Algebra Lineal: Semana I

El principal objeto de estudio del curso son las matrices. Empezamos revisando que son, como se caracterizan,
y algunas operaciones que podemos hacer con ellas.
Definición 0.1. Una matriz A de componentes reales es un arreglo rectangular de numeros reales. Se suele
denotar como
A = [aij ]m×n
donde
1. m es el numero de filas
2. n es el numero de columnas
3. m × n es el tamaño de la matriz
4. aij un numero real, es el componente al interior de la matriz en la fila i con columna j
 
2 3 4
Ejemplo 0.1. La matriz A =  1 5 −2  es una matriz de 3 filas, 3 columnas (tamaño 3 × 3). Algunos
5 −4 0
de sus componentes: a12 = 3, a21 = 1, a32 = −4
 
3 −1 2
Ejemplo 0.2. La matriz B = es una matriz de 2 filas, 3 columna (tamaño 2 × 3).
4 0 −5
Es posible generalizar la definicion de matriz y cambiar los numeros por funciones, por otras matrices, por
complejos· · · pero aqui nos concentramos en numeros reales, y para que las cuentas no se vayan muy largas
mientras empezamos, generalmente vamos a usar numeros enteros en los ejemplos. Tambien podemos hacer
que el numero de filas y de columnas sea tan grande como queramos. Podemos hacer algunas caracterizaciones
de matrices con base en el tamaño y los componentes de la matriz.
Definición 0.2. Una matriz se dice cuadrada si la cantidad de filas coincide con la cantidad de columnas
Definición 0.3. Dos matrices son iguales si tienen el mismo tamaño y los mismos componentes, en las
mismas posiciones.
Definición 0.4. Una matriz cuadrada donde aij = 0 si i 6= j, es llamada una matriz diagonal.
 
4 0 0
Ejemplo 0.3.  0 −2 0  es una matriz diagonal. No necesariamente los elementos de la diagonal deben
0 0 0
ser distintos de cero.
Definición 0.5. Una matriz cuadrada A se dice triangular superior (inferior) si aij = 0 si i > j (i < j)
 
2 3 4
Ejemplo 0.4.  0 2 1  es una matriz triangular superior.
0 0 1
Generalmente, una matriz es una forma sencilla de representar datos que tienen algun tipo de relacion,
como grafos dirigidos, sistemas de alocacion de recursos, procesos estocasticos, y un largo etcetera. Para que
podamos hacer algo mas que solo representaciones, vamos a trabajar con algunas operaciones basicas.
Definición 0.6. Suma de Matrices: Si A, B son matrices del mismo tamaño, m × n, la suma A + B = C
de matrices se define como la suma componente a componente.

[cij ] = [aij ] + [bij ]

El detalle del tamaño de las matrices es bastante importante. Si no son iguales, las matrices no son
compatibles en la operacion de suma, y la operacion no puede realizarse.

1
    
3 2 1 4 −3 2
Ejemplo 0.5. A = yB= . Ambas matrices son de tamaño 2 × 3, por lo que la
5 2 1 0 −4 5
suma es posible.
     
3 2 1 4 −3 2 7 −1 3
A+B = + =
5 2 1 0 −4 5 5 −2 6
   
2 1 0 −4
Ejemplo 0.6. C =  3 2 yD= 5 −8  se pueden sumar, pues ambas tienen el mismo tamaño
4 1 −2 −3
(3 × 2)
     
2 1 0 −4 2 −3
C +D = 3 2 + 5 −8  =  8 −6 
4 1 −2 −3 2 −2
Ejemplo 0.7. De los ejemplos anteriores, las matrices A y C no se pueden sumar, pues sus tamaños no
coinciden (aunque tienen el mismo numero de componentes, la forma en que estan dispuestos no es la misma)
Vamos con otra operacion
Definición 0.7. Producto por Escalar: Si λ ∈ R, y A = [aij ]m×n es una matriz, el producto por escalar
(multiplicar una matriz por un numero real) se define multiplicando componente a componente.

λA = [λaij ]m×n
Esta operacion se hace entre una matriz y un numero real, el tamaño no es relevante. Usando las matrices
que ya definimos
   
3 2 1 9 6 3
Ejemplo 0.8. 3A = 3 =
5 2 1 15 6 3
Podemos multiplicar por cualquier real, positivo, negativo, racional, irracional.
   
4 −3 2 −1 0,75 −0,5
Ejemplo 0.9. − 41 B = − 41 =
0 −4 5 0 1 −1,25

Definición 0.8. Transpuesta La transpuesta de una matriz A m × n es una matriz At de tamaño n × m,

donde las filas y las columnas han intercambiado posiciones.
 
  3 5
3 2 1
Ejemplo 0.10. Si A = , At =  2 2 
5 2 1
1 1
Notese que transponer esta matriz la haria compatible para suma con C y D. La primera fila se ha
convertido en la primera columna, la segunda fila en la segunda columna, y asi sin importar la cantidad de
filas. Eso haria que mas matrices pudieran sumarse, al igualar los tamaños.

