𝑠 = {(1,0,1), (0,1,0), (0,0,1)}

Como puede expresarse como 𝑥 = (−2,1,3) = −2(1,0,0) + 1(0,1,0) +
3(0,0,1), la matriz de coordenadas de 𝑥 relativa a la base estándar es
simplemente

−2
[𝑥]𝑠 [ 1 ]
3

Así, las componentes de 𝑥 son las mismas que sus coordenadas con respecto a la
base estándar.
 8. Matriz aumentada
Definición:

Si𝑚 y 𝑛 son enteros positivos, entonces una matriz 𝑚x𝑛 (que se lee como “𝑚
por 𝑛”) es un arreglo rectangular

Columna 1 Columna 2 Columna 3 Columna 4

Renglón 1 𝑎11 𝑎12 𝑎13 ⋯ 𝑎1𝑛

Renglón 2 𝑎21 𝑎22 𝑎23 ⋯ 𝑎2𝑛
Renglón 3 𝑎31 𝑎32 𝑎33 ⋯ 𝑎3𝑛
⋮ ⋮ ⋮ ⋯ ⋮
Renglón m [𝑎𝑚1 𝑎𝑚1 𝑎𝑚1 ⋯ 𝑎𝑚𝑛 ]
En el cual cada elemento 𝑎𝑦̈ de la matriz es un número. Una matriz 𝑚x𝑛 tiene 𝑚
renglones (líneas horizontales) y 𝑛 columnas (líneas verticales). Las matrices
usualmente se denotan con letras mayúsculas

Ejemplo:
Tamaños de matrices
Cada matriz tiene indicado el tamaño
0 0 ℯ 2 −7
a) Tamaño: 1 x 1 [2] b) Tamaño: 2 x 2 [ ] c) Tamaño: 2 x 3 [ ]
0 0 𝜋 √2 4
 9. Matriz codificada en filas
Definición:
Un criptograma es un mensaje escrito de acuerdo con un código secreto.
Comencemos por asignar un numero a cada letra del alfabeto de la siguiente
manera.
0=_ 14 = N
1=A 15 = O
2=B 16 = P
3=C 17 = Q
4=D 18 = R
5=E 19 = S
6=F 20 = T
7=G 21 = U
8=H 22 = V
9=I 23 = W
10 = J 24 = X
11 = K 25 = Y
12 = L 26 = Z
13 = M

Ejemplo:
Formación de matrices renglón sin codificar
Escriba la matriz renglón sin codificar de tamaño 1 x 3 para el mensaje MEET ME
MONDAY
[13 5 5] [20 0 13] [5 0 13] [15 14 4] [1 25 0]
M E E T _ M E _ M O N D A Y _
 10. Matriz equivalente por columnas
Definición:
Las operaciones realizadas en las columnas (más que en los renglones) de una
matriz se denominan operaciones elementales con columnas y dos matrices son
llamadas equivalentes por columnas si una puede ser obtenida a partir de la otra
por operaciones elementales con columnas

Ejemplo:
Evaluación de un determinante usando operaciones elementales con
columnas

−1 2 2
𝐴=[ 3 −6 4]
5 −10 −3
Como las dos primeras columnas de A son múltiplos una de otra. Usted puede
obtener una columna de ceros sumando dos veces la primera columna a la
segunda, de la siguiente manera.

−1 2 2 −1 0 2
𝑑𝑒𝑡(𝐴) = [ 3 −6 4] = [3 0 4]
5 −10 −3 5 0 −3
Hasta este punto, no es necesario que reescriba la matriz en forma triangular. Como
existe una columna completa de ceros, concluimos que el determinante es cero. Por
teorema 3.1. al expandir por cofactores a lo largo de la segunda columna, tiene

|𝐴| = (0)𝐶12 + (0)𝐶22 + (0)𝐶32 = 0

 11. Matrices similares
Definición:

Para matrices cuadradas A y A´ de orden n, se dice que A´ es semejante a A si

existe una matriz invertible 𝑃 tal que A´=𝑃 −1 𝐴𝑃

Propiedades de la matriz:
Teorema 6.13 Propiedades de las matrices semejantes

Sean A, B y C matrices cuadradas de orden n. Entonces las siguientes propiedades

son verdaderas

1. A es semejante a A.
2. Si A es semejante a B, entonces B es semejante a A.
3. Si A es semejante a B y B es semejante a C, entonces A es semejante a
C
Teorema 7.4 Matrices semejantes tienen los mismos eigenvalores

