VECTORES Y MATRICES

DEFINICIÓN 1.1 Vector renglón de n componentes

Se define un vector renglón de n componentes como un conjunto ordenado de

n números escritos de la siguiente manera: ( x 1 , x2 ,…, x n ) (1)

DEFINICIÓN 1.2 Vector columna de m componentes

Un vector columna de n componentes es un conjunto ordenado de n números
escritos de la siguiente manera:

(x1¿)(x2¿)(⋮¿) ¿
¿ (2)

En (1) o (2), x1 se llama primera componente del vector, x2 es la segunda

componente, y así sucesivamente. En generala podemos decir que xk se llama k-

ésima componente del vector. Durante el cursado con frecuencia haremos
referencia a un vector fila o renglón o un n-vector. De igual manera se usara el
termino vector columna o n-vector para denotar a un vector columna de n
componentes.
Si un vector tiene todos sus componentes cero se lo denomina vector nulo.

DEFINICIÓN 1.3 Matriz

Una matriz A de m x n es un arreglo rectangular de mn números dispuestos en m
filas y n columnas.
 a11 a12  a1 j  a1n 
 
 a21 a22  a2 j  a2 n 
    
A 
 ai1 ai 2  aij  ain 
    
 
a am 2  amj  amn 
 m1
El símbolo m x n se lee “m por n”. El vector fila  ai1 , ai 2 , , ain  se llama fila i o

 a1 j 
 
 a2 j 
 
 
a
renglón i y el vector columna  mj  se llama columna j. La componente o

aij
elemento de A denotado por , es el numero que aparece en la fila i y columna j.

A   aij 
La matriz A la podemos escribir como . Las matrices se denominan con
letras mayusculas.
Si A es una matriz de orden m x n con m = n, entonces A se llama matriz
cuadrada.
aij  0
Si A es una matriz de orden m x n con todos los entonces A se llama
matriz nula o matriz cero.

Ejemplo 5: cuatro matrices de diferentes tamaños

2 5  1 0 2
i)   es una matriz de 2x2(cuadrada) ii)   es una matriz de 2x3
9 1   5 1 8 
1 0 -5  1 0 
iii)  6 1 -2  es una matriz de 3x3(cuadrada) iv)  1 2  es una matriz de 3x2

0 8 6   5 7 
  

Definimos para matrices cuadradas dos tipos especiales de matrices.

DEFINICIÓN 1.4
Una matriz se dice triangular superior si y solo si los elementos bajo la diagonal
principal son nulos.
Es decir; A es triangular superior  a ij=0 ; ∀ i> j
DEFINICIÓN 1.5
Una matriz se dice triangular inferior si y solo si los elementos sobre la diagonal
principal son nulos.
Es decir; B es triangular inferior  b ij=0 ; ∀ i< j
Teorema: Las matrices triangulares superiores, como así también las triangulares
inferiores forman un álgebra.

DEFINICIÓN 1.6
Definimos elemento principal de una fila a aquel elemento no nulo que es primer
elemento de esa fila.

Nota: Si una fila tiene todos sus elementos nulos, no existe elemento principal.

DEFINICIÓN 1.7
Una matriz se dice que tiene la forma escalonada si y solo si
1) Si existen filas nulas están en la parte inferior de la matriz.
2) El elemento principal de una fila se halla a la derecha del
elemento principal de la fila anterior.
DEFINICIÓN 1.8
Una matriz se dice que tiene la forma canónica por fila o forma normal de
Hermite si y solo si están en forma escalonada y
1) Cada elemento principal es igual a 1.
2) Cada elemento principal es el único elemento no nulo de la
columna que lo contiene.

