Matrices

LUIS ALBERTO TORO CARVAJAL

 CONTENIDO

1 Matrices ii
1.1 Introducción: algo de historia . . . . . . . . . . . . . . . . . . ii
1.2 Definiciones preliminares . . . . . . . . . . . . . . . . . . . . . iv
1.3 Operaciones matriciales . . . . . . . . . . . . . . . . . . . . . . vi
1.3.1 Suma de matrices . . . . . . . . . . . . . . . . . . . . . vi
1.3.2 Multiplicación de matrices por escalares . . . . . . . . vii
1.3.3 Propiedades de la suma de matrices y del producto de
matrices por escalares. . . . . . . . . . . . . . . . . . . viii
1.3.4 Producto de matrices . . . . . . . . . . . . . . . . . . . xii
1.3.5 Propiedades del producto matricial . . . . . . . . . . . xix
1.4 Algunos tipos de matrices . . . . . . . . . . . . . . . . . . . . xxi
1.4.1 Más propiedades de las matrices . . . . . . . . . . . . . xxiv
1.5 Inversa de una matriz . . . . . . . . . . . . . . . . . . . . . . . xxv
1.5.1 Definición y teoremas preliminares . . . . . . . . . . . xxv
1.5.2 Cálculo de la inversa de una matriz de orden 2 . . . . . xxviii
1.6 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxxii

i
Capı́tulo 1

Matrices

“Es difı́cil dar una idea sobre la gran extensión de la matemática

moderna. La palabra “extensión”no es la adecuada: quiero decir,
una extensión atestada de bellos detalles, no una extensión de
simple uniformidad como un plano sin objetos, sino una región de
un bello paı́s contemplada al principio desde la distancia, pero que
habrá que recorrer y estudiar en cada detalle: ladera y valle, rı́o,
peña, bosque y flor. Pero, como en todo, también en una teorı́a
matemática la belleza puede percibirse, pero no explicarse.”(Arthur
Cayley, 1883.)

1.1 Introducción: algo de historia

Las matrices y su álgebra, a grandes rasgos, fue el último descubrimiento de
Arthur Cayley (1821-1895). El tema apareció en una memoria de 1858 y nació
directamente de simples observaciones sobre el modo en que se combinan
ciertas transformaciones de variables. Suponer que las variables y, x y z
están relacionadas mediante las siguientes ecuaciones:
px + q Pz + Q
y= , x= . (1.1)
rx + s Rz + S
Al reemplazar la segunda de las ecuaciones anteriores en la primera, se ob-
tiene:

(pP + qR) z + (pQ + qS)

y= . (1.2)
(rP + sR) z + (rQ + sS)

ii
 Si se tienen en cuenta únicamente los coeficientes de las tres transforma-
ciones, se pueden escribir en la siguiente forma rectangular:
     
p q P Q pP + qR pQ + qS
, , . (1.3)
r s R S rP + sR rQ + sS

De lo anterior, se deduce que el resultado de realizar sucesivamente las dos

primeras transformaciones podrı́a haberse escrito mediante la siguiente regla
de “multiplicación”:
     
p q P Q pP + qR pQ + qS
× = , (1.4)
r s R S rP + sR rQ + sS
donde las filas de la ordenación de la derecha se obtienen de una manera
obvia, aplicando las filas de la primera ordenación de la izquierda sobre las
columnas de la segunda. Las ordenaciones de este tipo, con cualquier número
de filas y de columnas, se denominan matrices. El álgebra de estos nuevos
objetos matemáticos, como se verá a lo largo de la exposición que se hará
en la siguiente sección, se deduce de unos pocos y simples postulados, pero
difiere radicalmente del algebra de los números reales. Por ejemplo, de la
regla de multiplicación de matrices contenida en la Ecuación (1.4), se de-
duce que tal operación no es conmutativa, como si lo es la correspondiente
operación entre números reales. Este último detalle ilustra un fenómeno
que se da con frecuencia en la historia de las matemáticas: las herramientas
matemáticas necesarias para las aplicaciones cientı́ficas se han inventado, a
menudo, decenas de años antes que se imaginara la ciencia para la cual las
matemáticas son la llave. La caprichosa regla de “multiplicación”de matrices
con la cual se obtienen resultados distintos según el orden en que se multi-
plican, parece casi lo más alejado que se podrı́a hallar de todo uso cientı́fico
o práctico. Sin embargo, sesenta años después de que Cayley las inventara,
Werner Karl Heisemberg (1901-1976), en 1925, reconoció en el álgebra de
de matrices exactamente la herramienta que necesitaba para el desarrollo de
una de las formulaciones básicas de la mecánica cuántica, teorı́a que habrı́a
de convertirse en una de las principales revoluciones cientı́ficas del siglo XX.
Las matrices tienen impresionantes aplicaciones en casi todas las ra-
mas de las ciencias, desde la antropologı́a hasta las ciencias económico-
administrativas, pasando por la quı́mica, la fı́sica, la biologı́a, las matemáticas
(donde ellas nacieron), hasta llegar a sus aplicaciones en todas las áreas de
la ingenierı́a. Aunque en este capı́tulo no es posible abordar todas las apli-

iii
caciones de las matrices, el lector hallará útil comprender y saber aplicar en
casos concretos los aspectos básicos del álgebra de matrices.

1.2 Definiciones preliminares

Definición 1. Una matriz es un arreglo rectangular de mn números, reales
o complejos, dispuestos en m filas y n columnas.

Una vez se tiene la definición de matriz, lo siguiente es estudiar su no-

tación y su escritura, es decir, la forma de explicitar una matriz tı́pica que
tenga m filas y n columnas. De manera general, pero no exclusiva, los
sı́mbolos que se utilizan para denotar las matrices son las letras mayúsculas
del alfabeto español: A, B, C, D, etc, y para explicitarla, se usan corchetes o
paréntesis, escribiendo dentro de ellos los elementos que la forman, y para de-
notarlos se usa la correspondiente letra minúscula. Dado que se tienen m filas
y n columnas, los elementos de la matriz tienen dos subı́ndices: el primero
denota la fila y el segundo la columna donde tal elemento está situado, tal
como se presenta a continuación para una matriz A.

a11 a12 a13 · · · a1j · · · a1n

 
 a21 a22 a23 · · · a2j · · · a2n 
 . .. .. .. .. 
 .
 . . . . . 

