CAPITULO I

"Matrices"

1 Reseña histórica: Arthur Cayley

Arthur Cayley nació el 16 de agosto de 1821 en Richmond, Surrey,

Inglaterra. Murió el 26 de enero de 1895 en Cambridge. Es uno de los
más prolíficos escritores de matemática, sólo es superado por Euler y
Cauchy. Hizo importantes aportes a la Teoría de Curvas y Super-
ficies, a la Geometría Analítica, a la Teoría de los Determinantes y al
desarrollo de la Teoría de los Invariantes.

Las matrices surgieron con Cayley al trabajar con transformaciones lineales del tipo:
x' = ax + by
y' = cx + dy
donde a, b, c, d son números reales. Estas transformaciones lineales transforman el vector (x, y) en el
vector (x', y'), dicha transformación queda definida por los coeficientes a, b, c, d que pueden
representarse mediante la siguiente matriz de orden 2:
a b
 
c d 

Como dos transformaciones lineales son iguales si, y sólo si, tienen los mismos coeficientes, Cayley
definió que:
a b  e f
   si, y sólo si, a  e, b  f , c  g y d  h
c d   g h 
x"  ex ' fy '
Si tenemos dos transformaciones: y"  gx ' hy ' y
x'  ax  by
y'  cx  dy
la compuesta de las transformaciones queda definida por:
x' '  ex' fy '  e(ax  by)  f (cx  dy)  (ea  fc ) x  (eb  fd ) y
y ' '  gx' hy'  g (ax  by)  h(cx  dy)  ( ga  hc) x  ( gb  hd ) y

Esto último sugirió a Cayley la siguiente definición del producto de dos matrices:
e f  a b   ea  fc eb  fd 
   
g h  c d   ga  hc gb  hd 

la cual es un caso particular de la definición que verás posteriormente.

2 Matrices y álgebra de matrices

Empezaremos nuestro curso de álgebra lineal con el estudio de las matrices, las cuales son muy
importantes, en particular porque nos proveen de un método práctico y sencillo de resolver sistemas de
ecuaciones lineales.
No es un concepto desconocido para ti, si bien aquí daremos una definición formal de lo que es una
matriz. ¿Recuerdas en colegio cuando jugabas a la batalla naval? Hacías en tu cuaderno de matemática
un arreglo de 9 líneas horizontales y 9 líneas verticales (81 casillas), cada casilla la designabas por sus
coordenadas de letra más número, por ejemplo C5 indicaba la casilla ubicada en la tercera línea
horizontal y quinta línea vertical. Y distribuías tus barcos en alguna posición que tu compañero
desconocía. Cada uno, por turno, indicaba una casilla del oponente. Ganaba el que derribaba primero
toda la escuadra enemiga. Pues bien, el tablero con las 81 casillas con el que jugabas ¡es una matriz!
Definición 1
Sea IR el cuerpo de los números reales, una matriz sobre IR es un arreglo rectangular de elementos de
IR, dispuestos en líneas horizontales llamadas filas (o renglones), y en líneas verticales llamadas
columnas. Denotamos las matrices con letras mayúsculas. Si A es una matriz de m filas y n columnas,
decimos que A es una matriz de orden mn. Si m = n, decimos que A es una matriz cuadrada de orden
n.

 a11 a12  a1n 

 
a a 22  a2n 
A   21 o A = (aij)
   
 
a am2  a mn 
 m1

aij  IR
i denota la fila, 1  i  m
j denota la columna, 1  j  n
Denotaremos por Mmn(IR) o simplemente Mmn el conjunto de matrices de orden mn sobre IR.
Denotaremos por Mn(IR) (o Mn) el conjunto de matrices de orden nn.
La zona de la matriz donde se encuentran los elementos aii, 1  i  n, es llamada diagonal principal.
Ejemplo 1
1 1 3
A   
0 2 5 

A es una matriz de orden 23 (tiene 2 filas y 3 columnas): a11 = 1, a12 = −1, a13 = 3, a21 = 0, a22 = 2 y
a23 = 5
2 3
B   
4 0 

B es una matriz (cuadrada) de orden 2 (tiene 2 filas y 2 columnas): b11 = 2, b12 = 3, b21 = 4 y b22 = 0.
Cada vez que se define un nuevo objeto es necesario definir cuando dos de éstos son iguales.