DEFINICIÓN 1.9
Una matriz se llama diagonal si y solo si los elementos que no pertenecen a la
diagonal son nulos.
Es decir; D = ( d ij )❑es diagonal  d ij= 0 ; ∀ i, j :i≠ j

Nota: Se las suele indicar respecto a sus elementos: D = ( d 11 ; d 22 ; … ; d nn)

DEFINICIÓN 1.10 Igualdad de matrices

Dos matrices A = (aij) y B = (bij) son iguales si
a) son del mismo tamaño y
b) las componentes correspondientes son iguales.
Ejemplo 6:
¿Son iguales las siguientes matrices?
4 1 5 1  3 1 2  3
a)   y  
2 3 0  11 1 4 6  6 
 2 0  0 2 
b)   y  
 1 3 1 3 
1 0 1 0 0
c)   y 0 1 0
0 1  
Los vectores son matrices de una fila o de una columna
Cada vector es un tipo especial de matriz. Así por ejemplo, el vector fila de n

componentes  a1 , a2 , , an  es una matriz de 1 x n. Mientras que el vector

 a1 
 
 a2 
 
 
a
columna de n componentes  n  es una matriz de n x 1.

DEFINICIÓN 1.11 Suma de matrices

Sean A = (aij) y B = (bij) dos matrices del mismo orden m x n. Entonces la suma
de A y B es la matriz m x n. A + B dada por

a11 +b 11 a12 +b12 ⋯ a1 n +b 1n

(
A + B=( aij +b ij )= a21 +b 21
⋮
am 1 +b m 1
a22 +b22
⋮
a m2 +bm 2
⋯ a2 n +b 2n
⋮
⋯ amn +b mn
) (3)
Es decir, A + B es la matriz m x n que se obtiene al sumar las componentes
correspondientes de A y B.

 Advertencia: La suma de dos matrices está definida sólo cuando las

matrices son del mismo tamaño.
Ejemplo 7:
  1 2 0   3 5 9   1 3 2  5 0  9   4 7 9 
       
 3 1 5    6 7 2    3  6 1  7 5  2    3 6 7 
 7 9 4   3 5 1   7  3 9  5 4  1  4 4 3 
       

DEFINICIÓN 1.12 Multiplicación de una matriz por un escalar

Si A = (aij) es una matriz de m x n y si  es un escalar, entonces la matriz m x n,
 A, está definida por

  a11  a12 ...  a1n 


  a21  a22 ...  a2 n 
 A  ( aij ) 
    
 
  am1  am 2 ...  amn  (4)

En otras palabras,  A= (  aij) es la matriz obtenida al multiplicar cada

componente de A por  . Si  A = B = (bij), entonces bij =  aij para i = 1, 2, ..., m
y j = 1, 2, ..., n
Ejemplo 8:

 3 6 9 3   6 12 18 6 
A  2A   
Sea  0 12 6 9  , entonces  0 24 12 18  y

1  1 2 3 1
A 
3 0 4 2 3 

TEOREMA 1.1: Sean A, B y C tres matrices de m x n y sean  y β dos

escalares. Entonces:
i. A  0  A
ii. 0A  0
iii. A + B=B+ A (ley conmutativa para la suma de matrices)

iv. ( A + B ) +C=A +( B+C ) (ley asociativa para la suma de matrices)

  A  B   A  B
v. (ley distributiva para la multiplicación por un
escalar)
 vi. 1 A= A

vii.     A  A βA
Nota: El cero en la parte i) del teorema es la matriz cero de m x n. En la parte ii) el
cero a la izquierda es un escalar mientras que el cero a la derecha es la matriz cero
de m x n.

a 11 a12 ⋯ a1n

Demostración iii): Sea

(
a
A= 21
⋮
a22 ⋯ a2n
⋮ ⋮
a m 1 am 2 ⋯ amn
) y

b11 b 12 ⋯ b1 n

⋮
(
B= b21 b 22 ⋯ b2 n
⋮ ⋮
bm 1 bm 2 ⋯ b mn
)
Entonces

a11 +b11 a12+ b12 ⋯ a1n +b1 n

(
A + B= a21 +b21
⋮
a m1 +bm 1
a 22+ b22 ⋯ a2n +b2 n
⋮ ⋮
am 2 + bm 2 ⋯ a mn +bmn
)
a + b = b + a para cualquiera dos números reales a y b

b11 + a11 b 12+a12 ⋯ b 1n +a1 n

(
= b21+ a21
⋮
bm 1 + am 1
b 22+a22 ⋯ b 2n +a2 n
⋮ ⋮
bm 2 +am 2 ⋯ b mn +amn
)
Ejercicios

1. ¿Cuál de las siguientes aseveraciones es cierta para la siguiente matriz?