Definición 0.9. Una matriz A es simetrica si At = A

Obligatoriamente, una matriz simetrica debe ser cuadrada.
 
2 3 5 7
 3 5 4 0 
Ejemplo 0.11.   es una matriz simetrica.
 5 4 3 −1 
7 0 −1 2
Definición 0.10. Producto de Matrices Si A es una matriz de tamaño m × k, y B es una matriz de tamaño
k × n, el producto AB es una matriz de tamaño m × n,
Pk
C = AB = [ci j]m×n = [ s=1 ais bsj ]

2
 Esta definicion es un poco diferente a las anteriores: no es componente a componente, si no fila a columna.
Relaciona las filas de la primera matriz con las columnas de la segunda (notese que las filas de la primera
tienen tantos componentes como las columnas de la segunda). Es importante que el tamaño de las matrices
sea compatible: la cantidad de columnas de la primera debe coincidir con el numero de filas de la segunda. Una
vez esta condicion se cumple, el producto se realiza multiplicando componente a componente los elementos de
una fila con los elementos de una columna, y sumando dichos resultados. Esta suma se coloca en el producto,
en la posicion que corresponderia al numero de la fila original con el numero de la columna original. Veamos
un par de ejemplos punto a punto para que esto quede un poco mas claro. En estos, la fila y columna que se
estan operando estan resaltadas, como la posicion en la cual se coloca el resultado, y estos se estan escribiendo
uno a uno.
    
2 3 5 2 13 0
Ejemplo 0.12. =
−2 1 1 0 0 0
    
2 3 5 2 13 4
=
−2 1 1 0 0 0
    
2 3 5 2 13 4
=
 −2 1  1 0   −9 0 
2 3 5 2 13 4
=
−2 1 1 0 −9 −4
   
1   2 0
Ejemplo 0.13.  4  2 1 = 0 0 
  5   0 0
1   2 1
 4  2 1 = 0 0 
5 0 0
   
1   2 1
 4  2 1 = 8 0 
5 0 0
   
1   2 1
 4  2 1 = 8 4 
5 0 0
   
1   2 1
 4  2 1 = 8 4 
5 10 0
   
1   2 1
 4  2 1 = 8 4 
5 10 5
 
  −2 −1 2  
2 1 4 1 2  0
 2 1   −1 0 0
Ejemplo 0.14.  1 0 1 2 −1   −1 1 4 =
  0 0 0 
2 3 −1 0 −2  3 0 1  0 0 0
2 1 2
 
  −2 −1 2  
2 1 4 1 2  0
 2 1   −1 6 0
 1 0 1 2 −1  −1 1 4 = 0 0 0 
 
2 3 −1 0 −2  3 0 1  0 0 0
 2 1 2 
  −2 −1 2  
2 1 4 1 2  0
 2 1   −1 6 26
 1 0 1 2 −1  −1 1 4 = 0 0 0 
 
2 3 −1 0 −2  3 0 1  0 0 0
2 1 2

3
  
  −2 −1 2  
2 1 4 1 2 
 0 2 1  −1 6 26
 1 0 1 2 −1 

 −1 1 4 =  1 0 0 
2 3 −1 0 −2  3 0 1  0 0 0
2 1 2
 
  −2 −1 2  
2 1 4 1 2 
 0 2 1   −1 6 26
 1 0 1 2 −1 

 −1 1 4  =  1 −1 0 
2 3 −1 0 −2  3 0 1  0 0 0
2 1 2
 
  −2 −1 2  
2 1 4 1 2 
 0 2 1   −1 6 26
 1 0 1 2 −1 
 −1 1 4  =  1 −1 6 
2 3 −1 0 −2  3 0 1  0 0 0
 2 1 2 
  −2 −1 2  
2 1 4 1 2 
 0 2 1   −1 6 26
 1 0 1 2 −1 
 −1 1 4  =  1 −1 6 
2 3 −1 0 −2  3 0 1  −7 0 0
 2 1 2 
  −2 −1 2  
2 1 4 1 2 
 0 2 1   −1 6 26
 1 0 1 2 −1 

 −1 1 4  =
 1 −1 6 
2 3 −1 0 −2  3 0 1  −7 1 0
2 1 2
 
  −2 −1 2  
2 1 4 1 2 
 0 2 1  −1 6 26
 1 0 1 2 −1 

 −1 1 4  =  1 −1 6 
2 3 −1 0 −2  3 0 1  −7 1 −1
2 1 2
Importante: Con esta multiplicacion podemos definir potencias de matrices, que son la multiplicacion
sucesiva de la misma matriz. Aunque solo podemos hacerlo con matrices cuadradas.

An = AAAA · · · A
n veces

No vayan a confundir esta operacion con elevar cada componente al cuadrado!