Definición 2

C. Neumann Matrices 2
Sean A = (aij), B = (bij) matrices de orden mn; decimos que A y B son iguales si, y sólo si los
elementos correspondientes son iguales.
A = B si, y solo si, aij = bij, para toda i, toda j, 1im, 1jn.
Ejemplo 2
1 2 1 2
Sean A   , B    : A  B si, y sólo si, x  4
3 4 3 x

A continuación definiremos algunas operaciones en el conjunto de matrices: adición (ley de

composición interna en Mmn), multiplicación de matrices (ley de composición interna en Mn) y la
multiplicación por escalar (externa). Las cuales cumplen casi todas las propiedades, con las cuales estás
familiarizado, de los números reales con la adición y multiplicación.
Definición 3
Sean A = (aij) y B = (bij) matrices de orden mn, la suma A+B es una matriz C de orden mn, definida
por:
A + B = C = (cij) = (aij + bij)
Lo que esta definición te dice, es que para sumar matrices, sumas los elementos ubicados en una misma
posición.
Nota que para poder sumar matrices, éstas deben ser del mismo orden.
Ejemplo 3
1  1
0 2 1 2  1 2 
     
Si A   0 2 2  , B  3 4 1  , C   0  1 entonces:
3 3 0  0 5  1 1 3 
  
 1  2 0  (1)  1  2   3  1 1 
   
A  B  0  3  2  4 2 1   3 2 3 
 3  0  3  5 0  ( 1)   3 2  1
   
A + C no está definida (A y C son de distinto orden).
Definición 4
Sean A = (aij) y B = (bjp) matrices de orden mn y nq respectivamente, el producto AB es una matriz
C de orden mq definido por:
�n �
AB  C  ( cip )  �� aik bkp �
�k 1 �
Para multiplicar matrices, tomas los elementos de la fila i de la primera matriz, y los multiplicas por los
elementos de la columna p de la segunda matriz, uno a uno, la suma de estos productos te da el
elemento de la fila i y columna p del producto de matrices.

C. Neumann Matrices 3
  a11 a12  a1n   c11 c12  c1 p  c1q 
   
 a21 a22 b12  b1 p  b1q   c21 c22
 a2 n   b11  c2 p  c2 q 
 
  b22  b2 p  b2 q   
  b21 
C  AB     
 ai1 ai 2  ain  

  ci1 ci 2  cip   aik bkp  ciq 

    bn1 bn 2  bnp  bnq    
a  
 m1 am 2  amn   cm1 cm 2  cmp  cmq 

Nota que para que el producto entre dos matrices pueda efectuarse, el número de columnas de la
primera matriz debe ser igual al número de filas de la segunda.
Ejemplo 4
1 -3   1 0 6
  0 2  1  
Sean A   2 -1 , B    y C  4 5 7  , entonces:
 -4 3 2 1 
 0   5
 1 0 

 1  3  1  0  (3)  3 1  2  (3)  (2) 1  ( 1)  (3)  1    9 8  4

 0 2  1    
AB   2  1      2  0  ( 1)  3 2  2  (1)  ( 2) 2  (1)  ( 1)  1     3 6  3
3 2 1  
 4
 0    ( 4)  0  0  3 (4)  2  0  (2) ( 4)  ( 1)  0  1  0 8 4 
 1  3
0 2  1    0  1  2  2  ( 1)  ( 4) 0  ( 3)  2  ( 1)  (1)  0   8  2
BA    2  1     
3 2 1   3  1  ( 2)  2  1  ( 4) 3  ( 3)  ( 2)  ( 1)  1  0    5  7 
 4 0  

Nota que AB ≠ BA.

�1 0 6 �
�1 3 � �25 3 �
� �
� �� �
CA  �4 5 7 ��2 1 � �14 17 �
�5 1 0 �
�4 0 � � �
� �
� � �3 14 �

AC no esta definido; A es de orden 32 y C es de orden 3.

¡La multiplicación de matrices no es conmutativa!
Definición 5
Sea k  IR, A = (aij) una matriz de orden mn, el producto escalar kA de A por el escalar k, es una
matriz C de orden mn definida por:

kA = C = (cij) = (kaij)
Cuando multiplicas una matriz por un escalar, multiplicas cada elemento de la matriz por el escalar.

Ejemplo 5

C. Neumann Matrices 4
 1  1  2 1 2  (1)   2  2 
Si A    , entonces 2 A    
2  3 2 2 2  (3)   4  6 

A continuación veremos las propiedades que cumple el conjunto de matrices Mmn con las operaciones
de adición y multiplicación de matrices, y multiplicación por escalar. Para ello, necesitamos definir dos
tipos de matrices: la matriz nula y la matriz identidad.
Definición 6
La matriz nula de orden mn, que denotaremos por O (o Omn si quiere hacerse énfasis en el orden de la
matriz), es aquella matriz cuyos elementos son todos iguales a cero.
Ejemplo 6
0 0 0
O23   
0 0 0 

Definición 7
La matriz identidad de orden n, que denotaremos por I (o In) es aquella matriz cuyos elementos son
iguales a 1 en la diagonal principal y 0 fuera de ella. Es decir, si In representa la matriz identidad de
orden n, In = (ij), donde ij es llamado “el delta de Kronecker”:

1 si i  j
i j  
0 si i  j
1 0
 
In    
0 1 


Ejemplo 7

1 0 0�
�
1 0�
� � �
I2  � �, I3  � ,K
0 1 0�
0 1�
� � �
0 0 1�
�

Teorema 1
Sean A, B, C  Mmn, k, s  IR, entonces:
1. A, B  Mmn  A+B  Mmn
2. A+B = B+A
3. (A+B)+C = A+(B+C)
4. A+Omxn = A
5. Existe una matriz −A = (−aij), tal que A+(−A) = Omn