(17 2 3
−1 0 )
a. Es una matriz cuadrada.

b. Si se multiplica por un escalar –1, el producto es

(−1−7 −2 −3
1 0 )
c. Es la matriz 3 x 2.

d. Es la suma de
(37 1 4
2 0 ) (−20
y
1 1
1 0 )
2. ¿Cuál de los incisos es 2 A−4 B si A= ( 2 0 0 ) y B=( 3 1 ) ?

a. (−8 −4 ) b. (5 0 1 )
c. ( 16 −4 0 )
e. Esta operación no se puede hacer.

3. ¿Cuál de las siguientes afirmaciones es cierta cuando se encuentra la

diferencia de dos matrices?
a. Las matrices deben ser del mismo tamaño.
b. Las matrices deben ser cuadradas.
c. Las matrices deben ser ambas vectores renglón o vectores columna.
d. Una matriz debe ser un vector renglón y la otra un vector columna.

4. ¿Cuáles serían los elementos de la segunda columna de la matriz B si

3 −4 0 0 0 0
( 2 8 −1 ) +B=
( 0 0 0 ) ?
a. –2, -8, 1 b. 4, -8
c. 2, 8, -1 d. –4, 8

5. ¿Cuál de las siguientes debe ser el segundo renglón de la matriz B si

3 A−B=2C para
1 −1 1 1 0 0
(
A= 0 0 3
4 2 0 ) ( )y
C= 0 1 0
0 0 1 ?
a. –3, 2, 6 b. 0, -2, 9
c. 3, -2, 6 d. 0, 2, -9
6. Dadas las matrices A, B y C, determinar a)A+C, b)-B, c)A-B+C, d)-3A,
e)2C-A+2B
 2 3 5 6   3 4 0 9  0 2 1 3
     
A   7 1 2 1  ; B   6 1 3 2  ; C   2 1 0 2 
 0 1 4 3  4 5 1 4  3 2 0 1
     

7. Dadas las siguientes matrices, realizar la suma, las sustracciones y los

productos posibles.
 1 2
   1 1 3
3 2  5 0 3   0 1 4 
A  , B   1 5 1  , C    ,D  
 1 0     3 1 0  5 4 2 
   1 0 3 
 2 1

8. Demostrar los incisos i, ii, iv, v,vi, y vii del teorema TEOREMA 1.5.i
 PRODUCTO VECTORIAL Y MATRICIAL

DEFINICIÓN 2.1 Producto escalar

a1 b1

Sean a =
() ()
a2
⋮
an
yb=
b2
⋮
bn
dos vectores. Entonces el producto escalar de a

y b, está dado por

a  b  a1b1  a2b2    anbn

(1)

Debido a la notación en (1), el producto escalar se llama con frecuencia producto

punto o producto interno de los vectores. Observe que el producto escalar de

dos n-vectores es un escalar.


Advertencia: Al tomar el producto escalar de a y b es necesario que a y

b tengan el mismo número de componentes.

Con frecuencia se tomara el producto escalar entre un vector fila y un vector

columna. En este caso se tiene:

 b1 
 
 a1 , a2 , , an    b2   a1b1  a2b2    anbn
Vector fila 1xn         
  Este es un escalar

 b¨n 
Vector columna nx1

 1 2
   
a   2  y b   1
   
Ejemplo 9: Sean     Calcular a  b

a  b     2    2   1   4   3  12
Solución:

TEOREMA 2.1: Sean a, b y c tres n-vectores sean  y  dos escalares entonces:

i. a  0  0
ii. a  b  b  a (ley conmutativa del producto escalar)
a   b  c  a  b  a  c
iii. (ley distributiva del producto escalar)

iv.  a   b    a  b
 a1   b1 
   
a b
a  2 b 2
   
   
Demostración (ii): Sean  an  y  bn 

Entonces
a  b  a1b1  a2b2    anbn

 b1a1  b2 a2    bn an por ley conmutativa del producto

 ba

DEFINICIÓN 2.2 Producto de dos matrices

Sea A=(aij ) una matriz m x n, y sea B=( bij ) una matriz de n x p. Entonces

el producto de A y B es una matriz m x p, C=(c ij ) , en donde

cij = (renglón i de A) . (columna j de B) (2)
Es decir, el elemento ij de AB es el producto punto del renglón i de A y la columna
j de B. Si esto se extiende, se obtiene
n
cij  ai1b1 j  ai 2b2 j    ainbnj   aik bkj
k 1 (3)

