ÚLTIMA VEZ ACTUALIZADO 24 JULIO, 2017 POR ISABEL

PUSTILNIK Y FEDERICO GÓMEZ 7 COMENTARIOS

Matrices
Tabla de contenidos [mostrar]

Conceptos básicos
Definición de Matriz

Una matriz AA de m×n m×n es un ordenamiento rectangular de escalares dispuestos

en mmfilas y nn columnas. Para designar a cada uno de los m.nm.n elementos de la
matriz se utiliza un doble subíndice que indica el número de fila y número de columna
que le corresponde en el arreglo:A=⎛⎜
⎜
⎜
⎜
⎜
⎜
⎜⎝a11a12a13⋯a1na21a22a23⋯a2na31a32a33⋯a3n⋮⋮⋮⋮⋮am1am2am3⋯amn⎞⎟
⎟
⎟
⎟
⎟
⎟
⎟⎠A=(a11a12a13⋯a1na21a22a23⋯a2na31a32a33⋯a3n⋮⋮⋮⋮⋮am1am2am3⋯a
mn)Así, a34a34 es el elemento ubicado en la fila tres y la columna cuatro y en
general aijaij es el elemento de la matriz AA que está en la fila ii y en la columna jj.
Las matrices suelen designarse con letras mayúsculas: se anota A∈RmxnA∈Rmxn para
indicar que es una matriz con mm filas y nn columnas cuyos elementos son números
reales. Se indican con paréntesis o con corchetes:

Por ejemplo una matriz de dos filas y tres columnas se puede escribir así:A=(320–
241),A∈R2×3A=(320–241),A∈R2×3
En este caso, diremos que el tamaño u orden de AA es 2×32×3.
Matriz columna
Podemos pensar los vectores como casos particulares de
matrices:C=⎛⎜⎝201⎞⎟⎠matrizovectorcolumna,C∈R3×1C=(201)matrizovecto
rcolumna,C∈R3×1
Matriz fila

O también:F=(201)matrizovectorfila,F∈R1×3F=(201)matrizovectorfila,F∈R1×3
Matriz nula

La matriz nula es aquélla cuyos elementos son todos ceros. La simbolizamos con OO.
(En la guía de trabajos prácticos se la designa como NN)
Igualdad de matrices

Dos matrices son iguales si son del mismo orden (tamaño) y sus elementos respectivos
son iguales.A,B∈RmxnA=B⇔aij=bij∀i,jA,B∈RmxnA=B⇔aij=bij∀i,j
Operaciones con matrices
Suma de matrices

Sean A,B∈Rm×nA,B∈Rm×n entonces:A+B=C∈Rm×n|cij=aij+bij∀i,jA+B=C∈Rm×

n|cij=aij+bij∀i,j
Ejemplo

Sean:A=(0–11–232),B=(10–33–12)A=(0–11–232),B=(10–33–12)Entonces la
suma es:A+B=(0–11–232)+(10–33–12)=(1–1–2124)A+B=(0–11–232)+(10–
33–12)=(1–1–2124)
Producto de un escalar por una matriz

Sean A∈Rm×n,k∈RA∈Rm×n,k∈R,
entonces:kA=B∈Rm×n|bij=kaij∀i,jkA=B∈Rm×n|bij=kaij∀i,jPor ejemplo, si A=(0–
11–232)A=(0–11–232) , entonces 3A=(0–33–696)3A=(0–33–696) Cuando k=–
1k=–1, obtenemos la matriz opuesta de A:–A=(–1)A=(01–12–3–2)–A=(–
1)A=(01–12–3–2)Podemos así definir la diferencia (resta) entre dos matrices del
mismo tamaño:A–B=A+(–B)A–B=A+(–B)O sea:A–B=C∈Rm×n|cij=aij–bijA–
B=C∈Rm×n|cij=aij–bij
Ejemplo

Sean las matrices:A=⎛⎜⎝321–145⎞⎟⎠,B=⎛⎜⎝024–153⎞⎟⎠A=(321–

145),B=(024–153)Entonces:2A–B=⎛⎜⎝642–2810⎞⎟⎠–⎛⎜⎝024–
153⎞⎟⎠=⎛⎜⎝62–2–137⎞⎟⎠2A–B=(642–2810)–(024–153)=(62–2–137)
Ejemplo

