10 Captulo 1 Ecuaciones lineales y matrices

1.2

MATRICES
Si analizamos el mtodo de eliminacin descrito en la seccin 1.1, observaremos lo siguiente. Al realizar los pasos necesarios, slo modificamos los nmeros que aparecen
junto a las incgnitas x1, x2, . . . , xn. En consecuencia, podramos buscar una forma de
escribir un sistema lineal sin tener que mantener las incgnitas. En esta seccin definiremos un objeto, una matriz, que nos permite hacer precisamente eso: escribir sistemas
lineales de una manera compacta que facilite la automatizacin del mtodo de eliminacin en una computadora, dndonos un procedimiento rpido y eficaz para determinar
las soluciones. Su uso, sin embargo, no nos proporciona solamente la oportunidad de
contar con una notacin conveniente, sino tambin como veremos a continuacin
resolver sistemas de ecuaciones lineales y otros problemas computacionales de manera
rpida y eficiente, desarrollando operaciones sobre las matrices y trabajando con ellas
de acuerdo con las reglas que cumplen. Por supuesto, como debe hacer cualquier buena definicin, la del concepto de matriz no slo permite mirar de otra forma los problemas existentes, sino que, adems, da lugar a muchas nuevas preguntas, algunas de las
cuales estudiaremos en este libro.

DEFINICIN

Una matriz A de m n es un arreglo rectangular de mn nmeros reales (o complejos)

ordenados en m filas (renglones) horizontales y n columnas verticales:

a11 a12
a21 a22
.
..
.
.
.
A=
ai1 ai2
.
..
..
.
am1 am2

a1 j
a2 j
..
.
ai j
..
.

am j

a1n
a2n
..

.
.
ain
..
.
amn

fila
(rengln) i

(1)

columna j

La i-sima fila de A es

ai1 ai2 ain

(1 i m);

La j-sima columna de A es

a1 j
a2 j
.
..

(1 j n).

am j

Diremos que A es m por n (que se escribe m n). Si m = n, decimos que A es una

matriz cuadrada de orden n, y que los nmeros a11, a22, . . . , ann forman la diagonal
principal de A. Nos referimos al nmero aij, que est en la i-sima fila (rengln) y la
j-sima columna de A, como el i, j-simo elemento de A, o la entrada (i, j) de A, y solemos escribir (1) como
A = [aij].
Para simplificar, en este libro restringiremos nuestra atencin (salvo en el apndice A) al anlisis de las matrices cuyas entradas son nmeros reales. Sin embargo, tambin
se estudian las matrices con entradas complejas, mismas que tienen gran importancia
en muchas aplicaciones.

Sec. 1.2 Matrices

EJEMPLO 1

11

Sean

1
1

A=

2
0

1
1
0
D = 2
3 1

3
,
1

0
1 ,
2

B=

1
4
,
2 3

E= 3 ,

1
C = 1 ,
2

F = 1

2 .

Entonces, A es una matriz de 2 3 con a12 = 2, a13 = 3, a22 = 0 y a23 = 1; B es una

matriz de 2 2, con b11 = 1, b12 = 4, b21 = 2 y b22 = 3; C es una matriz de 3 1,
con c11 = 1, c21 = 1 y c31 = 2; D es una matriz de 3 3; E es una matriz de 1 1, y F
es una matriz de 1 3. En D, los elementos d11 = 1, d22 = 0 y d33 = 2 forman la diagonal principal.

Por conveniencia, en los ejemplos y ejercicios ilustrativos de los captulos 1 a

7 centramos gran parte de nuestra atencin en matrices y expresiones que slo tienen
nmeros reales. Por otra parte, aunque aparecen en algunos ejemplos de los captulos 8 y
9, es en el apndice A donde puede encontrarse una introduccin a los nmeros complejos y a sus propiedades, as como ejemplos y ejercicios que muestran cmo se utilizan estos nmeros en lgebra lineal.
Las matrices de 1 n o n 1 tambin se denominan un n-vectores, y lo denotaremos mediante letras minsculas en negritas. Cuando se sobreentienda el valor de n,
nos referiremos a los n-vectores slo como vectores. En el captulo 4 analizaremos los
vectores a detalle.