A=
 ai1 ai2 ai3 · · · aij · · · ain 

 . .. .. .. .. 
 .. . . ··· . . 
am1 am2 am3 · · · amj · · · amn
El elemento aij , que se halla en la fila i y la columna j, se denomina elemento
general de la matriz A. La matriz A también se puede representar de la
siguiente forma:

A = (aij ) , o A = [aij ] , 1 ≤ i ≤ n, 1 ≤ j ≤ m.
Una matriz A de m filas y n columnas se dice que es de tamaño m × n, y
se escribe Am×n o A(m×n) . Si se desea especificar que los lementos de A son
reales, se escribe A ∈ Rm×n , y si son complejos, A ∈ Cm×n . A lo largo del
texto solamente se tratarán matrices de elementos reales. Dado que m y n
pueden tomar cuaquier valor entero positivo, el conjunto de las matrices es
infinito.

iv
Ejemplo 1
Los siguientes son ejemplos de matrices especı́ficas de varios tamaños.

1. Matriz de tamaño 2 × 3.
" #
1 4 π
A= 2
0 −1
3
2. Matriz de tamaño 3 × 3.
 
1 4 π
√
B= 0 1 5 
10 8 9

3. Matriz de tamaño 4 × 2.
 
7 15
 12 11 
C=
 −10 2 


0 20

De los ejemplos anteriores, se concluye que a12 = 4, b22 = 1 y c31 = −10,

que es la forma de identificar elementos de una matriz especı́fica. Los demás
elementos se identifican de la misma forma.
Una vez se define un conjunto de objetos matemáticos, es necesario saber
cuándo dos elementos del conjunto son iguales, y para matrices se tiene la
siguiente definición.
Definición 2. Se dice que las matrices A y B son iguales, y se escribe A = B,
si (1) son del mismo tamaño y (2) los elementos corespondientes son iguales,
es decir, si aij = bij .

Ejemplo 2
¿Son iguales las siguientes matrices?
1.    
1 4 1 4
A= , B=
12 8 12 7

v
 2.    
1 4 4 − 3 20 − 16
C= , D=
12 8 7+5 6+2

Solución
1. Como a22 = 8 y b22 = 7, las matrices A y B no son iguales, a pesar de
tener el mismo tamaño.

2. Al realizar las operaciones indicadas en la Matriz D se halla que es igual

a la matriz C: tienen el mismo tamaño y sus elementos correspondientes
son iguales.

1.3 Operaciones matriciales

Las operaciones entre matrices y entre matrices y números reales (escalares),
se definen a continuación.

1.3.1 Suma de matrices

Definición 3. Suma de matrices. Sean A, B ∈ Rm×n . La suma de A y
B, denotada A + B, es otra matriz C ∈ Rm×n , tal que:

cij = aij + bij , 1 ≤ i ≤ n, 1 ≤ j ≤ m.

Es decir, la suma de dos matrices del mismo tamaño, es la matriz que se

obtiene al sumar sus elementos correspondientes.

Ejemplo 3
El siguiente ejemplo ilustra la suma de matrices.
Sean A y B las matrices definidas a continuación. Hallar A + B.
   
7 15 9 −5
 12 11 
, B =  3 1 

A=  −10 2   −4
.
8 
0 20 0 20

vi
Solución.
De acuerdo a la Definición 3, la suma de las matrices dada es la matriz
obtenida al sumar sus elementos correspondientes.
     
7 15 9 −5 7 + 9 15 + (−5)
 12 11   3 1   12 + 3 11 + 1 
A+B = +
 −10 2   −4
 = 
8   −10 + (−4) 2+8 
0 20 6 −13 0 + 6 20 + (−13)
 
16 10
 15 12 
= −14 10 


6 7

ADVERTENCIA
La suma de matrices se define únicamente para matrices del mismo tamaño.
Por lo tanto, no es posible sumar las dos siguientes matrices:
 
16 10  
 15 12  1 4
 −14 10  , y ,
 
12 8
6 7
ya que la primera es 4 × 2 y la segunda 2 × 2.

1.3.2 Multiplicación de matrices por escalares

Definición 4. Multiplicación de una matriz por un escalar. Sean
A ∈ Rm×n y α ∈ R. El producto de de A por α, denotado por αA, es la
matriz que se obtine al multiplicar cada uno de los elementos de A por α, es
decir:

αA = αaij , 1 ≤ i ≤ n, 1 ≤ j ≤ m.

Ejemplo 4
Sean α = −2, A la matriz definida por:

vii
  
16 10
 15 12 
 
 −14 10 
6 7
Calcular αA.

Solución.
De acuerdo a la Definición 4, la matriz αA es:

     
16 10 (−2)16 (−2)10 −32 −20
 15 12   (−2)15 (−2)12   −30
  −24 
αA = (−2) 
 −14 10  =  (−2)(−14) (−2)10  =  28
  
−20 
6 7 (−2)6 (−2)7 −12 −14

1.3.3 Propiedades de la suma de matrices y del pro-

ducto de matrices por escalares.
El siguiente teorema presenta las propiedades básicas de la suma de matrices
y del producto de matrices por escalares.
Teorema 1. Sean A, B, C ∈ Rm×n , y α, β ∈ R. Entonces:

1. La suma de matrices es conmutativa, es decir,

A + B = B + A.

2. La suma de matrices es asociativa, es decir,

A + (B + C) = (A + B) + C.

3. Existe una matriz D ∈ Rm×n , tal que

A + D = A.

4. Existe una matriz E tal que

A + E = D.

viii
 5. La suma de matrices es distributiva respecto de la multiplicación por
escalares, es decir,

α (A + B) = αA + αB.

6. La multiplicación de matrices por escalares es distributiva con respecto

a la suma de escalares, es decir,

(α + β) A = αA + βA.

Demostración 1. La demostración hace uso de las propiedades de la suma

y la multiplicación de números reales.

1. Sean [A + B]ij y [B + A]ij los elementos ij-ésimos de las matrices A+B

y B+A, respectivamente. De la definición de suma de matrices se tiene:

[A + B]ij =aij + bij

=bij + aij (La suma de números reales es conmutativa)
= [B + A]ij

Dado que los elementos ij-ésimos de las matrices A + B y B + A son

iguales, se concluye que A + B = B + A, y por lo tanto, la suma de
matrices es conmutativa.