Hallar X,Y∈R2×2X,Y∈R2×2 tales que:2X–Y=(1004)[1]2X–

Y=(1004)[1]3X+Y=(4501)[2]3X+Y=(4501)[2]
Resolución

Es un sistema de ecuaciones matricial. Las incógnitas son matrices. Podríamos plantear

el sistema escribiendo las matrices
comoX=(x1x2x3x4),Y=(y1y2y3y4)X=(x1x2x3x4),Y=(y1y2y3y4) Pero quedarían 8
ecuaciones con 8 incógnitas. Para facilitar la resolución, podemos recurrir a las
herramientas que utilizamos para resolver sistemas de ecuaciones lineales. Si sumamos
miembro a miembro las ecuaciones
queda:5X=(1004)+(4501)=(5505)5X=(1004)+(4501)=(5505)⇒X=(1101)⇒X=
(1101)Reemplazando en [1][1](2202)–Y=(1004)⇒Y=(120–2)(2202)–
Y=(1004)⇒Y=(120–2)Sugerimos al lector que verifique los resultados obtenidos
reemplazando en [2].
Propiedades de la suma de matrices y del producto por un
escalar

Sean A,B,C∈Rmxnyα,β∈RA,B,C∈Rmxnyα,β∈R. Vimos

que: A+B∈RmxnA+B∈Rmxn y αA∈RmxnαA∈Rmxn. Estas operaciones verifican
las siguientes propiedades:

1. A+B=B+AA+B=B+A
2. (A+B)+C=A+(B+C)(A+B)+C=A+(B+C)
3. A+O=O+A=AA+O=O+A=A
4. A+(–A)=(–A)+A=OA+(–A)=(–A)+A=O
5. α(A+B)=αA+αBα(A+B)=αA+αB
6. (α+β)A=αA+βA(α+β)A=αA+βA
7. α(βA)=(αβ)Aα(βA)=(αβ)A
8. 1A=A1A=A

Puede observarse la analogía entre estas propiedades y las que habíamos enunciado en
la unidad anterior para vectores de R3R3.
Producto de matrices

Intuitivamente podría pensarse que el producto de matrices se obtiene multiplicando los

elementos correspondientes. Sin embargo, esta definición no resulta útil para resolver
problemas que involucren matrices. La experiencia matemática vinculada sobre todo a
los sistemas de ecuaciones lineales, ha motivado la siguiente definición de producto de
matrices. Definiremos primero el producto de una matriz fila por una matriz columna, y
luego generalizaremos.SiA=(a1a2⋯an)∈R1×nyB=⎛⎜
⎜
⎜
⎜⎝b1b2⋮bn⎞⎟
⎟
⎟
⎟⎠∈Rnx1,entonces:SiA=(a1a2⋯an)∈R1×nyB=(b1b2⋮bn)∈Rnx1,entonces:AB
=(a1a2⋯an)⎛⎜
⎜
⎜
⎜⎝b1b2⋮bn⎞⎟
⎟
⎟
⎟⎠=a1b1+a2b2+⋯+anbnAB=(a1a2⋯an)(b1b2⋮bn)=a1b1+a2b2+⋯+anbnObserv
emos la similitud con el producto escalar de vectores.
Sean A∈Rm×nA∈Rm×n y B∈Rn×pB∈Rn×p, o sea se cumple que la cantidad de
columnas de la primera matriz es igual a la cantidad de filas de la segunda:

Entonces el producto es:

Una forma alternativa de expresar el producto

es:AB=C∈Rm×p|cij=n∑k=1aikbkjAB=C∈Rm×p|cij=∑k=1n⁡aikbkj
Ejemplo

Sean,A=(123410),B=⎛⎜⎝1121–
10203⎞⎟⎠A∈R2×3B∈R3×3A=(123410),B=(1121–10203)A∈R2×3B∈R3×3Es
posible calcular A.BA.B porque AA tiene tres columnas y BB tiene tres filas. El
resultado del producto es una matriz de 2×3.2×3.
AB=(1.1+2.1+3.21.1+2.(–1)+3.01.2+2.0+3.34.1+1.1+0.24.1+1.(–
1)+0.04.2+1.0+0.3)=(9–111538)AB=(1.1+2.1+3.21.1+2.(–
1)+3.01.2+2.0+3.34.1+1.1+0.24.1+1.(–1)+0.04.2+1.0+0.3)=(9–111538)No se
puede calcular BABA porque el número de columnas de BB no coincide con el
número de filas de AA.
Ejemplo

P=⎛⎜⎝112130⎞⎟⎠,Q=(32113–1)P=(112130),Q=(32113–
1)PQ∈R3×3,PQ=⎛⎜⎝450771963⎞⎟⎠PQ∈R3×3,PQ=(450771963)QP∈R2×2,
QP=(10544)QP∈R2×2,QP=(10544)O sea que el producto de matrices no es
conmutativo.

