Uso de lyx 2

Clasicacion de grafos y Matrices

Lizbeth Martinez de la Luz
24 de octubre de 2019

INTROUCCION
En este presente trabajo se presentara una gran gama de las principales
clasicaciones de las matrices, empesaremos por dar una breve informacion de
que es un grafo y sus clasicasiones. Las 30 matrices que se presentaran son las
principales las cuales debemos tener mayor conocimiento. Una matriz es una
tabla bidimensional de números en cantidades abstractas que pueden sumarse
y multiplicarse. Las matrices se utilizan para describir sistemas de ecuaciones
lineales, y registrar los datos que dependen de varios parámetros. Las matrices se
describen en el campo de la teoría de matrices. Pueden descomponerse de varias
formas.Una matriz es una tabla cuadrada o rectangular de datos (llamados
elementos) ordenados en las y columnas, donde una la es cada una de las líneas
horizontales de la matriz y una columna es cada una de las líneas verticales. A

Ö
una matriz con m las y n columnas se le denomina matriz m-por-n (escrito
m n), y a m y n dimensiones de la matriz.

OBJETIVO
Como objetivo tenemos el denir que es un grafo y sus operaciones ademas
de dominar las formas matriciales para poder desarrollar un lenguaje algebraico
mas amplio que nos ayudara en materias futuras de la ingenieria.

GRAFO

Un grafo es una composición de un conjunto de objetos conocidos como

nodos que se relacionan con otros nodos a través de un conjunto de conexiones
conocidas como aristas. Sus características permiten un sinfín de posibilidades en
análisis y soluciones de datos a nivel empresarial, es por esto que es importante
sumergirse en estos conceptos y ver cómo podemos sacarle el mayor provecho. El
número de vértices que componen al grafo, son las que conocemos como orden.

1
Existe también el concepto de grado que se corresponde al número de arcos al
que pertenecen de forma externa y en cuanto a las aristas también conseguimos
el concepto de bucle que no es más que una arista relacionada de diversas formas
con el mismo nodo.

Grafo dirigido:

Un grafo dirigido conocido también como dígrafo consta de un conjunto de

vértices y aristas donde cada arista se asocia de forma unidireccional a través
de una echa con otro.
Las aristas dependiendo de su salida o ingreso reciben la calicación de
entrante o saliente, la condición común, es que siempre tienen un destino hacia
un nodo.

Grafo no dirigido:

Los grafos no dirigidos son aquellos que constan un conjunto de vértices que
están conectados a un conjunto de aristas de forma no direccional.
Esto signica que una arista puede indistintamente recorrerse desde cual-
quiera de sus puntos y en cualquier dirección.

Grafos etiquetados:

Esta clasicación es denominada como grafos etiquetados o grafos dirigidos

con pesos. Este tipo de grafos concentran aristas que pueden poseer información
adicional donde podemos reejar nombres, costos, valores u otros datos.
Estos grafos también son denominados como redes de actividad y el núme-
ro asociado al arco, se le denomina factor de peso. Este grafo es el que más
comúnmente utilizamos para representar situaciones de la vida real.

Propiedades principales de los grafos:

Adyacencia:

Dos aristas son adyacentes si tienen un vértice en común, y dos vértices son
adyacentes si una arista los une. Incidencia
Una arista es incidente a un vértice si ésta lo une a otro.

Ponderación:

Corresponde a una función que a cada arista le asocia un valor, para aumen-
tar la expresividad del modelo.

Etiquetado:

Distinción que se hace a los vértices y/o aristas mediante una marca que los
hace unívocamente distinguibles del resto.

2
Clasicacion de Matrices
1. Matriz Inversa Multiplicativa
· ·
El producto de una matriz por su inversa es igual al matriz identidad.
A A−1 = A−1 A = I
Se puede calcular la matriz inversa por dos métodos:
1º Cálculo por determinantes
1 t
A−1 = (A∗ ) en donde A−1 = Matriz inversa, |A| =determinate de la
|A|
∗ t
matriz,(A ) =Matriz traspuesta de la adjunta
Por ejemplo:
 
2 0 1
A = 3 0 0
5 1 1
1. Calculamos el determinante de la matriz, en el caso que el determinante
sea nulo la matriz
 no tendrá inversa.
2 0 1

A = 3 0 0 = 3
5 1 1
2. Hallamos la matriz adjunta, que es aquella en la que cada elemento se
sustituye por su adjunto.
     

0 0
 − 3 0 3 0
   

 1 1 5 1 5 1   
   
 0 1 2 1
   0 −3 3
 − 2 0 = 1 −3
 
A∗ =  −   
 1 1 5 1 −2
  5 1 
 
 
 0 1
 
2 1 2 0  0 3 0
  −   
0 0 3 0 3 0
3. Calculamos la traspuesta de la matriz adjunta.
 
0 1 0
t
(A∗ ) = −3 −3 3
3 −2 0
4.-La matriz inversa es igual al inverso del valor de su determinante por la
matriz traspuesta de la adjunta.
 1 

0 1 0
 0 0
 3 
A−1 = 31 −3 −3 −1
3 =  −1 1
2

3 −2 0 1 − 0
3
2º. Cálculo de la matriz inversa por el método de Gauss:
Sea A una matriz cuadrada de orden n. Para calcular la matriz inversa de

º
A, que denotaremos como A-1, seguiremos los siguientes pasos:
1 Construir una matriz del tipo M = (A | I), es decir, A está en la mitad
izquierda de M y la matriz identidad I en la derecha.
Consideremos una matriz 3x3 arbitraria

3
  
1 1 0
A = 1 0 1
0 1 0
La ampliamos con la matriz identidad de orden 3.
.
 
