Capítulo 1: Álgebra Matricial

1.1 INTRODUCCIÓN

En muchos análisis se supone que las variables que intervienen están relacionadas mediante un conjunto de
ecuaciones   lineales.   El  álgebra   matricial  proporciona   una   notación   concisa   y   clara   para   la   formulación   y
resolución de tales problemas, muchos de los cuales serían casi imposibles de plantear con la notación algebraica
ordinaria.
En   este   capítulo,   se   definen   los   vectores   y   las   matrices,   así   como   las   operaciones   correspondientes.   Se
consideran tipos especiales de matrices, la transpuesta de una matriz, las matrices subdivididas y el determinante
de una matriz. También se tratan y aplican a la resolución de ecuaciones lineales simultáneas, la dependencia
lineal de un conjunto de vectores, y el rango y la inversa de una matriz. Así mismo, se define e ilustra la
diferenciación vectorial. Por último, en el Capítulo 2 se discuten otras aplicaciones del álgebra matricial. 

1.2 DEFINICIÓN DE MATRIZ 

Una matriz es una disposición (o “arreglo”) rectangular de números en la forma 

⎛ a11 a12 L a1n ⎞  ⎡ a11 a12 L a1n ⎤ 

⎜  ⎟  ⎢  ⎥ 
⎜ a 21 a22 L a 2n ⎟ 
  ⎢ a  21 a22 L a2n ⎥ 
A= o A=
⎜  M M M M ⎟  ⎢  M M M M ⎥ 
⎜  ⎟  ⎢  ⎥ 
⎝a  m1 a m 2 L a mn ⎠  ⎣a  m1 a m2 L amn ⎦ 

Las letras   ai j   representan números reales, que son los  elementos  de la matriz. Nótese que   ai j   designa al

elemento en la i­ésima fila y la j­ésima columna de la matriz A; la matriz A se denota también a veces por ( ai j )
€
o por { ai j }. Una matriz que tiene m filas y n columnas se dice que es una matriz m x n (“m por n”), o bien, una
matriz de
€  orden m  x  n.  Si  m  =  n,  se expresa  que  la  matriz  es  cuadrada. Cuando han de
€  realizarse  varias
A
operaciones en matrices, su orden suele denotarse mediante subíndices, por ejemplo,  m×n , o bien,  € ( ai j ) m×n .
€

EJEMPLO € €
⎡ 5 −8 −2⎤ 
⎡  6 6 ⎢  ⎥ 
3⎤  ⎢12
  10 −1⎥ 
⎡1  0 −2 6⎤  ⎢  ⎥  ⎡  1 −1⎤ 
⎢  ⎥  ⎢  3 8 −2⎥   
⎢13 9 −3⎥  ⎢  ⎥ 
⎣4  8 3 −9⎦  ⎢  ⎥  ⎣−1
  1⎦ 
  
⎣−1 0 0⎥⎦   ⎢ 2 7 6⎥ 
⎢
⎣ 6 4 10⎥
⎢ ⎦ 
es una matriz 2 × 4 es una matriz 3× 3 (cuadrada) es una matriz 5 × 3 es una matriz 2 × 2 (cuadrada)

€
 Se dice que dos matrices del mismo orden son iguales solamente si todos sus elementos correspondientes son
también iguales, es decir, si las matrices son idénticas. Observemos que, por definición, las matrices que son de
diferente orden no pueden ser iguales. 
 EJEMPLO

Si
⎡  2 −2⎤  ⎡  2 −2 2⎤   
⎡−2 2⎤  ⎡  2 −2⎤ 
A = ⎢  ⎥  B = ⎢  ⎥  C = ⎢  ⎥  D = ⎢  ⎥ 
⎣−2
  2⎦  ⎣−2
  2 −2⎦  ⎣  2 −2⎦  ⎣−2
  2⎦ 
A = D, pero A ≠ B, A ≠ C , B ≠ C , B ≠ D , y C ≠ D.

€
DEFINICIÓN DE VECTOR (EN ÁLGEBRA MATRICIAL)

Una matriz que consta de una sola columna, es decir, una matriz  m x l se conoce como vector columna, y se
expresa como 

⎛ u1 ⎞  ⎡ u1 ⎤ 
⎜  ⎟  ⎢  ⎥ 
u u
u = ⎜  2 ⎟  o bien u = ⎢  2 ⎥ 
⎜  M⎟  ⎢ M⎥ 
⎜  ⎟  ⎢  ⎥ 
⎝u  m ⎠  ⎣u  m ⎦ 

Las letras  u i  son números reales: los componentes del vector;  u i  es el i­ésimo componente del vector u. Un

vector columna que tiene m filas se dice que es un vector de m componentes, o que es m­dimensional.
€
Análogamente, una matriz que contiene una sola fila, es decir, una matriz 1 x n, se dice que es un vector fila y
se expresa como
€ €
 
v =  (v1 , v 2 ,..., v n ) o bien v =  [ v1 , v 2 , ..., v n ]

Las letras  v j  son números reales: los componentes del vector;  v j  es el j­ésimo componente del vector v.

Un vector fila con n columnas se dice que es un vector de n componentes, o que es n­dimensional. 
€ €

€ €
EJEMPLO

  ⎤ 
⎡€1
⎢  ⎥  es una matriz 2 x 1, o sea, un vector columna de 2 dimensiones (o bidimensional)
⎣−1
  ⎦ 

  ⎤ 
⎡0
⎢  ⎥ 
€ ⎢0
  ⎥ 
  ⎥  es una matriz 5 x 1, o sea, un vector columna de 5 dimensiones (o pentadimensional)
⎢3
⎢  ⎥ 
⎢0
  ⎥ 
 ⎥
⎣2
⎢ ⎦ 

[ 0, 3, 0] es una matriz 1 x 3, o sea, un vector fila de 3 dimensiones (o tridimensional)
€

€
 [€1, −1, 5, −1] es una matriz 1 x 4, o sea, un vector fila de 4 dimensiones (o tetradimensional)

€ Dos vectores fila que tienen el mismo número de columnas, o dos vectores columna que tienen el mismo
número de filas, se dice que son iguales solamente si todos los elementos correspondientes son también iguales,
es decir, si los vectores son idénticos. 

EJEMPLO

  ⎤ 
⎡1
u =  [1, 3] v =   ⎢  ⎥  w =  [1, 3] x =   [ 3, 1]
⎣3
  ⎦ 
u = w, pero u ≠ v, u ≠ x, y v ≠ w, v ≠ x, y w ≠ x. 
€ € €
€
NOTA: Con frecuencia es útil considerar a una matriz como compuesta de una serie de vectores fila o de
vectores columna; por ejemplo, la matriz

⎡  1 −6⎤  ⎡  1⎤  ⎡−6  ⎤ 

⎢  ⎥  ⎢  ⎥  ⎢  ⎥ 
⎢  2 2⎥  se puede considerar constituida por los dos vectores columna 
  ⎢  2⎥  y ⎢  2⎥ 
  
⎣−3
⎢ ⎦  
4⎥    ⎥⎦  
⎢⎣−3 ⎢⎣   4⎥⎦  

o bien. compuesta de los tres vectores fila  [1, −6] [2, 2] y [−3, 4 ]

€ €

€
1.3 OPERACIONES CON MATRICES 

Operaciones  análogas  a  las  de  adición.  Sustracción,  multiplicación y división  de  números  reales  se  pueden
definir para las matrices. Puesto que una matriz es una disposición de números reales, en lugar de un solo
número real, algunas propiedades de las operaciones para los números reales no tienen equivalencia en las
operaciones análogas con matrices; ejemplos específicos se dan en las siguientes secciones. En esta sección se
definen e ilustran la adición y la sustracción de matrices, la multiplicación de una matriz por un escalar, y la
multiplicación de matrices entre sí. 

ADICIÓN Y SUSTRACCIÓN DE MATRICES 

Las matrices se pueden sumar o restar solamente si son del mismo orden. La suma o la diferencia de dos
matrices  m  x  n  es   otra   matriz  m  x  n  cuyos   elementos   son   las   sumas   o   diferencias   de   los   elementos
correspondientes de las matrices originales; de modo que si 

⎡a  11 L a1n ⎤  ⎡ b11 L b1n ⎤ 

⎢  ⎥  ⎢  ⎥ 
A = ⎢  M M ⎥  B = ⎢  M M⎥ 
⎢⎣a   m1 L amn ⎥⎦   ⎢⎣b   m1 L bmn ⎥⎦  

€
 entonces  A ± B = C

en donde

⎡ a11 ± b11 L a1n ± b1n ⎤  ⎡c  11 L c1n ⎤ 

⎢  ⎥  ⎢  ⎥ 
C = ⎢  M M ⎥=   ⎢  M M⎥ 
⎣a   m1 ± bm1 L
⎢ ⎦   ⎢
a mn ± bmn ⎥ ⎣c   m1 L ⎦  
c mn ⎥

es decir,  (ai j ) + (bi j ) = (c i j ) , en donde  ci j = a i j + bi j  para toda i y toda j.