2. Sean [A + (B + C)]ij y [(A + B) + C]ij los elementos ij-ésimos de las

matrices A+(B + C) y (A + B)+C, respectivamente. De la definición
de suma de matrices se tiene:

[A + (B + C)]ij =aij + [B + C]ij = aij + bij + cij

= (aij + bij ) + cij (La suma de números reales es asociativa)
= [A + B]ij + cij (Definición de suma de matrices)
= [(A + B) + C]ij .

Dado que los elementos ij-ésimos de las matrices A+(B + C) y (A + B)+

C son iguales, se concluye que A + (B + C) = (A + B) + C, y por lo
tanto, la suma de matrices es asociativa.

ix
3. De la definición de suma e igualdad de matrices, se tiene que:

[A + D]ij = aij + dij = aij ,

y por lo tanto,
dij = aij − aij = 0.
Lo anterior significa que todos los elementos de la matriz D son iguales
cero, y queda demostrada la existencia de la matriz D. Tal matriz se
denomina matriz cero, y se denota 0m×n , o simplemente 0, que no
hay que confundir con el cero de los números reales.

4. De la definición de suma e igualdad de matrices, se tiene que:

aij + eij = dij = 0, (definición de la matriz D)

es decir,
eij = −aij = (−1)aij .
De lo anterior y de la definición de multiplicación de una matriz por
un escalar, se concluye que:

E = (−1)A,
con lo que se demuestra la existencia de la matriz E. La matriz (−1)A
se denomina inverso aditivo de la matriz A.

5. De la definición de suma de matrices y de la de multiplicación de ma-

trices por escalares, se tiene que:

[α (A + B)]ij =α [A + B]ij
=α (aij + bij )
=αaij + αbij
(Suma de números reales distributiva
respecto de su producto)
= (αA)ij + (αB)ij .

x
 La anterior igualdad significa que el elemento ij-ésimo de la matriz
α (A + B) es igual a la suma de los elementos ij-ésimos de las ma-
trices αA y αB. Por lo tanto, α (A + B) = αA + αB, es decir, la
multiplicación de matrices por escalares es distributiva con respecto a
la suma de escalares.

6. De la definición de de producto de matrices por escalares, se tiene que:

[(α + β) A]ij = (α + β) aij

=αaij + βaij
= [αA]ij + [βA]ij .

La anterior igualdad significa que el elemento ij-ésimo de la matriz

(α + β) A es igual a la suma de los elementos ij-ésimos de las matrices
αA y βA. Por lo tanto, (α + β) A = αA + βA, es decir, la multipli-
cación de matrices por escalares es distributiva con respecto a la suma
de matrices.

Se deja como ejercicio, por lo demás instructivo, que el estudiante veri-

fique en casos particulares, las propiedades del Teorema 1. El inverso aditivo
de una matriz se utiliza ahora para definir la diferencia (resta) de dos matri-
ces, como una suma de matrices.

Definición 5. Resta de matrices. Sean A, B ∈ Rm×n . La diferencia de

A y B, denotada A − B, se define como:

A − B = A + (−1)B.

Ejemplo 5
El siguiente ejemplo ilustra la resta de matrices.
Sean A y B las matrices definidas a continuación. Hallar A − B.
   
7 15 9 −5
 12 11   3 1 
A=  −10 2  , B =  −4
  .
8 
0 20 0 20

xi
Solución.
De acuerdo a la Definición 5, la resta de las matrices dadas es la matriz
obtenida al sumar A con (−1)B.
   
7 15 9 −5
 12 11   3 1 
A − B = A + (−1)B =   −10 2  + (−1)  −4
  
8 
0 20 6 −13
   
7 15 −9 5
 12 11   −3 −1 
=  −10 2  +  4 −8 
  

0 20 −6 13
 
−2 20
 9 10 
=  −6 −6 


−6 33

1.3.4 Producto de matrices

Como se explicó con anterioridad, las matrices surgieron del estudio de trans-
formaciones de variables. Sin embargo, es posible estudiar otra forma de
entender el surgimiento del producto matricial, sin recurrir al estudio de las
transformaciones de las cuales tal producto surgió. La ventaja de esta aproxi-
mación es que se introduce el concepto de vector y una operación fundamental
entre vectores, denominada producto escalar.

Vectores fila y columna

Definición 6. Vectores fila y columna. Se denomina vector fila de n
componentes a una matriz de una fila y n columnas. Se denomina vector
columna de m componentes a una matriz de m filas y de una columna.

Los vectores fila y columna se simbolizan en general, pero no siempre, con

las letras minúsculas del alfabeto español, siendo las más usadas las letras
x, y, z, u, v, w. La forma general de un vector fila y de un vector columna se
presenta a continuación.

xii
  
y1
 y2 
 
y =  y3  .
 
x = x1 x2 x3 · · · xn ,
 
 .. 
 . 
ym
Los elementos de un vector fila o columna solamente tienen un subı́ndice.

Ejemplo 6
Los siguientes son ejemplos de vectores fila y columna.

1. Un vector fila de cinco componentes.

 
x = −1 0 3 10 8 .

2. Un vector fila de cuatro componentes.

 
5
4
y= 9 .


La operación entre un vector fila y un vector columna, que se utilizará para

la definición del producto matricial, se define a continuación.

Definición 7. Producto escalar. Sean x un vector fila y y un vector

columna de igual número de componentes. El producto escalar de x y y,
denotado x • y, se define de la siguiente forma: se multiplican los elemen-
tos correspondientes de ambos vectores y luego se suman todos los productos
obtenidos; es decir, si
 
y1
 y2 
 
x = x1 x2 x3 · · · xn , y y =  y 3  ,
   
 .. 
.
yn

xiii
entonces,
 
y1
 y2 
 
xn  y 3 

x • y = x1 x2 x3 · · ·
 
 .. 
.
yn
=x1 y1 + x2 y2 + x3 y3 + · · · + xn yn .

