ELEMENTOS DE

LGEBRA MATRICIAL
Ezequiel Uriel

1 DEFINICIONES

Matriz

Una matriz de orden o dimensin n p - o una matriz ( n p )- es una

ordenacin rectangular de elementos dispuestos en n filas y p columnas de la
siguiente forma:

a11 a12 ... a1 p

a a22 ... a2 p
A=
21
(1)
... ... ... ...

an1 an 2 ... anp

A la matriz anterior la hemos designado de forma abreviada mediante el

smbolo A. En general, para designar a una matriz utilizaremos una letra
mayscula en negrita. Un elemento genrico de la matriz A se designa mediante
aij donde el primer subndice i hace referencia a la fila en que est situado el
elemento, mientras que el segundo subndice j hace referencia a la columna.

1
Ejemplos

1 4 6
2 3 4
A= B = 2 3 11
6 5 3 7 4 8

Una matriz de orden 1 1 es un escalar.

Matriz transpuesta

La transpuesta de una matriz A (n p) es una matriz B (p n), obtenida

mediante intercambio de filas y columnas, de forma que

bij=aji i=1,2,...,p; j=1,2,...,n (2)

En general, a la matriz transpuesta de A la denominaremos A .

Ejemplos

Las transpuestas de las matrices del ejemplo anterior son las siguientes:

2 6 1 2 7
A = 3 5 B = 4 3 4
4 3 6 11 8

Vector columna y vector fila

Un vector columna de orden n es una ordenacin de elementos dispuestos

en n filas y 1 columna de la siguiente forma:

a1
a
a = 2 (3)
...

an

Al vector columna anterior lo hemos designado de forma abreviada

mediante el smbolo a. En general, para designar a un vector columna
utilizaremos una letra minscula en negrita.

Un vector fila de orden n es una ordenacin de elementos dispuestos en 1

filas y n columnas. El transpuesto de un vector fila es un vector columna. En

2
general, a un vector fila le designaremos por una letra minscula seguida de
apstrofe. As, el transpuesto de a dado en (3) es

a = [ a1 a2 ... an ] (4)

Matriz cuadrada

Se dice que una matriz es cuadrada si el nmero de filas es igual al

nmero de columnas. Se dice que una matriz cuadrada es de orden n si tiene n
filas.

Ejemplo de matriz cuadrada

8 7 4
A = 2 10 3
9 12 15

Traza de una matriz

En una matriz cuadrada de orden n la diagonal principal est formada por

los elementos aii (i=1,2,...,n). La traza de una matriz cuadrada A, a la que
designaremos por tr(A), o por traza(A), es la suma de los elementos de la
diagonal principal. Por lo tanto,
n
tr ( A) = aii (5)
i =1

Ejemplo:

La traza de la matriz A del ejemplo anterior es

tr ( A) = 8 + 10 + 15 = 33

Matriz simtrica

Se dice que una matriz cuadrada es simtrica si se verifica que

A = A (6)

3
Ejemplo:

3 4 1
A = 4 5 2
1 2 1

Matriz diagonal

Se dice que una matriz cuadrada es diagonal cuando todos los elementos
situados fuera de la diagonal principal son nulos. Es decir, en una matriz diagonal
se verifica que aij= 0 para i distinto de j. As, la siguiente matriz es diagonal:

a11 0 ... 0
0 a22 ... 0
A= (7)
... ... ... ...

0 0 ... ann

Matriz escalar

Se dice que una matriz diagonal es escalar cuando todos los elementos de
la diagonal principal son idnticos. Es decir, en una matriz escalar se verifica que
aii= k para todo i.

Matriz identidad

Una matriz identidad es una matriz escalar en la que aii= 1. A la matriz

identidad se le denomina I. As, una matriz identidad genrica tiene la siguiente
configuracin:

1 0 " 0
0 1 " 0
I= (8)
# # % #

0 0 " 1

2 OPERACIONES CON MATRICES

Igualdad de matrices

La igualdad de dos matrices A=B se cumple si, y solamente si, A y B son

del mismo orden y aij=bij para todo i y todo j.

4
Suma de matrices

La suma de las matrices A y B de orden n p es igual a una matriz C,

tambin de orden nxp, definida de la siguiente forma:

C=A+B (9)

Los elementos de la matriz C se obtienen as:

cij = aij+bij i=1, 2,...., n ; j=1, 2,...., p (10)

Para poder realizar la suma, las matrices A y B deben ser del mismo
orden.