EJEMPLO 2

u= 1

2 1

1
0 es un 4-vector y v = 1 es un 3-vector.
3

Si todas las entradas de un n-vector son iguales a cero, se denota con 0.

Observe que si A es una matriz de n n, los renglones de A son matrices de 1 n.
El conjunto de todos los n-vectores con entradas reales se denota con Rn. De manera similar, el conjunto de todos los n-vectores con entradas complejas se denota mediante
Cn. Como se indic anteriormente, en los primeros siete captulos de este libro trabajaremos casi por completo con vectores en Rn.

EJEMPLO 3

(Despliegue de valores en forma de tabla) La matriz siguiente proporciona las distancias entre las ciudades indicadas (en millas terrestres).
Londres Madrid Nueva York Tokio

0
785
3,469
5,959
Londres
Madrid
0
3,593
6,706
785

Nueva York 3,469

3,593
0
6,757
Tokio
5,959
6,706
6,757
0

EJEMPLO 4

(Produccin) Suponga que un fabricante tiene cuatro plantas, en cada una de las cuales se manufacturan tres productos. Si denotamos con aij el nmero de unidades del producto i elaboradas por la planta j en una semana, la matriz de 4 3

Planta 1
Planta 2

Planta 3
Planta 4

Producto 1

Producto 2

560
360
380
0

340
450
420
80

Producto 3

280
270
210
380

12 Captulo 1 Ecuaciones lineales y matrices

proporciona la produccin semanal del fabricante. Por ejemplo, en una semana, la planta 2 produce 270 unidades del producto 3.

EJEMPLO 5

La tabla siguiente, en donde se lista el factor de congelacin del viento, muestra cmo
una combinacin de la temperatura y la velocidad del viento hace que un cuerpo se
sienta ms fro que la temperatura real. Por ejemplo, cuando la temperatura es de 10 F
y el viento es de 15 millas por hora, el cuerpo pierde la misma cantidad de calor que la
que perdera si la temperatura fuera de 18 F sin viento.

15

10

10

12

10

15

10

15

22

27

34

15

11

18

25

31

38

45

20

17

24

31

39

46

53

mph

Esta tabla puede representarse como la matriz

5
12
7
0 5 10
10 3 9 15 22 27
A=
15 11 18 25 31 38
20 17 24 31 39 46

EJEMPLO 6

15
34
.
45
53

Con el sistema lineal considerado en el ejemplo 5 de la seccin 1.1,

x + 2y = 10
2x 2y = 4
3x + 5y = 26,
podemos asociar las matrices siguientes:

1
2
A = 2 2 ,
3
5

x
,
x=
y

10
b = 4 .
26

En la seccin 1.3, llamaremos A a la matriz de coeficientes del sistema lineal.

DEFINICIN

Una matriz cuadrada A = [aij], en donde cada trmino fuera de la diagonal principal es
igual a cero, es decir, aij = 0 para i j, es una matriz diagonal.

EJEMPLO 7

4
0
G=
0 2
son matrices diagonales.

3
0
H = 0 2
0
0

0
0
4

Sec. 1.2 Matrices

DEFINICIN
EJEMPLO 8

13

Una matriz diagonal A = [aij], en donde todos los trminos de la diagonal principal son
iguales, es decir, aij = c para i = j y aij = 0 para i j, es una matriz escalar.
Las siguientes son matrices escalares:

1
0
1
I 3 = 0
0
0

0
0 ,
1

J=

2
0
.
0 2

Los motores de bsqueda para localizacin y recuperacin de informacin en Internet, utilizan matrices para seguir el rastro de las ubicaciones en donde sta se encuentra, el tipo de informacin que se halla en cada ubicacin, las palabras clave que
aparecen en ellas, e incluso la manera en que los sitios Web se vinculan entre s con
otros. En gran medida, la eficacia de Google estriba en la manera en que utiliza las
matrices para determinar cules sitios estn referenciados en otros sitios. Esto es, en lugar de mantener de manera directa el rastro del contenido de la informacin de una pgina Web real o de un tema de bsqueda individual, la estructura de la matriz de Google
determina las pginas Web que coinciden con el tema de bsqueda, y luego presenta
una lista de tales pginas en un orden de importancia.
Suponga que existen n pginas Web accesibles durante cierto mes. Una manera
sencilla de comprender las matrices que conforman el esquema de Google, consiste en
imaginar una matriz A de n n, denominada matriz de conectividad, la cual slo contiene ceros al principio. Para construir las conexiones se procede como sigue. Cuando
se detecta que el sitio Web j est vinculado con el sitio Web i, la entrada aij se hace igual
a uno. Como n es muy grande su valor se calculaba en alrededor de 3 mil millones
en diciembre de 2002, casi todas las entradas de la matriz de conectividad A son cero. (Las matrices como sta se denominan esparcidas, ralas o poco densas.) Si la fila
(rengln) i de A contiene muchos unos, significa que existen muchos sitios vinculados
al sitio i. El software que controla el motor de bsqueda de Google considera que los
sitios que estn vinculados con muchos otros son ms importantes (en otras palabras,
les da una calificacin ms alta). Por lo tanto, tales sitios apareceran al principio de la
lista de resultados de bsqueda que generara Google cuando el usuario solicitara temas
relacionados con la informacin del sitio i. Ya que Google actualiza su matriz de conectividad cada mes, n aumenta con el paso del tiempo, al agregarse nuevos enlaces y sitios.
La tcnica fundamental que utiliza Google para calificar los sitios, emplea conceptos de lgebra lineal que estn fuera del alcance de este curso. Informacin adicional sobre el tema puede encontrarse en las fuentes siguientes.
1. Berry, Michael W. y Murray Browne. Understanding Search EnginesMathematical
Modeling and Text Retrieval. Filadelfia: Siam, 1999.
2. www.google.com/technology/index.html
3. Moler, Cleve. The Worlds Largest Matrix Computation: Googles Page Rank Is an
Eigenvector of a Matrix of Order 2.7 Billion, MATLAB News and Notes, octubre de
2002, pginas 12-13.
En matemticas, siempre que se presenta un nuevo objeto es preciso definir cuando dos de ellos son iguales. Por ejemplo, en el conjunto de todos los nmeros racionales, decimos que los nmeros 23 y 46 son iguales, aunque no se representen de la misma
manera. Lo que tenemos en mente es la definicin segn la cual ab es igual a dc cuando
ad = bc. De acuerdo con esto, tenemos la siguiente definicin.

DEFINICIN

Dos matrices de m n, A = [aij] y B = [bij], son iguales si aij = bij, 1 i m, 1 j

n, es decir, si los elementos correspondientes son iguales.

14 Captulo 1 Ecuaciones lineales y matrices

EJEMPLO 9

Las matrices

1
2 1
4
A = 2 3
0 4
5

1
2
x
B = 2
y 4

w
4
z

son iguales si w = 1, x = 3, y = 0 y z = 5.

A continuacin definiremos varias operaciones que producirn nuevas matrices a

partir de otras. Estas operaciones son tiles en las aplicaciones que involucran matrices.

SUMA DE MATRICES
DEFINICIN

Si A = [aij] y B = [bij] son matrices de m n, la suma de A y B da por resultado la

matriz C = [cij] de m n, definida por
cij = aij + bij

(i i m, 1 j n).

Es decir, C se obtiene sumando los elementos correspondientes de A y B.

EJEMPLO 10

Sean

A=

1 2
2 1

4
3

B=

0
1

2 4
.
3
1

Entonces

A+B =

1
1 + 0 2 + 2 4 + (4)
=
3
2 + 1 1 + 3 3 + 1

0
2

0
.
4

Observe que la suma de las matrices A y B slo se define cuando A y B tienen el

mismo nmero de filas (renglones) y el mismo nmero de columnas; es decir, slo
cuando A y B son del mismo tamao.
establecemos la convencin, al escribir A + B entendemos que A y B tienen el mismo tamao.
Hasta el momento, la suma de matrices slo se ha definido para dos matrices. En
ocasiones, sin embargo, nuestro trabajo exigir que sumemos ms de dos matrices. El
teorema 1.1 de la seccin siguiente muestra que la suma de matrices satisface la propiedad asociativa. A + (B + C) = (A + B) + C. En la seccin 1.4 se consideran ms propiedades de las matrices, mismas que son similares a que satisfacen los nmeros reales.