C. Neumann Matrices 5
6. A  Mmn, k  IR  kA  Mmn
7. (ks)A = k(sA)
8. (k+s)A = kA+sA
9. k(A+B) = kA+kB
10. 1·A = A
Las diez propiedades enunciadas en el teorema 1 le confieren al conjunto de matrices de orden mn una
estructura algebraica muy especial, que estudiaremos posteriormente: Mmxn con la adición y
multiplicación por escalar es un espacio vectorial sobre IR (¡las matrices son vectores!).
Observación
Se define A − B = A + (−B). Es decir la resta se define como la suma de una matriz más el inverso
aditivo de la otra.
Teorema 2
Sean A de orden mn, B y D nq de orden, C de orden qr, entonces:
1. A(BC) = (AB)C
2. ImA = AIn = A
3. A(B + D) = AB +AD
4. (B + D)C = BC +BD
Recuerda que en IR se cumple:
1. ab = ac y a  0  b = c (Ley de cancelación)
2. ab = ba (Conmutatividad)
3. ab = 0  a = 0 ó b = 0 (IR tiene divisores del cero)
4. a  0  existe a-1 en IR, tal que a-1·a = a·a-1= 1 (Los reales no nulos son inversibles)
En Mmxn no se cumplen estas propiedades. Veamos algunos ejemplos.
Ejemplo 8
1  1 4 1 7  2
1. Sean A    , B    , C   
0 0   3 4 6 1 
1  1 4 1   1  3   1  1 7  2 
AB         AC y B  C
0 0  3 4   0 0   0 0  6 1 

1 2 4  1
2. Sean A    , B   
3 0 0 3 
1 2  4  1  4 5   4  1 1 2   1 8 
AB        y BA         AB
3 0  0 3  12  3   0 3  3 0   9 0 

C. Neumann Matrices 6
 1 1 �1 0�
3. Sean A    , B  � �
0 0 �1 0�
1 1 1 0  0 0
AB       O y A  0, B  0
0 0    1 0   0 0 

3 2  3  2
4.a Sean A    , B   
4 3  4 3 
3 2  3  2   1 0   3  2  3 2  1 0
AB         I y BA     I
4 3   4 3   0 1   4 3  4 3   0 1 
Luego, B es el inverso multiplicativo de A y viceversa.
2  1  x y
4.b Sean A    , B   
0 0  z u
2  1 x y   2 x  z 2 y  u   1 0
AB      I
0 0  z u   0 0   0 1 
Luego, A no tiene inverso multiplicativo

3 Inversa de una matriz

Hemos visto en el último ejemplo que algunas matrices cuadradas tienen inverso multiplicativo y otras
no. Si una matriz tiene inverso multiplicativo decimos que esta matriz es inversible.
Definición 8
Sea una matriz de orden n, A es inversible si, y sólo si, existe una matriz B de orden n tal que:
AB = BA = In
La matriz B se llama inversa de A.
Ejemplo 9
1. La matriz A del ejemplo 8.4.a es inversible.
2. La matirz A del ejemplo 8.4.b no es inversible.
 2  3 5 3
3. B    es inversa de A   :
 3 5  3 2 

� �2 3 � �
5 3� 1 0 � �2 3 �
�5 3�
AB  � �� � � � � � � BA
�
3 2�
� �3 5 � �0 1� � 3 5 �
�3 2�

 1  3
4. A    no es inversible. ¡Compruébalo!
 2 6 

¿Cuántas inversas tiene una matriz? ¿Una o varias? Supondremos que una matriz tiene más de una
inversa:
Sean A una matriz inversible, B y C inversas de A, se tiene: AB = BA = I y AC = CA = I
Luego, B = I·B = (CA)B = C(AB) = C·I = C
¡La inversa de una matriz, si es inversible es única!

C. Neumann Matrices 7
Teorema 3
Si A es una matriz inversible, su inversa es única.
Como la matriz B que satisface AB = BA = I es única, la denotamos por A-1 y decimos que es la
inversa de A.
Ejemplo 10 ¿Es la matriz A inversible?
1 1
1. A   
2 1

Para halla la inversa de A, necesitas hallar una matriz B tal que AB = BA = I.

x y
Sea B   :
z u 
 1 1 x y  1 0  xz y  u  1 0
         
 2 1 z u   0 1   2x  z 2 y  u   0 1 
xz  1 yu  0
 2x  z  0
y 2y  u  1

Para resolver el primer sistema, eliminas la variable x de la segunda ecuación, restándole dos
veces la primera:
xz  1
z  2

Para eliminar z de la primera ecuación, le sumas la segunda; además multiplicas la segunda

ecuación por (− 1): :
x  1
z  2

El segundo sistema se resuelve de manera similar:

yu  0 yu  0 y  1
2y  u  1
 u  1

u  1

 1 1  1 1   1 1  1 1  1 0
      
 2 1 2  1  2  1 2 1  0 1 

1 1 1 
Luego, B  A   
 2  1

 1  2
2. Sea A   
 1 2 

Para halla la inversa de A, necesitas hallar una matriz B tal que AB = BA = I.