Ejemplo

La suma de las matrices A y B es designada por C:

3 2 1 3
A= B=
5 6 2 4

3 + 1 2 + 3 4 1
C= =
5 + 2 6 4 7 2

Multiplicacin escalar

La multiplicacin escalar de una matriz A por un escalar se efecta

multiplicando cada elemento de A por . El producto es designado por A.

Ejemplo

Dado

7 6
= 4 y A =
2 3

entonces

28 24
A =
8 12

5
Multiplicacin de matrices

Si A es una matriz de orden n m y B es una matriz de orden m p,

entonces el producto de estas dos matrices se define de la siguiente forma

AB=C (11)

siendo la matriz producto C, una matriz de orden n p, cuyo elemento genrico cij
viene dado por
n
cij = aik bkj . (12)
k =1

Ejemplos

a11 a12 b11 b12 b13 (a11b11 + a12b21 ) (a11b12 + a12b22 ) (a11b13 + a12b23 )
=
a
21 a22 b21 b22 b23 (a21b11 + a22b21 ) (a21b12 + a22b22 ) (a21b13 + a22b23 )

4 2 (4 1 + 2 7) (4 9 2 2) (4 1 + 2 6)
3 5 1 9 1 = (3 1 + 5 7) (3 9 5 2) (3 1 + 5 6)
7 2 6
2 6
(2 1 + 6 7) (2 9 6 2) (2 1 + 6 6)

18 32 16
= 38 17 33
44 6 38

Determinante de una matriz

El determinante de una matriz cuadrada A, al que se designa por |A|, es

un escalar que se obtiene por la suma de n! trminos, cada uno de los cuales es el
producto de n elementos. Se obtiene mediante la siguiente frmula:

A = a1 j a2l .........anq (13)

En la expresin anterior cada sumando se obtiene permutando el segundo

subndice. Obsrvese que el nmero de permutaciones de n elementos es n!. El
signo de cada sumando es + o - segn que el nmero de permutaciones realizado a
partir de la ordenacin original sea par o impar.

Si |A|=0 se dice que la matriz A es singular.

6
Ejemplos

a11 a12
A = = a11a22 a12 a21
a21 a22

b11 b12 b13

B = b21 b22 b23 = b11b22b33 b12b21b33 + b12b23b31 b13b22b31 + b13b21b32 b11b23b32
b31 b32 b33

Matriz inversa

Una matriz cuadrada A n n tiene inversa, a la que se se le designa por A-1

si se cumple que

AA 1 = A 1A = I (14)

Cuando una matriz tiene inversa se dice que es invertible o no singular.

Ejemplo

La inversa de la matriz A

4 1
A=
2 3

viene dada por

1 3 1
A 1 =
10 2 4

Vamos a ver exponer un algoritmo para el clculo de la inversa de una matriz de

orden 3, tanto de forma simblica y como su aplicacin a un ejemplo. Este
algoritmo es generalizable a matrices de cualquier orden,

Sea la matriz

a11 a12 a13 2 3 2

A = a21 a22 a13 = 3 4 1
a31 a32 a33 1 2 2

Para invertir esta matriz hay que realizar las siguientes operaciones:

7
 1) Se calcula la matriz de menores. El menor del elemento aij, al que
denominaremos mij, es igual al determinante que se obtiene de la matriz
despus de eliminar la fila i y la columna j

4 1 3 1 3 4

2 2 1 2 1 2
m11 m12 m13 6 5 2
3 2 2 2 2 3
m m22 m13 = = 2 2 1
21 2 2 1 2 1 2
m31 m32 m33
5 4 1
3 2 2 2 2 3
4 1 3 1 3 4

2) Se calcula la matriz de cofactores. Cada cofactor se calcula de acuerdo

con la siguiente frmula:

cij = ( 1)
i+ j
mij

Es decir, el signo de mij no cambia si i+j es para y cambia si i+j es impar

c11 c12 c13 6 5 2

c c13 = 2 2 1
21 c22
c31 c32 c33 5 4 1

3) Se calcula la matriz de adjuntos. Esta matriz es iguual a la traspuesta de la

matriz de cofactores

c11 c21 c31 6 2 5

adj ( A) = c12 c22 c32 = 5 2 4
c13 c23 c33 2 1 1

4) Se calcula el determinante de la matriz A

A = a1 j a2l .........anq
= a11a22 a33 + a12 a23 a31 + a13 a21a32 + a13 a22 a31 + a12 a21a33 + a11a23 a32
= 12 + 3 + 12 + 8 18 4 = 1