Como se desprende de la Definción 7, el producto escalar de un vector

fila y de un vector columna se denomina escalar puesto que el resultado de
la operación es un número real. Otros nombres para el producto escalar
son producto punto y producto interior. En el Capı́tulo 4 se generalizará la
definición de vector y se estudiarán las propiedades del producto escalar.

Ejemplo 7
Sean los vectores
 
5
4
   
x = 9 0 3 10 8 , 7 .
y y= 
6
1

entonces
 
5
4
  
x • y = 9 0 3 10 8 
7

6
1
=(9)(5) + (0)(4) + (3)(7) + (10)(6) + (8)(1)
=134

El producto escalar se utilizará ahora para definir el producto de dos

matrices, y el siguiente ejemplo especı́fico sirve como introducción para tal
definición. Sean A y B las matrices siguientes:

xiv
  
  10 12
2 3 4
A(2×3) = , y B(3×2) =  1 5 .
1 0 5
6 9
La matriz A puede considerarse formada por dos vectores fila de tres com-
ponentes cada uno, y la B formada por dos vectores columna de tres compo-
nentes cada uno. Por lo tanto, se puede multiplicar escalarmente cada uno
de los vectores fila de la matriz A con cada uno de los vectores columna de
la matriz B, pues tienen el mismo número de componentes. Si se denotan
por F il1 (A) y F il2 (A) los vectores fila de A, y por Col1 (B) y Col2 (B) los
vectores columna de B, entonces se tienen lo siguientes productos escalares:
 
  10
F il1 (A) • Col1 (B) = 2 3 4  1  =47,
6
 
  12
F il1 (A) • Col2 (B) = 2 3 4  5  =75,
9
 
  10
F il2 (A) • Col1 (B) = 1 0 5  1  =40,
6
 
  12
F il2 (A) • Col2 (B) = 1 0 5  5  =57.
9

Los anteriores productos pueden asignarse, de acuerdo a los subı́ndices

de las filas y columnas de los diferentes productos escalares, a los elementos
de la matriz C:
   
c11 c12 47 75
C= = .
c21 c22 40 57
Si se denota el producto de A y B por AB, entonces, se puede decir que:
 
47 75
AB = .
40 57

Debe notarse, que se pudo definir el producto AB debido a que el número

de columnas de A es igual al número de filas de B, ya que esto permite que

xv
los vectores fila de A tengan igual número de componentes que los vectores
columnas de B, pudiéndose realizar los correspondientes productos escalares.
El procedimiento anterior se generaliza en la siguiente definición de producto
matricial.

Definición 8. Producto matricial. Sean A ∈ Rm×n y A ∈ Rn×p . El

producto de A y B, denotado AB, es la matriz C ∈ Rm×p , tal que el elemento
ij-ésimo de C, cij , está dado por:

cij = F ili (A) • Colj (B), 1 ≤ i ≤ m, 1 ≤ j ≤ p.

Se debe enfatizar, que para realizar el producto AB, el número de colum-

nas de A debe ser igual al número de filas de B. La anterior condición impone
serias restricciones sobre la multiplicación matricial. De otra parte, se ha uti-
lizado una matriz intermedia C para el producto AB, sin embargo, también
es posible denotar el elemento ij-ésimo de la matriz AB directamente como
[AB]ij o como (AB)ij . El lector puede verificar ahora que el producto ma-
tricial contenido en la Definición 8, concuerda con el definido por Cayley, tal
como lo expresa la Ecuación (1.4).
El siguiente ejemplo muestra las caracterı́sticas peculiares del producto
matricial.

Ejemplo 8
Sean las matrices:

 
    16 10  
16 10 −2 10 16 10
A= , B= , C =  −15 12  , D= .
−15 12 −15 −6 2 4
2 4

Calcular los siguientes productos: (1)AB, (2)BA,(3)CA, (4)BC, (5)CB,

(6) AD, (7) DA.

Solución
Utilizando la Definición 8, se tiene:
(1) Las matrices A y B son de tamaño 2 × 2. Luego, el número de
columnas de A es igual al número de filas de B, y por lo tanto, el producto

xvi
AB está definido. Los cálculos proceden somo sigue.
 
  −2
[AB]11 = F il1 (A) • Col1 (B) = 16 10 = −182,
−15
 
  10
[AB]12 = F il1 (A) • Col2 (B) = 16 10 = +100,
−6
 
  −2
[AB]21 = F il2 (A) • Col1 (B) = −15 12 = −150,
−15
 
  10
[AB]22 = F il2 (A) • Col2 (B) = −15 12 = −222.
−6

Por lo tanto,
    
16 10 −2 10 −182 100
AB = =
−15 12 −15 −6 −150 −222

(2) Como en el item anterior, el producto BA también está definido, y real-

izando los cálculos de la misma forma, se obtiene:
    
−2 10 16 10 −182 100
BA = =
−15 −6 −15 12 −150 −222

(3) La matriz C es de tamaño 3 × 2 y la A es tamaño 2 × 2. Luego, el número

de columnas de C es igual al número de filas de A, y por lo tanto el producto
CA está definido. Realizando las operaciones se obtiene:
   
16 10   106 280
16 10
CA =  −15 12  =  −420 −6 
−15 12
2 4 −28 68
(4) La matriz B es de tamaño 2 × 2 y la C es tamaño 3 × 2. Luego, el número
de columnas de B no es es igual al número de filas de C, y por lo tanto el
producto BC no está definido:

BC : NO DEFINIDO.
(5) La matriz C es de tamaño 3 × 2 y la B es tamaño 2 × 2. Luego, el número
de columnas de C es igual al número de filas de B, y por lo tanto el producto
CB está definido:

xvii
    
16 10   −182 100
−2 10
CB =  −15 12  =  −150 −222 
−15 −6
2 4 −64 −4
(6) Las matrices A y D son del mismo tamaño, 2 × 2, y por lo tanto el
producto AD está definido. Realizando operaciones se tiene:
    
16 10 16 10 276 200
AD = =
−15 12 2 4 −216 −102
(7) Como las matrices D y A son del mismo tamaño, el producto DA está
definido. Realizando operaciones, se tiene:
    
16 10 16 10 106 280
DA = =
2 4 −15 12 −28 68
El ejemplo anterior revela las caracterı́sticas peculiares del producto ma-
tricial, que pueden resumirse ası́:
(a) Existen casos en los cuales el producto de dos matrices puede realizarse
en ambos sentidos y tal producto es igual en ambos casos. Las matrices para
los cuales lo anterior se cumple, se denominan conmutables, como en el caso
de las matrices A y B:

AB = BA, MATRICES CONMUTABLES.