C. Neumann Matrices 8
 x y
Sea B   :
z u 
 1  2  x y   1 0  x  2z y  2u   1 0 
        
1 2  z u   0 1    x  2 z  y  2u   0 1 
x  2z  1 y  2u  0
  x  2z  0
y  y  2u  1

Para resolver el primer sistema, eliminas la variable x de la segunda ecuación, sumándole la

primera (de manera similar el segundo sistema):

x  2 z 1 y  2u 1
 y
0 1 0 1
¡Contradicción! No existe A −1

¡Paciencia!, ya verás un método más cómodo de resolver sistemas de ecuaciones y de hallar la inversa
de una matriz (cuando ésta existe).
Teorema 4
Sean A, B matrices de orden n:
1. Si A es inversible, A-1 también lo es y (A-1)-1 = A
2. Si A y B de orden n son inversibles, AB también lo es y (AB)-1 = B-1A-1
3. Si k  IR, A de orden n es inversible, kA también lo es y (kA)−1 = k −1A−1
4. Método para encontrar la inversa de una matriz.
Veremos un método de encontrar la inversa de una matriz cuando ésta existe, para ello necesitamos
algunas definiciones previas.
Definición 9
Sea A una matriz de orden mn. Decimos que A está en forma escalonada si el número de ceros que
preceden al primer elemento distinto de cero en cada fila, aumenta de fila en fila. Las últimas filas
pueden estar formadas únicamente por ceros. El primer elemento distinto de cero en cada fila se llama
elemento distinguido.
Ejemplo 11
Las siguientes son matrices en forma escalonada:
3 5 0 4 2 2 5 6 0
    2 1 2 0 0
0 0 2 6 0 3 5 6 3  
0 , , 0 0 0 0 4  , etc
0 0 5 0 0 4 3 5 0

0
    0 0 0 0 
 0 0 0  0
 0 0 3 9 

Definición 10

C. Neumann Matrices 9
Decimos que una matriz A de orden mn está en forma escalonada reducida si, y sólo si, A está en
forma escalonada, cada elemento distinguido es igual a uno, y en la columna en la que se encuentra un
elemento distinguido, los demás elementos son iguales a cero.
Ejemplo 12
Las siguientes son matrices en forma escalonada reducida:
1 5 0 0 1 0 0 0 0
    1 1 2 0 0
0 0 1 0 0 1 0 0 3  
0 , , 0 0 0 0 1  , etc
0 0 1 0 0 1 0 2 0

0
    0 0 0 0 
 0 0 0   0 0 0 1 9 

¿Cómo puedes obtener una matriz en forma escalonada (escalonada reducida) a partir de una matriz
dada A? Mediante operaciones en las filas de la matriz, estas operaciones, que llamaremos
operaciones elementales de fila, son las siguientes:
Hpq: permutas las filas p y q
Hp(c): multiplicas la fila p por una constante c no nula.
Hpq(d): multiplicas la fila p por d, este producto se lo sumas a la fila q.
Ejemplo 13
Obtén a partir de la matriz dada A, una matriz en forma escalonada (escalonada reducida):
2 4 1
 
A  4 12 3
6 16 4 


Si quieres llevar la matriz A a una forma escalonada, debes anular los elementos a21 = 4 y a31 = 6 de la
primera columna, esto lo logras sumando a la segunda fila la primera multiplicada por −2, H12(−2); y
sumando a la tercera fila la primera multiplicada por −3, H13(−3):
2 4 1
 
0 4 1
0 4 1
 

La matriz obtenida no está aún en forma escalonada, falta anular el elemento a32 = 4, para ello basta
que le sumes a la tercera fila la segunda multiplicada por −1, es decir H23(−1).
2 4 1
 
0 4 1
0 0 0 


Esta última es una matriz en forma escalonada, pero no escalonada reducida. Falta anular el elemento
a12 = 4, para ello haces H21(−1):
2 0 0
 
0 4 1
0 0 0 


C. Neumann Matrices 10
Finalmente para que esté en forma escalonada reducida, necesitas que a11 y a22 sean iguales a 1, esto lo
obtienes con H1(½) y H2(¼) respectivamente:
1 0 0 
 
 0 1 14 
0 0 0 
 
Definición 11
Sea A una matriz de orden mn, la matriz B de orden mn es equivalente por filas a la matriz A, si B se
obtiene de A con un número finito de operaciones elementales de fila. Notación: A  B.

