Álgebra Lineal

Unidad 2 – Matrices y determinantes.

Parcial 2 – Semana 5

Elaborado: M.G.A. César Omar Corona Castro

 SEMANA 5 – Unidad 2 -Álgebra Lineal

Tabla de contenido
Matrices .............................................................................................................................................. 1
Propiedades de las operaciones con matrices .............................................................................. 1
Propiedades de la suma de matrices y de la multiplicación por un escalar ............................. 1
Propiedades de la multiplicación de matrices ........................................................................... 1
Matriz cero ...................................................................................................................................... 1
Propiedades de las matrices cero .............................................................................................. 1
Matriz identidad ............................................................................................................................. 2
Propiedades de la matriz identidad ........................................................................................... 2
Multiplicación repetida de una matriz cuadrada .......................................................................... 2
Transpuesta de una matriz ............................................................................................................. 2
Matriz simétrica .......................................................................................................................... 3
Propiedades de la transpuesta................................................................................................... 4
Matrices equivalentes por renglones ............................................................................................ 4
Notación abreviada para representar operaciones elementales ............................................. 4
Inversa de una matriz ..................................................................................................................... 5
Procedimiento para encontrar la inversa de una matriz cuadrada .............................................. 6
Tipos especiales de matrices cuadradas ...................................................................................... 10
Matrices diagonales.................................................................................................................. 10
Matrices triangulares ............................................................................................................... 11
Matrices ortogonales................................................................................................................ 11
Traza de una matriz cuadrada ...................................................................................................... 11
Referencias bibliográficas ................................................................................................................ 12

Elaborado por César Omar Corona Castro

 SEMANA 5 – Unidad 2 -Álgebra Lineal

Matrices
Propiedades de las operaciones con matrices

Propiedades de la suma de matrices y de la multiplicación por un escalar

Si 𝐴, 𝐵 y 𝐶 son matrices de 𝑚 × 𝑛 y 𝑐 y 𝑑 son escalares, entonces las siguientes propiedades
son verdaderas.

1. 𝐴 + 𝐵 = 𝐵 + 𝐴 Propiedad conmutativa de la suma.

2. 𝐴 + (𝐵 + 𝐶) = (𝐴 + 𝐵) + 𝐶 Propiedad asociativa de la suma.

3. (𝑐𝑑)𝐴 = 𝑐(𝑑𝐴) Propiedad asociativa de la multiplicación.
4. 1𝐴 = 𝐴 Identidad multiplicativa.
5. 𝑐(𝐴 + 𝐵) = 𝑐𝐴 + 𝑐𝐵 Propiedad distributiva de la multiplicación sobre la suma.
6. (𝑐 + 𝑑)𝐴 = 𝑐𝐴 + 𝑑𝐴 Propiedad distributiva.

Propiedades de la multiplicación de matrices

Si 𝐴, 𝐵 y 𝐶 son matrices (con tamaños tales que los productos matriciales dados están
definidos) y 𝑐 es un escalar, entonces las siguientes propiedades son verdaderas
1. 𝐴(𝐵𝐶) = (𝐴𝐵)𝐶 Propiedad asociativa de la multiplicación.

2. 𝐴(𝐵 + 𝐶) = 𝐴𝐵 + 𝐴𝐶 Propiedad distributiva de la multiplicación sobre la suma.

3. (𝐴 + 𝐵)𝐶 = 𝐴𝐶 + 𝐵𝐶 Propiedad distributiva.
4. 𝑐(𝐴𝐵) = (𝑐𝐴)𝐵 = 𝐴(𝑐𝐵)

Matriz cero
Las matrices cuyos elementos son todos nulos se conoce como matriz cero y se denotará por
0𝑚𝑛 o simplemente por 0. Por ejemplo, la matriz cero 2 × 3 es

0 0 0
[ ]
0 0 0

Propiedades de las matrices cero

1. 𝐴 + 0𝑚𝑛 = 𝐴
2. 𝐴 + (−𝐴) = 0𝑚𝑛
3. Si 𝑐𝐴 = 0𝑚𝑛 , entonces 𝑐 = 0 o 𝐴 = 0𝑚𝑛

Elaborado por César Omar Corona Castro Página 1 de 12

Matriz identidad
La matriz identidad 𝐼𝑛 de 𝑛 × 𝑛 es una matriz de 𝑛 × 𝑛 cuyos elementos de la diagonal principal
son iguales a 1 y todos los demás son 0. Esto es
1 𝑠𝑖 𝑖 = 𝑗
𝐼𝑛 = [𝑎𝑖𝑗 ] donde 𝑎𝑖𝑗 =
0 𝑠𝑖 𝑖 ≠ 𝑗