(b) En otros casos, el producto de dos matrices está definido en un sentido,

pero no en el otro. El producto BC no está definido, pero si lo está CB.

BC : NO DEFINIDO, CB : DEFINIDO.
(c) Existen casos en los cuales el producto de dos matrices está definido
en ambos sentidos, pero tales productos no son iguales. Tales matrices se
denominan no conmutables. Ta es el caso de las matrices A y D:

AD 6= DA. EL PRODUCTO MATRICIAL

NO ES CONMUTATIVO.

xviii
1.3.5 Propiedades del producto matricial
El siguiente teorema resume las propiedades del producto matricial.

Teorema 2. Suponer que las matrices A, B y C tienen los tamaños apro-

piados para que las operaciones especificadas puedan realizarse, y sea α un
escalar. Entonces:

1. El producto matricial es asociativo, es decir,

A (BC) = (AB) C.

2. El producto de matrices es distributivo a izquierda, es decir,

A (B + C) = AB + AC.

3. El producto de matrices es distributivo a la derecha, es decir,

(A + B) C = AC + BC.

4. El producto de matrices por escalares es asociativo con respecto a la

multiplicación de matrices, es decir,

α (AB) = (αA) B = A (αB) .

Demostración 2. Se presenta la demostración de la ley asociativa. La de-

mostración de las demás propiedades se dejan como ejercicio, pues siguen los
mismos lineamientos de la asociativa.

1. Se debe probar que los elementos ij-ésimos de las matrices A (BC) y

(AB) C, son iguales, es decir, que [A (BC)]ij = [(AB) C]ij . A tal
efecto, sean A = (aij ), A ∈ Rm×p ; B = (bjk ), B ∈ Rp×q ; C = ckl ,
C ∈ Rq×n .
De la definción de producto matricial, se tiene que:
[A (BC)]ij = Fi (A) • Colj (BC).
De nuevo, por la definición de producto matricial, Colj (BC) se ob-
tiene al multiplicar escalarmente cada una de las filas de la matriz B
sucesivamente por la columna j de C:

xix
  
F1 (B) • Colj (C)
F2 (B) • Colj (C)
Colj (AB) = 
 
.. 
 . 
Fp (B) • Colj (C)
 
b11 cij + b12 c2j + b13 c3j + · · · + b1q cqj
b21 cij + b22 c2j + b23 c3j + · · · + b2q cqj 
=
 
.. 
 . 
bp1 cij + bp2 c2j + bp3 c3j + · · · + bpq cqj

Por lo tanto,

[A (BC)]ij =
 
b11 c1j + b12 c2j + b13 c3j + · · · + b1q cqj
b21 c1j + b22 c2j + b23 c3j + · · · + b2q cqj 

 
ai1 ai2 · · · aip  .. 
 . 
bp1 c1j + bp2 c2j + bp3 c3j + · · · + bpq cqj
=ai1 (b11 c1j + b12 c2j + b13 c3j + · · · + b1q cqj )
+ ai2 (b21 c1j + b22 c2j + b23 c3j + · · · + b2q cqj )
+ ···
+ aip (bp1 c1j + bp2 c2j + bp3 c3j + · · · + bpq cqj ) .

Análogamente,

[(AB) C]ij = Fi (AB) • Colj (C).

La i-ésima fila de AB se obtien al multiplicar la i-ésima fila de A por

cada una de las columnas de B, es decir,

Fi (AB) = [Fi (A) • Col1 (B) Fi (A) • Col2 (B) Fi (A) • Col3 (B) · · · Fi (A) • Colq (B)] .

xx
 Por lo tanto,

[(AB) C]ij = [Fi (A) • Col1 (B) Fi (A) • Col2 (B) Fi (A) • Col3 (B) · · · Fi (A) • Colq (B)]
 
c1j
c2j 
 
c3j 
 
 .. 
 . 
cqj
= (Fi (A) • Col1 (B)) c1j + (Fi (A) • Col2 (B)) c2j + (Fi (A) • Col3 (B)) c3j
+ · · · + (Fi (A) • Colq (B)) cqj

Calculando los productos escalares, se tiene que:

(Fi (A) • Col1 (B)) c1j = (ai1 b11 + ai2 b21 + · · · + aip bp1 ) c1j
(Fi (A) • Col2 (B)) c2j = (ai1 b12 + ai2 b22 + · · · + aip bp2 ) c2j
..
.
(Fi (A) • Colq (B)) cqj = (ai1 b1q + ai2 b2q + · · · + aip bpq ) cqj

Sumado los anteriores productos y sacando como factor común los elementos
de la fila i de A, se obtiene

[(AB) C]ij =ai1 (b11 c1j + b12 c2j + b13 c3j + · · · + b1q cqj )
+ ai2 (b21 c1j + b22 c2j + b23 c3j + · · · + b2q cqj )
+ ···
+ aip (bp1 c1j + bp2 c2j + bp3 c3j + · · · + bpq cqj )
= [A (BC)]ij .

1.4 Algunos tipos de matrices

En lo que sigue se presenta la definición de ciertas matrices, que frecuente-
mente se presentan en las aplicaciones de las matrices a la solución de pro-
blemas prácticos. A tal efecto, sea A una matriz de tamaño m × n, para la
cual se tienen las siguientes definiciones.

xxi
1. Diagonal principal. Los elementos a11 , a22 , a33 , . . ., forman lo que se
denomina la diagonal principal de la matriz A. Puede pensarse en la
diagonal principal como una lı́nea imaginaria que une los elementos de
la matriz que tienen ambos ı́ndices iguales. El número de elementos de
la diagonal pricipal depende de los tamaños relativos de m y n. Si m <
n, los elementos de la diagonal principal serán a11 , a22 , a33 , . . . , amm ; si
m = n, los lementos serán a11 , a22 , a33 , . . . , ann , si m > n, los elementos
serán a11 , a22 , a33 , . . . , ann .