Ejemplo 13

2 4 1 2 4 1 2 0 0 1 0 0 
       
0 4 1 , 0 4 1 , 0 4 1 ,  0 1 1 4  son matrices equivalentes por filas a la matriz
0 4 1 0 0 0  0 0 0  0 0 0 
   
 
2 4 1
 
A  4 12 3 .
6 16 4 


Teorema 5:
Una matriz A de orden n es inversible si, y sólo si A es equivalente por filas a la matriz identidad.
Ejemplo 14
1  2 1 3 2
a. A    es una matriz inversible, su inversa es A1    ¡verifícalo!
2 3  7  2 1 
 1  2  H12 (2)  1  2  H 2 ( 1 7 )  1  2  H 21 (2)  1 0
          
2 3 0 7 0 1 0 1 
     
A es inversible y A  I2
 1  2
b. A    no es inversible (ejemplo 9.2)
 1 2 
 1  2  H12 (1)  1  2
    
 1 2 0 0 
 
A no es inversible y A  I2
El procedimiento para hallar la inversa de una matriz, mediante eliminación Gaussiana, es el siguiente:
Dada A una matriz de orden n, consideremos la matriz de orden n(2n) (AI), y efectuemos
operaciones elementales de fila sobre la matriz (AI) de manera de llevarla a su forma escalonada
reducida; obtenemos (AER B). Si la matriz A es inversible AER = In y B = A-1. Si A no es inversible, AER
 In.
Ejemplo 15

C. Neumann Matrices 11
Halla inversa de la matriz dada (si existe):
1 4 3
 
1. A  2 1 1
0 3 2 

 1 4 3 1 0 0  H12 ( 2) 1 4 3 1 0 0  H 32 (2)
   
 2 1 1 0 1 0   0  7  5  2 1 0
 0 3 2 0 0 1 0 3 2 0 0 1 
  
1 4 3 1 0 0  H 21 (4) 1 0 1 7 4 8  H 31 ( 1)
   
 0 1 1 2 1 2  H 2 (1)   0 1 1 2 1  2  H 32 (1)
0 3 2 0 0 1  H 23 (3) 0 0 1 6 3 7  H 3 ( 1)
 

1 0 0 1 1 1   1 1 1 
   
 0 1 0 4 2 5   A1    4 2 5 
0 0 1 6 3  7   6 3  7 
 

1 0 2 1
 
2 1 5 1
2.. A  
3 1 8 4
 
3 1 7 2 


1 0 2 1 1 0 0 0  H12 (2) 1 0 2 1 1 0 0 0  H 23 (1)

   
2 1 5 1 0 1 0 0  H13 (3) 0 1 1 1  2 1 0 0  H 24 (1)
3 
1 8 4 0 0 1 0  H14 (3) 0 1 2 1 3 0 1 0
   
3 1 7 2 0 0 0 1  0 1 1 1  3 0 0 1 
 
1 0 2 1 1 0 0 0
 
0 1 1 1 2 1 0 0
 0 0 1 2 1 1 1 0
 
0 0 0 0 1 1 0 1 

La matriz A no es equivalente a la matriz I4, luego A no es inversible.

5 Matrices especiales

Ya hemos visto algunas matrices especiales por su forma y propiedades: la matriz identidad, la matriz
nula, la inversa aditiva, matrices escalonadas, etc. Veremos algunas otras.
Definición 12
Sea A = (aij) de orden n, A es una matriz triangular superior si los elementos ubicados debajo de la
diagonal principal son todos iguales a cero. Es decir:
aij = 0 para toda i, toda j, 1j<in.
Ejemplo 18

C. Neumann Matrices 12
 5 8 0 3
 
0 8 5 5
La matriz A   es una matriz triangular superior.
0 0 4 3
 
0 0 0 4 


Definición 14
Sea A = (aij) de orden n, A es una matriz triangular inferior si los elementos ubicados por encima de la
diagonal principal son todos iguales a cero. Es decir:
aij = 0 para toda i, toda j, 1  i < j  n.
Ejemplo 19
 5 0 0 0
 
 4 8 0 0
La matriz A   es una matriz triangular inferior.
5 2 4 0
 
 2 2 6 4 


Definición 15
Sea A = (aij) de orden n, A es una matriz diagonal si los elementos ubicados fuera de la diagonal
principal son iguales a cero. Es decir:
aij = 0 para toda i, toda j, ij, 1i,jn.
Ejemplo 20
7 0 0
 
La matriz A   0 2 0  es una matriz diagonal.
0 0 8 


Definición 16
Sea A = (aij) de orden n, A es una matriz escalar si los elementos fuera de la diagonal principal son
iguales a cero y los elementos de la diagonal principal son iguales a un escalar k, k en IR. Es decir:
k si i  j
aij   1  i, j  n o A  kI n
 0 si  j

Ejemplo 21
2 0
La matriz es A    una matriz escalar.
0 2 

Definición 17
Sea A = (aij) de orden mn, la matriz traspuesta de A, At, es la matriz que se obtiene de A al
intercambiar sus filas por columnas. Es decir, el elemento de la fila j y columna i de At es igual al
elemento de la fila i y columna j de A.
C. Neumann Matrices 13
 atji= aij para toda i, toda j, 1i,jn.