EJEMPLO 11

(Produccin) Un fabricante de cierto producto realiza tres modelos, A, B y C. Algunas

partes artes de cada uno se elaboran en la fbrica F1, ubicada en de Taiwn, y despus
se terminan en la fbrica F2, de Estados Unidos. El costo total de cada producto consta
de los costos de manufactura y de embarque. En consecuencia, los costos (en dlares) de
cada fbrica pueden describirse mediante las matrices F1 y F2 de 3 2:
Costo de

Costo de

manufactura embarque
32
40
Modelo A
50
80 Modelo B
F1 =
70
20
Modelo C

Sec. 1.2 Matrices

Costo de
manufactura

Costo de
embarque

40
50
130

F2 =

15

60
50
20

Modelo A

Modelo B
Modelo C

La matriz F1 + F2 proporciona los costos totales de manufactura y embarque de cada

producto. As, los costos totales de un producto del modelo C son $200 y $40, respectivamente.

MULTIPLICACIN POR UN ESCALAR

DEFINICIN

Si A = [aij] es una matriz de m n y r es un nmero real, el mltiplo escalar de A por

r, rA, es la matriz B = [bij] de m n, donde
(i i m, 1 j n).

bij = raij

Es decir, B se obtiene multiplicando cada elemento de A por r.

Si A y B son matrices de m n, escribimos A +(1)B como A B, y denominamos a esto diferencia de A y B.

EJEMPLO 12

Sean

A=

2
4

3 5
2
1

B=

2 1
3
.
3
5 2

Entonces

AB =

EJEMPLO 13

22
43

0
4 8
3 + 1 5 3
.
=
1 3
3
25
1+2

Sea p = [18.95 14.75 8.60] un 3-vector que representa los precios actuales de tres
artculos almacenados en una bodega. Suponga que el almacn anuncia una venta en
donde cada uno de estos artculos tiene un descuento de 20 por ciento.
(a) Determine un 3-vector que proporcione el cambio en el precio de cada uno de los
tres artculos.
(b) Determine un 3-vector que proporcione los precios nuevos de los artculos.

Solucin

(a) Como el precio de cada artculo se reduce 20%, el 3-vector

0.20p = (0.20)18.95 (0.20)14.75 (0.20)8.60

= 3.79 2.95 1.72
proporciona la reduccin de los precios para los tres artculos.
(b) Los precios nuevos de los artculos estn dados mediante la expresin

p 0.20p = 18.95 14.75 8.60 3.79 2.95 1.72

= 15.16 11.80 6.88 .
Observe que esta expresin tambin puede escribirse como
p 0.20p = 0.80p.

16 Captulo 1 Ecuaciones lineales y matrices

Si A1, A2, . . . , Ak son matrices de m n y c1, c2, . . . , ck son nmeros reales, entonces una expresin de la forma
c1A1 + c2A2 + + ckAk

(2)

se denomina combinacin lineal de A1, A2, . . . , Ak, y c1, c2, . . . , ck se llaman coeficientes.

EJEMPLO 14

(a) Si

0 3
5
3
4
A1 = 2
1 2 3

3
3 ,
3

5
2
2
A2 = 6
1 2

entonces C = 3A1 12 A2 es una combinacin lineal de A1 y A2. Por medio de la

multiplicacin por un escalar y la suma de matrices, podemos calcular C:

0 3
5
5
2
1
3
4 6
2
C = 3 2
2 1 2
1 2 3

27
52 10
2

21 .
=
8
3
2
7
5 21
2
2

3
3
3

(b) 2[3 2] 3[5 0] + 4[2 5] es una combinacin lineal de [3 2], [5

[2 5]. Puede calcularse (verifquelo) para obtener [17 16].



0.1
1
0.1
1
(c) 0.5 4 + 0.4 4 es una combinacin lineal de 4 y 4.
0.2
6
0.2
6

0.46
Puede calcularse para obtener (verifquelo) 0.4 .
3.08

0] y

LA TRANSPUESTA DE UNA MATRIZ

DEFINICIN

Si A = [aij] es una matriz de m n, la matriz A T = aiTj de n m, donde

aiTj = a ji

(1 i n, 1 j m)

es la transpuesta de A. En consecuencia, las entradas en cada fila de AT son las entradas correspondientes en la columna de A.