2. Matriz cuadrada. Se dice que la matriz A es cuadrada, si el núnero

de filas es igual al de columnas. Una matriz cuadrada de n × n, se dice
que es cuadrada de orden n, o simplemente que A es una matriz de
orden n.

3. Matriz triangular superior. Se dice que A es triangular superior

(TS), si todos sus los elementos por debajo de la diagonal principal son
todos iguales a cero.
 
1 2 5 6 8
0 3 7 −5 4 
A=
0

0 1 0 0
0 0 0 11 15

La matriz A es triangular superior tamaño 4 × 5. La diagonal principal

de A está formada por los elementos a11 = 1, a22 = 3, a33 = 1 y
a44 = 11. Todos los elementos de debajo de la diagonal principal de A
son todos iguales a cero.
Debe notarse que los elementos debajo de la diagonal principal que son
iguales a cero son: a21 = a31 = a41 = a42 = 0. Para estos elementos,
el ı́ndice de la fila i es mayor que el ı́ndice de la columna j. De lo
anterior, un forma alternativa de definir una matriz TS es la siguiente:
Una matriz A tamaño m × n es TS si aij = 0 para i > j.

4. Matriz triangular inferior. Se dice que A es triangular inferior (TI),

si todos sus los elementos por arriba de la diagonal principal son todos
iguales a cero.
La matriz B de orden 4 es triangular inferior. La diagonal principal
de B está formada por los elementos: b11 = 1, b22 = 7, b33 = 0 y

xxii
 b44 = 10. Todos los elementos por arriba de la diagonal principal son
todos iguales a cero.
 
1 0 0 0
5 7 0 0 
B= 
6 −5 0 0 
8 4 0 10
Debe notarse que los elementos arriba de la diagonal principal que son
iguales a cero son: b12 = b13 = b14 = b23 = b24 = b34 = 0. Para estos
elementos, el ı́ndice de la fila i es menor que el ı́ndice de la columna
j. De lo anterior, un forma alternativa de definir una matriz TI es la
siguiente: Una matriz B de tamaño m × n es TI si bij = 0 para i < j.

5. Matriz identidad de orden n. Una matriz identidad de orden n,

denotada por In , es una matriz cuadrada de orden n cuyos elementos
de la diagonal principal son todos iguales a uno, y los demás elementos
de la matriz son todos iguales a cero.
La siguiente, es una matriz identidad de orden 4:
 
1 0 0 0
0 1 0 0
I4 = 
0 0

1 0
0 0 0 1

Este ejemplo muestra, que toda matriz identidad de orden n, es a la

vez TS y TI.

6. Matriz transpuesta. Se denomina matriz transpuesta de una matriz

dada A, la que se obtiene de A intercambiando ordenadamente sus filas
y sus columnas. La transpuesta de A se denota por AT , y su tamaño
es n × m.
Sea A la matriz:
 
2 3 5 7
A =  4 3 15 11
20 13 15 17

xxiii
 Luego, la transpuesta de A es:
 
2 4 20
3 3 13
AT =  
5 15 15
7 11 17

7. Matriz simétrica. Se dice que B es una matriz simétrica, si es igual

a su transpuesta, es decir, si A = AT .
Sea A la matriz:  
1 4 2 3 −1
4
 0 10 8 −11
2 10 15 6 0 
 
3 8 6 −1 −5 
−1 −11 0 −5 −2
La transpuesta de A es:
 
1 4 2 3 −1
4
 0 10 8 −11 
2 10 15 6 0 
 
3 8 6 −1 −5 
−1 −11 0 −5 −2

Dado que A = AT , la matriz A es simétrica.

1.4.1 Más propiedades de las matrices

Las siguientes, son otras propiedades de las matrices, cuya demostración se
deja como ejercicio.

1. La matriz identidad de orden n, In , conmuta con cualquier matriz de

orden n.

2. El producto de dos matrices TS de orden n , es también una matriz TS

de orden n.

3. El producto de dos matrices TI de orden n , es también una matriz TI

de orden n.

xxiv
 4. El producto de una matriz y su transpuesta es una matriz simétrica,
decir, AAT es simétrica.

5. La transpuesta cumple las siguientes propiedades.

(a) (AT )T = A
(b) (αA)T = αAT
(c) (A + B)T = AT + B T
(d) (AB)T = B T AT

1.5 Inversa de una matriz

1.5.1 Definición y teoremas preliminares
Definición 9. Sea A una matriz de orden n. Se dice que A es invertible (no
singular), si existe una matriz B de orden n tal que

AB = BA = In

La matriz B se denomina inversa de A. Si no existe B, se dice que A es no

invertible (singular)

Sean    
13 12 1 −12
A= , B=
1 1 −1 13
Dado que
AB = BA = I2 ,
se concluye que B es una inversa de A.

Teorema 3 (Unicidad de la inversa). Si una matriz tiene inversa, la

inversa es única.

Demostración 3. Sea B y C inversas de A. De la definicón de inversa, se

tiene que BA = AC = In . Ahora,

B = BIn = B(AC) = (BA)C = In C = C (Asociatividad producto matricial)

Como B = C, se concliuye que la inversa de A es única.

xxv
 Cuando la inversa de una matriz A existe, la inversa se denota como A−1 ,
y por lo tanto, se puede escribir:

AA−1 = A−1 A = In .

El lector debe entender tal notación, que no es afortunada, pero es la

usual, considerando que:
1
A−1 6=
A
Teorema 4. Las siguientes son propiedades de la inversa.

(a) Si A es una matriz invertible, entonces A−1 es invertible, y

−1
A−1 =A

(b) Si A y B son matrices invertibles, entonces AB es invertible, y

(AB)−1 = B −1 A−1

(c) Si A es invertible, AT es invertible, y

−1
T
AT = A−1

Demostración 4. (a) A−1 es invertible si se puede hallar una matriz B

tal que
A−1 B = BA−1 = In .
Como A es invertible, se cumple que

A−1 A = AA−1 = In

Por lo tanto, B = A es una inversa de A−1 , y como la inversa es única,

se concluye que
−1
A−1 =A
Luego, la inversa de la inversa de una matriz invertible A es igual a A.

xxvi
 (b) Se tiene

(AB) B −1 A−1 = A BB −1 A−1 = AIn A−1 = AA−1 = In

B −1 A−1 (AB) = B −1 A−1 A B = B −1 In B = B −1 B = In

Por lo tanto, AB es invertible. Como la inversa de una matriz es única,

se con concluye que
(AB)−1 = B −1 A−1
Luego, la inversa de un producto de dos matrices invertibles es el pro-
ducto de sus inversas en orden inverso.