1 0 0
Por ejemplo, las matrices 𝐼2 = [1 0] e 𝐼3 = [0 1 0] son matrices identidad.
0 1
0 0 1

Propiedades de la matriz identidad

Si 𝐴 es una matriz de tamaño 𝑚 × 𝑛 entonces estas propiedades son verdaderas:
1. 𝐴𝐼𝑛 = 𝐴
2. 𝐼𝑚 𝐴 = 𝐴

Multiplicación repetida de una matriz cuadrada

Para la multiplicación repetida de matrices cuadradas, puede utilizarse la misma notación
exponencial usada con los números reales. Es decir, 𝐴1 = 𝐴, 𝐴2 = 𝐴𝐴 y para un entero positivo
𝑘,
𝐴𝑘 = ⏟ ⋯𝐴
𝐴𝐴
𝑘 factores

Ejemplo 1: Encuentre 𝐴3 para la matriz 𝐴 = [−2 5].

7 3
Solución
(−2)(−2) + (5)(7) (−2)(5) + (5)(3) −2 5
𝐴3 = ([−2 5] [−2 5]) [−2 5] = [ ][ ]
7 3 7 3 7 3 (7)(−2) + (3)(7) (7)(5) + (3)(3) 7 3
= [ 4 + 35 −10 + 15] [−2 5] = [39 5 ] [−2 5]
−14 + 21 35 + 9 7 3 7 44 7 3
(39)(−2) + (5)(7) (39)(5) + (5)(3) −78 + 35 195 + 15]
=[ ]=[
(7)(−2) + (44)(7) (7)(5) + (44)(3) −14 + 308 35 + 132
= [−43 210]
294 167

Transpuesta de una matriz

La transpuesta de una matriz se forma al escribir sus columnas como renglones. Por ejemplo,
si 𝐴 es la matriz de 𝑚 × 𝑛 dada por

Elaborado por César Omar Corona Castro Página 2 de 12

 𝑎11 𝑎12 𝑎13 𝑎1𝑛
𝑎21 𝑎22 𝑎23 ⋯ 𝑎2𝑛
𝐴= 𝑎31 𝑎32 𝑎33 𝑎3𝑛
⋮ ⋱ ⋮
[𝑎𝑚1
⏟ 𝑎𝑚2 𝑎𝑚3 ⋯ 𝑎𝑚𝑛 ]
Tamaño 𝑚 × 𝑛
Entonces la transpuesta, denotada por 𝐴𝑇 es la matriz de 𝑛 × 𝑚
𝑎11 𝑎21 𝑎31 𝑎𝑚1
𝑎12 𝑎22 𝑎32 ⋯ 𝑎𝑚2
𝐴𝑇 = 𝑎13 𝑎23 𝑎33 𝑎𝑚3
⋮ ⋱ ⋮
[𝑎1𝑛
⏟ 𝑎2𝑛 𝑎3𝑛 ⋯ 𝑎𝑚𝑛 ]
Tamaño 𝑛 × 𝑚

Ejemplo 2: Encuentre la transpuesta de las siguientes matrices.

2 −1
1. 𝐴 = [ ]
0 8
−7 8
2. 𝐵 = [ ]
8 −1
−3 5 7
3. 𝐶 = [ ]
4 1 6
−1 7 3
4. 𝐷 = [ 11 −2 4]
9 0 8
Solución
2 0
1. 𝐴𝑇 = [ ]
−1 8
𝑇 −7 8
2. 𝐵 = [ ]
8 −1
−3 4
3. 𝐶 𝑇 = [ 5 1]
7 6
−1 11 9
4. 𝐷𝑇 = [ 7 −2 0]
3 4 8

Matriz simétrica
Una matriz cuadrada es simétrica si 𝐴 = 𝐴𝑇 . Es decir, si 𝐴 = [𝑎𝑖𝑗 ] es una matriz simétrica,
entonces 𝑎𝑖𝑗 = 𝑎𝑗𝑖 para toda 𝑖 ≠ 𝑗. La matriz 𝐵 del ejemplo 2 es simétrica.