Propiedades del producto

En lo que sigue entendemos que las operaciones mencionadas pueden efectuarse.

1) (AB)C=A(BC)(AB)C=A(BC) asociatividad
2) (A+B)C=AC+BC(A+B)C=AC+BC distributividad a derecha
P(Q+R)=PQ+PRP(Q+R)=PQ+PR distributivida a izquierda
3) (kA)B=k(AB)=A(kB),k∈R(kA)B=k(AB)=A(kB),k∈R
4) OA=OyAO=O,OA=OyAO=O, siendo OO la matriz nula
Ejercicio para el lector 1

Sean A∈Rm×n,B,C∈Rn×pA∈Rm×n,B,C∈Rn×p Analizar la validez de cada una de

las siguientes proposiciones:
 1. AB=0⇒A=0∨B=0AB=0⇒A=0∨B=0
2. AB=AC∧A≠0⇒B=CAB=AC∧A≠0⇒B=C

Ejercicio para el lector 2

Un comercio que vende productos de electrónica, paga una comisión a los vendedores y
tiene un beneficio (ganancia) según cada producto. En una tabla se registra el precio de
venta, el beneficio para el comercio, la comisión para el vendedor y el costo del
producto. Además se tiene información sobre las unidades vendidas en diferentes
sucursales. A continuación mostramos dos tablas que resumen esa información para el
mes de agosto 2013:

Precio de venta, beneficio, costo, comisión por producto [AGOSTO 2013]

LED 32′ BA455 LED BX567SmartphoneTablet 10′ Notebook

Costo $ 3.200,00 $ 4.500,00 $ 2.500,00 $ 4.800,00 $ 5.600,00

Comisión $ 200,00 $ 250,00 $ 30,00 $ 40,00 $ 120,00

Beneficio $ 700,00 $ 900,00 $ 200,00 $ 340,00 $ 800,00

Precio de venta $ 4.100,00 $ 5.650,00 $ 2.730,00 $ 5.180,00 $ 6.520,00

Unidades vendidas de cada producto por sucursal [AGOSTO 2013]

Sucursal 1 Sucursal 2 Sucursal 3 Sucursal 4

LED 32′ BA455 23 67 43 4

LED BX567 56 20 32 43

Smartphone 10 65 67 65

Tablet 10′ 45 3 23 76

Notebook 67 65 43 80

Si AA y BB son las matrices correspondientes a estas tablas: a) Calcular e interpretar el

producto ABAB. ¿Cuál es la sucursal que obtuvo la máxima ganancia? b) ¿Se puede
calcular BABA? ¿Tiene interpretación práctica BABA? Nota: hacer el producto de
matrices de órdenes grandes puede implicar demasiado trabajo de cálculo. En estos
casos se puede utilizar la ayuda de calculadoras o de un software. En el siguiente link
hay un tutorial para hacer cálculos entre matrices con wxMaxima. (Descarga de
wxMaxima)
Traspuesta de una matriz

La traspuesta de una matriz A∈Rm×nA∈Rm×n, que indicamos como AtAt, es la

matriz de n×mn×mque se obtiene a partir de AA cambiando las filas por las columnas.
Ejemplo

Si A=(123456)A=(123456) ∈R2×3∈R2×3 , entonces su traspuesta

es: At=⎛⎜⎝142536⎞⎟⎠At=(142536) ∈R3×2∈R3×2

Propiedades de la trasposición
1) (A+B)t=At+Bt(A+B)t=At+Bt
2) (kA)t=kAt,k∈R(kA)t=kAt,k∈R
3) (At)t=A(At)t=A
4) (AB)t=BtAt(AB)t=BtAt
Ejemplo

Sean A=(123456),B=⎛⎜⎝11001–1121⎞⎟⎠A=(123456),B=(11001–1121)
Calculemos:

a) (AB)t(AB)t
b) AtBtAtBt
c) BtAtBtAt
Resolución

Ítem a

Calculamos ABAB y luego trasponemos:

(AB)t=⎛⎜⎝41092111⎞⎟⎠(AB)t=(41092111)
Ítem b

Trasponemos y luego hacemos el producto:

Como no coinciden el número de columnas de AtAt con el número de filas de BtBt, no

se puede hacer el producto.
Ítem c

BtAt=⎛⎜⎝1011120–
11⎞⎟⎠⎛⎜⎝142536⎞⎟⎠=⎛⎜⎝41092111⎞⎟⎠BtAt=(1011120–
11)(142536)=(41092111)
En este ejemplo verificamos la propiedad enunciada: (AB)t(AB)t = BtAtBtAt
Matrices cuadradas
Una matriz cuadrada es aquélla que tiene igual número de filas y de columnas.
Denominamos RnxnRnxn al conjunto de matrices cuadradas de orden n (n filas
y n columnas).
La diagonal principal de una matriz cuadrada está formada por los elementos aiiaii.
Matriz identidad

La matriz identidad, que simbolizamos con II, es una matriz cuadrada con unos en la
diagonal principal y ceros en todos los demás
elementos.I2=(1001)I2=(1001)I3=⎛⎜⎝100010001⎞⎟⎠I3=(100010001)In=⎛
⎜
⎜
⎜
⎜
⎜
⎜
⎜⎝100⋯0010⋯0001⋯0⋮⋮⋮⋱⋮000⋯1⎞⎟
⎟
⎟
⎟
⎟
⎟
⎟⎠In=(100⋯0010⋯0001⋯0⋮⋮⋮⋱⋮000⋯1)
Propiedad: La matriz identidad es el elemento neutro para el producto de matrices
cuadradas. Se comporta como el 1 para los números reales.

Lo mostramos para matrices 2×22×2:

(abcd)(1001)=(abcd)(abcd)(1001)=(abcd)(1001)(abcd)=(abcd)(1001)(abcd)=(
abcd)
A.I=I.A=AA.I=I.A=A
Matriz inversa

En el conjunto de los números reales existe el inverso multiplicativo para todo número
real distinto de cero. Dado un número real aa distinto de cero, bb es su inverso
multiplicativo si y solo si a.b=1a.b=1.
A continuación definiremos el inverso multiplicativo para matrices cuadradas.

Se dice que A∈Rn×nA∈Rn×n es inversible si y sólo si existe una

matriz B∈Rn×nB∈Rn×n tal que:
AB=BA=IAB=BA=I
Ejemplo

Analizar si las siguientes matrices son inversibles:A=(31–3–1)A=(31–3–

1)P=(3121)P=(3121)¿∃B∈R2×2|AB=I∃B∈R2×2|AB=I?(31–3–
1)(abcd)=(1001)⇒⎧⎪
⎪
⎪⎨⎪
⎪
⎪⎩3a+c=13b+d=0–3a–c=0–3b–d=1(31–3–
1)(abcd)=(1001)⇒{3a+c=13b+d=0–3a–c=0–3b–
d=1⇒1=0Sistemaincompatible⇒1=0Sistemaincompatible
Como llegamos a una contradicción, la matriz AA no es inversible.
Observación: el único número real no inversible es el cero; pero en Rn×nRn×n vemos
que existen matrices no nulas que no tienen inversa.
Con la matriz PP:
¿∃Q∈R2×2|PQ=I∃Q∈R2×2|PQ=I?(3121)(abcd)=(1001)⇒⎧⎪
⎪
⎪⎨⎪
⎪
⎪⎩3a+c=13b+d=02a+c=02b+d=1⇒a=1,b=–1,c=–
2,d=3(3121)(abcd)=(1001)⇒{3a+c=13b+d=02a+c=02b+d=1⇒a=1,b=–1,c=–
2,d=3Q=(1–1–23)Q=(1–1–23)
Les proponemos verificar que QP=IQP=I.
Entonces PP es inversible, y QQ se denomina inversa de PP.
La notación es:

Q=P–1Q=P–1
Entonces:

P.P−1=P−1.P=IP.P−1=P−1.P=I
Más adelante analizaremos qué condición debe cumplir una matriz para ser inversible.
Observación:
Sean A,B∈Rn×nA,B∈Rn×n entonces:AB=I⇔BA=I[1]AB=I⇔BA=I[1]O sea:
para matrices cuadradas, si encontramos BB tal que AB=IAB=I , podemos afirmar
que BB es la inversa de AA.