(c) Se tiene
AA−1 = In y A−1 A = In
Calculando las transpuestas de las relaciones anteriores, se obtiene

T
T
AA−1 = InT = In , y A−1 A = InT = In
De las igualdades anteriores y de la transpuesta de un producto de
matrices, se sigue que

T
T
A−1 AT = In y AT A−1 = In

Estas ecuaciones implican que

−1
T
AT = A−1

Corolario 1. Si A1 , A2 , A3 , . . . , As son matrices invertibles de orden n, en-

tonces A1 A2 A3 · · · As es invertible y

(A1 A2 A3 · · · As )−1 = A−1 −1 −1

s As−1 · · · A1 .

Demostración 5. Se deja como ejercicio.

De acuerdo a la Definición 9, la matriz B es la inversa de A si AB =

BA = In . El siguiente teorema, cuya demostración se omite, muestra que
cada ecuación es una consecuencia de la otra.

xxvii
Teorema 5. Suponer que A y B son matrices de orden n. Entonces:

(a) Si AB = In , entonces BA = In .

(b) Si BA = In , entonces AB = In .

Este teorema permite concluir en conjunción con la Definición 9, que si

AB = In o BA = In , entonces B es la inversa de A. Por lo tanto, no es
necesario verificar las dos igualdades, sino una de ellas, para concluir que B
es la inversa de A.

1.5.2 Cálculo de la inversa de una matriz de orden 2

Sea A la matriz de orden 2:
 
a a
A = 11 12
a21 a22
¿Qué condición debe cumplir A para que sea invertible?
Suponer que la matriz B, definida por:
 
x y
B= ,
z w
es la inversa de A. Por el Teorema 5, se debe cumplir que

AB = I2 ,

es decir,     
a11 a12 x y 1 0
=
a21 a22 z w 0 1
Del producto e igualdad de matrices, se sigue que:

a11 x + a12 z = 1 a11 y + a12 w = 0

y
a21 x + a22 z = 0 a21 x + a22 z = 1

Las soluciones de los dos sistemas de ecuaciones lineales con dos incógnitas
anteriores, son:
a22 a21
x= , z=− , a11 a22 − a21 a12 6= 0
a11 a22 − a21 a12 a11 a22 − a21 a12

xxviii
 a12 a11
y=− , w= , a11 a22 − a21 a12 6= 0
a11 a22 − a21 a12 a11 a22 − a21 a12
Los cálculos anteriores permiten concluir, que si a11 a22 − a21 a12 6= 0,entonces
la inversa de la matriz A existe, y está dada por:
 
−1 1 a22 −a12
A = (1.5)
a11 a22 − a21 a12 −a21 a11
La cantidad a11 a 22− a21 a12 se denomina determinante de la matriz A, y
se denota det(A) o A:
 
  a11 a12 
a21 a22  = a11 a22 − a21 a12
A  =   (1.6)

Por lo tanto, si el determinante de una matriz A de orden 2 es diferente de

cero, entonces A es invertible, y su inversa está dada por la Ecuación (1.5).
De los cálculos previos, es claro que si A es invertible, entonces su inversa
  dada por la Ecuación (1.5), y por lo tanto a11 a22 − a21 a12 6= 0, es
debe estar
decir, A 6= 0.
Se ha demostrado ası́ el siguiente teorema:
Teorema
  6. Sea A una matriz de orden 2. A es invertible si y solamente si
A 6= 0. En este caso, la inversa de A está dada por la Ecuación (1.5).

Como se estudiará en el Capı́tulo 3, el Teorema 6 es válido para una matriz

general A de orden n, pero las expresiones para su inversa y determinante,
no son tan simples como las ecuaciones 1.5 y 1.6.

Ejemplo 9
1. Hallar, si existe, la inversa de la matriz A definida por:
 
4 −3
A=
−2 −5
Se calcula el determinante de A.
 
   4 −3
−2 −5 = 4(−5) − (−2)(−3) = −26
A  =  

Como el determinante de A es diferente de cero, entonces de acuerdo

al Teorema 6, la inversa de A existe, y está dada por la Ecuación 1.5.
Por lo tanto:

xxix
  
5 3
− 
 26 26 
  
1 −5 3
A−1 = =
(−26) 2 4

 1 2
− −
13 13
El lector puede verificar que AA−1 = I2 .

2. Hallar, si existe, la inversa de la matriz B definida por:

 
10 −9
B=
20 −18
Se calcula el determinante de B.
 
  10 −9 
20 −18 = 10(−18) − (20)(−9) = 0
B  =  

Como el determinante de B es cero, entonces la inversa de B no existe,

y por lo tanto B es no invertible (singular).

3. Emplear la inversa para hallar la solución de un sistema de ecuaciones

lineales de orden 2.
Sea el sistema de ecuaciones lineales de orden 2 en las variables x y y:

a11 x + a12 y = b1
a21 x + a22 y = b2
Este sistema puede escribirse en notación matricial como:
    
a11 a12 x b
= 1
a21 a22 y b2

Sean:
     
a11 a12 x b
A= , X= , y b= 1
a21 a22 y b2
Por lo tanto, se puede escribir:

AX = b

xxx
 La matriz A se denomina matriz del sistema, el vector columna X
se denomina vector de incógnitas, y el vector columna b se denomina
vector de términos independientes.
Suponer ahora que la matriz A es invertible. Por lo tanto, las siguientes
operaciones son válidas:

A−1 (AX) = A−1 b, A−1 A X = A−1 b, I2 X = A−1 b,

es decir,

X = A−1 b
Dado que la inversa es única, la solución del sistema es única. Por lo
tanto: Si la matriz de un sistema de ecuaciones lineales de orden 2 es
invertible, entonces el sistema tiene solución y ésta es única.
Como un ejemplo de aplicación del resultado anterior, considerar el
siguiente sistema:

15x + 12y = 27
9x − 8y = 1
La versión matricial del anterior sistema es:
    
15 12 x 27
=
9 −8 y 1

Luego, la matriz del sistema es:

 
15 12
A=
9 −8

Ahora, el determinante de A es:

 
  15 12 
 9 −8 = −228 6= 0
A  =  

Por lo tanto A es invertible, y su inversa , de acuerdo a la Ecuación 1.5, es:

 
−1 1 −8 −12
A =
−228 −9 15

xxxi
Luego, la solución del sistema es:
      
x −1 1 −8 −12 27 1
=A b= =
y −228 −9 15 1 1

1.6 Ejercicios
1. Definir los siguientes términos:

(a) Matriz.
(b) Matriz cuadrada.
(c) Diagonal principal de una matriz.
(d) Matriz TS.
(e) Matriz TI.
(f) Inversa de una matriz.
(g) Matriz transpuesta.
(h) Matriz invertible.

