Page (PS/TeX): 4 / 4, COMPOSITE4CAP ́ITULO 1Matrices y sistemas lineales2.

En el caso
particular de que una matriz tenga tama ñ o 1×1 escribiremos simplementeaen
lugarde[a]; es decir, identificaremos toda matriz[a]con el n ú mero reala.Ejemplo
1.1SiA=[−235−421],Aes una matriz 2×3 y, para este
caso,a11=−2,a12=3,a13=5,a21=−4,a22=2,a23=1.PNota 1.2Al conjunto de matrices de tama
ñ om×nlo denotaremos, en este libro, porMm×n.Definici ó n 1.2Dos matrices
A=[aij],B=[bij]son iguales(A=B) si y s ́olo si:•A y B tienen el mismo tama ñ o
y•aij=bij∀i,j.Ejemplo 1.2De acuerdo con la definici ́on
precedente[139572]=[139562].Ejemplo 1.3Determinar el valor deapara que las
matricesA=[a1−12a]yB=[21−14]sean iguales.Soluci ́onDado que ambas matrices tienen
el mismo tama ̃no ellas ser ́an iguales si y s ó lo si coincidencomponente a componente;
para lo cual es suficiente quea=2y2a=4; esto es, paraa=2.Ejemplo 1.4Resolver el
ejemplo anterior siA=[a033a]yB=[1034].Soluci ó nPara que las matrices sean iguales se
requiere, en este caso, quea=1y3a=4, luego sedebe tener simult ́aneamentea=1ya=4/3;
lo cual es imposible. Por tantoA=Bpara cualquier valordea.1.1.2Operaciones
con matrices1.Multiplicaci ó n de un escalar1con una matriz.Siλ∈RyA=[aij]∈Mm×nse
defineλA=[λaij]. Es decir, el resultado de multiplicar una matriz con un escalar es la
matriz que tiene comocomponentes cada una de las entradas de la matriz original
multiplicada por dicho escalar.2.Suma de matrices.SiA,B∈Mm×n,A=[aij],B=[bij];sedefine
la suma deAconBcomoA+B=[cij],concij=aij+bij∀i,j.As ́ı,lasumadedosmatricess ́olo se
puede realizar cuando ́estas tienen el mismo tama ̃no y el resultado es tambi ́en una
matrizm×n.11Diremos que todo n ́umero real es un escalar.
Page (PS/TeX): 5 / 5, COMPOSITESECCI ́ON1.1Matrices53.Multiplicaci o ́ n de una matrizfila
por matriz columna.2[a11a12···a1n]⎡⎢⎢⎢⎢⎢⎣b11b21···bn1⎤⎥⎥⎥⎥⎥⎦=a11b11+a12b21+···a1nbn1.De
acuerdo con esta definici ́on, el producto de una matrizfila con una matriz columna s ́olo
se pue-de llevar a cabo cuando la primera tiene tama ñ o 1×ny la segundan×1 (las dos
tienen el mismon ́umero de componentes) y el resultado de la operaci ́on ser ́a una
matriz 1×1(unn ú mero real).4.Producto de una matrizm×ncon una
matrizn×p.SiA=[aij]∈Mm×nyB=[bij]∈Mn×p,el producto deAconBse define
comoAB=[cij]dondecij=n∑k=1aikbkj,parai=1,2,...,myj=1,2,...,p. Es decir, la
componentecijdel productoABes el resultadode multiplicar lai- ́esimafila deAcon laj-
́esima columna deB.Adem ́as, para poder efectuar elproducto, la primera matriz debe
tener el mismo n ú mero de columnas que defilas la segunda y lamatrizABtiene entonces
tama ̃nom×p. En forma equivalente, siFi,i=1,...,m,sonlasfilas deAyCj,j=1,...,p, son las
columnas deB,
entoncesAB=⎡⎢⎢⎢⎣F1C1F1C2···F1CpF2C1F2C2···F1Cp............FmC1F2C2···FmCp⎤⎥⎥⎥⎦(1.1)Ej
emplo
1.5Hola•√2⎡⎣−10−122−413√2−405⎤⎦=⎡⎣−√20−√22√22√2−4√2√23√22−4√205√2⎤⎦•SiA
=[−2−4−15−20]yB=[−4−52−10−1],
entoncesA+B=[−6−914−2−1].•[−10−245]⎡⎢⎢⎢⎢⎣2−100−4⎤⎥⎥⎥⎥⎦==(−1)(2)+(0)(−1)+(−2)
(0)+(4)(0)+(5)(−4)−22.Noteque eneste caso la matrizfila tiene tama ̃no 1×5 y la
columna 5×1 (las dos tienen el mismon ́umero de componentes). 12Una matrizfila es una
matriz que tiene solamente un rengl ́on y una matriz columna es una matriz que tiene una sola columna(cfr.
inciso 3 de la p ́ag. 8).
