Algebra Matricial

Concepto:
Una matriz de A de m*n es un ordenamiento rectangular de escalares dispuestos en m
filas y n columnas. Para designar a cada uno de los m.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:

Así, a34 es el elemento ubicado en la fila tres y la columna cuatro y en general a(ij) es
el elemento de la matriz A que está en la fila i y en la columna j.
SUMA Y RESTA DE MATRICES
Para poder sumar (o restar) dos matrices A y B, éstas tienen que tener la misma
dimensión puesto que la suma (o resta) se calcula sumando (o restando) los elementos
de la misma posición.
Es decir, si las matrices son

 La suma A+B es

 La resta A−B es

Obviamente, la matriz resultante tiene la misma dimensión que las matrices A y B.

PRODUCTO DE MATRICES
Vamos a multiplicar las siguientes matrices:

La dimensión de B es 2x3 y la de C es 3x1. Por tanto, podemos calcular el producto BC y

es una matriz de dimensión 2x1.
El elemento de la posición (1,1) de BC es la fila 1 de B por la columna 1 de C:

El elemento de la posición (2,1) de BC es la fila 2 de B por la columna 1 de C:

Por tanto, la matriz BC es

Matrices equivalentes
Vamos a explicar por qué, entre otras razones, es tan importante la relación de
equivalencia entre matrices.
Recordad que un sistema de ecuaciones lineales se puede representar en forma
matricial como

donde

 AA es la matriz de coeficientes de las incógnitas,

 xx es la matriz columna con las incógnitas,

 bb es la matriz columna con los términos independientes de las ecuaciones.

La matriz ampliada es una matriz por bloques: contiene a la matriz AA en el lado
izquierdo y a la matriz bb en el derecho.

Por ejemplo, consideremos el sistema de ecuaciones

Su matriz ampliada es

Consideremos ahora la matriz ampliada siguiente:

Es la matriz ampliada del sistema

Entonces, si las matrices ampliadas A∗A∗ y Z∗Z∗ son equivalentes (lo son), entonces ya

tenemos la solución del sistema asociado a la matriz A∗A∗:

Por tanto, si demostramos el teorema anterior (*), una forma de resolver un sistema
con matriz ampliada A∗A∗ es hallar una matriz equivalente que nos proporcione
rápidamente la solución del sistema, como Z∗Z∗.
Ejemplo:

B=E1(5)⋅AB=E1(5)·A:
B=E1,2*AB=E1,2·A:

B=E2(5)*E1,2⋅AB=E2(5)*E1,2*A:

B=E1(5)*E21(3)*AB=E1(5)*E12(3)*A:

Matriz Inversa

Recordad que, si una matriz cuadrada es regular, entonces podemos realizar un

número finito de operaciones elementales fila para transformar la matriz en la matriz
identidad.

En el método de Gauss se realizan las mismas operaciones sobre la matriz identidad,

transformándose así en la matriz inversa de AA.

Los pasos del método de Gauss son:

1. Escribimos una matriz doble que contiene a la matriz AA en un lado y a la

matriz identidad en el otro. Por ejemplo,

2. Realizamos operaciones elementales fila para transformar la matriz AA en la

identidad. En el ejemplo, es suficiente restar la fila 2 a la fila 1:

3. Al terminar, por lo que dijimos anteriormente, la matriz BB del lado derecho es,

precisamente, la inversa de AA: B=A−1B=A−1.
1. Introducción a matrices especiales
El uso de las matrices es esencial en las matemáticas, tanto que se utilizan en
prácticamente todas sus disciplinas. Por esta razón, existen propiedades y teoremas
para matrices con una determinada forma. Por ejemplo, el algoritmo de un ordenador
que resuelve un sistema de ecuaciones puede ser mucho más eficiente si la matriz es
triangular, y todavía más, si la matriz es diagonal.
En esta página vamos a numerar algunos de los tipos de matrices más importantes y
algunas de sus propiedades. Algunas de las propiedades se demuestran en la
página: problemas teóricos de matrices.
Notación: Dada una matriz AA de dimensión mxnmxn, denotamos el elemento de la
fila ii y columna jj como ai,jai,j ó aijaij, siendo 1≤i≤m1≤i≤m y 1≤j≤n1≤j≤n. Para
simplificar, escribiremos A=(aij)A=(aij).
Recordad también:
Una matriz de dimensión nxnnxn (mismo número de filas que de columnas) es una
matriz cuadrada de dimensión nn.
Si el número de filas y el de columnas son distintos, la matriz es rectangular.
2. Matriz identidad
La matriz identidad de dimensión nn, InIn, es la matriz de dimensión nxnnxn formada
por 1's en la diagonal principal y 0's en las restantes posiciones.