€

€ €
 EJEMPLO

⎡3  2 −4 ⎤  ⎡ 0 3 8 ⎤  ⎡3  5 4 ⎤ 

⎢  ⎥  ⎢  ⎥  ⎢  ⎥ 
(a ) ⎢5  6 8 ⎥+   ⎢−5
  −6 2 ⎥=   ⎢0  0 10 ⎥ 
⎣3   0 0 ⎥
⎢ ⎦   ⎢
⎣  0 0 −4 ⎥⎦   ⎢⎣3   0 −4 ⎥
⎦  
⎡  3 −10⎤  ⎡−6   −4 ⎤  ⎡  9 −6⎤ 
(b) ⎢  ⎥−  ⎢  ⎥=
  ⎢  ⎥ 
⎣−11
  25 ⎦  ⎣22   −21⎦  ⎣−33
  46⎦ 
€
⎡1  ⎤  ⎡1  ⎤  ⎡0  ⎤ 
⎢  ⎥  ⎢  ⎥  ⎢  ⎥ 
€ ⎢1  ⎥  ⎢1  ⎥  ⎢0  ⎥ 
(c ) [ 4, 6, 12] + [−3, 2, −12] = [1, 8, 0] (d ) ⎢2  ⎥−  ⎢2  ⎥=  ⎢0  ⎥ 
⎢  ⎥  ⎢  ⎥  ⎢  ⎥ 
⎢4  ⎥  ⎢4  ⎥  ⎢0  ⎥ 
⎣1  ⎥
⎢ ⎦  ⎢⎣1  ⎥
⎦  ⎢⎣0  ⎥
⎦ 
€
⎡1 ⎤  ⎡3   ⎤  ⎡ 6⎤  ⎡0  ⎤  ⎡−2   ⎤ 
⎡2  3⎤  ⎡  1 1⎤  ⎡0  0⎤  ⎡  3 4 ⎤  ⎢ ⎥  ⎢  ⎥  ⎢  ⎥  ⎢  ⎥  ⎢  ⎥ 
(e) ⎢  ⎥+
  ⎢  ⎥−
  ⎢  ⎥=
  ⎢  € ⎥  ( f ) ⎢1 ⎥+  ⎢2  ⎥−  ⎢ 8⎥+   ⎢1  ⎥=  ⎢−4
  ⎥ 
⎣6  4 ⎦  ⎣−1
  2⎦  ⎣6  4 ⎦  ⎣−1
  2⎦ 
⎣ ⎦  ⎣  ⎦  ⎣  ⎦  ⎣  ⎦  ⎣   ⎥
⎢1 ⎥   ⎢4  ⎥   ⎢  
10 ⎥   ⎢0  ⎥   ⎢−5 ⎦  

(g) [2, 1] + [ 3, 4 ] + [6, 7] − [11, 12] = [0, 0]

€
⎡1  4 ⎤  ⎡ 0 5⎤  ⎡10  13⎤  ⎡  −9 −14€ ⎤ 
⎢  ⎥  ⎢  ⎥  ⎢  ⎥  ⎢  ⎥ 
(h) ⎢2  6⎥−   ⎢ 7 9⎥−  ⎢20
  0⎥=  ⎢−25
  −3⎥ 
€ ⎣3   8⎥
⎢ ⎦   ⎢   
⎣11 12⎥ ⎦   ⎢
⎣   1 0⎥⎦   ⎢
⎣   −9 ⎦  
−4 ⎥

€ PROBLEMAS 

Obtener la matriz que resulta de cada una de las siguientes operaciones: 

⎡2  −3 6⎤  ⎡1  −3 4 ⎤ 

⎢  ⎥  ⎢  ⎥  ⎡6  −1 0⎤  ⎡5  0 2⎤  ⎡−2
  −1 −3⎤ 
1. ⎢5  4 5⎥−  ⎢0  −2 5⎥  2. ⎢  ⎥+
  ⎢  ⎥+
  ⎢  ⎥ 
⎣4  2 1⎦  ⎣0  −1 3⎦  ⎣−4
  1 −1⎦ 
⎣0   −1 −9⎥
⎢ ⎦   ⎢
⎣1   ⎦  
0 −1⎥
⎡1   ⎤  ⎡2  ⎤  ⎡  3⎤ 
⎢  ⎥  ⎢  ⎥  ⎢  ⎥  ⎡2  1⎤  ⎡−1
  0⎤  ⎡2  2⎤ 
3. ⎢3   ⎥−  ⎢0  ⎥+   ⎢  1⎥  4. ⎢  ⎥+
  ⎢  ⎥−
  ⎢  ⎥ 
⎣1  2⎦  ⎣  0 −1⎦  ⎣2  2⎦ 
⎣4   ⎥
⎢ ⎦   ⎢
⎣2   ⎥
⎦   ⎢   ⎥
⎣−2 ⎦  
5. [1, 3, +1, 2] − [0, 1, −2, 3] 6. [−1, 2] − [ 3, 4 ] + [1, −2] − [6, 5]

€
Respuestas a los Problemas de Número Impar 

⎡  1 0 2⎤  ⎡2  ⎤ 
⎢  ⎥  ⎢  ⎥ 
1. ⎢  5 6 0⎥  3. ⎢4  ⎥  5. [1, 2, 1, −1]
   −1 −8⎥⎦  
⎢⎣−1 ⎢⎣0   ⎥⎦  

€
 MULTIPLICACIÓN DE UNA MATRIZ POR UN ESCALAR 

Un solo número real (que equivale a una matriz 1 x 1) se denomina  escalar  en las operaciones del álgebra

matricial. Cuando una matriz se multiplica por un escalar, cada elemento de la matriz queda multiplicado por ese
escalar (que es una constante); por lo tanto, si
 
⎡ a11 L a1n ⎤ 
⎢  ⎥ 
A = ⎢  M M⎥     y k es cualquier escalar (o constante)
 
⎣a   m1 L
⎢ a mn ⎦  
⎥

entonces
⎡ ka11 L ka1n ⎤ 
€ ⎢  ⎥ 
k × Am×n = kAm×n = ⎢  M M ⎥=   k (ai j )m×n = (ka i j ) m×n
   m1 L
⎢⎣ka kamn ⎥⎦  

€ EJEMPLO

⎡  4 −3⎤  ⎡12  −9⎤  ⎡  0⎤  ⎡  0⎤ 

⎢  ⎥  ⎢  ⎥  ⎢  ⎥  ⎢  ⎥ 
(a ) 3⎢  8 −2⎥=  ⎢24
  −6⎥  (b) 5 ⎢−1
  ⎥=   ⎢−5
  ⎥ 
  
⎣−1
⎢ ⎦   ⎢
0⎥   
⎣−3 ⎦  
0⎥ ⎣  ⎦   ⎢
⎢   0⎥ ⎣   0⎥
⎦  
⎡  5 6 2 4 ⎤  ⎡  5a 6a 2a 4a ⎤ 
(c ) −1 [6, −2, −3] = [−6, 2, 3] (d ) a ⎢  ⎥=
  ⎢  ⎥ 
⎣−3
  −1 0 −6⎦  ⎣−3a
  −a 0 −6a ⎦ 
⎡  0⎤  ⎡  0⎤ 
⎢  ⎥  ⎢  ⎥ 
⎢−2
  ⎥  ⎢  2b⎥ 
(e) − b ⎢  3⎥=  ⎢−3b
  ⎥  (f) c [0, 0, 0, 0, 16] = [0, 0, 0, 0, 16 c ]
⎢  ⎥  ⎢  ⎥ 
  ⎥  ⎢  b⎥ 
⎢−1
⎣  5⎥
⎢ ⎦  ⎢   ⎥
⎣−5b⎦ 

€ MULTIPLICACIÓN DE MATRICES 

Dos matrices se pueden multiplicar entre sí sólo si el número de columnas en una de ellas es igual al número de
filas en la otra. En particular, la matriz producto AB está definida solamente si el número de columnas en A es el
mismo que el número de filas en  B; en este caso se dice que las matrices  A  y  B  son  compatibles  ante la
multiplicación, y la matriz producto tiene el mismo número de filas que A y el mismo número de columnas que
B. Así, una matriz m x n se puede multiplicar con una matriz n x p para obtener una matriz m x p.
 DEFINICIÓN: Cuando un vector fila 1 x n multiplica a un vector columna n x 1, el resultado es un escalar al
que   se   le   denomina  producto   interior  de   los   dos   vectores,   y   su   valor   es   la   suma   de   los   productos   de   los
componentes de los vectores. Por lo tanto si 

⎡v   1 ⎤ 
⎢  ⎥ 
u =  [ u1 , L , un ] y v =   ⎢ M⎥ 
⎣v   n ⎥
⎢ ⎦  

∑
n
€
entonces u1xn vnx1 = w (un escalar), en donde  w = u1 v1 + u 2 v 2 +L + un v n = ui vi .
i=1
€
Cuando se multiplican dos matrices, el elemento en la  i­ésima fila y en la  j­ésima columna de la matriz
producto, es el producto interior del i­ésimo vector fila de la primera matriz con el j­ésimo vector columna de la
segunda. De acuerdo con lo anterior, el producto de dos matrices puede expresarse como una matriz de sus
€
productos interiores: Si  A = a
( i j ) m×n  y  B = (bi j )n× p , entonces AB = C, en donde

⎡  n n ⎤ 
€ € ∑
⎢  a1 j b j1 L
⎢ j=1
∑ a1 j b jm ⎥ 
⎥ 
j=1
= ⎢  M M ⎥  es decir,  c i k = ∑ j=1 a i j b j k .
n
C = (c i k )
m× p ⎢  n n ⎥ 
∑
⎢  a b
⎢ j=1 mj j1
L ∑ amj b jn ⎥ 
⎥ 
⎣  j=1 ⎦ 
€