Ejemplo 22
1 2  4 4
Sean A    , B    , entonces:
3 4  2 2 

1 3  4 2
1. At    , B t   
2 4  4 2 

1 2
2. ( At )t    A
3 4 

  3 6   3 5
3. A  B     ( A  B)t   
 5 6  6 6

1 3   4 2   3 5
4. At  B t         ( A  B )t
2 4   4 2  6 6

2 4  2 6
5. 2 A     (2 A)t   
6 8  4 8
 1 3  2 6
6. 2 At  2      ( 2 A)t
 2 4   4 8 

Teorema 6
Sean A = (aij), B = (bij) matrices de orden mn, C = (cjp) de orden nq, k  IR, entonces:
1. (At)t = A
2. (A + B)t = At + Bt
3. (kA)t = kAt
4. (AC)t = CtAt
5. Si A de orden n es inversible, (A-1)t = (At)-1
Definición 18
Sea A = (aij) de orden n, A es una matriz simétrica si los elementos simétricos con respecto a la
diagonal principal son iguales. Es decir:
aij = aji para toda i, toda j, 1i,jn.
o
t
A =A
Ejemplo 23

C. Neumann Matrices 14
  2 1 9
 
La matriz A    1 4 0  es una matriz simétrica.
 9 0 7 


Definición 19
Sea A = (aij) de orden n, A es una matriz antisimétrica si los elementos simétricos con respecto a la
diagonal principal son iguales en magnitud, pero de signos opuestos. Es decir:

aij = −aji para toda i, toda j, 1i,j n.

o
t
A = −A
Nota: Si A es una matriz antisimétrica los elementos de la diagonal principal son iguales a cero. En
efecto:
aij = -aji para toda i, toda j, 1i,j n  aii = −aii  2aii = 0  aii = 0.
Ejemplo 24
 0 1 2
 
La matriz A   1 0 3 . es una matriz antisimétrica.
 2 3 0 


Ejemplo 25
1 2 3
 
Sea A   5 2 2  . Halla A + At y A − At. ¿Qué puedes decir de estas matrices.
1 4 6 


1 2 3  1 5 1 2 3 4
t
     
A  A  5 2 2    2 2 4   3 4 6  ¡Es una matriz simétrica!
1 4 6   3 2 6   4 6 12 


1 2 3  1 5 1  0 7 2 
     
A  At   5 2 2    2 2 4   7 0  2  ¡Es una matriz antisimétrica!
1 4 6   3 2 6    2 2 0 


2 3 4  0 7 2  2 4 6 1 2 3
       
Más aún:  3 4 6  7 0  2   10 4 4   2 5 2 2  2A
4 6 12    2 2 0   2 8 12  1 4 6 
 

Este ejemplo nos sugiere que una matriz cuadrada A puede expresarse como la suma de una matriz
simétrica más una matriz antisimétrica:
Teorema 11

Sean A = (aij), B = (bij) matrices de orden n, k en IR, entonces:

1. Si A y B son matrices simétricas, A + B es simétrica.

C. Neumann Matrices 15
2. Si A es una matriz simétrica, kA es simétrica.
3. A + At es una matriz simétrica.
4. Si A y B son matrices antisimétricas, A + B es antisimétrica.
5. Si A es antisimétrica, kA es antisimétrica.
6. A −At es antisimétrica.
7. Toda matriz A puede expresarse de manera única como la suma de una matriz simétrica y una
matriz antisimétrica.

Ejemplo 25
3 5  2
 
Expresa A   1 3 0  como suma de una matriz simétrica más una antisimétrica.
2 1 4 

3 5  2  3 1 2
  t

A  1 3 0   A  5 3 1
2 1 4   2 0 4 
 

6 6 0  0 4  4
   
 A  At   6 6 1  y A  At    4 0 1
0 1 8   4 1 0 
 
3 3 0  0 2 2
   
 S  1 2 ( A  At )   3 3 1
2 y K  1 ( A  At )   2
2  0  12 
0 1 4   2 1 0 
 2  2

6 Ejercicios Propuestos 1

1. Dadas las matrices:

 1 3 2 0   1 5 0 3 1 2 4
A    , B    , C    y D    halla :
 5 0 4  7  1 3 2 0  2 1 3 

1. (2A − 3C)C 2. (A + 2B)C 3. (AB)C 4. A(BC)

5. AC − 3C 6. (A – 3I)C 7. AD 8. DA
2. Una fábrica produce cuatro artículos diferentes: a, b, c, d a partir de tres materias primas I, II,
III.. La siguiente matriz representa la cantidad de materia prima necesaria para producir cada
artículo:
I II III
a  20 3 18 
 
b  25 2 0 
A  
c 11 9 5 
 
d  560 
 3 19

C. Neumann Matrices 16
 I  22 
 
El precio de la materia prima es p  II  37  . El departamento de ventas ha obtenido el
III  56 
a b c d
siguiente pedido:
q  ( 50 100 210 245)
Encuentra:
1. La matriz que representa la cantidad de materia prima necesaria para producir dicho pedido.
2. El costo total de la materia prima.
3. Halla la matriz X tal
3 2  3   4  1  2 3
1.   X    2.   X   
1 1   1  7 4  1 4 