Page (PS/TeX): 6 / 6, COMPOSITE6CAP ́ITULO 1Matrices y sistemas linealesEjemplo
1.6SiA=[−1−24021]yB=⎡⎣1−2450−102−1 001⎤⎦,A∈M2×3,B∈M3×4; el productoABest
́adefinido (el n ́umero de columnas deAesigualaln ú mero defilas deB, en este caso 3) y
el productoABser ́a una matriz 2×4, dosfilas y cuatro columnas (tantasfilascomoAy
tantas columnas comoB). Para obtener las componentescijde lasfilas de la matriz
productoABprocedemos de la manera siguiente.La primerafila deAB:Los elementos de
la primerafila deABse obtienen multiplicando, sucesi-vamente, la primerafila deAcon la
primera, segunda, tercera y cuarta columas
deB:c11=[−1−24]⎡⎣10−1⎤⎦=−5,c12=[−1−24]⎡⎣−2−10⎤⎦=4,c13=[−1−24]⎡⎣400⎤⎦=−4,c14=[−
1−24]⎡⎣521⎤⎦=−5.La segundafila deAB:Los elementos de la segundafila deABse
obtienen multiplicando, sucesi-vamente, la segundafila deAcon la primera, segunda,
tercera y cuarta columas
deB:c21=[021]⎡⎣10−1⎤⎦=−1,c22=[021]⎡⎣−2−10⎤⎦=−2,c23=[021]⎡⎣400⎤⎦=0,c24=[021]⎡⎣521⎤
⎦=5.Luego,AB=[−54−4−5−1−205].
Page (PS/TeX): 7 / 7, COMPOSITESECCI ́ON1.1Matrices7En realidad, la notaci ́on matricial
est ́adise ̃nada para ejecutar mec ́anica y mentalmente los c ́alculoscuando el tama ̃no de
las matrices no es muy grande; por eso el lector debe procurar, en la medida delo
posible, aprovechar esta ventaja para efectuar las operaciones de esta manera. De hecho,
a partir deaqu ́ı, el lector ya no encontrar ́a un producto de matrices realizado con el
detalle con el que se hizo en elejemplo precedente; pues utilizaremos sistem ́aticamente
(1.1) para producto de matrices y haremos losc ́alculos sin hacer expl ́ıcitas las
operaciones.Ejemplo
1.7⎡⎣−1012113−20⎤⎦⎡⎣0−1111−1012⎤⎦=⎡⎣F1C1F1C2F1C3F2C1F2C2F2C3F3C1F3C2F3C3⎤⎦=
⎡⎣021103−2−55⎤⎦.1.1.3Matrices especiales1. Matriz cero. La matriz cero de
tama ̃nom×nse define como aquella que tiene lasm×ncompo-nentes nulas; esto
es,O=[aij]dondeaij=0∀i,j.As ́ı, por ejemplo,O=[000000]es la matriz cero 2×3.2. Matriz
identidadn×n:In=⎡⎢⎢⎢⎣10···001···0............00···1⎤⎥⎥⎥⎦;es decir,In=[aij], dondeaij={1,
sii=j;0, sii=j.As ́ı, por ejemplo,I3=⎡⎣100010001⎤⎦es la matriz identidad 3×3.