EJEMPLO
€

⎡1  3 −1⎤  ⎡  1 0⎤   

⎡−3 3⎤ 
⎢  ⎥  ⎢  ⎥  ⎢  ⎥ 
(a ) ⎢2  0 0⎥  ⎢−1
  2⎥  = ⎢  2 0⎥ 
⎣0  
⎢ −1 6⎥  
⎦3×3 ⎣   1
⎢ 3⎥  
⎦3×2 ⎣   7 16⎥
⎢   
⎦3×2

en donde
€
(1)(1) + ( 3)(−1) + (−1)(1) = −3

(2)(1) + (0)(−1) + (0)(1) = 2

(0)(1) + (−1)(−1) + (6)(1) = 7

(1)(0) + (3)(2) + (−1)( 3) = 3

(2)(0) + (0)(2) + (0)( 3) = 0

(0)(0) + (−1)(2) + (6)( 3) =16

⎡  3 0⎤ 
€ ⎢  ⎥ 
⎢  4 0⎥ 
(b) [−1, 0, 6, 3, 2]1×5  
⎢−2 3⎥  = [−12, 38]1× 2
⎢  ⎥ 
⎢  1 8⎥ 
⎣  0 −2⎥
⎢   2
⎦5×

€
 en donde

(€1)( 3) + (0)( 4 ) + (6)(−2) + (3)(1) + (2)(0) = −12

(−1)(0) + (0)(0) + (6)(3) + (3)(8) + (2)(−2) = 38

En la multiplicación de matrices, el orden (o sucesión) según el cual se efectúa la multiplicación es muy
€
importante. Si  A  es  m  x  n  y  B  es  n  x  m, entonces es posible obtener las matrices producto  AB, y  BA; sin
embargo,   en   general  AB  ≠  BA.   En   el   producto   matricial  AB,   se   dice   que  A  premultiplica  a  B,   o
alternativamente, que B  posmultiplica  a A. Como, en general, la premultiplicación y la posmultiplicación dan
resultados diferentes, aun cuando ambos están definidos, se debe tener cuidado en mantener el orden apropiado
en todas las multiplicaciones de matrices. Esta precaución no es necesaria en la multiplicación de números, como
se recordará. 
 EJEMPLO

⎡  1 2⎤ 
⎢  ⎥ 
 
⎡4 6 −1 3⎤  −1 1⎥ 
(a) Si A = ⎢  ⎥  y B = ⎢ 
⎣0
  −1 2 1⎦  ⎢  1 6⎥ 
⎢  ⎥ 
⎣  2 3⎦ 
entonces
€ ⎡  1 2⎤ 
  ⎢  ⎥ 
⎡4 6 −1 3⎤  ⎢−1
  1⎥€  ⎡3  17⎤ 
AB = ⎢  ⎥  = ⎢  ⎥ 
⎣0
  −1 2 1⎦2×4
  ⎢  1 6⎥  ⎣5  14 ⎦2×2
 
⎢  ⎥ 
⎣  2 3⎦4×2
 
⎡  1 2⎤  ⎡  4 4 3 5⎤ 
⎢  ⎥    ⎢  ⎥ 
−1 1⎥  ⎡4 6 −1 3⎤  −4 −7 3 −2⎥ 
BA = ⎢  ⎢  ⎥  = ⎢ 
⎢  1 6⎥  ⎣0
  −1 2 1⎦2×4
  ⎢  4 0 11 9⎥ 
⎢  ⎥  ⎢  ⎥ 
⎣  2 3⎦4×2
  ⎣  8 9 4 9⎦4×4
 

⎡  5 −6⎤ 
⎢  ⎥   
⎡−1 8 −3⎤ 
€ (b) Si A = ⎢−1
  0⎥  y B = ⎢  ⎥ 
⎣  0 10 −4 ⎦ 
⎣   0
⎢ ⎦  
3⎥

entonces
€
€
⎡  5 −6⎤   
⎡−5 −20 9⎤ 
⎢  ⎥   
⎡−1 8 −3⎤  ⎢  ⎥ 
AB = ⎢−1
  0⎥  ⎢  ⎥  = ⎢  1 −8 3⎥ 
⎣  0 10 −4 ⎦2×3
 
⎣   0
⎢ 3⎥   
⎦3× 2 ⎣   0
⎢ 30 −12⎥   
⎦3×3
⎡  5 −6⎤ 
 
⎡−1 8 −3⎤  ⎢  ⎥   
⎡−13 −3⎤ 
BA = ⎢  ⎥  ⎢−1
  0⎥  = ⎢  ⎥ 
⎣  0 10 −4 ⎦2×
  3 ⎣−10
  −12⎦2×2
 
⎣   0
⎢ ⎥  
3⎦ 3×2

 
⎡−1 3 1⎤  ⎡  0 2 3⎤ 
€ ⎢  ⎥  ⎢  ⎥ 
(c) Si A = ⎢  2 0 −2⎥  y B = ⎢  8 −1 9⎥ 
⎣   0
⎢ 4 ⎦  
5⎥   
⎣−2
⎢ 0 ⎦  
5⎥

entonces
€ €
 
⎡−1 3 1⎤  ⎡  0 2 3⎤   
⎡22 −5 29⎤ 
⎢  ⎥  ⎢  ⎥  ⎢  ⎥ 
AB = ⎢  2 0 −2⎥  ⎢  8 −1 9⎥  = ⎢  4 4 −4 ⎥ 
⎣   0
⎢ 4 ⎦  
5⎥ 3× 3
⎢   
⎣−2 0 ⎦  
5⎥ 3× 3
  
⎣22
⎢ −4 61⎥⎦   3×3

⎡  0 2 3⎤   
⎡−1 3 1⎤  ⎡  4 12 11⎤ 
⎢  ⎥  ⎢  ⎥  ⎢  ⎥ 
BA = ⎢  8 −1 9⎥  ⎢  2 0 −2⎥  = ⎢−10  60 55⎥ 
⎢   
⎣−2 0 5⎥   
⎦3× ⎣   0
⎢ 4 5⎥   
⎦3× ⎢
⎣    2 14 23⎥   
⎦3×
3 3 3

€
 NOTA: Cuando un vector fila premultiplica a un vector columna, el resultado es un producto interior, es decir,
un escalar cuyo valor es la suma de los productos de los elementos de los dos vectores. Cuando un vector
columna n x 1 premultiplica a un vector fila 1 x n, el resultado es una matriz cuadrada n x n cuyos elementos son
los productos interiores de los vectores dados; por tanto, si 

⎡v   1 ⎤ 
⎢  ⎥ 
u =  [ u1 , L , un ] y v =   ⎢ M⎥ 
⎣v   n ⎥
⎢ ⎦  

∑
n
€
entonces, como se indicó anteriormente, u1xn vnx1 = w (un escalar), en donde  w = ui v i , y vnx1 u1xn = xnxn
i=1

(una matriz cuadrada), siendo  x i j = v i u j . €

€
EJEMPLO €
  ⎤ 
⎡−2
⎢  ⎥ 
(a ) [1, 3, 6] ⎢  4 ⎥ = −2 +12 − 6 = 4
   ⎥
⎣−1
⎢ ⎦  
  ⎤ 
⎡−2  
⎡−2 −6 12⎤ 
⎢  ⎥  ⎢  ⎥ 
⎢  4 ⎥  [1, 3, 6] = ⎢  4 12 24 ⎥ 
⎢   ⎥
⎣−1 ⎦     
⎣−1
⎢ −3 −6⎥⎦  

⎡  0⎤ 
⎢  ⎥ 
⎢−1
€
  ⎥ 
(b) [1, 0, 0, 2, −3]   ⎥=
⎢−4   0+0+0−6+6 = 0
⎢  ⎥ 
⎢−3
  ⎥ 
  ⎥
⎣−2
⎢ ⎦ 
⎡  0⎤  ⎡  0 0 0 0 0⎤ 
⎢  ⎥  ⎢  ⎥ 
⎢−1
  ⎥  ⎢−1
  0 0 −2 3⎥ 
  ⎥  [1, 0, 0, 2, −3] = ⎢−4
⎢−4   0 0 −8 12⎥ 
⎢  ⎥  ⎢  ⎥ 
⎢−3
  ⎥  ⎢−3
  0 0 −6 9⎥ 
⎢   ⎥
⎣−2 ⎦  ⎢  
⎣−2 0 0 −4 ⎦ 
6⎥

€ Aunque   el   orden   según   el   cual   se   multiplican   dos   matrices   afecta   al   resultado,   el   orden   en   el   que   se
multiplican tres o más matrices no influye en el resultado, siempre y cuando se conserve la secuencia de las
operaciones, Es decir, 

Amxn Bnxp Cpxq = Amxn(Bnxp Cpxq) = (Amxn Bnxp)Cpxq

Una propiedad correspondiente se tiene en el caso de la multiplicación de números. En resumen, la adición de
matrices es conmutativa, o sea, A + B = B + A, y tanto la adición como la sustracción son asociativas, es decir,
A ± B ± C = A ± (B ± C) = (A ± B) ± C; la multiplicación de dos matrices no es conmutativa (es decir, AB ≠
 BA) pero la de tres o más es asociativa, es decir ABC = A(BC) = (AB)C. Tratándose de números, la adición, la
sustracción y la multiplicación son asociativas y conmutativas.