EJEMPLO 15

Sean

4 2
3
,
A=
0
5 2

6
2 4
2 ,
B = 3 1
0
4
3

D = 3 5

1 ,

5
4
2 ,
C = 3
2 3

2
E = 1 .
3

Sec. 1.2 Matrices

17

Entonces

4
0
5 ,
A = 2
3 2
T

CT =

6
3
B = 2 1
4
2

3
D T = 5 ,
y
ET =
1

5 3
2
,
4
2 3

0
4 ,
3
2 1

3 .

MATRICES DE BINARIAS (OPCIONAL)

En gran parte de nuestro trabajo con lgebra lineal utilizaremos matrices y vectores cuyas entradas son nmeros reales o complejos. Por lo que los clculos, como combinaciones
lineales, se determinan utilizando propiedades de las matrices y la aritmtica estndar de
base 10. Sin embargo, el continuo desarrollo de la tecnologa de cmputo ha trado al
primer plano el uso de la representacin binaria (base 2) de la informacin. En casi todas las aplicaciones de cmputo, como juegos de vdeo, comunicaciones mediante fax,
transferencia electrnica de dinero, comunicaciones satelitales, DVD o la generacin de
msica en CD, la matemtica subyacente es invisible y por completo transparente para
el espectador o el usuario. La informacin codificada en representacin binaria est tan
extendida y desempea un papel tan importante que estudiaremos brevemente algunas
de sus caractersticas. Iniciaremos con un anlisis general de la suma y multiplicacin
binarias, y luego hablaremos de una clase especial de matrices binarias, que tiene un lugar clave en la teora de la informacin y la comunicacin.
La representacin binaria de la informacin slo utiliza dos smbolos, 0 y 1. La informacin est codificada en trminos de 0 y 1 en una cadena de bits*. Por ejemplo, en
lenguaje binario, el nmero decimal 5 se representa mediante la cadena 101, que se interpreta en trminos de base 2 como sigue:
5 = 1(22) + 0(21) + 1(20).
Los coeficientes de las potencias de 2 determinan la cadena de bits, 101, que proporciona la representacin binaria de 5.
Al igual que utilizamos aritmtica de base 10 cuando tratamos con nmeros reales
y complejos, en otros escenarios empleamos aritmtica de base 2, es decir, aritmtica
binaria. La tabla 1.1 muestra la estructura de la suma binaria, y la tabla 1.2 la estructura de la multiplicacin binaria.
Tabla 1.1

Tabla 1.2

Las propiedades de la aritmtica binaria permiten la representacin de combinaciones de nmeros reales en forma binaria, suele estudiarse en cursos bsicos de ciencias
de la computacin, o en cursos de matemticas finitas o discretas. No desviaremos
nuestra atencin para analizar tales temas en este momento. En cambio, nuestro objetivo se centrar en un tipo particular de matrices y vectores cuyas entradas son dgitos binarios. Esta clase de matrices y vectores es importante en el estudio de la teora de la
informacin y en el campo de matemticas de cdigos de correccin de errores (tambin llamado teora de codificacin).
*Un bit es un dgito binario (del ingls binary digit); esto es, un 0 o un 1.

18 Captulo 1 Ecuaciones lineales y matrices

DEFINICIN

Una matriz binaria de m n, es una matriz en que todas las entradas son bits. Esto
es, cada una de sus entradas es ya sea 0 o 1.
Un n-vector (o vector) binario es una matriz de 1 n o de n 1, todas cuyas entradas son bits.

EJEMPLO 16

1 0 0
A = 1 1 1 es una matriz binaria de 3 3.
0 1 0

EJEMPLO 17

1
1

v = 0 es un 5-vector binario, y u = 0 0 0 0 es un 4-vector binario.
0
1

EJEMPLO 18

Las definiciones de suma de matrices y multiplicacin por un escalar se aplican

tambin a las matrices binarias, siempre y cuando utilicemos aritmtica binaria (de base 2) para todos los clculos, y 0 y 1 como nicos escalares posibles.

1 0
1 1
Sean A = 1 1 y B = 0 1. Por medio de la definicin de la suma de matri0 1
1 0
ces y con ayuda de la tabla 1.1, tenemos

1+1 0+1
0 1
A + B = 1 + 0 1 + 1 = 1 0 .
0+1 1+0
1 1

Las combinaciones lineales de matrices binarias o n-vectores binarios son muy fciles de calcular con ayuda de las tablas 1.1 y 1.2, si se toma en cuenta el hecho de que
los nicos escalares son 0 y 1.