.
1 1 0 . 1 0 0
.
.
 
1 0 1 . 0 1 0
 
.
.
0 1 0 0 0 1
º
.
2 Utilizando el método Gauss vamos a transformar la mitad izquierda, A,
en la matriz identidad, que ahora está a la derecha, y la matriz que resulte en
el lado derecho será la matriz inversa: A−1
2 − F1
F
.

.
1 1 0 . 1 0 0
.
.
 
0 −1 1 . −1 1 0
 
.
.
0 1 0 . 0 0 1
F
 + F2
3
.

.
1 1 0 . 1 0 0
.
.
 
0 −1 1 . −1 1 0
 
.
.
0 0 1 . −1 1 1
2 − F3
F
. .
  
. .
1 1 0 1 0 0 .
1 0 0 . 1 0 −1
.  F1 +F2  .  (−1)F2
0 −1 0 . 0 0 −1 −−−−→ 0
. . −−−−→

   −1 0 . 0 0 −1

. .
. .
0 0 1 . −1 1 1 0 0 1 . −1 1 1
.
 
.
1 0 0 . 1 0 −1
.
0 1 0 .. 0 0 1 
 
 
.
0 0 1 .. −1 1 1
La matriz
 inversa es:
1 0 −1
A−1 =  0 0 1 
−1 1 1
Propiedades de la matriz inversa
−1
(A · B) = B −1 · A−1

−1
A−1 =A
−1
(K · B) = K −1 · A−1
−1
t
(At ) = A−1

4
2. Matriz triangular inferior
En una matriz triangular inferior los elementos situados por encima de la
diagonal principal son ceros, si a aij = 0 para i < j .
Por ejemplo,
  
2 0 0 1 0  
1 2 0,1 1 0
1 ,
1 1
3 5 6 2 1
PROPIEDADES

La matriz traspuesta de una triangular superior es triangular inferior y

viceversa

Si la matriz es cuadrada, su determinante es el producto de los elementos

de la diagonal. Por tanto, es regular si, y sólo si, los elementos de la
diagonal
 son distintos de 0.Por ejemplo,
1 1 1

0
 2 1 = 1 ∗ 2 ∗ 3 = 6
0 0 3

La inversa de una matriz triangular superior (inferior) es una matriz trian-

gular superior (inferior).Por ejemplo,
 2  
1 1 1 1 3 5
0 2 1 = 0 4 5
0 0 3 0 0 9

Los autovalores (valores propios) de una matriz cuadrada triangular son

los elementos de la diagonal.

3. Matriz Triangular Superior

Una Matriz Triangular Superior es aquella matriz cuadrada cuyos valores
por debajo de la diagonal principal son todos iguales a 0
Las matrices triangulares superiores tienen las siguientes propiedades:
•Son matrices cuadradas.
•Es utilizada para resolver sistemas de ecuaciones lineales, cálculo de matriz
inversa, determinantes, etc.

ejemplo 1

 
2 2 2 2
 0 2 2 2 
A = 
 0

0 2 0 
0 0 2 2

5
ejemplo 2

 
1 3 1 2
 0 2 3 1 
A=
 0

0 1 3 
0 0 0 2

4. Matriz de Potencia
La Potencia n-ésima de una Matriz consiste en el producto de dicha matriz
consigo misma n veces:
sea n ∈ N −→ An = A.A....n veces A
"Sea n un número natural (entero positivo), entonces la potencia n-ésima de
la matriz A es igual al producto de sí misma n veces"

·
Sólo podemos calcular potencias de matrices cuadradas.
Por ejemplo, la potencia A2 es el producto de matrices A A, lo que exige
que A tiene que ser cuadrada.

ejemplo 1

 
1 0 1
A =  0 3 0 
0 0 0
    
1 0 1 1 0 1 1 0 1
A2 =  0 3 0  0 3 0 = 0 9 0 
0 0 0 0 0 0 0 0 0
    
1 0 1 1 0 1 1 0 1
A3 =  0 3 0  0 9 0 = 0 27 0 
0 0 0 0 0 0 0 0 0
 
1 0 1
AK =  0 3K 0 
0 0 0

6
ejemplo 2

 
1 2
A=
3 0
  
2 1 2 1 2
A
3 0 3 0
     
1.1 + 2.3 1.2 + 2.0 1+6 2+0 7 2
= = =
3.1 + 0.3 3.2 + 0.0 3+0 6+0 3 6
  
3 1 2 7 2
A
3 0 3 6
     
1.7 + 2.3 1.2 + 2.6 7+6 2 + 12 13 14
= = = =
3.7 + 0.3 3.2 + 0.6 21 + 0 6+0 21 6

5. Matriz Simetrica
Una matriz es simétrica si es una matriz cuadrada, la cual tiene la caracte-
rística de ser igual a su traspuesta.

ejemplo 1

Ejemplo para n=3

Es simétrica, si es una matriz cuadrada (m = n) y aij = aij para todo
i, jcon i, j = 1, 2, 3, 4, ..., n. Nótese que la simetría es respecto a la diagonal
principal.