5) La matriz inversa es igual a la matriz de adjuntos dividido por el

determinante de la matriz A:

8
 c11 c21 c31 6 2 5
1 1
1
A = adj ( A) = c12 c22 c32 = 5 2 4
A A
c13 c23 c33 2 1 1

Secomprueba de forma inmediata que

6 2 5 2 3 2 1 0 0
A A = 5 2 4 3 4 1 = 0 1 0 = I
1

2 1 1 1 2 2 0 0 1

Ejemplo

La inversa de la matriz A

4 1
A=
2 3

se calcula de la siguiente forma

1) Matriz de menores

m11 m12 3 2
=
m21 m22 1 4

2) Matriz de cofactores

c11 c12 3 2
c =
21 c22 1 4

3) Matriz de adjuntos

c c21 3 1
adj ( A) = 11 =
c12 c22 2 4

4) Determinante de A

A = a1 j a2l .........anq = a11a22 a12 a21a31 = 12 2 = 10

5) Matriz inversa de A:

9
 1 1 c11 c21 1 3 1
A 1 = adj ( A) = =
A A c12 c22 10 2 4

La inversa de una matriz diagonal es igual a la matriz en la que cada

elemento es el recproco del correspondiente elemento de la matriz original.

Ejemplo

La inversa de la matriz A

3 0 0
A = 0 5 0
0 0 8

es la siguiente

1
3 0 0

1
A = 0
1
0
5

0 1
0
8

Independencia lineal

Sea un conjunto de m vectores {a1 , a 2 ," , a m } , de orden n 1. Si la nica

solucin de la ecuacin

1x1 + 2 x 2 + " + m x m = 0 (15)

es 1 = 2 = " = m = 0 los vectores {a1 , a 2 ," , a m } son linealmente

independientes. Si existen otras soluciones entonces se dice que son linealmente
dependientes.

Ejemplos

1 2
a) Los vectores y son linealmente independientes, ya que (15)
5 8
solo se satisface para 1 = 2 = 0 .

10
 2 6
b) Los vectores y son linealmente dependientes, ya que (15) se
3 9
satisface para 1 = 3; 2 = 1 . Es decir,

2 6 0
3 =
3 9 0

Rango de una matriz

El rango de una matriz A n m, al que denominaremos ( A) , es el

numero mximo de filas o columnas que son linealmente independientes. Se
verifica que ( A) min(n, m) .

Si el rango de una matriz cuadrada A n n es n se dice que es de rango

completo. En este caso la matriz A es no singular y, por tanto, A 0 .

Ejemplos

a) La matriz

1 4 7
A=
5 2 3

tiene el rango igual a 2 (en ningn caso podra ser 3), ya que las columnas de A
son linealmente independientes.

b) La matriz

2 6
A=
3 9

tiene el rango igual a 1, ya que las columnas de A son linealmente dependientes.

2 6 0
3 =
3 9 0

3 PROPIEDADES DE LAS OPERACIONES CON MATRICES

Sean A, B y C matrices y , y escalares.

11
Multiplicacin

a) En general, AB BA

b) [ + + ] A = A + A + A = A + A + A
c) A(B + C) = AB + AC BA + CA

d) A0 = 0A = 0

Trasposicin

a) =

b) ( A) = A = A

c) ( A + B) = A + B

d) ( AB) = BA

Determinantes

a) El determinante de una matriz cuadrada es igual al determinante de su

transpuesta, es decir,

A = A (16)

b) El determinante del producto de matrices cuadradas es igual al producto

de los determinantes de cada una de las matrices. As,

ABC = A B C (17)

c) Si se multiplica una matriz A de orden n por una constante h se verifica

que,

hA = h n A (18)

e) Si una matriz A tiene dos filas, o dos columnas, idnticas, entonces

|A|=0.

