Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
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
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:
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:
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
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
−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
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
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
13
Son matrices cuadradas
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
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
−7 13 13
CG + DI CH + DJ −10 21 20
= ∈ M4x3
FG + FI EH + F J −5 4 −1
−11 −1 −1
·
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
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
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)
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
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
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 ).
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
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.
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 = n2donde
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
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,
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
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
27