 
−8 −1 3
 −1 7 4 
3 4 9
Propiedades:
•La suma de dos matrices simétricas es una matriz simétrica.
•El producto de dos matrices simétricas no siempre es simétrico.
•Si A es una matriz simétrica pxp y B es una matriz pxq, entonces B T AB
es simétrica.
Uno de los teoremas básicos que concierne este tipo de matrices es el teorema
espectral de dimensión nita, que dice que toda matriz simétrica cuyos elementos
sean reales es diagonalizable. En particular, es diagonalizable mediante una
matriz ortogonal.

ejemplo 2

 
1 9 3
A= 9 2 −1 
3 −1 5

7
6. Matriz Por Bloques
En ocasiones, es particularmente útil descomponer matrices con un gran
número de las o columnas en otras más pequeñas, a veces solamente para
ahorrar espacio y a veces por la importante ventaja de que permite resolver
problemas más pequeños que el original de manera más sencilla. Estas subma-
trices se denominan bloques, se denotan por Aij y se construyen trazando rectas
verticales y horizontales imaginarias entre las 12 las y columnas de A:

ejemplo 1

 
0 2 −3 4
A =  8 −4 0 1 =
3 2 −3 0
|4
 0 2 −3

 
A11 A12
A =  8 −4 0 |1 =
A21 A22
3 2 −3 |0

 
4 2 6 3
 0 2 −1 −3 
B = 
 −2
=
2 0 1 
2 −1 3 6
 
4 |2 6 3  
 0 |2 −1 −3  B11 B12
B = 
 −2
=
|2 0 1  B21 B22
2 | −1 3 6
por bloques como sigue

 
  14 | −6 10 15
A11 B11 + A12 B21 | A11 B12 + A12 B22
AB = =  34 |7 55 42 
A21 B11 + A22 B21 | A21 B12 + A22 B22
18 |4 16 0

ejemplo 2

sean

   
1 2 3 1 1 5 6 1
 2 3 1 1   1 1 1 1 
A=
 3
B =  
3 1 1   0 1 1 1 
3 1 0 1 1 2 1 1
Podemos obtener bloques en A trazando lineas horizontales y verticales al
azar que separen sus las y columnas:

8
  
1| 2 3 |1
 2| 3 1 |1 
A=
 
3| 3 1 |1 
3| 1 0 |1
Si trazamos en B líneas horizontales "cuidadosamente" separando sus las,
y verticales al azar separando sus columnas:

 1 5 6 |1 
 1 1 1 |1 
B= 
 0 1 1 |1 
|
1 2 1 1
obtenemos bloques en B que son pre-multiplicables por los de A:

     
2 3 1 1
A21 =  3  A22 =  3 1  A23  1 
3 1 0 1
B11 = (1 5 6) B12 = (1)
   
1 1 1 1
B21 = B22 =
0 1 1 1


B31 = 1 2 1 B32 = (1)

 
A11 B11 + A12 B21 + A13 B31 A11 B12 + A12 B22 + A13 B32
AB =
A21 B11 + A22 B21 + A23 B31 A21 B12 + A22 B22 + A23 B32

7. Matriz Identidad
es una matriz que cumple la propiedad de ser el elemento neutro del pro-
ducto de matrices. Esto quiere decir que el producto de cualquier matriz por la
matriz identidad (donde dicho producto esté denido) no tiene ningún efecto.
La columna i-ésima de una matriz identidad es el vector unitario ei de una base
vectorial inmersa en un espacio Euclídeo de dimensión n. Toda matriz represen-
ta una aplicación lineal entre dos espacios vectoriales de dimensión nita. La
matriz identidad se llama así porque representa a la aplicación identidad que
va de un espacio vectorial de dimensión nita a sí mismo.Como el producto de
matrices sólo tiene sentido si sus dimensiones son compatibles, existen innitas
matrices identidad dependiendo de las dimensiones. In la matriz identidad se
dene como de las entradas de la diagonal principal:

ejemplo 1

 
1 0
I1 = (1), I2 =
0 1

9
  
1 0 0
I3 =  0 1 0 
0 0 1
 
1 0 0 0
 0 1 0 0 
I4 = 
 0 0 1 0 


0 0 0 1
Es decir, la matriz identidad es la matriz cuadrara A=(aij )con aij = 1si
i=j y aij =0 si i 6= j

8. Matriz Diagonal
una matriz diagonal es una matriz cuadrada en que las entradas de la matriz
diagonal son todas nulas salvo en la diagonal principal
Toda matriz diagonal es también una matriz simétrica, triangular (superior
e inferior) y (si las entradas provienen del cuerpo R o C) normal.

ejemplo 1

  
1 0 −6 0
A = A=
0 2 0 1
   
1 0 0 1 0 0
A =  0 1 0  A= 0 2 0 
0 0 1 0 0 3

ejemplo 2

 
1 0
A=
0 1
 
3 0 0
B= 0 2 0 
0 0 5
 
2 0 0
C=
0 2 0
La matriz identidad es una matriz diagonal
normalmente se escriben indicando su diagonal. Por ejemplo, mas matrices
anteriores son:

10
 A = Diag(1, 2)
B = Diag(3, 2, 5)
C = Diag(2, 2)

A = Diag((1, 2) , 2 ∗ 2)
B = Diag((3, 2, 5) , 3 ∗ 3)
C = Diag((2, 2, 2) , 2 ∗ 3)
Propiedades de la Matriz Diagonal:
Las matrices diagonales presentan las siguientes propiedades:
•Son matrices cuadradas
•Son matrices simétricas