Si A y B son matrices semejantes de n x n, entonces tienen los mismos

eigenvalores

Ejemplo:
Matrices semejantes

2 −2 3 −2
𝐴=[ ] y A´ = [ ]
−1 3 −1 2
1 1
Son semejantes porque A´=𝑃 −1 𝐴𝑃 , donde 𝑃=[ ],
0 1
 12. Matriz cero
Definición:
Una propiedad importante de la sima de números reales es que el número 0 sirve
como la identidad aditiva. Esto es, c+0 = c para cualquier número real c. Para las
matrices se cumple una propiedad semejante. Específicamente, si A es una matriz
de 𝑚x𝑛 consiste únicamente de ceros, entonces A+𝑂𝑚𝑛 = A. La matriz 𝑂𝑚𝑛
se denomina matriz cero y sirve como la identidad aditiva para el conjunto de todas
las matrices de 𝑚x𝑛.

Propiedades de la matriz:
Teorema 2.2 Propiedades de las matrices cero

Si A es una matriz de 𝑚x𝑛 y c es un escalar, entonces las siguientes propiedades

son verdaderas.

1. A+𝑂𝑚𝑛 = A
2. A+(−𝐴) = 𝑂𝑚𝑛
3. Si 𝑐A = 𝑂𝑚𝑛 entonces C = 0 o A = 𝑂𝑚𝑛

Ejemplo:
Resolución de una ecuación matricial

Resuelva para x en la ecuación 3x + 𝐴 = 𝐵 , donde

1 −2 −3 4
𝐴=[ ] y B=[ ]
0 3 2 1
Empecemos por resolver la ecuación para x, para obtener

3x = 𝐵 − 𝐴
1
x= (𝐵 − 𝐴)
3
Ahora, utilizando las matrices dadas tiene

1 −3 4 1 −2
𝑥= ([ ]−[ ])
3 2 1 0 3
 1 −4 6
= [ ]
3 2 −2
4
− 2
=[ 3 ]
2 2
−
3 3

13. Matrices equivalentes por renglones

Definición:

Sean A y B matrices de 𝑚x𝑛. La matriz B es equivalente por renglones con A si

existe un numero finito de matrices elementales 𝐸1 , 𝐸2, ⋯ , 𝐸𝑘 tal que

𝐵 = 𝐸𝑘 𝐸𝑘−1 ⋯ 𝐸2 𝐸1 𝐴
Propiedades de la matriz:
Teorema 2.15 Condiciones equivalentes

Si A es una matriz de 𝑚x𝑛, entonces las siguientes propiedades son equivalentes.

1. A es invertible
2. Ax = b tiene una solución única para cada matriz b columna de n x 1.
3. Ax = 0 solo tiene solución trivial
4. A es equivalente por renglones a 𝐼𝑛 .
5. A puede escribirse como el producto de matrices elementales.
 14. Matriz estándar para una transformación lineal
Definición:

T: V → W por medio de una

La clave para representar una transformación lineal
matriz es determinar cómo actúa T sobre una base de V. Una vez que se conoce
la imagen de todo vector de la base es posible aplicar las propiedades de las
transformaciones lineales para determinar T(v) para todo v en V.