Elaborado por César Omar Corona Castro Página 3 de 12

Propiedades de la transpuesta
Si 𝐴 y 𝐵 son matrices (de tamaño tal que las operaciones con matrices dadas están definidas) y 𝑐 es
un escalar, entonces las siguientes propiedades son verdaderas:

1. (𝐴𝑇 )𝑇 = 𝐴 Transpuesta de la transpuesta.

2. (𝐴 + 𝐵)𝑇 = 𝐴𝑇 + 𝐵 𝑇 Transpuesta de una suma.

3. (𝑐𝐴)𝑇 = 𝑐(𝐴𝑇 ) Transpuesta de la multiplicación por un escalar.
4. (𝐴𝐵)𝑇 = 𝐵 𝑇 𝐴𝑇 Transpuesta de un producto.

Matrices equivalentes por renglones

Se dice que dos matrices son equivalentes por renglones si una se puede obtener a partir de
la otra mediante una sucesión finita de operaciones elementales en los renglones.
1. Intercambiar dos renglones.
2. Multiplicación de un renglón por una constante diferente de cero.
3. Suma de un múltiplo de un renglón a otro renglón.
Aunque es fácil efectuar las operaciones elementales en los renglones, esto implica muchas
operaciones aritméticas. Ya que es fácil cometer un error, es recomendable anotar siempre la
operación elemental realizada en cada paso, de modo que se pueda comprobar el trabajo.
Debido a que resolver algunos sistemas implica muchos pasos, es de gran ayuda utilizar un
método de notación abreviada, para mantener la pista de cada operación elemental efectuada.

Notación abreviada para representar operaciones elementales

1. Intercambiar dos renglones.
Intercambie el primer y tercer renglones
Matriz original Nueva matriz equivalente por renglones Notación
−2 9 7 1 4 3
[ 0 2 −1] [ 0 2 −1] 𝑅1 ↔ 𝑅3
1 4 3 −2 9 7

2. Multiplicación de un renglón por una constante diferente de cero.

1
Multiplique el primer renglón por 4 para producir un nuevo primer renglón.

Matriz original Nueva matriz equivalente por renglones Notación

8 20 −4 2 5 −1 1
[3 2 0] [3 2 0] ( ) 𝑅1 → 𝑅1
−1 3 6 −1 3 6 4

Elaborado por César Omar Corona Castro Página 4 de 12

 3. Suma de un múltiplo de un renglón a otro renglón.
Sume 3 veces el primer renglón al segundo, para generar un nuevo renglón.
Matriz original Nueva matriz equivalente por renglones Notación
1 −4 7 1 −4 7
[−3 1 5] [0 −11 26] 3𝑅1 + 𝑅2 → 𝑅2
0 2 1 0 2 1

Inversa de una matriz

Una matriz 𝐴 de 𝑛 × 𝑛 es invertible (o no singular) si existe una matriz 𝐵 de 𝑛 × 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 inversa se denomina no invertible (o singular).
Las matrices no cuadradas no tienen inversas.
No todas las matrices cuadradas poseen inversa, sin embargo, si una matriz tiene inversa está
es única.
La inversa de una matriz se denota por 𝐴−1 .

3 1
7 −2
Ejemplo 3: Demuestre que 𝐵 = [16
5
16
7] es la inversa de 𝐴 = [ ].
−5 6
32 32
Solución
3 1 3 5 1 7
(7) ( ) + (−2) ( ) (7) ( ) + (−2) ( )
7 −2 16 16 16 32 16 32 ]
𝐴𝐵 = [ ][ ]=[
−5 6 5 7 3 5 1 7
(−5) ( ) + (6) ( ) (−5) ( ) + (6) ( )
32 32 16 32 16 32
21 10 7 14 21 5 7 7
− − − −
=[ 16 32 16 32 ]=[ 16 16 16 16 ] = [1 0]
15 30 5 42 15 15 5 21 0 1
− + − + − + − +
16 32 16 32 16 16 16 16