EJEMPLOS 

A.
A B C = A BC = ABC
⎡1  −1 0⎤  ⎡  3⎤  ⎡1  −1 0⎤  ⎡0  6 −3⎤  ⎡0  4 −2⎤ 
⎢  ⎥  ⎢  ⎥  ⎢  ⎥  ⎢  ⎥  ⎢  ⎥ 
⎢2  −3 4 ⎥  ⎢  1⎥  [0, 2, −1]1× 3 = ⎢2  −3 4 ⎥  ⎢0  2 −1⎥  = ⎢0  −2 1⎥ 
⎣0  
⎢ 0 1⎥⎦  3× 3
⎢    ⎥
⎣−1   
⎦3×1 ⎣0  
⎢ 0 1⎥⎦  
3× 3 ⎣0  
⎢ −2 ⎦  
1⎥ 3× 3 ⎣0  
⎢ −2 ⎦  
1⎥3×3

€ O por asociatividad,

A B C = AB C = ABC
⎡1  −1 0⎤  ⎡  3⎤  ⎡  2⎤  ⎡0  4 −2⎤ 
⎢  ⎥  ⎢  ⎥  ⎢  ⎥  ⎢  ⎥ 
⎢2  −3 4 ⎥  ⎢  1⎥  [0, 2, −1]1× 3 = ⎢−1
  ⎥  [0, 2, −1]1×3 = ⎢0  −2 1⎥ 
⎣0  
⎢ 0 1⎥   
⎦3×3 ⎢    ⎥
⎣−1   
⎦3×1    ⎥
⎣−1
⎢   
⎦3×1 ⎣0  
⎢ −2 1⎥   
⎦3×3

€ B.
A B C = A BC = ABC
  ⎤ 
⎡−1
⎡1  −1⎤  ⎡  5 −2 3⎤  ⎢  ⎥  ⎡1  −1⎤    ⎤ 
⎡−17 ⎡  −1⎤ 
⎢ 
⎣6 
⎥ 
10⎦2×2
 
⎢ 
⎣−8
  0
⎥ 
6⎦2×
  3 ⎢  0⎥  = ⎢  
⎣6 
⎥ 
10⎦2×2
 
⎢  ⎥  = ⎢ 
⎣−16
  ⎦2×1
  ⎣−262
 
⎥ 
 
⎦2×1
   ⎥
⎣−4
⎢   
⎦3×1

O bien por asociatividad,
€
A B C = AB C = ABC
  ⎤ 
⎡−1   ⎤ 
⎡−1
⎡1  −1⎤  ⎡  5 −2 3⎤  ⎢  ⎥  ⎡  13 −2 −3⎤  ⎢  ⎥  ⎡  −1⎤ 
⎢ 
⎣6 
⎥ 
10⎦2×2
 
⎢ 
⎣−8
  0
⎥ 
6⎦2×
  3 ⎢  0⎥  = ⎢ 
⎣−50
  −12
⎥ 
78⎦2×
  3 ⎢  0⎥  = ⎢ 
⎣−262
 
⎥ 
 
⎦2×1
⎢ 
−4 ⎥ 
⎣  ⎦3×1
  ⎢ 
−4 ⎥ 
⎣  ⎦3×1
 

€ C.

A B C = A BC = ABC
 
⎡3 4 ⎤  ⎡  0 1⎤   
⎡−6 −8 10⎤   
⎡3 4 ⎤   
⎡−5 5 4 ⎤  ⎡  9 47 −28⎤ 
⎢  ⎥  ⎢  ⎥  ⎢  ⎥  = ⎢  ⎥  ⎢  ⎥  = ⎢  ⎥ 
⎣4
  3⎦2×
  2 ⎣−1
  0⎦2×2
  ⎣−5
  5 4 ⎦2×
  3 ⎣4
  3⎦2×
  2 ⎣  6 8 −10⎦2×3
  ⎣−2
  44 −14 ⎦2×
  3

€ O por asociatividad,
 A B C = AB C = ABC
 
⎡3 4 ⎤  ⎡  0 1⎤   
⎡−6 −8 10⎤   
⎡−4 3⎤   
⎡−6 −8 10⎤  ⎡  9 47 −28⎤ 
⎢  ⎥  ⎢  ⎥  ⎢  ⎥  = ⎢  ⎥  ⎢  ⎥  = ⎢  ⎥ 
⎣4
  3⎦2×
  2 ⎣−1
  0⎦2×
  2 ⎣−5
  5 4 ⎦2×
  3 ⎣−3
  4 ⎦2×
  2 ⎣−5
  5 4 ⎦2×
  3 ⎣−2
  44 −14 ⎦2×
  3

€ D.
A B C = A BC = ABC
⎡  0⎤  ⎡  0 0 0⎤ 
⎢  ⎥  ⎢  ⎥ 
[1, −1, 4, 2]1× 4 ⎢  2⎥  [−1, 0, 6]1× 3 = [1, −1, 4, 2]1×4 ⎢−2
  0 12⎥ 
= [6, 0, −36]1× 3
  ⎥ 
⎢−1 ⎢  1 0 −6⎥ 
⎢  ⎥  ⎢  ⎥ 
⎣  0⎦4×1
  ⎣  0 0 0⎦4×
  3

Alternativamente, por asociatividad,
€
A B C = AB C = ABC
⎡  0⎤ 
⎢  ⎥ 
[1, −1, 4, 2]1× 4 ⎢  2⎥  [−1, 0, 6]1×3 = −6 × [−1, 0, 6]1× 3 = [6, 0, −36]1× 3
  ⎥ 
⎢−1
⎢  ⎥ 
⎣  0⎦4×1
 

PROBLEMAS
€

Obtener la matriz resultante de cada una de las siguientes operaciones:

⎡  2 1⎤ 
 
⎡+1 2 3 4 ⎤  ⎡2  −1⎤  ⎢  ⎥ 
⎢  ⎥  ⎢  ⎥⎡  2  1⎤  1 3⎥ 
1. 3⎢  0 −1 −1 2⎥  2. ⎢1  0⎥⎢    ⎥  3. [1, −1, 0, 2] ⎢ 
⎣1  0⎦   
⎢−1 0⎥ 
⎣   1 2 0 3⎥
⎢ ⎦   ⎣3   −3⎥
⎢ ⎦   ⎢  ⎥ 
⎣  0 2⎦ 
⎡  1 −1⎤  ⎡2  0⎤ 
⎢  ⎥⎡  2  ⎤   
⎡−1 1⎤⎡  2  0⎤⎡ 1  1 1⎤  ⎢  ⎥⎡  1  0⎤ 
4. [1, −2, 0] ⎢  3 0⎥⎢    ⎥  5. ⎢  ⎥⎢    ⎥⎢    ⎥  6. [1, −1, 1] ⎢0  2⎥⎢    ⎥ 
⎣1  ⎦  ⎣  1 −1⎦⎣  0  2⎦⎣ 1  1 1⎦  ⎣0  1⎦ 
⎢   
⎣−2 ⎦  
1⎥ ⎢2
⎣   2⎥
⎦  

€ Respuestas a los Problemas de Número Impar 

⎡−3  6 9 12⎤ 
⎢  ⎥  ⎡0  0 0⎤ 
1. ⎢  0 −3 −3 6⎥  3. [1, 2] 5. ⎢  ⎥ 
⎣0  0 0⎦ 
⎢⎣   3 6 0 9⎥⎦  

€ 1.4 TIPOS ESPECIALES DE MATRICES 
 En esta sección se estudiarán tres tipos especiales de matrices: las matrices diagonales, las matrices identidad y
las matrices nulas.

MATRICES DIAGONALES 

Una  matriz   diagonal  es   una   matriz   cuadrada   cuyos   elementos   son   todos   iguales   a   cero,   excepto   los   que
pertenecen a su  diagonal principal, la cual es la que va del extremo superior izquierdo al extremo inferior
derecho; así pues, 

⎡ a11 L a1n ⎤ 
⎢  ⎥ 
A = ⎢  M M⎥=   (a i j )n×n
⎢⎣a   m1 L a mn ⎥⎦  

es una matriz diagonal si y sólo si
€
ai j = 0 para i ≠ j
ai j ≠ 0 si al menos  i = j (cuando todos los elementos de una matriz son ceros, se trata de una  matriz
nula, la cual se describirá más adelante) 
€
€ Una matriz diagonal n x n puede indicarse por la notación 

⎡a  11 0 ⎤  ⎡a  1 0 ⎤ 
⎢  ⎥  ⎢  ⎥ 
A = ⎢  O ⎥  o ⎢  O ⎥ 
⎢⎣  0 ann ⎥⎦   ⎢⎣  0 an ⎥⎦  

o bien, por 
€
⎡d  1 0 ⎤ 
⎢  ⎥ 
D n = ⎢  O ⎥ 
⎣  0
⎢ ⎦  
dn ⎥

EJEMPLO €

 
⎡−1 0 0 0⎤ 
⎡1  0 0⎤  ⎢  ⎥ 
⎢  ⎥ 
y ⎢  0 0 0 0⎥ 
⎢0  −3 0⎥  ⎢  0 0 0 0⎥ 
son matrices diagonales.
⎢⎣0   0 10⎥⎦   ⎢  ⎥ 
⎣  0 0 0 7⎦ 

€
 MATRICES IDENTIDAD 

Una  matriz identidad  es una matriz diagonal cuyos elementos de la diagonal principal son todos iguales al

número uno. Por consiguiente, 

⎡ a11 L a1n ⎤ 
⎢  ⎥ 
A = ⎢  M M⎥=   (a i j )n×n
⎢⎣a   m1 L a mn ⎥⎦  

es una matriz identidad si y sólo si
€
ai j = 0 para i ≠ j
ai j =1 para i = j

€  o en forma equivalente, una matriz diagonal Dn es una matriz identidad si y sólo si
€
d i =1 para i = 1, 2, …, n