DEFINICIÓN 2.3 Matrices Compatibles (conformables)

Si el número de columnas de A es igual al número de renglones de B, entonces se
dice que A y B son compatibles bajo la multiplicación. (o matrices
conformables para la multiplicación)

 Cuidado: Dos matrices se pueden multiplicar sólo si el número de

columnas de la primera matriz es igual al número de renglones de la segunda. De
otra manera, los vectores que forman el renglón i en A y la columna j en B no
tendrán el mismo número de componentes y el producto punto en la ecuación (2)
no estará definido. En otras palabras, las matrices A y B serán incompatibles bajo
la multiplicación.
 2 1
   3 5 1 0 
A  0 5  y B   
3 4   4 2 3 2 
Ejemplo: Dadas las matrices   . Realizar los
productos posibles.

Solución: se tiene que A es de orden 2x3 y B es de orden 3x4 por lo tanto el

único caso posible es multiplicar A.B , debido a que el numero de columnas de A

es igual al número de filas de B, y el producto resulta
 3 5 1 0 
A.B  
 4 2 3 2 
 2 1  2.3   1 4 2. 5    1 . 2  2.1   1 .3 2.0   1 .2 
   
0 5   0.3  5.4 0. 5   5. 2  0.1  5.3 0.0  5.2 
3 4   3.3  4.4 3. 5   4. 2  3.1  4.3 3.0  4.2 
  

 2  1 2 
 
A.B   20 10 15 10 
 25 23 15 8 
 

TEOREMA 2.2: Ley asociativa para la multiplicación de matrices: Sea

A=(aij ) una matriz de n x m, B=( bij ) una matriz de m x p y C=(c ij )

una matriz de p x q. Entonces la ley asociativa
A(BC)=(AB)C (4)
Se cumple y ABC, definida por cualquiera de los lados de la ecuación (4), es una
matriz de n x q.

TEOREMA 2.3: Leyes distributivas para la multiplicación de las matrices

Si todas las sumas y todos los productos siguientes están definidos, entonces
A ( B+C )= AB+AC (5)
y
( A +B)C=AC +BC (6)
Demostración de los teoremas 2.2 y 2.3

Ley Asociativa: Como A de m x n y B es de m x p, AB es de n x p. Entonces

( AB )C = (n x p) x (p x q) es una matriz de n x q. De manera similar, BC es de

mxqy A ( BC) es de n x q de manera que ( AB )C y A ( BC) son ambas

del mismo tamaño. Debe demostrarse que la componente ij de ( AB )C es igual

a la componente ij de A ( BC) . Si se define D=(d ij )=AB , entonces

m
d ij= ∑ aik b kj
k=1

La componente ij de ( AB )C =DC es

p p m m p
∑ d il c lj =∑
l=1
(
l=1 k=1
)
∑ aik b kl c lj =∑ ∑ aik bkl c lj
k =1 l=1 (i)
p
e ij=∑ bkl c lj
Ahora se define E=(e ij )=BC . Entonces l=1 y la componente ij

m m p
∑ aik ekl = ∑ ∑ a ik bkl c lj
de A ( BC) =AE es k =1 k =1 l=1 (ii)

Como (i) =(ii) la componente ij de ( AB )C es igual a la componente ij de

A ( BC) . Esto demuestra la ley asociativa.

-Leyes distributivas: Se demuestra la primera ley distributiva (ecuación (5)). La
demostración de la segunda (ecuación (6)) es prácticamente idéntica.
Sea A una matriz de m x n y sean B y C matrices de m x p. Entonces la

componente kc. de B+C es

b kj+c kj y la componente ij de A ( B+C ) es:

m m m

 aik  bkj  ckj   aik bkj   aik ckj 

k 1 k 1 k 1 Componente ij de AB más la Componente
ij de AC y esto demuestra la ecuación (5).