Propiedades de la inversión de matrices

Sean A,B∈RnxnA,B∈Rnxninversibles Entonces:

1) ABAB es inversible y su inversa es: (AB)−1=B−1A−1(AB)−1=B−1A−1
Esto significa que la inversa de ABAB es B–1A–1B–1A–1.
Para demostrar esta propiedad, veamos que: (AB)(B–1A–1)=I(AB)(B–1A–1)=I
Como el producto de matrices es asociativo, resulta:

(AB)(B–1A–1)=A(BB–1)A–1=AIA–1=AA–1=I(AB)(B–1A–1)=A(BB–1)A–
1=AIA–1=AA–1=I
El lector puede comprobar que: (B–1A–1)(AB)=I(B–1A–1)(AB)=I
Hemos demostrado que el producto de matrices inversibles es inversible.
¿Ocurre lo mismo con la suma de matrices inversibles?

2) (kA)–1=1kA–1(k≠0)(kA)–1=1kA–1(k≠0)
3) (At)–1=(A–1)t(At)–1=(A–1)t
Dejamos las demostraciones a cargo del lector.

Potencias de una matriz cuadrada

Sea A∈Rn×nA∈Rn×n.
Es posible definir potencias de AA como sigue:
A2=AAA2=AA
A3=AAAA3=AAA

Ejemplo

A=(1234)A=(1234)A2=AA=(1234)(1234)=(7101522)A2=AA=(1234)(1234)=
(7101522)
Ejercicio para el lector 3

En una ciudad hay tres empresas de telefonía celular (A, B y C) que controlan el
mercado.

Inicialmente cada empresa tiene una fracción de la clientela que

denominaremos a0a0, b0b0 y c0c0.
Entonces resulta: a0+b0+c0=1a0+b0+c0=1 (no hay otras empresas)

La figura resume el porcentaje de clientes que cambian de empresa durante un período

de seis meses.
Este modelo matemático se basa en los siguientes supuestos:

– El porcentaje de cambio entre las empresas se mantiene constante con el tiempo.

– Los clientes seguirán siendo consumidores de una de estas tres empresas.

– No se incorporan nuevos clientes al sistema.

Llamemos X0=⎛⎜⎝a0b0c0⎞⎟⎠X0=(a0b0c0) al vector de estado inicial,

y X1=⎛⎜⎝a1b1c1⎞⎟⎠X1=(a1b1c1) al vector que indica la fracción de la clientela
que corresponde a cada empresa al cabo de un semestre.
Veamos cómo puede obtenerse X1X1 a partir de X0X0 .
De acuerdo con la figura, podemos deducir que al cabo de un período (semestre) la
empresa A conservará 70% de su clientela propia.

¿Qué porcentaje de su clientela conservarán las empresas B y C al cabo de un semestre?

Según los datos, finalizado el 1º semestre la fracción de la clientela que tiene A puede
obtenerse así:

0,70a0+0,10b0+0,10c0=a10,70a0+0,10b0+0,10c0=a1
¿Qué ecuaciones permiten obtener b1b1 y c1c1?
Resulta entonces el siguiente
sistema:⎧⎪⎨⎪⎩0,70a0+0,10b0+0,10c0=a10,15a0+0,85b0+0,10c0=b10,15a0+0,0
5b0+0,80c0=c1{0,70a0+0,10b0+0,10c0=a10,15a0+0,85b0+0,10c0=b10,15a0+
0,05b0+0,80c0=c1
El lector puede comprobar que este sistema puede expresarse mediante un producto de
matrices como sigue:

⎛⎜⎝0,700,100,100,150,850,100,150,050,80⎞⎟⎠⎛⎜⎝a0b0c0⎞⎟⎠=⎛⎜⎝a1b
1c1⎞⎟⎠(0,700,100,100,150,850,100,150,050,80)(a0b0c0)=(a1b1c1)
O sea:MX0=X1[1]MX0=X1[1]
La matriz M∈R3×3M∈R3×3 , que caracteriza la evolución del sistema, se
denomina matriz de transición.
¿Qué características presenta esta matriz de transición?

1) Todos sus elementos son números reales comprendidos entre 0 y 1.

2) La suma de los elementos de cada columna es 1.