Page (PS/TeX): 8 / 8, COMPOSITE8CAP ́ITULO 1Matrices y sistemas lineales3. Como
mencionamos en el inciso 3 de la subsecci ́on 1.1.2, a las matrices que tienen s ́olo
unafila os ó lo una columna les llamaremos, respectivamente,matricesfilaymatrices
columna.Adem ́as,en este libro utilizaremos una notaci ó n especial en el caso de las
matrices columna (cuando tenganm ́as de un elemento) an ́aloga a la notaci ́on
vectorialb=⎡⎢⎢⎢⎣a11a21...an1⎤⎥⎥⎥⎦.La raz ́on de esta notaci ́on se ver ́am ́as adelante cuando
se estudie el espacio vectorialRnen elcap ı́ tulo 3.A las matrices de tama ñ on×nles
llamaremosmatrices cuadradasde ordenny al conjunto for-mado por ́estas lo
denotaremos porMn.SiA=[aij]es una matriz cuadrada de ordennse dice que
loselementosa11,a22,a33,...,annforman o est ́an en ladiagonalde la
matrizA.YsiA=[aij]∈Mm×n,diremos que los elementosaijconi=jforman ladiagonal
principalde la matrizA.Ejemplo
1.8SiM=⎡⎢⎢⎣−150273−1130421−597⎤⎥⎥⎦entoncesm11=−1,m22=3,m33=4,m44=7 son los
elementos de la diagonalde la matriz cuadradaM.Definici ́on 1.3Una matriz cuadrada A
de orden n estriangular superiorsi las componentes queest ́an por debajo de la diagonal
son todas nulas. La matriz estriangular inferiorsi las componentesque est ́an por arriba
de la diagonal son todas iguales a cero.Ejemplo 1.9SiA=⎡⎢⎢⎣−15 0203−1100 4200
07⎤⎥⎥⎦yB=⎡⎢⎢⎣−1000−530020406040⎤⎥⎥⎦,entoncesAes una matriz triangular superior
yBes una matriz triangular inferior.Definici ó n 1.4Sea A una matriz cuadrada de orden
n. Se dice que A es una matrizdiagonalsi todaslas componentes fuera de su diagonal son
nulas. Si aii=λi,i=1,2,...,n, son las componentes de ladiagonal de esta matriz se
escribeA=diag(λ1,λ2,...,λn)para representar a la matriz diagonal A.
Page (PS/TeX): 9 / 9, COMPOSITESECCI ́ON1.1Matrices9Ejemplo 1.10La matriz
cuadrada⎡⎣400030008⎤⎦es diagonal. Esto es,A=diag(4,3,8).Definici ́on 1.5Si
A=[aij]∈Mm×nse define lamatriz transpuestade A como At=[bij], dondebij=ajipara
i=1,2,...,nyj=1,2,...,m.De la definici ́on 1.5 se desprende queAttiene tama ̃non×my que
en la matriz transpuesta la primeracolumna es la primerafila deA, la segunda columna
es la segundafila deA,etc ́etera.Definici ó n 1.6Una matriz A essim ́etricacuando
At=A.La definici ó n 1.6 entra ̃na que una matriz sim ́etrica es necesariamente cuadrada;
pues siA∈Mm×nyAes sim ́etrica, entoncesA=At∈Mn×m, de dondem=n; ya que dos matrices
que son iguales debentener el mismo tama ñ o.Ejemplo
1.11SiA=[12345678],At=⎡⎢⎢⎣15263748⎤⎥⎥⎦.Ejemplo 1.12La matrizA=[−1223]es sim
́etrica pues claramenteA=At.1.1.4Propiedades de las operacionesA
continuaci ó n enunciamos las principales propiedades de las operaciones con matrices,
las cuales son,en general, f ́aciles de probar y su comprobaci ́on se deja como ejercicio
al lector.1. SiA,B,C∈Mm×nyλ,β∈R:(a) A+B∈Mm×n.(b) A+(B+C)=(A+B)+C.
Page (PS/TeX): 10 / 10, COMPOSITE10CAP ́ITULO 1Matrices y sistemas lineales(c) A+B=B+A.
(d) A+O=A, dondeOes la matriz cerom×n.(e)Existe una matriz−A∈Mm×ntal queA+
(−A)=O. De hecho, siA=[aij],−A=[−aij].(f)λA∈Mm×n.(g)λ(βA)=(λβ)A.(h)
(λ+β)A=λA+βA.(i)λ(A+B)=λA+λB.(j)31A=A.2.(a)SiA,B,Cson matrices tales que los
productosA(BC)y(AB)Cest ́an definidos, entoncesA(BC)=(AB)C.(b)SiABest ́adefinido
se tiene:λ(AB)=(λA)B=A(λB).(c)SiA∈Mm×n,AIn=ImA=A.(d)En generalAB=BA.