2. Explicar porqué existen dos leyes distributivas para el producto matri-

cial.

3. Presentar un ejemplo de dos matrices, diferentes de la matriz cero y de

la matriz identidad, que sean conmutables.

4. Demostrar que α(βA) = (αβ)A, donde α, β ∈ R y A ∈ Rm×n .

5. Demuestre que la suma de matrices es conmutativa.

6. Sean A, B y C las matrices

   
21 4 9 2
A= , B= , C = BT
5 1 4 1

Calcular las siguientes matrices:

(a) AAT
(b) A−1 C
(c) (BA)−1

xxxii
 (d) ABC −1
(e) C(A−1 + C −1 )

7. Determine todos los valores de x tales que u · v = 1, donde

 
1/2  
v = −1/2 , u = 1/2 −1/2 x
x

8. Sean    
  3 1 2 3 1
1 2 −3
A= ,B =  2 4 , C = 3 −4 5
4 0 −2
−1 5 1 −1 2
 
  1 0 −3  
2 3 2 −3
D= , E = −2 1 3 ,F =
−1 −2 4 1
3 4 2
Calcular

(a) AB
(b) BA
(c) CB + D
(d) AB + DF
(e) BA + F D
(f) A(BD)
(g) (AB)D
(h) A(C + E)
(i) AC + AE
(j) (D + F )A

9. Con las matrices A, B y C definidas en el numeral 6, verifique que

(a) (A + B)C = AC + BC
(b) A(BC) = (AB)C
(c) (AB)−1 = B −1 A−1

xxxiii
 (d) (AT )−1 = (A−1 )T

10. La matriz transpuesta cumple las siguiente propiedades:

(a) (AT )T = A
(b) (A + B)T = AT + B T
(c) (AB)T = B T AT
(d) (αA)T = αAT

Con las matrices A, B del numeral 6, y si α = −3, verificar las tres

últimas propiedades de la transpuesta.

11. Se dice que una matriz es simétrica si es igual a su transpuesta.

(a) Construya una matriz simétrica de orden dos.

(b) Construya una matriz simétrica de orden tres.
(c) Construya una matriz simétrica de orden cuatro.
(d) construya una matriz simétrica de orden cinco.

12. Hallar la inversa, si existe de la matriz

 
cos θ sen θ
F =
− sen θ cos θ

13. (a) Hallar matrices A y B de orden 2 tales que

(A + B)2 6= A2 + 2AB + B 2

.
(b) Demostrar que si A y B son matrices conmutables, entonces

(A + B)2 = A2 + 2AB + B 2

14. Demostrar que si una matriz cuadrada A satisface A3 − 3A + I = 0,

entonces A−1 = 3I − A2 .

15. Sean A y B matrices cuadradas tales que AB = 0. Demostrar que si

A es invertible, entonces B = 0.

xxxiv
16. Una matriz A se denomina simétrica si AT = A y antisimétrica si
AT = −A. Demostrar que si B es una matriz cuadrada, entonces:

(a) BB T y B + B T son simétricas.

(b) B − B T es antisimétrica.

17. Calcular la inversa de cada una de las siguientes matrices.

     
3 1 2 −3 2 0
A= , B= , C=
5 2 4 4 0 3

18. Comprobar que las tres matrices A, B y C del ejercicio anterior satis-
facen las relaciones (AB)−1 = B −1 A−1 y (ABC)−1 = C −1 B −1 A−1 .

19. Sean A y B matrices cuadradas del mismo orden. ¿(AB)2 = A2 B 2 es

una igualdad matricial válida? Justificar la respuesta.

20. Calcular A3 , (A−1 )3 , A2 − 2A + I, siendo A la matriz

 
2 0
A=
4 1

21. Explicar un procedimiento que use la inversa para hallar la solución

de un sistema de ecuaciones lineales 2 × 2, sabiendo que la matriz de
coeficientes del sistema es invertible.

22. Verificar que  

 tan x + 2 cot x 1 
sen x + 2 cos2 x sen x cos x = 0
 2 

23. Mostrar que  


 sec x sen x
 =0
 
cotx + tan x 1 

24. Pruebe que  

tan x − sen x sec x 

 sen3 x =0
1 + cos x

xxxv
25. Los siguientes ejercicios contienen afirmaciones que son falsas o son
verdaderas. Si la afirmación es verdadera se debe demostrar rigurosa-
mente su validez y si es falsa se tiene que presentar un contraejemplo
para mostrar que no es cierta. En cada caso suponer que las matrices
tienen los tama nosadecuados para realizar las operaciones correspon-
dientes.

(a) C es invertible, AC = BC ⇒ A = B.
(b) C es invertible, AC = CB ⇒ A = B.
(c) Si AC = B y dos de estas matrices son invertibles, entonces la
tercera también es invertible.
(d) Si AC = B y dos de estas matrices son singulares, entonces la
tercera también es no invertible.
(e) A invertible, ⇒ A2 invertible.
(f) A2 invertible, ⇒ A invertible.
(g) A, B invertibles, A + B invertible.
(h) A, B no invertibles, A + B no invertible.
(i) A invertible, A + A invertible.
(j) A invertible, A + AT invertible

26. Demostrar las siguientes proposiciones.

(a) Si U es una matriz triangular superior invertible, entonces U −1

también es triangular superior.
(b) Si L es una matriz triangular inferior invertible, entonces L−1
también es triangular infereior.

xxxvi