Propiedades de la matriz:
Teorema 6.10 Matriz estándar de una transformación lineal

Sea T: 𝑅 𝑛 → 𝑅 𝑚 una transformación lineal tal que para los vectores de base
estándar 𝑒𝑖 de 𝑅 𝑛 .
𝑎11 𝑎12 𝑎1𝑛
𝑎21 𝑎22 𝑎2𝑛
𝑇(𝑒1 ) = [ ⋮ ] , 𝑇(𝑒2 ) = [ ⋮ ] , ⋯ , 𝑇(𝑒𝑛 ) = [ ⋮ ].
𝑎𝑚1 𝑎𝑚2 𝑎𝑚𝑛
Entonces la matriz de m x n cuyas n columnas corresponden a 𝑇(𝑒1 )
𝑎11 𝑎12 ⋯ 𝑎1𝑛
𝑎21 𝑎22 ⋯ 𝑎2𝑛
𝐴=[ ⋮ ⋮ ⋯ ⋮ ]
𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛
Es tal que T(v) = Av, para toda v en 𝑅 𝑛 . A se denomina matriz estándar para
T.
Ejemplo:
Determinación de la matriz estándar de una transformación lineal

Determine la matriz estándar de la transformación lineal T: 𝑅 3 → 𝑅 2 definida por

T(x, y, z) = (x-2y, 2x+y)

Se empieza por encontrar las imágenes de 𝑒1 , 𝑒2 y 𝑒3
 Notación vertical Notación matricial

1
1
𝑇𝑒1 = 𝑇(1,0,0) = (1,2) 𝑇𝑒1 = 𝑇 ([0]) = [ ]
2
0
0
−2
𝑇𝑒2 = 𝑇(0,1,0) = (−2,1) 𝑇𝑒2 = 𝑇 ([1]) = [ ]
1
0
0
0
𝑇𝑒3 = 𝑇(0,0,1) = (0,0) 𝑇𝑒2 = 𝑇 ([0]) = [ ]
0
1

Por el teorema 6.10, las columnas de constan de 𝑇(𝑒1 ), 𝑇(𝑒2 ) y 𝑇(𝑒3 ), por
lo que se tiene

1 −2 0
𝐴 = [𝑇(𝑒1 ) 𝑇(𝑒2 ) 𝑇(𝑒3 )] = [ ]
2 1 0
Así, la matriz estándar de la transformación lineal definida

𝑇(𝑥1 , 𝑥2 , 𝑥3 )] = (𝑥1 − 2𝑥2 + 5𝑥3 , 2𝑥1 + 3𝑥3 , 4𝑥1 + 2𝑥2 − 2𝑥3 )

Se encuentra usando los coeficientes de 𝑥1 , 𝑥2 y 𝑥3 para transformar los renglones
de 𝐴 como se muestra enseguida

1 −2 5 ← 1𝑥1 − 2𝑥2 + 5𝑥3

𝐴 = [2 0 3 ] ← 2𝑥1 + 0𝑥2 + 3𝑥3
4 1 −2 ← 4𝑥1 + 2𝑥2 − 2𝑥3
 15. Matriz elemental
Definición:

Una matriz de 𝑛 x 𝑛 se denomina matriz elemental si puede obtenerse a partir de

la matriz identidad 𝐼𝑛 por una sencilla operación de renglón.

Ejemplo:
Matrices elementales y no elementales

1 0 0 1 0 0
1 0 0
a) [0 3 0] b) [ ] c) [0 1 0]
0 1 0
0 0 1 0 0 0
1 0 0 1 0 0
1 0
d) [0 0 1] e) [ ] f) [0 2 0]
2 1
0 1 0 0 0 −1

Solución:
a) Esta matriz es elemental, puede obtenerse multiplicando el segundo renglón
de 𝐼3 por 3.
b) Esta matriz no es elemental, ya que no es cuadrada.
c) Esta matriz no es elemental, ya que fue obtenida al multiplicar el tercer
renglón de 𝐼3 por 0.
d) Esta matriz es elemental, puede obtenerse intercambiando el segundo
renglón de 𝐼3 .
e) Esta matriz es elemental, puede obtenerse multiplicando el primer renglón de
𝐼2 por 2 y sumar el resultado del segundo renglón.
f) Esta matriz no es elemental, ya que se requieren dos operaciones con
renglones para obtenerla a partir de 𝐼3 .
 16. Matriz de entrada-salida
Definición:

Suponga que un sistema económico tiene 𝑛 diferentes industrias

𝐼1 , 𝐼2 , … , 𝐼𝑛 cada una de las cuales tiene requerimientos de entrada y salida
Sea 𝑑𝑖𝑗 la cantidad de requerimientos de salida de a j-ésima industria para producir
una unidad por año. La matriz de estos coeficientes se le llama matriz de entrada-
salida.