Una matriz identidad n x n se representa por In. 
€

EJEMPLO
⎡1  0 0 0 0 0⎤ 
⎢  ⎥ 
⎡1  0 0⎤  ⎢0  1 0 0 0 0⎥ 
⎢  ⎥  ⎢0  0 1 0 0 0⎥ 
I 3 = ⎢0  1 0⎥  y I 6 = ⎢  ⎥ 
⎣0   0 1⎥
⎢ ⎦   ⎢0  0 0 1 0 0⎥ 
⎢0  0 0 0 1 0⎥ 
⎢  ⎥ 
⎣0  0 0 0 0 1⎦ 

son las matrices identidad 3 x 3 y 6 x 6.
€
Nótese   que   al   premultiplicar   o   posmultiplicar   una   matriz   por   la   matriz   identidad   del   tamaño   (u   orden)
apropiado, no cambia la matriz dada; es decir,

Amxn = Im Amxn = Amxn In = Amxn

EJEMPLOS 

A.
 A2× 4 I2 A2× 4 A2× 4 I4
⎡1  0 0 0⎤ 
⎡  2 ⎢  ⎥ 
−3 −6 4 ⎤  ⎡1  0⎤  ⎡  2 −3 −6 4 ⎤  ⎡  2 −3 −6 4 ⎤  ⎢0  1 0 0⎥  ⎡ 
⎢  ⎥  = ⎢  ⎥  ⎢  ⎥  = ⎢  ⎥  = ⎢ 
⎣−1
  −1 0 3⎦2×
  4 ⎣0  1⎦2×
  2 ⎣−1
  −1 0 3⎦2×
  4 ⎣−1
  −1 0 3⎦2×
  4 ⎢0  0 1 0⎥  ⎣−
 
⎢  ⎥ 
⎣0  0 0 1⎦4×
  4
B.
A3× 3 I3 A3× 3 A3× 3 I3 A3× 3
€ ⎡3   0 0⎤  ⎡1   0 0⎤  ⎡3   0 0⎤  ⎡3   0 0⎤  ⎡1   0 0⎤  ⎡3   0 0⎤ 
⎢  ⎥  ⎢  ⎥  ⎢  ⎥  ⎢  ⎥  ⎢  ⎥  ⎢  ⎥ 
⎢0  −2 0⎥  = ⎢0  1 0⎥  ⎢0  −2 0⎥  = ⎢0  −2 0⎥  ⎢0  1 0⎥  = ⎢0  −2 0⎥ 
⎣0  
⎢ 0 6⎥   
⎦3× 3 ⎣0  
⎢ 0 1⎥    ⎢
⎦3× 0 
3 ⎣ 
0 6⎥   
⎦3× 3 ⎣0  
⎢ 0 6⎥    ⎢
⎦3× 0 
3 ⎣ 
0 1⎥   
⎦3× 3 ⎣0  
⎢ 0 6⎥   
⎦3× 3

€ MATRICES NULAS

Una matriz nula es una matriz m x n cuyos elementos son todos iguales a cero; se simboliza con O. Cuando una
matriz nula del orden (o tamaño) apropiado se suma o se resta de otra matriz, esta última no cambia; es decir,

Amxn ± Omxn = Amxn

Premultiplicar o posmultiplicar una matriz nula de orden apropiado da lugar a otra matriz nula; es  decir,

Okxm Amxn = Okxn   y Amxn Onx1 = Omx1

EJEMPLOS 

A.
A2× 3 ± O2×3 = A2× 3
⎡  0 1 0⎤  ⎡0  0 0⎤  ⎡  0 1 0⎤ 
⎢  ⎥  ± ⎢  ⎥  = ⎢  ⎥ 
⎣10
  0 −3⎦2×
  3 ⎣0  0 0⎦2×3
  ⎣10
  0 −3⎦2×
  3

€ B.
O3× 3 A2× 4 O3× 4
⎡0  0⎤  ⎡0  0 0 0⎤ 
⎢  ⎥  ⎡  1 6 4 −10⎤  ⎢  ⎥ 
⎢0  0⎥  ⎢ 
⎣−1
  20 −13
⎥  = ⎢0 
11⎦2×
  4
0 0 0⎥ 
⎣0  
⎢ 0⎥   
⎦3× 2 ⎣0  
⎢ 0 0 0⎥   
⎦3× 4

A2× 4 O4×1 O2×1

⎡0  ⎤ 
⎡  1 ⎢  ⎥ 
6 4 −10⎤  ⎡  ⎤ 
⎢0  ⎥  = ⎢0  ⎥ 
⎢  ⎥ 
⎣−1
  20 −13 11⎦2×
  4 ⎢0  ⎥  ⎣0  ⎦2×1
 
⎢  ⎥ 
⎣0  ⎦4×1
 

€
 1.5  TRANSPUESTA DE UNA MATRIZ

En muchos  análisis en los que intervienen matrices, es conveniente emplear la transpuesta de una matriz. En
esta sección se define la transpuesta de una matriz, le de una suma o diferencia de matrices, y la de un producto
de matrices.
La transpuesta de una matriz A de orden m x n es una matriz de orden n x m, denotada por A´, cuyas filas son
las columnas de A, y cuyas columnas son las filas de A. Por tanto, si

⎡ a11 L a1n ⎤ 
⎢  ⎥ 
Am×n = ⎢  M M⎥ = (a i j )
m×n
⎢⎣a   m1 L a mn ⎥⎦  

Entonces la transpuesta de A es
€

⎡ a11 L a1n ⎤′  ⎡ a11 L a1n ⎤ 

⎢  ⎥  ⎢  ⎥  ′
A′ n×m = ⎢  M M⎥  = ⎢  M M⎥=   (a i j ) n×m = ( a i j ) m×n
⎣a   m1 L
⎢ ⎦   ⎢
a mn ⎥ ⎣a   m1 L ⎦  
a mn ⎥

Nótese  que   la 

€ transpuesta   de  un   vector   fila  n­dimensional   es   un   vector   columna   también  n­dimensional,   y
análogamente,   la   transpuesta   de   un   vector   columna   de  n­dimensiones   es   un   vector   fila   de  n­dimensiones
también. La transpuesta de una matriz diagonal es la misma matriz diagonal.
 
EJEMPLO 
⎡3  −6⎤ 
⎡  3 2 0⎤  ⎢  ⎥ 
Si  A = ⎢  ⎥  , entonces  A €= ⎢2  0⎥ 
⎣−6
  0 −1⎦2×
  3 ⎢0   ⎥  
⎣ −1⎦ 3×2

⎡  6⎤ 
€ ⎢  ⎥ 
€ ⎢  2⎥ 
Si  A = [6, 2, −1, 0, −5]1×5 , entonces  A 
€ =   ⎥ 
⎢−1
⎢  ⎥ 
⎢  0⎥ 
  ⎥
⎣−5
⎢  
⎦5×1
€
⎡  6 −8 −10⎤  ⎡  6 −2 30⎤ 
⎢  ⎥  ⎢  ⎥ 
Si  A = ⎢−2
  0 7⎥  , entonces  A €= ⎢  −8
€
0 40⎥ 
⎢   
⎣30 40 0⎥   
⎦3×   
⎣−10
⎢ 7 0⎥   
⎦3×3
3

€ €
 ⎡  3⎤ 
⎢  ⎥ 
A = ⎢  0⎥  A €= [ 3, 0, −1, 4 ]1×4
Si    ⎥  , entonces 
⎢−1
⎢  ⎥ 
⎣  4 ⎦4×1
 

 
⎡−1 5€ −3⎤   
⎡−1 5 −3⎤ 
⎢  ⎥  ⎢  ⎥ 
€ Si  A = ⎢  5 0 4 ⎥  , entonces  A €= ⎢  5 0 4 ⎥ 
⎢   
⎣−3 4 9⎥   
⎦3×3   
⎣−3
⎢ 4 9⎥   
⎦3×3

⎡6  0 0 0⎤  ⎡6  0 0 0⎤ 

⎢  ⎥  ⎢  ⎥ 
€ A = ⎢0  −2 0 0⎥€  A 
€ = ⎢0  −2 0 0⎥ 
Si  ⎢0  , entonces 
0 3 0⎥  ⎢0  0 3 0⎥ 
⎢  ⎥  ⎢  ⎥ 
⎣0  0 0 5⎦4 × 4 ⎣0  0 0 5⎦4×
  4

Si una matriz (cuadrada) y su transpuesta son iguales, es decir,   ai j = a j i   para toda  i  y toda  j, entonces la

€ €
matriz se denomina  simétrica  (con respecto a su diagonal principal). En los dos últimos ejemplos citados, las
matrices son simétricas.
€
Una matriz simétrica que al multiplicarse por si misma queda igual, se dice que es idempotente. Por tanto, A
es idempotente sólo si 

A´ = A y AA = A

EJEMPLOS

A.
Una matriz identidad (de cualquier orden) es idempotente, puesto que

In´ = In y In In = In

B. 
La matriz
 
⎡1  2 ⎤ 
⎡1  2 ⎤  ⎡1 
′
2 ⎤  ⎡1  2 ⎤⎡  1  2 ⎤  ⎡1  2 ⎤ 
⎢52  5
4
⎥  es idempotente, puesto que ⎢52  5
4
⎥ = ⎢52  5
4
⎥  y ⎢52  5 5
4
⎥⎢  2  5
4
⎥=
  ⎢52  5
4
⎥ 
⎣5  5 ⎦  ⎣5  5 ⎦  ⎣5  5 ⎦  ⎣5  5 ⎦⎣  5  5 ⎦  ⎣5  5 ⎦ 

TRANSPUESTA DE UNA SUMA O DE UNA DIFERENCIA DE MATRICES 
€ € €
 La transpuesta de una suma o diferencia de matrices es igual a la suma o diferencia de las transpuestas de las
matrices; por consiguiente, 

(Amxn ± Bmxn ± Cmxn)´= A´nxm ± B´nxm ± C´nxm

es decir, (di j)´mxn = (di j)nxm

en donde  d i j = ai j ± bi j ± c i j   y   d j i = a j i ± b j i ± c j i .