Elaborado por César Omar Corona Castro Página 5 de 12

 3 1 3 1 3 1
( ) (7) + ( ) (−5) ( ) (−2) + ( ) (6)
𝐵𝐴 = [16 16] [ 7 −2] = [ 16 16 16 16 ]
5 7 −5 6 5 7 5 7
( ) (7) + ( ) (−5) ( ) (−2) + ( ) (6)
32 32 32 32 32 32
21 5 6 6 21 5 3 3
− − + − − +
= [16 16 16 16] = [16 16 8 8 ] = [1 0]
35 35 10 42 35 35 5 21 0 1
− − + − − +
32 32 32 32 32 32 16 16

Procedimiento para encontrar la inversa de una matriz cuadrada

Sea una matriz cuadrada 𝐴 de orden 𝑛.
1. Se escribe la matriz aumentada [𝐴 ⋮ 𝐼 ].
2. Se utiliza la reducción por renglones para poner la matriz 𝐴 a su forma escalonada
reducida por renglones.
3. Se dice si 𝐴 es invertible.
1) Si la forma escalonada reducida por renglones de 𝐴 es la matriz identidad 𝐼,
entonces 𝐴−1 es la matriz que se tiene a la derecha de la barra vertical.
2) Si la reducción de 𝐴 conduce a un renglón de ceros a la izquierda de la barra
vertical, entonces 𝐴 no es invertible.

Ejemplo 4: Encuentre la inversa (si esta existe) de las siguientes matrices.

7 1 0 2 −1 6 9
3 −2 5
1) 𝐴 = [1 2 −1] 2) 𝐵 = [−2 4 1] 3) 𝐶 = [4 3 8 1 ]
3 2 1 −1
0 8 4 1 13 3 1 0 −1 0

Solución
1)

3 −2 5 ⋮ 1 0 0
[𝐴 ⋮ 𝐼] [1 2 −1 ⋮ 0 1 0]
0 8 4 ⋮ 0 0 1
1 2 −1 ⋮ 0 1 0
[3 −2 5 ⋮ 1 0 0] 𝑅1 ↔ 𝑅2
0 8 4 ⋮ 0 0 1

1 2 −1 ⋮ 0 1 0
[0 −8 8 ⋮ 1 −3 0] −(3)𝑅1 + 𝑅2 → 𝑅2
0 8 4 ⋮ 0 0 1

Elaborado por César Omar Corona Castro Página 6 de 12

 1 2 −1 ⋮ 0 1 0
1 3 1
[0 1 −1 ⋮ −
8 8
0] (− ) 𝑅2 → 𝑅2
0 8 4 ⋮ 8
0 0 1
1 1
1 0 1 ⋮ 4 4
0
[0 1 −1 ⋮ −
1 3
0] (−2)𝑅2 + 𝑅1 → 𝑅1
8 8
0 8 4 ⋮ 0 0 1

1 1
1 0 1 ⋮ 4 4
0
[0 1 −1 ⋮ −
1 3
0] (−8)𝑅2 + 𝑅3 → 𝑅3
8 8
0 0 12 ⋮ 1 −3 1

1 1
1 0 1 ⋮ 4 4
0
1 3 1
[0 1 −1 ⋮ −
8 8
0] ( ) 𝑅3 → 𝑅3
0 0 1 ⋮ 1 1 1 12
−
12 4 12
1 1 1
−
1 0 0 ⋮ 6 2 12
1 3
[0 1 −1 ⋮ −
8 8
0] (−1)𝑅3 + 𝑅1 → 𝑅1
0 0 1 ⋮ 1
−
1 1
12 4 12
1 1 1
−
1 0 0 ⋮ 6 2 12
1 1 1
[0 1 0 ⋮ −
24 8 12
] (1)𝑅3 + 𝑅2 → 𝑅2
0 0 1 ⋮ 1
−
1 1
12 4 12

La matriz es invertible (no singular) y esta inversa es

1 1 1
−
6 2 12
1 1 1
𝐴−1 = [− 24 8 12
]
1 1 1
−
12 4 12

2)