Salida
𝐼1 𝐼2 … 𝐼𝑛
𝑑11 𝑑12 ⋯ 𝑑1𝑛 𝐼1
𝑑 𝑑22 ⋯ 𝑑2𝑛 𝐼2 entrada
𝐷 = [ 21 ]
⋮ ⋮ ⋯ ⋮ ⋮
𝑑𝑚1 𝑑𝑚2 ⋯ 𝑑𝑚𝑛 𝐼𝑛
Ejemplo:
Solución de una matriz de entrada-salida para un sistema abierto
Un sistema económico compuesto por tres industrias tiene la siguiente matriz de
entrada-salida

0.1 0.43 0 𝐴
𝐷 = [0.15 0 0.37] 𝐵
0.23 0.03 0.02 𝐶
Determine la matriz de salida X si la demanda externa es

20,000 𝐴
𝐸 = [ 30,000 ] 𝐵
25,000 𝐶
Solución:

Sea 𝐼 la matriz identidad, entonces escriba la ecuación 𝑋 = 𝐷𝑋 + 𝐸 como 𝐼𝑋 −

𝐷𝑋 = 𝐸 lo que significa (𝐼 − 𝐷)𝑋 = 𝐸. Usando la matriz D arriba, se obtiene
 0.9 −0.43 0
𝐼 − 𝐷 = [−0.15 1 −0.37]
−0.23 −0.03 0.98
Finalmente, aplicando la eliminación de Gauss-Jordán al sistema de ecuaciones
lineales representado (𝐼 − 𝐷)𝑋 = 𝐸 por se produce
0.9 −0.43 0 20,000 1 0 0 46,616
[−0.15 1 −0.37 30,000] → [0 1 0 51,058]
−0.23 −0.03 0.98 25,000 0 0 1 38,014
Así, la matriz de salida es

46,516 𝐴
𝑋 = [ 51,058 ] 𝐵
38,014 𝐶

17. Matriz bidiagonal

Propiedades:

Una matriz 𝐴 bidiagonal superior si sus todos los elementos por encima de la
diagonal 1 y por debajo de la diagonal 0 son 0's.

Una matriz 𝐴 es bidiagonal inferior si sus todos los elementos por encima de la
diagonal 0 y por debajo de la diagonal -1 son 0's.

Ejemplo:
Sea muestra una matriz de 3x3

1 2 0
[0 1 2]
0 0 2
 18. Matriz producto escalares múltiples
Propiedades de la matriz:
Teorema 3.5 Determinante de una matriz producto

Si A y B son matrices cuadradas de orden 𝑛, entonces:

det(AB) = det(A)det(B)
Teorema 3.6 Determinante de un escalar múltiplo de una matriz producto

Si A es una matriz de 𝑛 𝑥 𝑛 y 𝑐 es un escalar, entonces el determinante de 𝑐𝐴

este dado por: det(cA)= 𝑐𝑛 det(A)

Ejemplo:
Determinante de un escalar múltiplo de una matriz

10 −20 40
𝐴 = [ 30 0 50]
−20 −30 10

Solución:

1 −2 4 1 −2 4
Como 𝐴 = 10 [ 3 0 5] y | 3 0 5| = 5
−2 −3 1 −2 −3 1
Usted puede aplicar el teorema 3.6 para concluir que
Esta matriz no es elemental, ya que no es cuadrada.

1 −2 4
|𝐴| = 103 | 3 0 5| = 1000 (5) = 5000.
−2 −3 1
 19. Matriz identidad
Propiedades de la matriz:
Teorema 2.4 Propiedades de la matriz identidad

Si A es una matriz de tamaño 𝑚 𝑥 𝑛 y 𝑐, entonces estas propiedades son

verdaderas:

1) A𝐼𝑛 = 𝐴
2) 𝐼𝑚 𝐴 = 𝐴
Ejemplo:
Multiplicación por una matriz identidad

3 −2 3 −2
1 0
a) [ 4 0 ][ ]=[ 4 0]
0 1
−1 1 −1 1
1 0 0 −2 −2
b) [0 1 0] = [ 1 ] = [ 1 ]
0 0 1 4 4
Para la multiplicación repetida de matrices cuadradas, puede utilizar la misma
notación exponencial usada con los números reales. Es decir 𝐴1 = 𝐴