9. Matriz Vertical
Denición de Matriz Vertical:
Una Matriz Vertical es aquella matriz que tiene mayor número de las que
de columnas.
Las matrices verticales son un tipo de matrices rectangulares (matrices que
tienen distinto número de las que de columnas).
Por otro lado, las matrices horizontales son aquellas que tienen mayor número
de columnas que de las.

ejemplo 1

 
1 0
A= 0 1 
3 4

ejemplo 2

 
2
A=
0

ejemplo 3

 
1 0 7
 0 1 −2 
A=
 2

0 1 
0 1 5

11
ejemplo 4

 
1 2
 0 3 
A=
 0

1 
1 0

10. Matriz Permutacion

La matriz permutación es la matriz cuadrada con todos sus n Ö n elementos
iguales a 0, excepto uno cualquiera por cada la y columna, el cual debe ser igual
a 1. De acuerdo a esta denición existen n! matrices de permutación distintas,
de las cuales una mitad corresponde a matrices de permutación par (con el
determinante igual a 1) y la otra mitad a matrices de permutación impar (con
el determinante igual a -1).
Para n = 3 se tiene:
Matrices de permutacion par

   
1 0 0 0 0 1 0 1 0
 0 1 0  1 0 0  0 0 1 
0 0 1 0 1 0 1 0 0
Matrices de permutacion impar:

   
0 0 1 0 1 0 1 0 0
 0 1 0  1 0 0  0 0 1 
1 0 0 0 0 1 0 1 0
Puede notarse que las matrices de permutación conforman un grupo de orden
n! respecto al producto.
Propiedades:
La representación de las columnas de una matriz permutación se utiliza a lo
largo de esta sección, salvo que se indique lo contrario.
Multiplicando Pπ veces un vector columna g permutará las las del vector:

    
eπ (1) g1 gπ (1)
 eπ (2)   g2   gπ (2) 
P πg =    ..  = 
    
. .
. .

 .  .   . 
eπ (n) gn gπ (n)

12
ejemplo 1

      
0 0 1 0 0 v1 v3 vp(1)

 1 0 0 0 0 
 v2  
  v1  
  vp(2) 

pv = 
 0 0 0 0 1 
 v3 =
  v5 =
  vp(3) 

 0 0 0 1 0  v4   v4   vp(4) 
0 1 0 0 0 v5 v2 vp(5)

ejemplo 2

   
−7 4
P3,1,2  3  =  −7 
4 3
   
−1 1
 0   −1 
   
P 4, 1, 5, 3, 2 
 6 
 = 3 

 1   6 
3 0

11. Matriz involutiva

En matemáticas, una matriz involutiva es una matriz cuadrada (tiene igual

²
número de las que de columnas) que es su propia inversa. Es decir, la multipli-
cación por la matriz A es una involución si y sólo si A = I. Esto es simplemente
una consecuencia del hecho de que cualquier matriz no singular multiplicada por
su inversa es la identidad.
EJEMPLOS
   
1 0 0 1 0 0
I = 0 1 0 ; I −1 = 0 1 0
0 0 1  0 0 1 
1 0 0 1 0 0
R = 0 0 1 ; R−1 = 0 0 1
0 1 0  0 
1 0 
+1 0 0 +1 0 0
S =  0 −1 0  ; S −1 =  0 −1 0
0 0 −1 0 0 −1
Donde

I es una matriz identidad (la cual es involutiva por defecto);

R es una matriz identidad con un par de las intercambiadas;

S es una matriz diagonal cuyos elementos en su diagonal son ± 1.

Propiedades de la Matriz Involutiva:

Las matrices involutivas presentan las siguientes propiedades:

13
 Son matrices cuadradas

Son inversas de sí mismas

Otros Tipos de Matrices: Matriz Antisimétrica: matriz que es igual a su

traspuesta cambiada de signo (A = −AT )

12. Matriz antisimetrica

Una Matriz Antisimétrica (o Hemisimétrica) es aquella matriz cuadrada que
es igual a su traspuesta cambiada de signo: A es antisimétrica ⇔ A = -AT Nota:
recordemos que una matriz traspuesta es el resultado de intercambiar los valores
de las las por los de las columnas.
Ejemplos de Matriz Antisimétrica:
Veamos algunos ejemplos de matrices antisimétricas o hemisimétricas:
   
0−5 0 −5
A= → AT = → −AT = A
5 0 5 0
   
0 1 −8 0 1 −8
A = −1 0 6  → AT = −1 0 6  → −AT = A
8 −6 0 8 −6 0
Propiedades de la Matriz Antisimétrica:
Las matrices antisimétricas presentan las siguientes propiedades:

Son matrices cuadradas

Los valores de su diagonal principal son todos iguales a 0

Toda matriz cuadrada se puede descomponer en la suma de una matriz

simétrica y otra antisimétrica

La diagonal principal se conserva y todos los otros números son cambiados de

signo al opuesto. Nótese que la matriz traspuesta de la matriz antisimétrica A
es -A, y que la antisimetría es respecto a la diagonal principal. Si n=m es impar
el determinante de la matriz siempre será 0

13. Matrices conmutativas

Sean las matrices A y B M n,A y B son conmutables si y solo si A · B = B · A
Ejemplo 1:
   