7 1 0 ⋮ 1 0 0
[𝐵 ⋮ 𝐼] [−2 4 1 ⋮ 0 1 0]
1 13 3 ⋮ 0 0 1
1 13 3 ⋮ 0 0 1
[−2 4 1 ⋮ 0 1 0] 𝑅1 ↔ 𝑅3
7 1 0 ⋮ 1 0 0

Elaborado por César Omar Corona Castro Página 7 de 12

 1 13 3 ⋮ 0 0 1
[0 30 7 ⋮ 0 1 2] (2)𝑅1 + 𝑅2 → 𝑅2
7 1 0 ⋮ 1 0 0
1 13 3 ⋮ 0 0 1
[0 30 7 ⋮ 0 1 2] (−7)𝑅1 + 𝑅3 → 𝑅3
0 −90 −21 ⋮ 1 0 −7

1 13 3
⋮ 0 0 1
7 1 1 1
[0 1 ⋮ 0
30 30 15
] ( ) 𝑅2 → 𝑅2
30
0 −90 −21 ⋮ 1 0 −7
1 13 2
1 0 − ⋮ 0
30
−
30 15
[0 1 ⋮ 0
7 1 1 ] (−13)𝑅2 + 𝑅1 → 𝑅1
30 30 15
0 −90 −21 ⋮ 1 0 −7
1 13 2
1 0 −
30 ⋮ 0 −
30 15
[0 1 7
⋮ 0 1 1 ] (90)𝑅2 + 𝑅3 → 𝑅3
30 30 15
0 0 0 ⋮ 1 3 −1

Debido a que la “parte 𝐵” de la matriz tiene un renglón de ceros, se concluye que no es

posible reescribir la matriz [𝐵 ⋮ 𝐼 ] en la forma [𝐼 ⋮ 𝐵 −1 ]. Esto significa que 𝐵 no
tiene inversa o es no invertible (singular).

3)

2 −1 6 9 ⋮ 1 0 0 0
[𝐶 ⋮ 𝐼] [4 3 8 1 ⋮ 0 1 0 0]
3 2 1 −1 ⋮ 0 0 1 0
1 0 −1 0 ⋮ 0 0 0 1

1 0 −1 0 ⋮ 0 0 0 1
[4 3 8 1 ⋮ 0 1 0 0] 𝑅1 ↔ 𝑅4
3 2 1 −1 ⋮ 0 0 1 0
2 −1 6 9 ⋮ 1 0 0 0
1 0 −1 0 ⋮ 0 0 0 1
[0 3 12 1 ⋮ 0 1 0 −4] (−4)𝑅1 + 𝑅2 → 𝑅2
3 2 1 −1 ⋮ 0 0 1 0
2 −1 6 9 ⋮ 1 0 0 0

Elaborado por César Omar Corona Castro Página 8 de 12

 1 0 −1 0 ⋮ 0 0 0 1
[0 3 12 1 ⋮ 0 1 0 −4] (−3)𝑅1 + 𝑅3 → 𝑅3
0 2 4 −1 ⋮ 0 0 1 −3
2 −1 6 9 ⋮ 1 0 0 0
1 0 −1 0 ⋮ 0 0 0 1
[0 3 12 1 ⋮ 0 1 0 −4] (−2)𝑅1 + 𝑅4 → 𝑅4
0 2 4 −1 ⋮ 0 0 1 −3
0 −1 8 9 ⋮ 1 0 0 −2
1 0 −1 0 ⋮ 0 0 0 1
[0 1 8 2 ⋮ 0 1 −1 −1] (−1)𝑅3 + 𝑅2 → 𝑅2
0 2 4 −1 ⋮ 0 0 1 −3
0 −1 8 9 ⋮ 1 0 0 −2
1 0 −1 0 ⋮ 0 0 0 1
[0 1 8 2 ⋮ 0 1 −1 −1] (−2)𝑅2 + 𝑅3 → 𝑅3
0 0 −12 −5 ⋮ 0 −2 3 −1
0 −1 8 9 ⋮ 1 0 0 −2
1 0 −1 0 ⋮ 0 0 0 1
[0 1 8 2 ⋮ 0 1 −1 −1] (1)𝑅2 + 𝑅4 → 𝑅4
0 0 −12 −5 ⋮ 0 −2 3 −1
0 0 16 11 ⋮ 1 1 −1 −3
1 0 −1 0 ⋮ 0 0 0 1
8 2 0 1 −1 −1 1
[0 1 ⋮ 1 1 ] (− ) 𝑅 → 𝑅3
0 0 1 125
⋮ 0 16 −
4 12 12 3
0 0 16 11 ⋮ 1 1 −1 −3
5 1 1 13
1 0 0 12 ⋮ 0 −
4 6 12
0 1 8 2 ⋮ 0 1 −1 −1 (1)𝑅3 + 𝑅1 → 𝑅1
0 0 1 5 ⋮ 0 1 −1 1
12 6 4 12
[0 0 16 11 ⋮ 1 1 −1 −3]
5 1 1 13
0 0 12 ⋮ 0 6
−
1 4 12