Traza

a) tr ( A) = tr ( A)

12
 b) tr ( ) = tr ( ) =

c) tr ( A + B) = tr ( A) + tr (B)

d) tr ( A) = tr ( A)

e) tr ( AB) = tr (BA)

Inversa

a) La inversa de un producto de matrices cuadradas no singulares ABC

es igual a

( ABC )
1
= C1B 1 A 1 (19)

b) La transpuesta de una inversa es igual a la inversa de la transpuesta, es

decir,

( A 1 ) = (A) 1 (20)

c) El determinante de la inversa de una matriz es igual al recproco del

determinante de la matriz original. Es decir,

1
A 1 = (21)
A

4 CLCULO DE DERIVADAS DE UN ESCALAR RESPECTO A UN

VECTOR

Derivada de una forma lineal respecto a un vector

Sean

a1 x1
a x
a = 2 y x = 2
... ...

an xn

entonces

13
 ax
=a (22)
x
Demostracin

x1
x
ax = [ a1 a2 ... an ] 2 = a1 x1 + a2 x2 + ... + an xn
...

xn

Derivando la expresin anterior respecto cada uno de los elementos de x

se obtiene que

ax
= a1
x1

ax
= a2
x2
:
:
ax
= an
xn

Reuniendo en un vector las derivadas del escalar ax con respecto a cada

elemento de x, tenemos la derivada de dicho escalar con respecto al vector x. Por
lo tanto,

a1

ax a2
= =a
x ...

an

Derivada de una forma cuadrtica respecto a un vector

Siendo

14
 a11 a12 ... a1n
a a22 ... a2 n
A = 21
... ... ... ...

an1 an 2 ... ann

y x el vector definido anteriormente, entonces se verifica que

xAx
= ( A + A)x (23)
x
Demostracin

a11 a12 ... a1n x1

a a22 ... a2 n x2
xAx = [ x1 x2 ... xn ] 21 =
... ... ... ... ...

an1 an 2 ... ann xn

= a11 x12 + a21 x1 x2 + ... + an1 x1 xn + a12 x1 x2 + a22 x22 + ... + an 2 x2 xn

+............................... + a1n x1 xn + a2 n x2 xn + ... + ann xn2

Derivando la expresin anterior respecto a cada uno de los elementos de x

se tiene que

xAx
= 2a11 x1 + (a12 + a21 ) x2 + ... + (a1n + an1 ) xn
x1

xAx
= (a21 + a12 ) x1 + 2a22 x2 + ... + (a2 n + an 2 ) xn
x2

.............................

xAx
= (an1 + a1n ) x1 + (an 2 + a2 n ) x2 + ... + 2ann xn
xn

Reuniendo en un vector las derivadas del escalar x'Ax con respecto a cada
elemento de x, tenemos la derivada de dicho escalar con respecto al vector x. Por
lo tanto,

15
 a11 a12 ... a1n a11 a21 ... an1 x1

xAx a21 a22 ... a2 n a12 a22 ... an 2 x2
= + =
x ... ... ... ... ... ... ... ... ...
an1 an 2

... ann a1n

a2 n ... ann xn

= ( A + A)x

Si la matriz A es simtrica se verifica que

x' Ax
= 2 Ax (24)
x

5 RACES Y VECTORES PROPIOS

Determinacin de las races y vectores caractersticos

El problema que se plantea en este epgrafe es la determinacin de unos

escalares (j) y de unos vectores (uj) tales que satisfagan la siguiente ecuacin:

Au j = j u j (25)

donde A es una matriz dada de orden n n. Es decir, A debe ser una matriz
cuadrada.

A los escalares j que satisfacen la ecuacin (25) se les denomina races

caractersticas y a los correspondientes vectores uj se les denomina vectores
caractersticos. Para las races caractersticas se utilizan tambin las
denominaciones de valores propios o autovalores. Para los vectores
caractersticos se utiliza alternativamente la expresin de vectores propios.

La ecuacin (25), mediante una simple manipulacin algebraica, la

podemos expresar de la siguiente forma:

( A j I )u j = 0 (26)

Si dejamos aparte la solucin trivial uj =0, para que la ecuacin (26) tenga
solucin debe cumplirse que

A jI = 0 (27)

16
 A la ecuacin anterior se le denomina ecuacin caracterstica de A.
Resolvindola se hallan n races caractersticas j. A cada raz caracterstica va
asociado un vector caracterstico uj. Cada vector caracterstico puede
multiplicarse arbitrariamente por una constante sin afectar al resultado, debido a
que la matriz (A-j.I) de (26) es singular por la condicin impuesta en (27). En
muchas aplicaciones, para soslayar la arbitrariedad del resultado, se procede a
normalizar cada vector caracterstico imponiendo la condicin

uj u j = 1 (28)

De todas formas, an despus de normalizar subsiste una arbitrariedad en

el signo, de forma que si uj es una solucin, (-1)uj tambin lo es.