EJEMPLOS
€ €
A.
⎡  3 0 2⎤   
⎡−1 6 −2⎤  ⎡  0 0 6⎤ 
Si A = ⎢  ⎥  B = ⎢  ⎥  C = ⎢  ⎥ 
⎣−6
  8 −1⎦  ⎣  3 −2 1⎦  ⎣−2
  5 25⎦ 

⎡2  −5⎤ 
⎡  2 6 6⎤′  ⎢  ⎥ 
€ entonces [A + B + C]´ =  ⎢  ⎥  = ⎢6  11⎥ 
⎣−5
  11 25⎦ 
⎢6   25⎥
⎣ ⎦  
⎡3   −6⎤   ⎡  
−1 3⎤  ⎡0  −2⎤  ⎡2  −5⎤ 
⎢  ⎥  ⎢  ⎥  ⎢  ⎥  ⎢  ⎥ 
o de otra manera A´ + B´ + C´ =  ⎢0  8⎥+  ⎢  6 −2⎥+   ⎢0  5⎥=  ⎢6  11⎥ 
€ ⎣2  
⎢  
−1⎦  ⎣−2
⎥ ⎢  
  1⎦   ⎢
⎥ ⎣6   25⎦   ⎢
⎥ ⎣6   ⎦  
25⎥

B.
⎡2  −1⎤  €⎡  6 8⎤  ⎡0  −1⎤ 
Si A = ⎢  ⎥  B = ⎢  ⎥  C = ⎢  ⎥ 
⎣0  −1⎦  ⎣10
  −12⎦  ⎣0  0⎦ 

⎡  €4 −10⎤′  ⎡  −4 −10⎤ 
€
entonces [A ­ B + C]´ =  ⎢  ⎥  = ⎢  ⎥ 
⎣−10
  11⎦  ⎣−10
  11⎦ 

⎡  2 0⎤  ⎡6  10⎤  ⎡  0 0⎤  ⎡  −4 −10⎤ 

o, alternativamente,
€ A´ ­ B´ + C´ =  ⎢  ⎥−
  ⎢  ⎥+
  ⎢  ⎥=
  ⎢  ⎥ 
⎣−1
  −1⎦  ⎣8  −12⎦  ⎣−1
  0⎦  ⎣−10
  11⎦ 

TRANSPUESTA DE UN PRODUCTO DE MATRICES
€
La transpuesta de un producto de matrices es igual al producto de las transpuestas de las matrices tomadas en
orden inverso; por tanto,

[Amxn Bnxp Cpxq]´= C´qxp B´pxn A´nxm

EJEMPLOS
 A.
⎡  6⎤ 
⎡  3 0⎤  ⎡3  5 −7⎤  ⎢  ⎥ 
Si A = ⎢  ⎥  B = ⎢  ⎥  C = ⎢−1
  ⎥ 
⎣−4
  −1⎦  ⎣0  −1 8⎦ 
⎣   0⎥
⎢ ⎦  
⎡  6⎤ 
⎡  9 15 −21⎤⎢    ⎥  ⎡  39⎤  ⎡  39⎤ 
′

entonces ABC = ⎢  ⎥  −1 = ⎢  ⎥  [ ABC ]′ = ⎢  ⎥  = [ 39, −53]

⎣−12
  −19 20 ⎦⎢    ⎥  ⎣−53
  ⎦  ⎣−53
  ⎦ 
€ ⎣   0⎥
⎢ ⎦  

o en forma alternativa,
€ ⎡  3 0⎤ 
⎢  ⎥⎡  3  −4 ⎤  ⎡3  −4 ⎤ 
[ ABC ]′ = C′B′ A′ = [ 6, −1, 0] ⎢  5 −1⎥⎢  0   ⎥=
  [1 3, 1] ⎢  ⎥=
  [ 39, −53]
⎣ −1⎦  ⎣0  −1⎦ 
  
⎣−7
⎢ ⎦  
8⎥

B.
€ ⎡  6 0⎤ 
⎢  ⎥  ⎡0  ⎤ 
Si A = [ 3, −1, 0] B = ⎢−7  2⎥  C = ⎢  ⎥ 
⎣1  ⎦ 
⎢⎣   0 3⎥⎦  

⎡0  ⎤ 
entonces*  ABC  =   [26 −2] ⎢  ⎥=  −2   y asimismo [ABC]´= ­2 (la transpuesta de un escalar es el mismo
€ ⎣1  ⎦ 
escalar), o de otra manera,
⎡  3⎤  ⎡  3⎤ 
⎡6  −7     ⎥ 
0⎤⎢ ⎢  ⎥ 
[ABC]´ = C´B´A´=
€ [0, 1] ⎢    −1 = [0
⎥⎢ 2 3] ⎢−1
  ⎥=   −2
⎣0  2 3⎦    ⎥ 
⎣   0⎥
⎢ ⎦   ⎣   0⎥
⎢ ⎦  

PROBLEMAS
€

Obtenga la transpuesta de cada una de las siguientes matrices

  ⎤ 
⎡−3
⎡2  6⎤  ⎢  ⎥    −5 6⎤ 
6 ⎡−7
1. ⎢  ⎥  2. ⎢  ⎥  3. ⎢  ⎥ 
⎣5  −3⎦  ⎢  5⎥  ⎣  8 10 −3⎦ 
⎢  ⎥ 
⎣−2
  ⎦ 
⎡  1 −6 3⎤    3⎤ 
⎡−1
⎢  ⎥  ⎢  ⎥ 
4. ⎢−1  4 −8⎥  5. [ 3, −2, 4, −9] 6. ⎢  2 1⎥ 
⎢⎣   0 5 7⎥⎦      2⎥⎦  
⎢⎣−4
⎡1  2⎤   
⎡−2 3⎤  ⎡0  −1⎤ 
7. Si A = ⎢  ⎥,  B = ⎢  ⎥,  C = ⎢  ⎥;  encuentre :
⎣2  1⎦  ⎣  4 0⎦  ⎣2  3⎦ 

€ a. [ A + B] ′ b. [ B + C ] ′ c. [ AB] ′ d. [ ABC ] ′

*
€   N. Del R. Est resultado es una matriz de orden 1 que sólo puede multiplicarse con matrices de orden 1 x  n, y no es propiamente el
escalar   2. Un escalar puede multiplicarse con cualquier matriz. 
 ⎡2  −1⎤ 
⎢  ⎥  ⎡  3⎤  ⎡  3 0 2⎤   
⎡−3 0 −2⎤ 
8. Si A = ⎢1  2⎥  , B = ⎢  ⎥  , C = ⎢  ⎥  y D = ⎢  ⎥  , encuentre :
⎣−1
  ⎦2×1
  ⎣−1
  2 −4 ⎦2×3
  ⎣−1
  −2 −4 ⎦2×3
 
⎢0  
⎣ ⎥  
1⎦ 3×2

a. [ AB] ′ b. [ C + D ] ′ ′  ] ′
c. [ D C d . A + D ′ + C ′ 

€
Respuestas a los Problemas de Número Impar

⎡  3⎤ 
⎡−7  8⎤  ⎢  ⎥ 
⎡2  5⎤  ⎢  ⎥  −2
1. ⎢  ⎥  3. ⎢−5  10⎥  5. ⎢  ⎥ 
⎣6  −3⎦  ⎢  4 ⎥ 
⎢⎣   6 −3⎥⎦   ⎢  ⎥ 
⎣−9
  ⎦ 
  6⎤ 
⎡−1   6⎤ 
⎡−2 ⎡6  0⎤  ⎡6  12⎤ 
7. a. ⎢  ⎥  b. ⎢  ⎥  c. ⎢  ⎥  d. ⎢  ⎥ 
⎣  5 1⎦  ⎣  2 3⎦  ⎣3  6⎦  ⎣3  18⎦ 

€ 1.6 MATRICES SUBDIVIDIDAS
 
Con frecuencia es conveniente subdividir (o particionar) una matriz descomponiéndola en sub­matrices. Éstas se
pueden considerar como escalares al efectuar operaciones sobre la  matriz original. La partición o subdivisión de
una matriz se indica mediante líneas punteadas horizontales o verticales trazadas entre filas o columnas.
Por ejemplo, la matriz A de orden  m×n
 se pueden subdividir como sigue:

A = ( A1 A2 )

en   donde  A1  es   de   orden   m × n1,  A2  es   de   orden   m × n 2 ,   y   n1 + n 2 = n .   La   transpuesta   de   una   matriz

€
subdividida se puede escribir en términos de las transpuestas de sus submatrices. Así pues,
€