𝐴2 = 𝐴𝐴 Y para un entero positivo k, 𝐴𝑘 es: 𝐴𝑘 = 𝐴𝐴 ⋯ 𝐴

También esto es conveniente para definir 𝐴𝑜 = 𝐼𝑛 (donde A es una matriz
cuadrada de orden 𝑛. Estas definiciones nos permiten establecer las propiedades
𝐴𝑗 𝐴𝑘 = 𝐴𝑗+𝑘 (2) (𝐴𝑗 )𝑘 = 𝐴𝑗𝑘 donde j y k son enteros no negativos.
 20. Matriz traspuesta
Definición:

La matriz traspuesta de una matriz 𝐴 de dimensión 𝑚 𝑥 𝑛 es una matriz de

dimensión 𝑚 𝑥 𝑛 que tiene por columnas a las filas de 𝐴. Se denota
como 𝐴𝑇 (o 𝐴´si la matriz es real).

Propiedades de la matriz:

En otras palabras 𝐴 = (𝑎𝑖𝑗 ), si es una matriz 𝑚 𝑥 𝑛 entonces 𝐴𝑇 = (𝑎𝑖𝑗 ) es

la matriz 𝑚 𝑥 𝑛 .La trasposición de una matriz cumple las siguientes propiedades:
1. (𝐴 + 𝐵)𝑇 = 𝐴𝑇 + 𝐵 𝑇
2. (𝐴)𝑇 = 𝐴
3. (𝑘𝐴)𝑇 = 𝑘𝐴𝑇 (si k es un escalar).
4. (𝐴𝐵)𝑇 = 𝐵 𝑇 𝐴𝑇

Ejemplo:

Dada una matriz 𝐴, se llama matriz traspuesta de 𝐴 a la matriz que se obtiene

cambiando ordenadamente las filas por las columnas

2 3 0 2 1 3
𝐴 = [1 2 0] 𝐴´ = [3 2 5]
3 5 6 0 0 6
 21. Matriz adjunta

Definición

Sea 𝑨 una matriz cuadrada de orden 𝒏. Se llama matriz adjunta de 𝑨 y se

representa por 𝑨∗ a la matriz formada por los adjuntos de los elementos de 𝑨.

𝒂𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑 ⋯ 𝒂𝟏𝒏

𝒂𝟐𝟏 𝒂𝟐𝟐 𝒂𝟐𝟑 ⋯ 𝒂𝟐𝒏
𝑨 = 𝒂𝟑𝟏 𝒂𝟑𝟐 𝒂𝟑𝟑 ⋯ 𝒂𝟑𝒏
⋯ ⋯ ⋯ ⋯ ⋯
[𝒂𝒎𝟏 𝒂𝒎𝟐 𝒂𝒎𝟑 ⋯ 𝒂𝒎𝒏 ]
𝑨𝟏𝟏 𝑨𝟏𝟐 𝑨𝟏𝟑 ⋯ 𝑨𝟏𝒏
𝑨𝟐𝟏 𝑨𝟐𝟐 𝑨𝟐𝟑 ⋯ 𝑨𝟐𝒏
∗
𝑨 = 𝑨𝟑𝟏 𝑨𝟑𝟐 𝑨𝟑𝟑 ⋯ 𝑨𝟑𝒏
⋯ ⋯ ⋯ ⋯ ⋯
[𝑨𝒎𝟏 𝑨𝒎𝟐 𝑨𝒎𝟑 ⋯ 𝑨𝒎𝒏 ]

donde 𝐴𝑖𝑗 es el adjunto del elemento 𝑎𝑖𝑗 𝑖, 𝑗 = 1,2,3, ⋯ , 𝑛

Propiedades de la matriz:
El producto de una matriz cuadrada por su adjunta traspuesta es una matriz
diagonal que tiene todos sus elementos no nulos iguales a |𝐴|.