4. Resuelve las siguientes ecuaciones matriciales, en términos de A y B, para X de orden 2:

2 1
1. At = Bt − X 2. ( A  2 X )  (3 X  B) 3. 3 X  A   AB  I 2
3 2
4. 2 AB  4 X  A  2 X 5. 3 X t  A  (2 At B )  I t

 3 1  0 0
5. Dadas A   ; B    ; AtXA = AtB – (AtB)t halla X.
 2 1  4 1
1 3 3  2  1 1
6. Dadas A   , B   , C    .
 2  1 1 0    3 6
Halla X si AtXA = (C t A)t – 2BA.
1 1 0  3 1
    1 2 1
7. Dadas A  1 1 2 , B    2 0 , C    , tales que:
1 3 0 0 
 2 1   1
 1 

2AtX =A + B(−3C), halla X.

2  1 3 0 
8. Dada las matrices A    , B    halla A2 − 2AB + B2 y (A −B)2
3 1  1  2 

 2 0 0
 
9. Dada la matriz A   0 3 0  halla A2, A3, (A − I)2 y A2 − 2A + I
 0 0 1 


1
10. Sea P(X) = X 2 − X − 3. Halla P(A) si:
2
 1 2 0
 2 3  
1. A    2. A 3 2 1
1 4   0
 2 3 

11. Sean A, B, C matrices de orden n. Si AX = XA, despeja X en términos de A, B y C.

1. 4X − 5 B = A2 + 3B 2. 3X 2 − 4B = 3B − X − 7A
1 1 2
3. (A + B)2 − X 2 = X−A+B 4. (AB)X −5X 2 = 5X − B
3 5

C. Neumann Matrices 17
12. Halla las inversas de las siguientes matrices (si existen)
3 4 5 2  1  2  cos sen 
1.   2.   3.   4.  
2 3  1 4    .3 6    sen cos  
 2 1 1 1
2 1  1 2 4 5  
     1 2 2 2
5. 4 5 1  6. 3 5 6 7.  3 5 5 6
0 1  1 1 1 0   
    1 1 1 2
 

13. Lleva las siguientes matrices a forma escalonada, y luego a escalonada reducida:
1 1 1 1
 
2 1 0 3 6 2 0 2 1 1
1 3 5 2     1
1.   2.   3. 3 4 3 4. 4 7 1 5. 2 3 3
4 6  15 6  5
 
 5 3  5
 11 5
 2 3 4 3
3 4 5 0 


14. Expresa la matriz A dada, como suma de una matriz simétrica y una matriz antisimétrica.
2 1 4 
 
A  7 11  7
5 1  6 


15. Una matriz de orden n tal que A2 = I es llamada una matriz involutiva. Prueba que la matriz B es
involutiva.
 4 3 3 
 
B   1 0  1
 4 4  3 


16. Una matriz B de orden n es idempotente si B2 = B. Demuestra que si B es involutiva, entonces

las matrices ½(I+B) y ½(I-B) son matrices idempotentes y su producto es cero.
 1 2 3 
 
17. Sea la matriz A   3 2 0  . Encuentra una matriz B tal que A y B sean permutables, es
1 1  1

decir AB = BA.
18. Escribe la matriz A como la suma de una matriz triangular superior y una matriz triangular
inferior. ¿Es esta descomposición única?
 4 9 3
 
A   7 1 3
 8 2 4 


1 3 
19. Dada A    , encuentra una matriz B de orden 21 tal que AB = 3B
4  3 

2 3  2 1 2  1
20. Sean A    , B    y C    , comprueba que:
 1 2  1 1 3 5 
1. (AB) −1 = B −1A −1 2. (ABC) −1 = C −1B −1A −1

C. Neumann Matrices 18
21. Una empresa tiene sucursales en el centro de la ciudad: sucursal 1, 2 y 3. En el presente la
sucursal 1 tiene en existencia: 40 CD, 20 DVD, 45 televisores y 15 videos; en la sucursal 2: 20
CD, 10 DVD, 12 televisores y 15 videos; en la sucursal 3: 25 CD, 34 DVD, 60 televisores y 30
videos.
1. Represente matricialmente el nivel de existencias de esta empresa.
2. Calcular el nuevo nivel de existencias de la empresa si se realiza el siguiente reparto:
Sucursal 1: 5 CD, 15 DVD, 8 televisores y 12 videos
Sucursal 2: 4 CD, 9 DVD, 8 televisores y 14 videos
Sucursal 3: 7 CD, 10 DVD, 25 televisores y 15 videos
3. Calcula el nuevo nivel de existencias, si se realizan las siguientes ventas:
Sucursal 1: 5 CD, 8 DVD, 10 televisores y 6 videos
Sucursal 2: 3 CD, 5 DVD, 12 televisores y 7 videos
Sucursal 3: 25 CD, 12 DVD, 40 televisores y 15 videos
4. Si el precio de venta de un CD es 300 $, un DVD 360 $, un televisor 480 $ y un video
150 $ ¿Cuál es el valor de las existencias en cada sucursal?
22. El comercio entre los países I, II, III durante 2008 (en millones de dólares americanos) está
dado por la matriz A (a ij) (en donde a ij representa las exportaciones del país i al país j):
 0 18 20 
 