EJEMPLO 19

Sean c1 = 1, c2 = 0, c3 = 1, u1 =

1
0
1
, u2 =
y u3 =
. Entonces
0
1
1

c1 u1 + c2 u2 + c3 u3 = 1

1
0
1
+1
+0
1
1
0

1
0
1
+
+
1
0
0

(1 + 0) + 1
(0 + 0) + 1

0
1+1
.
=
1
0+1

De acuerdo con la tabla 1.1, tenemos que 0 + 0 = 0 y 1 + 1 = 0. Por lo tanto, el

inverso aditivo de 0 es 0 (como es usual), y el inverso aditivo del 1 es 1. De aqu que,
para calcular la diferencia de matrices binarias A y B, procedemos como sigue:

A B = A + (inverso de 1) B = A + 1B = A + B.
Como podemos ver, la diferencia de matrices binarias no aporta nada nuevo a las relaciones algebraicas entre matrices binarias.

Las matrices binarias tambin se llaman matrices booleanas.

Sec. 1.2 Matrices

19

Trminos clave
n-vector (o vector)
Matriz diagonal
Matriz escalar
0, vector cero
Rn, el conjunto de todos los n-vectores
Google
Matrices iguales
Suma de matrices
Mltiplo escalar

Matriz
Filas (renglones)
Columnas
Tamao de una matriz
Matriz cuadrada
Diagonal principal de una matriz
Elemento (o entrada) de una matriz
ij-simo elemento
entrada (i, j)

Mltiplo escalar de una matriz

Diferencia de matrices
Combinacin lineal de matrices
Transpuesta de una matriz
Bit
Matriz binaria (o booleana)
Matriz triangular superior
Matriz triangular inferior

1.2 Ejercicios
1. Sean

A=

2
6

4
B = 3 ,
5

5
,
4

3
5

7
C = 4
6

3
3
1

2
5 .
1

(a) Cules son los valores de a12, a22, a23?

(b) Cules son los valores de b11, b31?
(c) Cules son los valores de c13, c31, c33?
2. Si

c+d
4
=
ab
10

a+b
cd

6
,
2

determine a, b, c y d.
3. Si

a + 2b
2a b
4
=
2c + d
c 2d
4
determine a, b, c y d.

2
,
3

En los ejercicios 4 a 7, sean

1
2
A=
2
1

3 1
1
C = 4
2
1

2 4
1
E = 0
3
2
y

1
0
3

1 ,
, B= 2
4
3
2

3
3 2
5 , D =
,
2
4
3

5
4
5
4 , F =
,
2
3
1

0 0 0
O = 0 0 0 .
0 0 0

4. De ser posible, calcule la combinacin lineal que se indica

en cada caso:
(a) C + E y E + C
(b) A + B
(c) D F
(d) 3C + 5O
(e) 2C 3E
(f) 2B + F

5. De ser posible, calcule la combinacin lineal que se indica

en cada caso:
(a) 3D + 2F
(b) 3(2A) y 6A
(c) 3A + 2A y 5A
(d) 2(D + F) y 2D + 2F
(e) (2 + 3)D y 2D + 3D
(f) 3(B + D)
6. De ser posible, calcule:
(a) AT y (AT)T
(b) (C + E)T y CT + ET
(c) (2D + 3F)T
(d) D DT
(e) 2AT + B
(f) (3D 2F)T
7. De ser posible, calcule:
(a) (2A)T
(b) (A B)T
(c) (3BT 2A)T
(d) (3AT 5BT)T
(e) (A)T y (AT)
(f) (C + E + FT)T

3
0

8. La matriz

1
ces 0

0
es una combinacin lineal de las matri2

0
1
y
1
0
4
0

9. La matriz

1
matrices 0

0
0 ? Justifique su respuesta.

1
es una combinacin lineal de las
3
0
1
y
1
0

0
0 ? Justifique su respuesta.

10. Sean

1
A = 6
5

2
2
2

3
3
4

1
I3 = 0
0

Si ! es un nmero real, calcule ! I3 A.

0
1
0

0
0 .
1