|𝐴| 0 ⋯ 0
0 |𝐴| ⋯ 0
𝐴(𝑨∗ )𝑻 = (𝑨∗ )𝑻 𝑨 [ ]
⋮ ⋮ ⋯ ⋮
0 0 ⋯ |𝐴|

El determinante de la matriz adjunta de una matriz cuadrada 𝐴 de orden 𝑛 es la

potencia (n-1)-ésima del determinante de 𝐴.
 22. Matriz idempotente

Definición:

Una Matriz Idempotente es aquella matriz que multiplicada por si misma da como
resultado la misma matriz:

A es idempotente ⇔ A · A = A

Ejemplo:
1 0
𝐴=[ ]
0 1
1 0 1 0
𝐴∙𝐴=[ ][ ]
0 1 0 1
1+0 0+0
=[ ]
0+0 0+1
1 0
=[ ]
0 1

23. Matriz involutiva

Definición:

Una Matriz Involutiva es aquella matriz que multiplicada por si misma da como
resultado la matriz unidad o identidad:

A−1 es involutiva ⇔ A · A = I

Ejemplo:
−1 0
𝐴=[ ]
0 1
−1 0 −1 0
𝐴∙𝐴=[ ][ ]
0 1 0 1
1+0 0+0
=[ ]
0+0 0+1
 1 0
=[ ]
0 1
=1

24. Matriz escalonada

Definición:

Una matriz 𝐴 no necesariamente cuadrada, es una matriz escalonada cuando: una

fila tiene a la izquierda una secuencia de ceros más larga que la fila anterior, o bien
la fila es toda ceros.

Propiedades de la matriz:
Una matriz se llama escalonada por renglones o simplemente escalonada si cumple
con las siguientes propiedades:
1. Todos los renglones cero están en la parte inferior de la matriz.
2. El elemento delantero de cada renglón diferente de cero está a la derecha
del elemento delantero diferente de cero del renglón anterior.

Ejemplo:
5 0 0
4 2 0 0
𝑎) [0 −2 0] 𝑏) [ ]
0 1 −5 6
0 0 4
 25.Matriz antisimétrica
Definición:
Es aquella matriz cuadrada que es igual a su traspuesta cambiada de signo:

A es antisimétrica ⇔ A = -AT
Propiedades de la matriz:
Las matrices antisimétricas presentan las siguientes propiedades:
Son matrices cuadradas
Los valores de su diagonal principal son todos iguales a 0

Ejemplo:
0 1 −8 0 −1 8
𝑇
𝐴 = [−1 0 6] → 𝐴 = [1 0 −6] → 𝐴𝑇 = 𝐴
8 −6 0 −8 6 0

26. Matriz Nilpotente

Definición:
Una Matriz Nilpotente es aquella matriz cuya potencia n da como resultado una
matriz nula (todos sus elementos nulos):
Sea n ∈ N → A es nilpotente si An = 0

Propiedades de la matriz:
Las matrices triangulares con todos los elementos de su diagonal principal nulos
son matrices nilpotentes
° Si A es una matriz nilpotente, entonces su determinante es igual a cero (|A| = 0)

Ejemplo:
6 −9 6 −9 6 −9 36 − 36 −36 + 36
𝐴=[ ] → 𝐴2 = [ ][ ]=[ ]
4 −6 4 −6 4 −6 24 − 24 −36 + 36
0 0
=[ ]
0 0
 27.Matriz normal
Definición:
Una Matriz Normal es una matriz compleja (contiene números complejos) que
cumple:

Sea 𝐴𝑛𝑥𝑛 una matriz compleja → A es normal ⇔ 𝐴∗ 𝐴 = 𝐴𝐴∗ (𝐴∗ matriz

traspuesta conjugada)
Sea A una matriz cuadrada compleja, entonces A es normal si y solo si la traspuesta
conjugada de A por sí misma es igual a 𝐴 por la traspuesta conjugada de sí misma.