2 −1 m 1
A= ∈ M2x2 y B= ∈ M2x2 A y B son matrices conmuta-
3 1 n 5
tivas Hallar m+n

A·B =B·A

14
      
2 −1 m 1 m 1 2 −1
=
3 1 n 5 n 5 3 1
   
2m − n 2 − 5 2m + 3 −m + 1
=
3m + n 3 + 5 3n + 15 −n + 5

Para m

−3 = −m + 1
m=3+1
m=4

Para n

8 = −n + 5
n=5−8
n = −3

Por lo tanto m+n=4−3=1

Ejemplo 2:
   
1 1 a b
A= ∈ M2x2 y B= ∈ M2x2
3 4 1 3

A·B =B·A

    
1 a b1 a b 1 1
=
3 1 34 1 3 3 4
   
a+1 b+3 a + 3b a + 4b
=
3a + 4 3b + 12 10 13

Encontrar a y b

 
a + 1 = a + 3b

 3b = 1


b + 3 = a + 4b a + 3b = 3
⇔
3a + 4 = 10
 3a = 6

 
3b + 12 = 13 3b = 1
 

1
por lo tanto a = 2, y b= 3

15
14. Matriz por bloques conmutativas
En ocasiones, es particularmente útil descomponer matrices con un gran
número de las o columnas en otras más pequeñas, a veces solamente para
ahorrar espacio y a veces por la importante ventaja de que permite resolver
problemas más pequeños que el original de manera más sencilla. Estas subma-
trices se denominan bloques, se denotan por Aij y se construyen trazando rectas
verticales y horizontales imaginarias.
Ejemplo 1:
   
I A I B
Si D= ∈ M2x2 y C= ∈ M2x2
0 I 0 I
    2 
I A I B I + A0 IB + AI
D·C = ⇔
0 I 0 I 0I + I0 0B + I 2
   
I +0 B+A I B+A
⇔ ⇔
0+0 0+I 0 I
 
I B+A
= ∈ M2x2
0 I

    2 
I B I A I + B0 IA + BI
C ·D = ⇔
0 I 0 I 0I + I0 0A + I 2
 
I +0 A+B
⇔
0+0 0+I
 
I A+B
= ∈ M2x2
0 I

Ejemplo 2:
  
1 −1
2 4 1 4 3
2 0
4 5  2 −1 0
 ∈ M4x4
Si A= −3 2 1 ∈ M4x3
y B =  
1 2 −3
1
−2 3
5 0 0 1 2
  
1 −1 2 4 1 4 3
  2 −1 0
2 0 4 5  
AB4x3 
1 1 2 −3 −3 2 1
−2 3 5 0 0 1 2
Al dividrilo en bloques tenemos

    
C D G H CG + DI CH + DJ
AB = =
E F I J FG + FI EH + F J

16
 Por lo tanto
      
1 −1 1 4 1−2 4+1 −1 5
CG = = = ∈ M2x2
2 0 2 −1 2 8 2 8
      
2 4 −3 2 −6 4 + 4 −6 8
DI = = = ∈ M2x2
4 5 0 1 −12 8 + 5 −12 13
    
1 −1 3 3
CH = = ∈V
2 0 0 6
    
2 4 1 10
DJ = = ∈V
4 5 2 14
    
1 1 1 4 3 3
EG = = ∈ M2x2
−2 3 2 −1 4 −11
    
2 −3 −3 2 −8 1
FI = = ∈ M2x2
5 0 0 1 −15 10
    
1 1 3 3
EH = = ∈V
−2 3 0 −6
    
2 −3 1 −4
FJ = = ∈V
5 0 2 5

Ahora sustituyendo tenemos

 
  −7 13 13
CG + DI CH + DJ −10 21 20 
=  ∈ M4x3
FG + FI EH + F J  −5 4 −1
−11 −1 −1

15. Matriz ortogonal

Una matriz A se dice matriz ortogonal o simplemente ortogonal si es una

·
matriz cuadrada y las columnas de A forman un conjunto ortonormal.
Teorema AT A = I.
Ejemplo 1:
 
0 1
Si A= ∈ M2x2
1 0
·
AT A = I

·
  
0 1 0 1
AT A =
1 0 1 0
 
0+1 0+0
⇔
0+0 1+0
 
1 0
⇔ =I
0 1

17
Ejemplo 2:
!
√1 √1
Si A= 2 2 ∈ M2x2
√1 − √12
2

·
AT A = I

·
! !
√1 √1 √1 √1
AT A = √1
2 2 2 2
2
− √12 √1
2
− √12
   
1 1 1 1 1 1
⇔√ √
2 1 −1 2 1 −1
 
1 1+1 1−1
⇔
2 1−1 1+1
 
1 2 0
⇔
2 0 2
 
1 0
⇔ =I
0 1

16. Matriz de transición

A la matriz cuyas columnas son las coordenadas de los vectores de la base
B1 en términos de la base B2 se llama matriz de transición de la base B1 a la
base B2
Ejemplo 1:
Encontrar la 
matriz de transición
 de la base canónica de R3 a la base B2
1 3 0
entonces si C = 0 −1 1 esta matriz es la de transición de la base B2 a
2 0 −2
la base canónica, ya que los vectores de la base B2 se encuentran expresados en
términos de la base canónica. Entonces, por el teorema anterior, la matriz
2 C −1
6 3