Las matrices cuadradas que cumplen estas dos condiciones se denominan matrices
estocásticas o matrices de probabilidad.
Como la matriz de transición se mantiene para el 2º período, la fracción de clientes para
el tiempo t=2t=2 puede calcularse como:
MX1=X2[2]MX1=X2[2]
De [1] y [2] se deduce que: X2=M2X0X2=M2X0
Si los porcentajes de cambio de clientela no cambian en los períodos siguientes,
entonces MM no cambia cuando se pasa del estado (n–1(n–1) al estado nn.
Por lo tanto:

O sea, para obtener cómo se distribuyen los clientes luego de nn períodos, podemos
proceder así:
Xn=MnX0Xn=MnX0
Suponiendo que inicialmente las tres empresas se reparten por partes iguales la
clientela, les pedimos que calculen (usando wxMaxima) cómo resulta la distribución de
clientes:

1. Al cabo de 3 años.
2. Al cabo de 10 años
3. Al cabo de 15 años

Observen luego de hacer los cálculos que en la medida en que el tiempo pasa, las cuotas
de mercado de las empresas tienden a estabilizarse.

4. Responder las mismas preguntas suponiendo que inicialmente las cuotas de mercado
de las empresas A, B y C son respectivamente: 0,5 , 0,35 y 0,15.

5. ¿Se produce el mismo fenómeno de estabilización en este caso?

Matrices cuadradas especiales

Matriz simétrica

A∈Rn×nA∈Rn×n es simétrica si y sólo si A=AtA=At

O sea:

aij=ajiaij=aji
Las condiciones para que una matriz de orden tres sea simétrica son:

⎧⎪⎨⎪⎩a21=a12a31=a13a32=a23{a21=a12a31=a13a32=a23
Entonces la forma de una matriz simétrica de orden tres
es:A=⎛⎜⎝abcbdecef⎞⎟⎠A=(abcbdecef)Por
ejemploA=⎛⎜⎝231305151⎞⎟⎠=AtA=(231305151)=At

Matrices antisimétricas

A∈Rn×nA∈Rn×n es antisimétrica si y sólo si A=–AtA=–At

O sea:

aij=–ajiaij=–aji
Veamos qué pasa con los elementos de la diagonal principal.

Sii=ji=j debería seraii=–aiiaii=–aii , pero el único número que es el opuesto de sí

mismo es el cero. Por lo tanto, la diagonal principal está formada por ceros.
Las condiciones para que una matriz de orden tres sea antisimétrica son:

⎧⎪
⎪
⎪⎨⎪
⎪
⎪⎩a11=a22=a33=0a21=–a12a31=–a13a32=–a23{a11=a22=a33=0a21=–a12a31=–
a13a32=–a23
Entonces la forma de una matriz antisimétrica de orden tres es:

A=⎛⎜⎝0ab–a0c–b–c0⎞⎟⎠A=(0ab–a0c–b–c0)
Por ejemplo:

A=⎛⎜⎝0–34300–400⎞⎟⎠=–AtA=(0–34300–400)=–At
Ejercicio para el lector 4

Sea A∈Rn×nA∈Rn×n

1. Probar que A+AtA+At es simétrica

2. Probar que A–AtA–At es antisimétrica

Observemos que:
Entonces: toda matriz cuadrada puede expresarse como la suma de una simétrica y
una antisimétrica.

¿Cómo se expresa A=(3–482)A=(3–482) como suma de una matriz simétrica y una

antisimétrica?

Matrices triangulares

A∈Rn×nA∈Rn×n es una matriz triangular superior cuando los elementos debajo de la

diagonal principal son
ceros:A=⎛⎜⎝abc0de00f⎞⎟⎠A=(abc0de00f)Sii>j⇒aij=0Sii>j⇒aij=0B∈Rn×n
B∈Rn×n es una matriz triangular inferior cuando los elementos por encima de la
diagonal principal son
ceros:B=⎛⎜⎝a00bc0def⎞⎟⎠B=(a00bc0def)Sii<j⇒aij=0Sii<j⇒aij=0

Matrices diagonales

Una matriz DD es diagonal si es triangular superior e inferior:

D∈Rn×nD∈Rn×n diagonal ⇔aij=0∀i≠j⇔aij=0∀i≠j
La forma de una matriz diagonal de orden tres
es:D=⎛⎜⎝a000b000c⎞⎟⎠D=(a000b000c)Veamos qué característica especial
presentan las potencias de una matriz
diagonal:D2=D.D=⎛⎜⎝a000b000c⎞⎟⎠.⎛⎜⎝a000b000c⎞⎟⎠=⎛⎜⎝a2000b2
000c2⎞⎟⎠D2=D.D=(a000b000c).(a000b000c)=(a2000b2000c2)D3=D.D.D=
⎛⎜⎝a2000b2000c2⎞⎟⎠.⎛⎜⎝a000b000c⎞⎟⎠=⎛⎜⎝a3000b3000c3⎞⎟⎠D3
=D.D.D=(a2000b2000c2).(a000b000c)=(a3000b3000c3)En
general:Dk=⎛⎜⎝ak000bk000ck⎞⎟⎠,k∈NDk=(ak000bk000ck),k∈N

Matrices escalares

Una matriz escalar es una matriz diagonal en la cual todos los elementos de la diagonal
principal son iguales.

Las matrices escalares de orden 3 tienen esta forma:

E=⎛⎜⎝k000k000k⎞⎟⎠,k∈RE=(k000k000k),k∈R
E∈Rn×nesescalar⇔E=kI,k∈RE∈Rn×nesescalar⇔E=kI,k∈R
 Matrices ortogonales

Una matriz cuadrada es ortogonal cuando su traspuesta coincide con su inversa:

A∈Rn×nA∈Rn×n es ortogonal ⇔At=A–1⇔AAt=I∧AtA=I⇔At=A–

1⇔AAt=I∧AtA=I
Por ejemplo las siguientes matrices son ortogonales:

A=⎛⎜⎝1√ 2 –1√ 2 1√ 2 1√ 2 ⎞⎟⎠,B=⎛⎜⎝1√ 10 3√ 10 3√ 10 –1√ 10 ⎞⎟⎠A=(12–

121212),B=(110310310–110)
Dejamos a cargo del lector verificar que las matrices cumplen la definición.

Observemos que las columnas de AA y de BB son vectores ortogonales y de

módulo 11. Ésta es la característica que distingue a las matrices ortogonales.
[promedio] ([porcentaje]) 19votos
Artículos relacionados:

 Diagonalización ortogonal de matrices simétricas

 Potencias de una matriz diagonalizable
 Diagonalización de una matriz
 Rango y sistemas de ecuaciones lineales
 Composición e inversa de transformaciones lineales
 Matrices semejantes

Share
Tweet
0Pin
0Share

ARCHIVADA EN: MATRICES Y DETERMINANTES, PARTE 1

Interacciones del lector

Comentarios

1. noelia dice
25 septiembre, 2017 en 11:34 pm
 segun la condiciones de matrices ortogonales: que sus vectores son
ortogonales entre si… y que la inversa coincide con la transpuesta. puedo decir
que como la condición de transpuesta coincide con la matriz… la matriz ( que
seria la transpuesta) por la transpuesta es igual a la identidad; ya que la matriz
también es igual a la inversa.
O viceversa.

Responder

2. noelia dice
25 septiembre, 2017 en 11:56 pm

segun una de las propiedades de transposicion: / si hago la transpuesta de la

transpuesta es igual la matriz… puedo decir que la inversa de la inversa es la
matriz?

Responder

o noelia dice
26 septiembre, 2017 en 12:17 am

disculpa; ya intente demostrarlo pero no es lo que dije; solo lo cumple con

la transpuesta.

Responder

3. noelia dice
26 septiembre, 2017 en 12:19 am

las matrices singulares no tienen inversas; en cambio las regulares si tienen

inversa.

Responder

4. noelia dice
26 septiembre, 2017 en 12:45 am
me pide demostrar que la suma de la simetrica y la antisimetrica es la matriz
A=fila 1 (3 -4) y la fila 2 (8 2)
yo hice que la simetrica es f1 (a b) y f2 (b c) mas la antisimetrica que es f1 ( 0
d) y f2 ( -d 0) y la iguale a la matriz A. me quedaron 4 ecuaciones con 5
incognitas. al resolverlas la simetrica me dio f1 ( 3 2) y la f2 (2 2) y la
antisimetrica es f1( 0 -6) y la f2 ( 6 0).
mi pregunta seria que si esta bien que en la incognita de la antisimetrica ponga
” d” y no “b”?
porque lo hice con b y me dio absurdo (SI).
gracias.