Propiedades de la matriz:
Las matrices normales son matrices diagonalizables

Ejemplo:
−𝑖 −𝑖
𝐴=[ ]
−𝑖 𝑖

∗ −𝑖 −𝑖 𝑇 −𝑖 −𝑖 𝑇
𝐴 = (conjugada de 𝐴)𝑇 = (conjugada de [ ]) =[ ]
−𝑖 𝑖 −𝑖 𝑖
= [𝑖 𝑖]
𝑖 −𝑖
2 2
𝐴𝐴∗ = [
−𝑖 −𝑖 𝑖
][
𝑖
] = [−𝑖 2 −𝑖 2 −𝑖 2 +𝑖 2 ] = [−2𝑖 2 0 ]
−𝑖 𝑖 𝑖 −𝑖 −𝑖 +𝑖 −𝑖 2 −𝑖 2 0 −2𝑖 2
2 0
=[ ]
0 2
2 2
∗
𝐴 𝐴=[
𝑖 𝑖 −𝑖
][
−𝑖 −𝑖
]=[ 2 2 −𝑖 −𝑖 2 +𝑖 2 ] = [−2𝑖 2 0 ]
𝑖 −𝑖 −𝑖 𝑖 −𝑖 +𝑖 −𝑖 2 −𝑖 2 0 −2𝑖 2
2 0
=[ ]
0 2
𝐴𝐴∗ = 𝐴∗ 𝐴
 28. Matriz Antihermitiana

Definición:
Una Matriz Antihermitiana (también llamada Matriz Hermítica) es una matriz
cuadrada y compleja cuyo conjugado traspuesto es igual a la misma matriz, pero
cambiada de signo:

A es una matriz antihermitiana si 𝐴∗ = −𝐴 donde 𝐴∗ es el conjugado traspuesto

Propiedades de la matriz:
Si una matriz A es antihermitiana, entonces el producto iA es una matriz hermitiana
Si A y B son antihermitianas, la suma de ambas también es antihermitiana

Ejemplo:
𝑖 2 −𝑖 2 −𝑖 −2
𝐴=[ ] → 𝐴̅ = [ ] → 𝐴∗ = 𝐴𝑇̅ = [ ]
−2 −2𝑖 −2 2𝑖 2 2𝑖
→ 𝐴 = −𝐴∗

29.Matriz simétrica
Definición:
Una Matriz Simétrica es aquella matriz cuadrada que es igual a su traspuesta. Es
decir:
A es Simétrica ⇔ A = AT

Para que sea simétrica, la matriz 𝐴 de 𝑚 filas y 𝑛 columnas tiene que cumplir:
𝑎11 𝑎12 𝑎13 𝑎14 ⋯ 𝑎1𝑛
𝑎21 𝑎22 𝑎23 𝑎24 ⋯ 𝑎2𝑛
𝑎31 𝑎32 𝑎33 𝑎34 ⋯ 𝑎3𝑛
𝐴= 𝑎 𝑎42 𝑎43 𝑎44 ⋯ 𝑎4𝑛
41
⋯ ⋯ ⋯ ⋯ ⋯ 𝑎5𝑛
[𝑎𝑛1 𝑎𝑛2 𝑎𝑛3 𝑎𝑛4 ⋯ 𝑎𝑛𝑛 ]
 𝑛 = 𝑚, es decir, es una matriz cuadrada con igual número de columnas que
de filas
 𝑎𝑖𝑗 = 𝑎𝑖𝑗 para todo 𝑖, 𝑗 con valores 1, 2, 3..., n
Ejemplo:
5 1 3 −1 0 0
𝐴 = [1 8 2] 𝐴=[ 0 −1 0]
3 2 5 0 0 −1

30.Matriz Involutiva
Definición:
Una Matriz Involutiva es aquella matriz que multiplicada por si misma da como
resultado la matriz unidad o identidad (I):
A−1 es involutiva ⇔ A · A = I

Propiedades de la matriz:
Las matrices involutivas presentan las siguientes propiedades:
Son matrices cuadradas
Son inversas de sí mismas

Ejemplo:
1 −1 1 −1 1 −1 1+0 −1 + 1
𝐴=[ ]𝐴 ∙ 𝐴 = [ ][ ]=[ ]
0 −1 0 −1 0 −1 0+0 0+1
1 0
=[ ]=I
0 1
 31. Matriz Periódica
Definición:
Una Matriz Periódica es aquella matriz cuya potencia n da como resultado la misma
matriz:
Sea n ∈ N y An = A · A · ... n veces ... · A → A es periódica si An = A
Se denomina Matriz Periódica de Periodo p si Ap+1 = A.