⎡ A′1 ⎤ 
€ € A′ =€⎢  ′ ⎥ 
⎣A
  2 ⎦ 

EJEMPLO
€
⎡  4 2 8⎤ 
⎡4  −3 5 0⎤  ⎢  ⎥ 
⎡ A ′1 ⎤ 
Si A = [ A1
⎢ 
A2 ] = ⎢2 −1 1
⎥ 
6⎥  entonces A ′ = ⎢  ′ ⎥  ⎢−3
  −1 −2⎥ 
  ⎢  5 1 3⎥ 
   ⎣A
  2 ⎦ 
⎣8
⎢ −2 3 ⎦  
−7⎥ ⎢  ⎥ 
⎣  0 6 −7⎦ 

Si se subdividen en forma compatible, las matrices particionadas se pueden sumar, restar o multiplicar. Si una
€
matriz  A  de   orden   m × n   se   subdivide   como   A = [ A1 €A2 ] ,   en   donde  A1  es m × n1,  A2  es   m × n2 ,   y

€ €
 n1 + n 2 = n ; y si una matriz B de orden  m × n se particiona como  B = [ B1 B2 ] , en donde B1 es  m × n1, B2 es
m × n 2 , y  n1 + n 2 = n , entonces

A ± B = [ A€
1 ± B1 A2 ± B2 ]
€ €
€ €
De igual modo, si
€
⎡ A ⎤ 
A = ⎢  1 ⎥  en donde A es  m × n , A1 es  m1 × n , A2 es  m2 × n ,  y  m1 + m 2 = m  y
⎣A
  2 ⎦ 

⎡ B ⎤ 
B = ⎢  1 ⎥  en donde B es  m × n , B1 es  m1 × n , B2 es  m2 × n  y  m1 + m 2 = m , entonces
€ ⎣B
  2 ⎦ 

⎡ A ± B ⎤ 
A ± B = ⎢  1 1 ⎥ 
€ ⎣A
  1 ± B2 ⎦ 

EJEMPLO
 
€
⎡  3 4 −2 0⎤   
⎡−3 0 2 4 ⎤ 
⎢  ⎥  ⎢  ⎥ 
Si A = ⎢−1
  0 5 6⎥  y B = ⎢−1
  −1 −2 5⎥ 
⎣   7
⎢ 3 3 ⎦  
2⎥ ⎣   5
⎢ 4 3 1⎥⎦  

entonces
€ ⎡  3 4
€ −2 0⎤  ⎡−3  0 2 4 ⎤  ⎡  0 4 0 4 ⎤ 
⎢  ⎥  ⎢  ⎥  ⎢  ⎥ 
A + B = ( A1 A2 ) + (B1 B2 ) = ⎢−1
  0 5 6⎥+  ⎢−1
  −1 −2 5⎥=  ⎢−2
  −1 3 11⎥=  [ A1 + B1 A2 + B2 ]
⎣   7
⎢ 3 3 ⎦  ⎣   5
2⎥   ⎢ 4 3 1⎥⎦  ⎣  
  ⎢12 7 6 ⎦  
3⎥

o bien,
€
⎡  3 4 −2 0⎤  ⎡−3  0 2 4 ⎤  ⎡  0 4 0 4 ⎤ 
⎡ A1 ⎤  ⎡ B1 ⎤  ⎢  ⎥  ⎢  ⎥  ⎢  ⎥  ⎡ A1 + B1 ⎤ 
A + B = ⎢  ⎥+   ⎢  ⎥=   ⎢−1
  0 5 6⎥+  ⎢−1
  −1 −2 5⎥=   ⎢−2
  −1 3 11⎥=  
  ⎢A ⎥ 
⎣A
  2 ⎦  ⎣B
  2 ⎦  ⎣  2 + B2 ⎦ 
⎣   7
⎢ 3 3 2⎦   ⎢
⎥ ⎣   5 4 3 1⎦   ⎢
⎥   
⎣12 7 6 3⎦ 
⎥  

Otras muchas subdivisiones posibles conducen al mismo resultado.
€
Particionar o subdividir una matriz es frecuente y conceptualmente conveniente cuando las matrices han de
ser   sumadas   o   restadas,   pero   las   ventajas   computacionales   de   la   subdivisión   de   matrices   se   utilizan
principalmente en la multiplicación y en otras operaciones más complicadas. Las matrices deben subdividirse en
forma compatible para la multiplicación. Si una matriz A de orden  m × n  se subdivide como  A = [ A1 A2 ] ,
en donde A1 es  m × n1, A2 es  m × n2 , y  n1 + n 2 = n ; y una matriz B de orden  n × p  se subdivide como 

€
€ €
 ⎡ B ⎤  ⎡ B ⎤ 
B = ⎢  1 ⎥   en donde B1 es  n1 × p  y B2 es  n2 × p , entonces AB = [ A1 A2 ] ⎢  1 ⎥=
  A1B1 + A2 B2
⎣B
  2 ⎦  ⎣B
  2 ⎦ 

€ EJEMPLO €
⎡  3 0 −1⎤  ⎡  2 1⎤ 
⎢  ⎥  ⎢  ⎥ 
Si A = ⎢−2
  4 1⎥ y       B = ⎢  1 3⎥ 
⎣   1
⎢ −1 ⎦  
2⎥   
⎣−1
⎢ ⎦  
1⎥

entonces
€ €
⎡  3 0 −1⎤  ⎡  2 1⎤  ⎡  3 0⎤    ⎤ 
⎡−1 ⎡6  3⎤  ⎡  1 −1⎤  ⎡  7 2⎤ 
⎢  ⎥  ⎢  ⎥  ⎢  ⎥  ⎡2  1⎤  ⎢  ⎥  ⎢  ⎥  ⎢  ⎥  ⎢  ⎥ 
AB = ⎢−2
  4 1⎥  ⎢  1 3⎥ = ⎢−2
  4 ⎥  ⎢  ⎥+
  1 [ −1, 1] = ⎢0  10⎥+  ⎢−1 1⎥ = ⎢−1 11⎥ 
⎣1  3⎦  ⎢  ⎥     
⎣   1
⎢ −1 ⎦  
2⎥   
⎣−1
⎢ ⎦  ⎣   1
1⎥   ⎢ −1⎥⎦   ⎣   2⎥
⎢ ⎦   ⎣1  
⎢ ⎦  ⎣  
−2⎥   ⎢−2 ⎦   ⎢
2⎥   
⎣−1 ⎦  
0⎥

lo que puede verificarse por multiplicación matricial directa.
€

Las matrices se pueden subdividir en más de dos submatrices. De hecho, es posible particionar una matriz
m × n   en un máximo de  mn  submatrices; observemos que la partición máxima equivale a no subdividir en
absoluto la matriz, puesto que cada elemento se trata como una matriz escalar. A menos que se tenga una
partición lógica en términos de las variables de un problema, las matrices se deben subdividir para facilitar los
cálculo;   esto   implica   un   compromiso   razonable   entre   minimizar   el   número   de   submatrices   y   minimizar   su
tamaño máximo.

Las matrices se particionan ya sea horizontalmente o verticalmente. Por tanto, la matriz A de orden  m × n  se
puede subdividir en la forma

⎡ A A12 ⎤ 
A = ⎢  11 ⎥ 
⎣A
  21 A22 ⎦ 

en   donde  A11  es   m1 × n1 ,  A12  es   m1 × n2 ,  A21  es   m2 × n1 ,  A22  es   m2 × n2 ,   y   asimismo,   m1 × m 2 = m ,

n1 × n2 = n . Entonces
€

⎡ A A12 ⎤′  ⎡ A 11

′  ′  ⎤ 
A 12
A €= ⎢  11 ⎥  = ⎢  ⎥ 
⎣A
  21 A22 ⎦  ⎣A  ′ 
  21 A 22
′  ⎦ 

€  
⎡B B12 ⎤ 
Si la matriz B de orden  n × p  se particiona como B = ⎢  11 ⎥ 
⎣B
  21 B22 ⎦ 

€
 en donde B11 es  n1 × p1 , B12 es  n1 × p2 , B21 es  n2 × p1 , B22 es  n2 × p2 , y asimismo,  n1 × n2 = n ,  p1 × p2 = p ,
entonces A y B están particionadas en forma compatible para la multiplicación y

⎡ A A12 ⎤⎡  B

  11 B12 ⎤  ⎡ A11 B11 + A12 B21 A11 B12 + A12 B22 ⎤ 
AB = ⎢  11 ⎥⎢    ⎥ = ⎢  ⎥ 
⎣A
  21 A22 ⎦⎣  B
  21 B22 ⎦  ⎣A  21 B11 + A22 B21 A21 B12 + A22 B22 ⎦ 
     
EJEMPLO
€ ⎡ 
1 3 1⎤ 
⎢  ⎥  ⎡3  −2 1 0 −1⎤ 
⎢−1
  0 1⎥  ⎢  ⎥ 
Si  A= y B = ⎢5  −1 4 −3 2⎥ 
⎢  2 −1 4 ⎥ 
⎢  ⎥  ⎣3   −2 0
⎢ ⎦  
1 −1⎥
⎣  0 2 −3⎦ 