A  17 0 22 
 21 14 0 

El comercio entre estos tres países el año 2009 (en millones de dólares americanos) está dado
por la matriz B:
 0 22 19 
 
B   18 0 24 
 24 16 0 

1. Escribe una matriz que represente el comercio total entre los dos países en el período de dos
años: 2008-2009
2. Si el precio promedio euro – dólar fue:
€ 1 = $US 1,471 el 2008
€ 1 = $US € 1,393 el año 2009
Escribe la matriz que representa el comercio total durante los dos años entre los países en
euros.
23. Una empresa usa cuatro materias primas diferentes: M1, M2, M3 y M4 en la elaboración de su
producto. Usa 3, 5, 4 y 2 unidades de M1, M2, M3 y M4 respectivamente para elaborar 1 unidad
de su producto. Si el costo por unidad de las cuatro materias primas es $ 4, $6, $7 y $10
respectivamente. Expresa el costo total de las materias primas por unidad de producto, como un
producto de matrices.
24. Demuestra que la matriz A de orden 2 es inversible si, y sólo si, ad-bc  0:

 Ir B 
25. Halla la inversa de la matriz en "bloque":  
 O I s
donde Ir es la matriz unidad de orden r, Is es la matriz unidad de orden s, O es la matriz nula de
orden sr, B es una matriz cualquiera de orden rs.
26. A de orden n simétrica, demuestra que kA es simétrica.

C. Neumann Matrices 19
27. Sean A, B de orden n antisimétricas, demuestra que:
1. A + B es antisimétrica.
2. kA es antisimétrica.
28. Sea A matriz de orden n, demuestra que (A − At) es una matriz antisimétrica.
29. Si A es una matriz cualquiera ¿Bajo qué condiciones el producto A·At está definido?

30. Sea A una matriz de orden 2, que conmuta con toda matriz B de orden 2, demuestra que
k 0
B    , k  IR.
0 k 

Respuestas a EP 1

2 34 6 15 
1.1 no definido 1.2   1.3-4
17  27 28 9 
 35 7 42 42 
 
  10  50 0  30 
5 1 6 6   7 5 13 
1.5-6f   1.7   2.1 ( 6 545 6 895 139150 )
 2  34 6  15   5 10  20 

 5   7 9 16 9  0  2
2.2 8191505 3.1   3.2   5.  
  6 10 37  2 0 
 9 9

  45 8  29 4  318 
 1 7 
6    0  7
6.   7.   218  7 4  38  8.   y
  3 
 1 7 1 1   10 6 
 4 2  1 4 
1  2
 
 4 7 

4 0  8 0 9 0  92 1 2 

0
 
0
 
0
  3 33
2  
9. 0 9 0 ,  0 27 0 , 0 4 0  10.1   10.2  32 4 92 
0
 0 1   0
 0 1  0
 0 0   2
11 8   6  9 5 
 2

3  4  2 9  19 
12.1   12.2   12.3 No es inversible
2 3   1 5 
 18 18 
 12 0  12    3 5 2  12 
 cos  sen     
12.4   12.5   1 3 1 6 1 2  12.6  3  52 32 
 sen cos 
 1 1  1   1 1  1 
 3 6 2 

C. Neumann Matrices 20
  1 0  35 
1 0 1 2
5  
12.7 No es inversible 13.1   13.2   13.3  0 1 6
5 
0 1  0 0  0 0 0 
 
1 0 0 0
 
1 0  3  8
0 1 0 0
  0
13.4  0 1 53  13.5 0 1 0
 
0 0 0  0 0 0 1
  0
 0 0 0 
 2 3 92   0  4  12  t 0 0
     
14. S   3 11  4  , K   4 0  3  17. B  0 t 0  , t  IR
 9  4  6 1 0 t 
 2   2 3 0   0

 4 9 3  2 9 3  2 0 0
      3 t
18.  7 1 3   0 1 3    7 2 0  , No 19. B   2  , t  IR
 8
 2 4   0 0 2   8 2 2   t 

 5  1113  1813 
20.1 ( AB ) 1  
3

7 
20.2 ( ABC ) 1
  17 29 

 4 
 13 13 
 40 20 45 15   45 35 53 27   40 27 43 21 
     
21.1  20 10 12 15  21.2  24 19 20 29  21.3  21 14 8 22 
 25 34 60 30   32 44 85 45   7 32 45 30 
   
 45 510   0 40 39   0 27.9587 27.1744 
     
21.4  18 480  22.1  35 0 46  22.2  24.4203 0 32.1072 
 39 720   45 30 0   31.4274 20.9516 0 
    
4
 
6  Ir  B
23. ( 3 5 4 2)   24.   29. Cualquier valor de m y n
7
  O I s 
10 
 

C. Neumann Matrices 21