Ejemplo:
Matriz periódica de periodo 4
0 1
𝐴=[ ]
−1 0
0 1 0 1 0 ∙ 0 + 1 ∙ −1 0∙1+1∙0
𝐴2 = 𝐴 ∙ 𝐴 = [ ][ ]=[ ]
−1 0 −1 0 −1 ∙ 0 + 0 ∙ −1 −1 ∙ 1 + 0 ∙ 0
0−1 0+0 −1 0
= [ ]=[ ]
0 + 0 −1 + 0 0 −1
0 1 −1 0 0 ∙ −1 + 1 ∙ 0 0 ∙ 0 + 1 ∙ −1
𝐴3 = 𝐴 ∙ 𝐴2 = [ ][ ]=[ ]
−1 0 0 −1 −1 ∙ −1 + 0 ∙ 0 −1 ∙ 0 + 0 ∙ −1
0+0 0−1 0 −1
= [ ]=[ ]
1+0 0+0 1 0
0 1 0 −1 0∙0+1∙1 0 ∙ −1 + 1 ∙ 0
𝐴4 = 𝐴 ∙ 𝐴3 = [ ][ ]=[ ]
−1 0 1 0 −1 ∙ 0 + 0 ∙ 1 −1 ∙ −1 + 0 ∙ 0
0+1 0+0 1 0
= [ ]=[ ]
0+0 1+0 0 1
 32. Matriz Regular
Definición:
Una Matriz Regular (también llamada Matriz Invertible, no Singular o no
Degenerada) es aquella matriz cuadrada que tiene inversa. Es decir:
A es regular ⇔ ∃ A-1 / A · A-1 = I
"A es regular si y solo si existe una matriz inversa de A tal que el producto de A por
su inversa es igual a la matriz identidad"
Por otro lado, se dice que una matriz es Singular o no Invertible si no tiene inversa.

Ejemplo:
1 1 2 −1 1 1 2 −1
𝐴=[ ]→𝐴∙[ ]=[ ][ ]
1 2 −1 1 1 2 −1 1
2 − 1 −1 + 1 1 0 2 −1
=[ ]=[ ]→[ ] = 𝐴−1
2 − 2 −1 + 2 0 1 −1 1

33. Matriz Vertical

Definición:
Una Matriz Vertical es aquella matriz que tiene mayor número de filas que de
columnas.
Las matrices verticales son un tipo de matrices rectangulares (matrices que tienen
distinto número de filas que de columnas).

Ejemplo:
1 0
2
𝐴 = [ 0 1] 𝐴=[ ]
0
3 4
 34. Matriz Horizontal
Definición:
Las matrices horizontales son un tipo de matrices rectangulares (matrices que
tienen distinto número de filas que de columnas).

Ejemplo:
1 2 0
𝐴 = [ 4 1] 𝐴=[ ]
0 0 2
1 0 0 0
3 −1 1
𝐴 = [0 1 0 0] 𝐴=[ ]
0 2 2
0 0 1 0

35. Matriz Conjugada

Definición:
Una Matriz Conjugada es una matriz compleja (contiene números complejos) a la
cual se ha cambiado de signo la parte compleja de cada elemento:

Sea 𝐴𝑚𝑥𝑛 = 𝑎𝑖𝑗 una matriz compleja → 𝐴̅ es la matriz conjugada si 𝐴̅ = (𝑎

̅̅̅̅)
𝑖𝑗

Propiedades de la matriz:
Sea A una matriz conjugada, entonces la conjugada de la conjugada es la misma
matriz

Ejemplo:
−𝑖 −𝑖 𝑖 𝑖
𝐴=[ ] → 𝐴̅ = [ ]
−𝑖 𝑖 𝑖 −𝑖

1+𝑖 −2𝑖 1−𝑖 2𝑖

𝐴=[ ] → 𝐴̅ = [ ]
3 − 5𝑖 4 3 + 5𝑖 4