 2     
3 2 1 3 2 1 3 2 1 20 6 6
Ejemplo 0.15.  4 −1 2  = 4 −1 2   4 −1 2 =  14 13 0 
3 2 −1 3 2 −1 3 2 −1 14 2 8
Cada una de estas operaciones tiene una cierta cantidad de propiedades, incluidas algunas que dicen como
se relacionan distintas operaciones entre si.
Proposición 0.11. Para matrices A, B, C de tamaños compatibles, y escalares λ, β
1. A + 0 = A. En este caso, 0 es una matriz del mismo tamaño de A, pero con todas las entradas en cero.
2. 0A = 0. El 0 de la izquierda puede ser el escalar cero (el numero) o una matriz de ceros de un tamaño
apropiado. En la mayoria de casos sera sencillo distinguir cual de los dos casos es. El cero de la derecha
si es una matriz
3. A + B = B + A, la suma es conmutativa
4. A + (B + C) = (A + B) + C, la suma es asociativa
5. λ(A + B) = λA + λB, distributividad del producto escalar respecto a la suma

4
 6. 1A = A
7. (λ + β)A = λA + βA
8. (AB)C = A(BC), el producto de matrices es asociativo
9. λ(AB) = (λA)B = A(λB)

10. A(B + C) = AB + AC, el producto de matrices se distribuye con la suma

11. (At )t = A la transpuesta de una transpuesta es la misma matriz
12. (AB)t = B t At

13. (A + B)t = At + B t
Estas propiedades se pueden demostrar a partir de las definiciones, y dicen como construir operaciones
con muchas matrices simultaneamente. Las demostraciones se obtienen a partir de la definicion de cada
operacion, revisando terminos. No es una mala idea que les echen una revisada en el libro. Notese que en
estas propiedades no se menciona nada acerca de la conmutatividad del producto, como si de la suma. Esto
es porque, en general, la multiplicacion de matrices no es conmutativa.
    
3 2 1 3 −5 1 16 −3 6
Ejemplo 0.16.  4 −1 2   2 5 2 =  16 −21 0 , y por otro lado
3 2 −1 3 2 −1 10 −7 8
    
3 −5 1 3 2 1 −8 13 −8
 2 5 2   4 −1 2 =  32 3 10 
3 2 −1 3 2 −1 14 2 8
Tampoco aparece una mencion a un ’uno’ en el producto de matrices. Definamos la matriz que hace las
veces de 1
Definición 0.12. La matriz identidad I es una matriz diagonal, que solo tiene 1 en la diagonal

Notese en la definicion que el tamaño no esta especificado. Esto es porque la identidad puede tomar el
tamanño adecuado para poder multiplicarse por ambos lados de una matriz.

Am×n In×n = Am×n

Im×m Am×n = Am×n

Con la identidad, podriamos preguntarnos si, para una matriz A existe una matriz B que cumpla

AB = I, BA = I

para replicar los inversos de los numeros. Pues si dicha matriz existe, la llamamos la inversa
Definición 0.13. Sea A una matriz cuadrada. Decimos que A es invertible si existe B del mismo tamaño,
que cumple
AB = I, BA = I
Decimos que B es la inversa de A, y la notamos B = A−1 . Si la matriz A no es invertible, decimos que es
singular.

Proposición 0.14. Si A es una matriz invertible, su inversa es unica.

Solo podemos buscar inversas a matrices cuadradas, y no toda matriz cuadrada es invertible (una matriz
de ceros, por ejemplo, no es invertible). Como podemos saber si lo es, y como podemos calcular la inversa en
caso afirmativo? Para eso necesitamos algo mas, pero por ahora unos cuantos ejercicios antes de seguir.

1. Considere las siguientes matrices:

5
      
1 1 4 −3 −1 0 4
A= C=
 2 3  5 2 E =  2 −3 7 
−5 2 3

−1 6 0 2
B=  
4 2 D= 2 −4  1 5 4 −1
−1 1 F =  2 −3 2 −7 
1 1 −2 9

Realice las siguientes operaciones

a) A + 4B d ) EE g) F F t
b) AB − 5C e) EF
c) DC + 8D f ) ED
   
1 2 −1 0
2. Si A = yB = . Resuelva la ecuacion 2(A − B + 2X) = 3(X − B) (como una
3 4 1 1
ecuacion comun y corriente.) y evalue el polinomio p(x) = x2 − 2x en A. Es decir, reemplaze.
3. Una matriz se dice simetrica si At = A. Muestre que si A, B son simetricas, A + B es simetrica pero
AB no tiene porque serlo.
4. Muestre que si una matriz es invertible, su inversa es unica.
5. Que tipo de matriz resulta de multiplicar una triangular superior y una triangular inferior, ambas del
mismo tamaño?
 
n 1 1
6. Una matriz A para la cual A = 0 se dice nilpotente de orden n. Es posible que la matriz A =
2 3
sea nilpotente de algun orden?