0
4
1 0 −3 ⋮ 0 −3
1
1 − 53
(−8)𝑅3 + 𝑅2 → 𝑅2
0 0 1 5 ⋮ 0 1 −1 1
12
⋮ 6 4 12
[0 0
16 11 1 1 −1 −3]
1 13
5
0 12 0 16 − 4 12
1 0 4
⋮ 1 5
0 1 0 −3 ⋮ 0 −3 1 −3 (−16)𝑅3 + 𝑅4 → 𝑅4
0 0 1 5 ⋮ 0 16 − 1 1
12 4 12
0 0 0 13 ⋮ 1 − 5
[ 3 3
3 − 13 3]

Elaborado por César Omar Corona Castro Página 9 de 12

 1 1 13
0 5 0 6
−
4 12
1 0 12 ⋮ 1 5
0 1 0 −
4
⋮ 0 −
3
1 −
3 3
3
1 ( ) 𝑅 → 𝑅4
⋮ 13 4
1
0 0 1 5 0 −
1
12 6 4 12
0 0 ⋮ 3 5 9
[ 0 1 13
−
13 13
−1]
5 17 7 3
− −
1 0 0 0 ⋮ 52 52 13 2
4 1 5
0 1 0 −
3 ⋮ 0 −
3
1 −
3 5
⋮ 1 (− ) 𝑅 + 𝑅1 → 𝑅1
12 4
1
0 0 1 5
0 −
1
12 6 4 12
0 0 0 1 ⋮ 3 5 9
[ 13
−
13 13
−1]
5 17 7 3
− −
1 0 0 0 ⋮ 52 52 13
25
2
4 11
0 1 0 0 ⋮ 13
−
13 13
−3 4
0 0 1 5
⋮ 1 1 1 ( ) 𝑅4 + 𝑅2 → 𝑅2
12 0 6
−
4 12
3
0 0 0 1 ⋮ 3 5 9
[ 13
−
13 13
−1 ]
5 17 7 3
− −
52 52 13 2
1 0 0 0 ⋮ 4 11 25
0 1 0 0 ⋮ 13
−
13 13
−3 5
⋮ 7 (− ) 𝑅 + 𝑅3 → 𝑅3
12 4
5 17
0 0 1 0 − −
1
52 52 13 2
0 0 0 1 ⋮ 3 5 9
[ 13
−
13 13
−1]

La matriz es invertible (no singular) y esta inversa es

5 17 7 3
− −
52 52 13 2
4 11 25
− −3
𝐶 −1 = 13
5
13
17
13
7 1
− −
52 52 13 2
3 5 9
[ 13
−
13 13
−1]

Tipos especiales de matrices cuadradas

Matrices diagonales
Una matriz cuadrada 𝐷 = [𝑎𝑖𝑗 ] es diagonal si todas sus entradas no diagonales son nulas.
Tal matriz se denota frecuentemente por 𝐷 = 𝑑𝑖𝑎𝑔[𝑑11 , 𝑑22 , ⋯ , 𝑑𝑛𝑛 ] donde algunos o todos
los 𝑑𝑖𝑖 pueden ser nulos. Por ejemplo:
−2
8 0 0
11 0 4
[0 −2 0] [ ] [ ]
0 −4 8
0 0 3
−6
Son matrices diagonales que pueden representarse, respectivamente por
𝑑𝑖𝑎𝑔[8, −2,3 ] 𝑑𝑖𝑎𝑔[11, −4 ] 𝑑𝑖𝑎𝑔[2,4,8, −6 ]
(Obsérvese que se han omitido disposiciones de ceros en la tercera matriz.)