⎡  1 3 1⎤ 
⎢   3
⎥⎡   −2 1 0 −1⎤ 
⎡ A  B
A12 ⎤⎡   11 B12 ⎤  ⎢−1 0 1⎥⎢
€
entonces AB = ⎢  11   
⎥⎢ ⎥   
=   5  −1 4 −3
⎥ 
2⎥ 
⎣A
  21 A22 ⎦⎣
 B  21 B22 ⎦  ⎢  2 −1   
4 ⎥⎢
⎢   3
⎢
⎥⎣    −2 0 1 ⎦  
−1⎥
⎣  0 2 −3⎦ 
y
⎡  1 3⎤  ⎡1   ⎤   
⎡18 −5⎤  ⎡  3 −2⎤  ⎡21
  −7⎤ 
⎢  ⎥⎡ 3   −2⎤  ⎢  ⎥  ⎢  ⎥  ⎢  ⎥  ⎢  ⎥ 
A
€11B11 + A12 B21 = ⎢−1
  0⎥⎢  5   ⎥+
  1 [ 3, −2] = ⎢−3 2⎥ + ⎢  3 −2⎥=  ⎢  0 0⎥ 
⎣ −1⎦  ⎢  ⎥   
⎣   2
⎢ −1⎦  
⎥ ⎣4   ⎥
⎢ ⎦   ⎣   1
⎢ ⎦   ⎢
−3⎥   
⎣12 −8⎦   ⎢
⎥   
⎣13 ⎦  
−11⎥

⎡  1 3⎤  ⎡1   ⎤   
⎡13 −9 5⎤  ⎡0  1 −1⎤  ⎡13   −8 4
⎢  ⎥⎡ 1   0 −1⎤  ⎢  ⎥  ⎢  ⎥  ⎢  ⎥  ⎢ 
€ A11B12 + A12 B22 = ⎢−1
  0⎥⎢
 ⎣4   ⎥+
  1 [0, 1, −1] = ⎢−1 0 1⎥+   ⎢0  1 −1⎥=   ⎢−1 1 0
−3 2⎦  ⎢  ⎥     
⎣   2
⎢ ⎦  
−1⎥ ⎣4   ⎥
⎢ ⎦   ⎣  
⎢−2 3 ⎦   ⎢
−4 ⎥ ⎣0   4 ⎦  ⎣  
−4 ⎥   ⎢−2 7 −8

⎡3  −2⎤ 
A21B11 + A22 B21 = [0, 2] ⎢  ⎥+
  [ −3] [ 3, −2] = [10, −2] + [ −9, 6] = [1, 4]
€ ⎣5  −1⎦ 

⎡ 1 0 −1⎤ 
A21B12 + A22 B22 = [0, 2] ⎢  ⎥+
  [−3] [0, 1, −1] = [8, −6, 4 ] + [0, −3, 3] = [8, −9, 7]
€ ⎣4  −3 2⎦ 

En consecuencia,
€  
⎡21 −7 13 −8 4 ⎤ 
⎡ A B + A12 B21 ⎢   ⎥ 
A11 B12 + A12 B22 ⎤  ⎢  0 0 −1 1 0⎥ 
AB = ⎢  11 11 =
⎥ 
⎣A
  21 B11 + A22 B21 A21 B12 + A22  
B22 ⎦  ⎢13 −11 −2 7 −8⎥ 
⎢  ⎥ 
⎣  1 4 8 −9 7⎦ 

     lo cual se puede verificar por multiplicación matricial directa.
€
 PROBLEMAS

1. Calcule lo siguiente:

⎡  6 1⎤  ⎡  4 2⎤  ⎡  4 2⎤ 

⎢  ⎥  ⎢  ⎥  ⎡6  0 −1⎤  ⎢  ⎥ 
a. 2 ⎢  0 −3⎥  − 3 ⎢  0 1⎥  b. ⎢  ⎥  ⎢  0 1⎥ 
1
⎣  −3 2⎦ 
  
⎢⎣−1 2⎥⎦      −1⎥⎦  
⎢⎣−5    −1⎥⎦  
⎢⎣−5

Emplee matrices subdivididas para verificar los resultados.
€
⎡5  ⎤    ⎤ 
⎡−1
⎢  ⎥  ⎢  ⎥ 
2. Si  U = [1, −1, 4 ] , X = [0, 1, 2] , V = ⎢0  ⎥  y Y = ⎢−1
  ⎥,  obtenga
 
⎣1   ⎥
⎢ ⎦   ⎣  ⎦  
⎢   2⎥

a. UV + XY b. 5UV +10[ X (2V − Y )]

€
3. Si A es  2 × 3 , B es  4 × 3 , C es  3 × 3 , y D es  3 × 2 , determine la disposición u orden de 
€

a. AC b. DA c. AD d. BC e. DAC f . BCDA

⎡1  2 3⎤  ⎡3  1 0⎤ 

⎢  ⎥  ⎢  ⎥ 
€ 4. Si A = ⎢0  −1 1⎥  B = ⎢1  −1 2⎥ 
⎣2  
⎢ ⎦  
3 0⎥ ⎣0  
⎢ ⎦  
2 1⎥

evalúe  2( AB − BA)  y emplee matrices subdivididas para verificar el resultado.

€
 
⎡−1 −2 −2⎤   
⎡−3 −6 2⎤   
⎡−5 −8 0⎤ 
€ ⎢  ⎥  ⎢  ⎥  ⎢  ⎥ 
5. Si A = ⎢  1 2 1⎥  B = ⎢  2 4 −1⎥  C = ⎢  3 5 0⎥ 
⎢  
⎣−1 −1 ⎦  
0⎥ ⎣   2
⎢ 3 ⎦  
0⎥ ⎣   1
⎢ 2 ⎦  
−1⎥

demuestre que
€
a. A 2 = B2 = C 2 = I b. AB = BA = C c. BC = CB = A d. AC = CA = B

Emplee matrices particionadas para verificar los resultados.
€
⎡  5 4 −2⎤ 
⎢  ⎥ 
6. Si A = ⎢  4 5 −2⎥ 
⎢   
⎣−2 −2 ⎥  
2⎦

demuestre que  A 2 −11A +10I = O . Utilice matrices particionadas para verificar el resultado.

€

€
 ⎡1  0⎤  ⎡0  0⎤  ⎡2  2⎤  ⎡2  3⎤ 
7. Si A = ⎢  ⎥  B = ⎢  ⎥  C = ⎢  ⎥  D = ⎢  ⎥ 
⎣1  0⎦  ⎣1  1⎦  ⎣2  2⎦  ⎣4  25⎦ 

evalúe
€
2
a. AB − 2CD b. A 2 c. (BC )

⎡1  ⎤  ⎡  4 2 −1⎤  ⎡1  0 0⎤ 

⎢  ⎥  ⎢  ⎥  ⎢  ⎥ 
€ 8. Si U = [1, 0, 1] V = ⎢2  ⎥  X = ⎢−1  3 0⎥  Y = ⎢0  1 0⎥ 
⎢⎣3   ⎥⎦   ⎢⎣   0 1 1⎥⎦   ⎢⎣0   0 1⎥⎦  
encuentre

a. UV b. VU + X c. XY
€

Emplee matrices particionadas para verificar los resultados.
€ ⎡  2 −2 −4 ⎤   
⎡−1 2 4 ⎤ 
⎢  ⎥  ⎢  ⎥ 
9. Si U = ⎢−1
  3 4 ⎥  V = ⎢  1 −2 −4 ⎥ 
⎣   1
⎢ −2 −3⎥⎦     
⎣−1
⎢ 2 4⎥⎦  

demuestre que
€
a. U 2 =U y V 2 =V b. UV =VU = O c. U +V = I

Utilice matrices subdivididas para comprobar los resultados.
€
⎡  1 2 3⎤ 
⎢  ⎥ 
10. Si X = ⎢  1 2 3⎥ 
⎢   
⎣−1 −2 ⎥  
−3⎦

demuestre que  X 2 = O . Utilice matrices con subdivisión para comprobar el resultado.
€
⎡  1 −2 1⎤  ⎡  2 5 −1 −7⎤  ⎡  3 6 0 −6⎤ 
⎢  ⎥  ⎢  ⎥  ⎢  ⎥ 
11. Si A = ⎢  2 1 −3⎥  X = ⎢−2
  1 3 4 ⎥  Y = ⎢−1
  2 4 5⎥ 
€ ⎢−5
⎣   2 ⎦  
3⎥ ⎣   3 2
⎢ 1 2⎥⎦   ⎣   4 3
⎢ 2 ⎦  
3⎥

demuestre que  AX − AY (aunque  X ≠ Y ) y emplee matrices particionadas para verificar el resultado.

€
⎡1  −2⎤    ⎤ 
⎡−2 ⎡=1  ⎤ 
⎢  ⎥  ⎡0  −2 3⎤  ⎢  ⎥  ⎢  ⎥ 
12. Si A = ⎢0  3⎥  B = ⎢  ⎥  C = ⎢  3⎥  D = ⎢  1⎥ 
⎣0  1 3⎦ 
€ ⎢⎣2   −1⎥⎦   €    ⎥⎦  
⎢⎣−3 ⎢⎣   2⎥⎦  

determine  AB − CD ′ .
€

€
 Respuestas a los Problemas de Número Impar

⎡ 0 −4⎤ 
⎢  ⎥    13⎤ 
⎡29
1. a. ⎢ 0 −9⎥  b. ⎢  ⎥ 
⎣−6
  −3⎦ 
   7⎥⎦  
⎢⎣13

3. a. 2× 3 b. 3× 3 c. 2×2 d. 4 × 3 e. 3× 3 f. 4×3
  −32⎤ 
⎡−24 ⎡1  0⎤  ⎡ 0 0⎤ 
7. a. ⎢  ⎥  b. ⎢  ⎥  c. ⎢  ⎥ 
⎣−24
  −32⎦  ⎣1  0⎦  ⎣16
  16⎦