Es conveniente en muchas aplicaciones definir una matriz U en la que

cada columna es un vector caracterstico uj . Por lo tanto,

u11 u21 .... u j1 .... un1

u u22 .... u j 2 .... un 2
... un =
12
U = u1 u 2 ... u j (29)
... ... .... ... .... ...

u1n u2 n ..... u jn .... unn

Propiedades de las races y vectores caractersticos.

a) Las races caractersticas de una matriz diagonal son los elementos de la

diagonal.

b) Las matrices A y A tienen las mismas races caractersticas, pero no

necesariamente los mismos vectores caractersticos.

c) Si es es una raz caracterstica de A, entonces 1/ es una raz

caracterstica de A-1.

d) Designando a las races caractersticas de A por 1, 2,..., n, entonces

se verifica que
n
tr A = j =1
j (30)

n
A = j (31)
j =1

17
 Si la matriz A es real y simtrica, entonces las races y vectores
caractersticos cumplen tambin otras propiedades. Una propiedad relevante en el
anlisis multivariante de una matriz real y simtica es la siguiente:

e) Una matriz A real y simtrica de orden n , da lugar a n vectores que son

ortogonales entre s.

Se dice que los vectores uj y uh son ortogonales, si se verifica que

uj u h = 0 (32)

Un conjunto de vectores se dice que son ortonormales, si adems de la

condicin anterior estn normalizados segn el criterio (28).

La matriz U formada por vectores caractersticos normalizados de una

matriz simtrica, es decir, por vectores ortonormales, se denomina ortonormal y
cumplir la siguiente propiedad:

UU = I (33)

Ejemplo de clculo de races y vectores carctersticos de una matriz no simtrica

Sea la matriz

4 3
A=
1 2

Aplicando la ecuacin (26) a la matriz anterior, se tiene que :

4 3 1 0 U 1 j 0
j =
1 2 0 1 U 2 j 0

La correspondiente ecuacin caracterstica viene dada por

4 j 3
= 0,
1 2 j

es decir,

j2 6 j + 5 = 0

Con la resolucin de esta ecuacin de segundo grado (A es de orden 2x2),

se obtienen dos races caractersticas:

18
 1 = 5; 2 = 1

1 = 5; 2 = 1

Sustituyendo 1 en la ecuacin (26), se obtiene

4 3 1 0 U11 0
5 0 1 U = 0
1 2 21

es decir,

1 3 U11 0
1 3 U = 0
21

donde U11 y U21 son los elementos del vector u1.

De la expresin anterior se obtienen dos ecuaciones

U11 + 3U 21 = 0
U11 3U 21 = 0

que son proporcionales debido al carcter singular de la matriz ( A j I ). Por esta

razn, con estas ecuaciones slo podemos determinar la relacin entre U11 y U21,
pero no sus valores exactos. Esta relacin es

U11 = 3U 21

Con esta relacin y la ecuacin de normalizacin

U112 + U 212 = 1

se tiene un sistema de dos ecuaciones. Resolvindolo se obtiene

3
10
u1 =
1
10

Obsrvese que (-1)u1 tambin es solucin al sistema anterior.

19
 Sustituyendo la segunda raz 2 en la ecuacin (26), se obtiene

4 3 1 0 U11 0

1 2 1 0 1 U = 0
21

3 3 U11 0
1 1 U = 0
21

De la expresin anterior se obtiene la relacin entre U12 y U22:

U12 = U 22

Con esta relacin y la ecuacin de normalizacin se obtienen los valores

del vector u2:

1
2
u2 =
1
2

En este caso, la matriz U ser la siguiente:

3 1
10 2
U=
1 1
2
10

Ejemplo de clculo de races y vectores caractersticos de una matriz simtrica

Sea la matriz

1 2
A=
2 1

La aplicacin de la ecuacin (A1-22) da lugar a la siguiente expresin:

1 2 1 0 U 1 j 0
j =
2 1 0 1 U 2 j 0

obtenindose la ecuacin caracterstica

20
 1 j 2
=0
2 1 j

es decir,

j2 2 j 3 = 0

Con la resolucin de esta ecuacin de segundo grado (A es de orden 2x2),

se obtienen dos races caractersticas:

1 = 3; 2 = 1

Realizando las sustituciones pertinentes en este caso, llegamos a

1 1
2 2
u1 = u2 =
1 1
2 2

En este caso la matriz U ser la siguiente:

1 1
2 2
U=
1 1
2 2

Puede comprobarse fcilmente que U es una matriz ortonormal y, por lo

tanto, se cumple que

UU = I

21