Es decir, la matriz identidad es la matriz

cuadrada A=(aij)A=(aij) con aij=1aij=1 si i=ji=j y aij=0aij=0 si i≠ji≠j.
3. Matriz diagonal
Una matriz A=(aij)A=(aij) es diagonal cuando los elementos que no están en la diagonal
son 0. Es decir, aij=0aij=0si i≠ji≠j.
Por ejemplo,
La matriz identidad es una matriz diagonal.
Normalmente, las matrices diagonales se escriben indicando su diagonal. Por ejemplo,
las matrices anteriores son

Podemos indicar la dimensión si puede dar lugar a confusión:

Sea la matriz A=(ai,j)A=(ai,j). Llamamos diagonal principal o diagonal 0 al vector

formado por los elementos ai,iai,i.
Análogamente, llamamos diagonal k>0k>0 al vector formado por los
elementos ai,i+kai,i+k. Y diagonal −k−k al formado por los elementos ai,i−kai,i−k.
Matriz bidiagonal:

 Una matriz AA es bidiagonal superior si sus todos los elementos por encima de

la diagonal 1 y por debajo de la diagonal 0 son 0's.
Por ejemplo,

 Una matriz AA es bidiagonal inferior si sus todos los elementos por encima de

la diagonal 0 y por debajo de la diagonal -1 son 0's.
Por ejemplo,
Matriz tridiagonal:
Una matriz AA es tridiagonal si sus todos los elementos por encima de la diagonal 1 y
por debajo de la diagonal -1 son 0's.
Por ejemplo,

Las matrices diagonales, bidiagonales y tridiagonales son casos particulares de

las matrices banda.
4. Matriz triangular
Sea AA una matriz de dimensión mxnmxn,

 Es una matriz triangular superior si tiene 0's por debajo de la diagonal, es decir,

si aij=0aij=0 para i>ji>j.
Por ejemplo,

 Es una matriz triangular inferior si tiene 0's por encima de la diagonal, es decir,

si aij=0aij=0 para i<ji<j.
Por ejemplo,

5. Matriz traspuesta
La matriz traspuesta de una matriz AA de dimensión mxnmxn es una matriz de
dimensión nxmnxm que tiene por columnas a las filas de AA. Se denota
como ATAT (o A′A′ si la matriz es real).
Por ejemplo,
6. Matriz adjunta
Sea AA una matriz de dimensión mxnmxn. Su matriz adjunta es la matriz de
dimensión mxnmxn definida por Adj(A)=(adij)Adj(A)=(adij) siendo

donde Ai,jAi,j es la matriz resultante al eliminar la fila ii y columna jj de AA.

Al elemento adijadij se le llama (i,j)−(i,j)−cofactor (o adjunto) de la matriz AA.
Por ejemplo,

7. Matriz simétrica
Una matriz AA es simétrica si es igual a su traspuesta, es decir, A=ATA=AT. Como
consecuencia de la definición, la matriz AA tiene que ser cuadrada.
Por ejemplo,

8. Matriz antisimétrica
Una matriz AA es antisimétrica si es la matriz opuesta de su traspuesta, es
decir, A=−ATA=−AT. Como consecuencia de la definición, la matriz AA tiene que ser
cuadrada.
Por ejemplo,

9. Matriz definida positiva

Una matriz AA de dimensión mxnmxn es definida positiva si para todo
vector x=(x1,...,xn)x=(x1,...,xn) se cumple
Si se cumple con la desigualdad ≥≥, diremos que la matriz es semi definida positiva.
10. Matriz diagonalmente dominante
Una matriz A=(aij)A=(aij) cuadrada de dimensión nn es diagonalmente dominante por
filas (RDD) si

Por ejemplo,

Una matriz A=(aij)A=(aij) cuadrada de dimensión nn es diagonalmente dominante por

columnas (CDD) si

Por ejemplo,

Si se cumple con el signo estricto, diremos estrictamente diagonalmente dominante

por filas o columnas. Los ejemplos son estrictamente.

11. Matriz Hessenberg

Una matriz cuadrada AA de dimensión n>1n>1 es Hessenberg superior si todos los
elementos bajo la diagonal -1 son nulos.
Por ejemplo,
Una matriz cuadrada AA de dimensión n>1n>1 es Hessenberg inferior si todos los
elementos sobre la diagonal 1 son nulos.
Por ejemplo,

12. Matriz Vandermonde

Una matriz cuadrada A=(aij)A=(aij) es de Vandermonde si aij=αj−1iaij=αij−1.
Si es de dimensión 3, tiene la forma

Ejemplo de una matriz Vandermonde de dimensión 4:

 Alumno:
Garcia Pinchi, Anthojy William

Carrera:
Ingeniería Civil

Docente:
Ing. Ricardo Plasencia

Tema:
Informe de Algebra Matricial

Curso:
Análisis Estructural II

Ciclo:
VIII
CAJAMARCA, 2019