Elaborado por César Omar Corona Castro Página 10 de 12

Claramente, la suma, producto por un escalar y producto de matrices diagonales son
nuevamente diagonales. De este modo, todas las matrices diagonales 𝑛 × 𝑛 forman un
álgebra de matrices. De hecho, las matrices diagonales forman un álgebra conmutativa,
porque dos matrices diagonales 𝑛 × 𝑛 cualesquiera conmutan.

Matrices triangulares
Una matriz 𝐴 = [𝑎𝑖𝑗 ] es una matriz triangular superior o simplemente una matriz
triangular si todas las entradas bajo la diagonal principal son iguales a cero, esto es, si 𝑎𝑖𝑗 =
0 para toda 𝑖 > 𝑗. Las matrices triangulares superiores genéricas de orden 2, 3, 4 son
respectivamente.
𝑐11 𝑐12 𝑐13 𝑐14
𝑏11 𝑏12 𝑏13
𝑎11 𝑎12 0 𝑐22 𝑐23 𝑐24
[ 0 𝑎 ] [ 0 𝑏22 𝑏23 ] [ 𝑐33 𝑐34 ]
22 0 0
0 0 𝑏33 0 𝑐44
0 0
(Como con las matrices diagonales, es práctica común el omitir disposiciones de ceros.)

Supongamos que 𝐴 = [𝑎𝑖𝑗 ] y 𝐵 = [𝑏𝑖𝑗 ] son matrices triangulares superiores. Entonces

1) 𝐴 + 𝐵 es triangular superior, con 𝑑𝑖𝑎𝑔[𝑎11 + 𝑏11 , 𝑎22 + 𝑏22 , ⋯ , 𝑎𝑛𝑛 + 𝑏𝑛𝑛 ].

2) 𝑐𝐴 es triangular superior, con 𝑑𝑖𝑎𝑔[𝑐𝑎11 , 𝑐𝑎22 , ⋯ , 𝑐𝑎𝑛𝑛 ].
3) 𝐴𝐵 es triangular superior, con 𝑑𝑖𝑎𝑔[𝑎11 𝑏11 , 𝑎22 𝑏22 , ⋯ , 𝑎𝑛𝑛 𝑏𝑛𝑛 ].
4) Para cualquier polinomio 𝑓(𝑥), la matriz 𝑓(𝐴) es triangular superior, con
𝑑𝑖𝑎𝑔[𝑓(𝑎11 ), 𝑓(𝑎22 ), ⋯ , 𝑓(𝑎𝑛𝑛 ) ]
5) 𝐴 es invertible si y sólo si cada elemento diagonal 𝑎𝑖𝑖 ≠ 0.
Análogamente, una matriz triangular inferior es una matriz cuadrada cuyas entradas
sobre diagonal principal son todas nulas.

Matrices ortogonales
Se dice que una matriz real 𝐴 es ortogonal si 𝐴𝐴𝑇 = 𝐴𝑇 𝐴 = 𝐼. Una matriz ortogonal 𝐴 es
necesariamente cuadrada e invertible, con inversa 𝐴−1 = 𝐴𝑇 .

Traza de una matriz cuadrada

Sea 𝐴 = [𝑎𝑖𝑗 ] una matriz cuadrada de orden 𝑛. La traza de 𝐴, escrito 𝑡𝑟 𝐴, es la suma de los
elementos diagonales, es decir,
𝑛

𝑡𝑟 𝐴 = 𝑎11 + 𝑎22 + ⋯ + 𝑎𝑛𝑛 = ∑ 𝑎𝑘𝑘

𝑘=1

Elaborado por César Omar Corona Castro Página 11 de 12

 Referencias bibliográficas

Grossman, S. I. (2007). Álgebra Lineal (Sexta ed.). Ciudad de México, México: McGraw - Hill
Interamericana.

Larson, R., & Falvo, D. C. (2011). Fundamentos de Álgebra Lineal (Sexta ed.). Ciudad de México,
México: Cengage Learning.

Lipschutz, S. (1992). Álgebra Lineal (Segunda ed.). Madrid, España: McGraw - Hill Interamericana.

Elaborado por César Omar Corona Castro Página 12 de 12