8 8 8
. entonces C −1 =  28 − 28 − 81 
2 6
8 8 − 81
2 6 3
   1

8 8 8 1 4
Si (x)B1 = (1, −2, 4)entonces (x)B2 =  28 − 28 − 18  −2 =  1 
4
2 6
− 18 4 − 74
        8 8
1 3 0 1
1   1 −1 − 7 1 = −2
donde
4
0 + 4 4
2 0 2 4
Ejemplo 2:
Encuentra la matriz de transición de la base B1 a la base B2 : entonces si
   
1 0
B1 = ,
0 1

18
    
2 −3
B2 = ,
3 −4
      
 2 −1 3 
3 1 ,  4  , −2
Ahora escribimos (x, y, z)de R en terminos de la base

    3 5 −4
 

2 2 7
si en R (x)B1 = (4, −1) donde B1 = , Ahora escribimos x en
    −5 3
−2 −3
terminos de la base B2 = ,
1 2

17. Matriz rectangular

La matriz rectangular tiene distinto número de las que de columnas, siendo
su dimensión mxn.
Ejemplo 1:
 
1 2  
2 0 1
Si A = −1 0  ∈ M3x2 y B = ∈ M2x3 Realizamos el
−5 2 3
−3 −1
producto de matricez rectangulares

A·B =C
 
1 2  
2 0 1
A · B = −1 0
 
−5 2 3
−3 −1
 
2 − 10 0 + 4 1 + 6
⇔ −2 + 0 0 + 0 −1 + 0
−6 + 5 0 − 2 −3 − 3
 
−8 4 7
= −2 0 −1 ∈ M3x3
−1 −2 −6
Ejemplo 2:
 
  3 1
1 2 −3
Si A = ∈ M2x3 y B = 2 4 ∈ M3x2 Realizamos el
4 0 −2
−1 5
producto de matricez rectangulares

A·B =C
 
  3 1
1 2 −3 
A·B = 2 4
4 0 −2
−1 5
 
10 −6
⇔ ∈ M2x2
14 −6

19
18. Matriz la
Una Matriz Fila es aquella matriz que está formada únicamente por una la:
A = (a1, a2 , a3 , ..., an−1 , an )La Matriz Fila también se conoce como vector la.
Ejemplo 1:
A = (−1, 8, 5)
Ejemplo 2:
A = (2, 5, 3, 1)

19. Matriz normal

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 transpuesta conjugada)
"Sea A una matriz cuadrada compleja, entonces A es normal si y solo si la tras-
puesta conjugada de A por sí misma es igual a A por la traspuesta conjugada
de sí misma. O dicho de otro modo: "A es normal si es conmutable con su con-
jugada traspuesta" Nota: para que una matriz sea normal es necesario que esta
sea una matriz cuadrada.
Ejemplo 1:
 
−i −i
Si A= ∈ M2x2
−i i
  2
−i − i2 −i2 + i2
  
−i −i i i
AA∗ = =
−i i i −i −i2 + i2 −i2 − i2
−2i2
   
0 2 0
⇔ = ∈ M2x2
0 −2i2 0 2

Ejemplo 2:
 
−i −i
Si A= ∈ M2x2
−i i
  2
−i − i2 −i2 + i2
 
i i −i −i
A∗A= =
i −i −i i −i2 + i2 −i2 − i2
−2i2
   
0 2 0
⇔ = ∈ M2x2
0 −2i2 0 2

20. Matriz de submatrices

Una Submatriz de A es otra matriz resultado de elegir determinadas las y
columnas de A.
Las submatrices por lo tanto tienen menores dimensiones que las matrices
de origen.

20
 Nota: las submatrices son empleadas por ejemplo para el cálculo de la matriz
adjunta, en la cual se calculan los determinantes de submatrices resultado de
eliminar las las i y j en cada elemento.
Ejemplos de Submatriz:
Veamos algunos ejemplos de submatrices:
sea la matriz A siguiente
 
a b c
A = d e f
g h i
Ejemplo 1: eliminamos la primera la y la primera columna
 
e f
h i
Ejemplo 2: eliminamos la segunda la y la segunda columna:
 
a c
g i
Ejemplo 3: eliminamos la tercera la y la tercera columna:
 
a b
d e

21. Matriz columna

Una Matriz Columna es aquella matriz que está formada únicamente por
una columna:
 
a1
 a2 
 
 ··· 
A= 
an−1 
an
La Matriz Columna también se conoce como vector columna.
EJEMPLOS:
     
1 0 100
A = 2 A = 1 A = 800
3 1 900

22. Matriz escalonada

Una Matriz Escalonada (o también Matriz en forma escalonada o Escalonada
por Filas), es aquella en la que el primer elemento distinto de cero (llamado
pivote) está a la derecha del pivote de la la anterior.
Es decir, debajo de cada pivote, todos los elementos de la matriz son iguales
a 0.
Nota: si existen las cero (todos los elementos son nulos), estas se sitúan en
la parte inferior de la matriz escalonada.

21
 Nota: una Matriz Escalonada Reducida por Filas es aquella matriz en las
que los pivotes son los únicos elementos no nulos de cada la.
Les muestro unos ejemplos de matrices escalonadas:
1.-
 
1 3 1  
0 2 −1 6 4
1 1  

0
 4 2 0 0 0 1 9 0
0 2
;2.- 0 ;3.- 

0 1 −5 6 0 0 6 7
0 0
0 0 0 8
0 0 0
Un procedimiento para encontrar una matriz escalonada es
Al procedimiento por el cual conseguimos convertir una matriz cualquiera en
una matriz escalonada lo llamamos escalonamiento de la matriz, aunque también
se le conoce como método de Gauss.
Consiste en utilizar las transformaciones elementales para:

Primero generar ceros por debajo del primer elemento de la diagonal prin-
cipal (a11 ).