(e)SiA∈Mm×nyB,C∈Mn×p, entoncesA(B+C)=AB+AC.3.(a)SiAyBson matrices del mismo
tama ̃no(A+B)t=At+Bt.(b)SiA,Bson matrices tales que el productoABest ́adefinido,
entonces(AB)t=BtAt.(c)(At)t=A∀A∈Mm×n.Es conveniente que el lector tenga siempre
presente la propiedad 2(d); es decir, lano conmutatividaddel producto de matrices. Pues
es claro que en principio el hecho de que el productoABest ́edefinido,no garantiza que
ni siquiera el productoBAest ́edefinido; por ejemplo, siAes una matriz 2×3yBesuna
matriz 3×4, el productoABest ́adefinido y el productoBAno. M ́as a ́un, aunque los
productosAByBAest ́en definidos ́estos, en general, ser ́an distintos como ilustramos en
el siguiente ejemplo.Ejemplo 1.13[1132][1024]=[3478],[1024][1132]=[1114 10];esto es,
[1132][1024]=[1024][1132]Finalizamos este apartado con las demostraciones, en los
siguientes dos ejemplos, de un par depropiedades simples del producto de matrices que
ser ́an utilizadas m ́as adelante.13M ́as adelante, en el tema de espacios vectoriales, se ver ́a la
importancia de esta aparentemente inocua propiedad.
Page (PS/TeX): 11 / 11, COMPOSITESECCI ́ON1.1Matrices11Ejemplo
1.14SeanA=[aij]∈Mm×nyC=[bij]∈Mn×p.Sick=⎡⎢⎢⎢⎣b1kb2k...bnk⎤⎥⎥⎥⎦es la columnakdeCydkes
la columnakdeAC,k=1,2,...,p, demostrar quedk=Ack∀k.Esto es,AC=[Ac1Ac2···Acp]
(1.2)DEMOSTRACI Ó NQSeanαijlas componentes del productoAC, entonces, para
cadak=1,2,...,p,dk=⎡⎢⎢⎢⎣α1kα2k...αmk⎤⎥⎥⎥⎦;peroαik=[ai1ai2···ain]⎡⎢⎢⎢⎣b1kb2k...bnk⎤⎥⎥⎥⎦=n∑j=1a
ijbjk;por tanto,dk=⎡⎢⎢⎢⎢⎢⎢⎢⎢⎣n∑j=1a1jbjkn∑j=1a2jbjk...n∑j=1amjbjk⎤⎥⎥⎥⎥⎥⎥⎥⎥⎦.(1.3)Por otra
parte,Ack=⎡⎢⎢⎢⎣a11a12···a1na21a22···a2n............am1am2···amn⎤⎥⎥⎥⎦⎡⎢⎢⎢⎣b1kb2k...bnk⎤⎥⎥⎥⎦=⎡⎢⎢⎢⎢⎢⎢
⎢⎢⎣n∑j=1a1jbjkn∑j=1a2jbjk...n∑j=1amjbjk⎤⎥⎥⎥⎥⎥⎥⎥⎥⎦.(1.4)De (1.3) y (1.4) se tieneAck=dk∀k.Q
Page (PS/TeX): 12 / 12, COMPOSITE12CAP ́ITULO 1Matrices y sistemas linealesEjemplo
1.15Supongamos ahora queA=[aij]∈Mm×nyc=⎡⎢⎢⎢⎣x1x2...xn⎤⎥⎥⎥⎦,
entonces,x1⎡⎢⎢⎢⎣a11a21...am1⎤⎥⎥⎥⎦+x2⎡⎢⎢⎢⎣a12a22...am2⎤⎥⎥⎥⎦+···+xn⎡⎢⎢⎢⎣a1na2n...amn⎤⎥⎥⎥⎦=⎡⎢⎢⎢⎣a
11a12···a1na21a22···a2n............am1am2···amn⎤⎥⎥⎥⎦⎡⎢⎢⎢⎣x1x2...xn⎤⎥⎥⎥⎦.(1.5)En
efecto:x1⎡⎢⎢⎢⎣a11a21...am1⎤⎥⎥⎥⎦+x2⎡⎢⎢⎢⎣a12a22...am2⎤⎥⎥⎥⎦+···+xn⎡⎢⎢⎢⎣a1na2n...amn⎤⎥⎥⎥⎦=⎡⎢⎢⎢⎣x1a
11x1a21...x1am1⎤⎥⎥⎥⎦+⎡⎢⎢⎢⎣x2a12x2a22...x2am2⎤⎥⎥⎥⎦+···+⎡⎢⎢⎢⎣xna1nxna2n...xnamn⎤⎥⎥⎥⎦=⎡⎢⎢⎢⎣a11x1
+a12x2+···+a1nxna21x1+a22x2+···+a2nxn...am1x1+am2x2+···+amnxn⎤⎥⎥⎥⎦=A