Después generarlos por debajo del segundo (a22 ).

Y así sucesivamente hasta conseguir obtener una matriz escalonada. En

el próximo artículo os desarrollaré un ejemplo de escalonamiento de una
matriz mediante el método de Gauss.

23. Matriz conjugada

Una Matriz Conjugada es una matriz compleja (contiene números complejos)

A
a la cual se ha cambiado de signo la parte compleja de cada elemento:
SeaAmxn = (aij )una matriz compleja es la matriz conjugada si A
=(aij ) "Sea A una matriz compleja, entonces A es conjugada si cada elemento
de A es conjugado.
Para tener claro el concepto de número conjugado veamos algunos ejemplos:

2 + 3i  su conjugado es 2 - 3i

-2 + 3i  su conjugado es -2 - 3i

1 - 2i  su conjugado es 1 + 2i

1 + 2i  su conjugado es 1 - 2i

Ejemplos de Matriz Conjugada:

   
−i −i i i
A= →A=
−i i  −i
i  
1 + i −2i 1 − i 2i
A= →A=
3 − 5i 4 3 + 5i 4
   
2i 1+i −2i 1 − i
A= →A=
1−i 2i 1 + i −2i

22
 Propiedades de la Matriz Conjugada:
Una matriz cuadrada A+ será una matriz autoadjunta, si y solo sí, n = m
+
y A = A. Sean además A y B matrices apropiadas para las siguientes opera-
ciones, a partir de la denición se tienen las siguientes propiedades:

1. (A+ )+ = A, idempotencia.
2. (A + B)+ = A+ + B + , adición de matrices
3. ∀r ∈ C, (rA)+ = r∗ A+ , producto por escalares.

4. (AB)+ = B + A+ , inversión de la multiplicación

5. (A−1 )+ = (A+ )−1 si la matriz es invertible.

24. Matriz Diagonal

Una matriz diagonal es una matriz cuadrada en que las entradas o valores
son todos nulas salvo en la diagonal principal, y éstos incluso pueden ser nulos
o no. Escrito de otra forma, los elementos aij = 0 siempre que i 6= j . La matriz
identidad es una matriz diagonal.
Ejemplos de matrices Diagonales:
Puede ser una matriz con valores
  A ∈ M3×3 R
4 0 0
A = 0 1 0
0 0 9
O también una matríz con subíndices (Genérica)B
  ∈ M3×3 R
b11 0 0
B= 0 b22 0
0 0 b33

25. Matriz Evolutiva

Las matrices evolutivas representan espacios ndimensionales que permanen-
temente están cambiando. Originalmente la matriz evolutiva está vacía, por lo
que el espacio que representa también lo está, mas adelante cuando llegan las
primeras reglas o imágenes surgen los primeros puntos, pero estos no están jos,
ya que, cuando una regla de la matriz evolutiva se modica el punto que la
representa también cambia de posición, con lo que, en forma natural el espacio
se está anando y evolucionando.

23
 
s1
 s2 
 
   s3 
a1 a2 a3 a4 a5 a6 a7 a8 h    
 s4 
−1 n1
 1 1 0 0 0 0 0 h1  
  s5  = n2donde
0 0 0 −1 −1 1 0 0 h2  
 s6  n3
0 0 0 0 0 0 1 −1 h3  
 s7 
 
 s8 
−1

n1 ≥0 entonces s7 = 1
n2 ≥0 entonces s8 = 1
n3 ≥0 entonces s9 = 1

26. Matriz Periodica

· · · 
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 "Sea n un número natural (entero positivo) y sea la potencia n-ésima
de la matriz A es igual al producto de sí misma n veces, entonces A es periódica
si la potencia n de dicha matriz da como resultado ella misma"
Veamos un ejemplo de matriz periódica de periodo 4:
 
01
A=
−10
      
0 1 0 1 0−1 0+0 −1 0
A2 =A·A= = =
−1 0 −1 0 0 + 0 −1 + 0 0 −1
      
0 1 −1 0 0 + 0 0 − 1 0 −1
A3 =A·A = 2
= =
−1 0 0 −1 1+0 0+0 1 0
      
0 1 0 −1 0+1 0+0 1 0
A4 = A · A3 = = =
−1 0 1 0 0+0 1+0 0 1
      
0 1 1 0 0+0 0+1 0 1
A5 =A·A = 4
= =
−1 0 0 1 −1 + 0 0 + 0 −1 0
A5 = A → A Es periodica de periodo 4

27. Matriz Unitaria

Las matrices unitarias son las matrices que cumplen con las siguientes condi-
ciones (vamos a suponer que U es una matriz cuadrada de nxn):
U a la -1 = U hermítica. Les recuerdo que una matriz es hermítica cuando es
traspuesta y conjugada al mismo tiempo. U.U hermítica= I, siendo I la matriz
identidad. U hermítica. U= I
Algunas de las características de las matrices unitarias son que sus columnas
constituyen una base ortonormal del espacio Cn. Además las matrices unitarias

24
se caracterizan por conservar el producto interno. Esto quiere decir que al hacer
(Ux,Uy)=(x,y). Con esto podemos llegar a la conclusión de que las matrices
unitarias conservan la norma, ya que hacer (Ux,Ux)=(x,x).
 
1 1 −1 + i
Comprobar que U = √ es matriz unitaria.
1+i 1
 3      
∗ 1 1 1−i 1 1 −1 + i 1 3 0 1 0
U U= √ √ = = por tanto
3 −1 − i 1 3 1+i 1 3 0 3 0 1
U es unitaria.
n Ön
Demostrar que una matriz U ∈ C es unitaria si, y sólo si sus vectores
columnas forman un sistema ortonormal con el producto escalar complejo usual.
El producto escalar complejo usual de dos vectores columna x = (xj ) , y =
(yj ) de Cn×n sabemos que viene dado por

hx, yi = x1 y1 + · · · + xn yn = y ∗ x.
Si C1 , ...., Cn son las columnas de U,

C1∗
 ∗
C1 C1 C1∗ C2 . . . C1∗ Cn
  
C2∗   ∗ ∗ ∗
  C2 C1 C2 C2 . . . C2 Cn 

∗
U U =  .  C1 , C2 , . . . , Cn =  .
 
.
 ..   .. .

. 
∗ ∗ ∗ ∗
Cn Cn C1 Cn C2 . . . Cn Cn
 
hC1 , C1 i hC2 , C1 i . . . hCn , C1 i
 hC1 , C2 i hC2 , C2 i . . . hCn , C2 i 
= .
 
. .
. .
 . . 
hC1 , Cn i hC2 , Cn i . . . hCn , Cn i
En consecuencia,

∗ hCi , Cj i = 0 i 6= j
U es unitaria ⇔U U =I⇔ 2
hCi , Ci i = kCi k = 1 ∀i = 1, . . . , n,

28. Matriz Cuadrada

Una Matriz Cuadrada es aquella matriz que tiene el mismo número de las
que de columnas:
 
a11 a12 a13 a14 ... a1n
 a21 a22 a23 a24 ... a2n 
 
 a31 a32 a33 a34 ... a3n 
A=
 a41

 a42 a43 a44 ... a4n 
 ... ... ... ... ... ... 
an1 an2 an3 an4 ... ann
Rango de una matriz cuadrada: se denomina así al número de las o colum-
nas que tiene la matriz.
Diagonal principal: son los elementos de la matriz cuadrada en los que i = j,
es decir (a11 , a22 , a33 , a44 , a55 ...ann ).

25
 Nota: las matrices cuadradas son las más empleadas en álgebra.
Ejemplos:
 
1 0
Rango 2 A=
1 2 
1 0 1
Rango 3 A = 0 1 0
1 0 1

29. Matriz Horizontal

Una Matriz Horizontal es aquella matriz que tiene mayor número de colum-
nas que de las.
Las matrices horizontales son un tipo de matrices rectangulares (matrices
que tienen distinto número de las que de columnas).
Por otro lado, las matrices verticales son aquellas que tienen mayor número
de las que de columnas.
Ejemplos


A = 4 1 
1 0 0 0
A = 0 1 0 0
0 0 1 0
 
1 0 0
A=
0 1 0

30. Matriz Nula

Una Matriz Nula (Matriz Cero) es aquella matriz en la que todos sus valores
son igual a 0.
Las matrices nulas cumplen las siguientes propiedades: son simétricas son
antisimétricas son nilpotentes son singulares
Ejemplos:
 
0 0 0 0
A = 0 0 0 0
0 0 0 0
 
1 1 1 0
B = 1 0 1 1
1 1 1 1
B·0=0
  
1 1 1 0 0 0 0 0
B · 0 = 1 0 1 1 0 0 0 0
1 1 1 1 0 0 0 0
 
0 0 0 0
B · 0 = 0 0 0 0
0 0 0 0

26
Referencias
[1] Matrices de tipo escalonada: Ejemplos y propieda-
des. (2017, 23 julio). Recuperado 20 octubre, 2019, de
https://www.matematicas10.net/2017/03/ejemplos-de-matriz-
escalonada.html

[2] Fuentes, L. F. Leo. (2018, 9 junio). Clasicacion de Matri-

ces:Submatrices [Publicación en un blog]. Recuperado 20 octubre, 2019, de
https://www.matematicas10.net/2017/03/ejemplos-de-submatriz.html

[3] Perez, M. P. Marcos. (2015, 30 marzo). Grafos:Diferentes

clasicaciones. Recuperado 20 octubre, 2019, de
http://grafosestructuradedatos.blogspot.com/2015/01/propiedades-de-
los-grafos.html

[4] LOPEZ, R. L. Reb. (2015, 26 febrero). Matriz Involutiva: Pro-

piedades [Publicación en un blog]. Recuperado 20 octubre,
2019, de https://es.scribd.com/doc/238675942/Matriz-Involutiva
https://howlingpixel.com/i-es/Matriz_involutiva

[5] Khan-Academy. (2017b, 14 septiembre). Matrices: Matriz Antisime-

trica [Publicación en un blog]. Recuperado 20 octubre, 2019, de
http://grupo9mate.blogspot.com/p/matriz-antisimetrica.html

[6] Khan-Academy. (2017, 14 septiembre). Matrices: Clasicaciones. Recu-

perado 20 octubre, 2019, de https://es.khanacademy.org/math/algebra-
home/alg-matrices

27