Unidad 1

Matrices
1.1. Operatoria de Matrices

Álgebra II
Ingeniería Comercial
1 Matrices

1.1 Operatoria de Matrices

Definición de Matriz
Una matriz corresponde a un arreglo de doble entrada dado por n-filas y m-columnas, donde cada elemento
del arreglo se denomina como coeficiente real, esto es:
 
a11 a12 .... .... a1m
 a21 a22 .... .... a2m 
 
 : : : 
A = (aij )nxm =  :

 : : 
 : : : 
an1 an2 .... .... anm

Donde:

n: Corresponde al núnero de filas de la matriz

m: Corresponde al núnero de columnas de la matriz

i: Corresponde a un contador de filas

j: Corresponede a un contador de columnas

aij : Corresponde a un número real que se denomina como coeficiente y se ubica en la i-esima fila con
la j-esima columna.

El conjunto de matrices de n-filas y m-columnas se denota por Mnxm (R)

Matriz Cuadrada
Una matriz A de n × m se dice cuadrada si n = m, esto es, cuando el número de filas es igual al número
de columnas. En ese caso, el número de filas se dice orden de la matriz.

El conjunto de matrices cuadradas de orden n se denota por Mn (R).

2
Ejemplos de matrices
 
1 0 3
1. A = ∈ M2x3 .
2 2 4
 
1 3 4
2. A =  2 2 3  ∈ M3
0 1 −5
3. Una matriz In ∈ Mn se dice que es la matriz identidad de orden 0 n0 si y sólo si aij = 0, si i 6= j y
aii = 1 , ∀i .
Esto es,

 
1 0 .... .... 0

 0 1 .... .... 0 

 : : : 
In =  

 : : : 

 : : : 
0 0 .... .... 1

Diagonal Principal y Traza.

Sea A ∈ Mn entonces se define:

1. diagp (A) = (a11 , a22 , a33 , ...., ann ): como la diagonal principal de A.
n
X
2. tr(A) = aii : como la traza de la matriz A.
i=1
Ejemplo.  
1 3 4
A= 2 2 3 
0 1 −5
En este caso diag(A) = (1, 2, −5) y tr(A) = 1 + 2 − 5 = −2.

Tipos de Matrices
1. Una matriz se dice que es una matriz triangular superior si es de la forma:
 
  1 3 4 2
  1 3 4
1 5   0 0 3 1 
, 0 2 3 , , etc
0 2  0 0 −5 7 
0 0 5
0 0 0 2
 2. Una matriz se dice que es una matriz triangular inferior si es de la forma:
 
  1 0 0 0
  1 0 0
1 0  0 0 0 0 
, 0 2 0 , , etc
3 2  2 0 −5 0 
1 3 1
1 0 1 2

3. Una matriz se dice que es una matriz diagonal si es de la forma:

 
  1 0 0 0
  1 0 0
1 0  0 0 0 0 
,  0 2 0 , , etc
0 4  0 0 3 0 
0 0 1
0 0 0 2
4. Una matriz se dice que es una matriz escalonada por filas si es de la forma:
 
  1 −1 0 4
1 0 3 
, 0 1 0 2 , etc
0 1 0
0 0 1 0
5. Una matriz sedice que es una
 matriz escalonada reducida por filas si es de la forma:
  1 0 0 0
1 0 0 
, 0 1 0 0 
0 1 0
0 0 1 0

Operatoria con Matrices

Ponderación por escalar
Sean β ∈ R y A ∈ Mnxm
Entonces

β · A = β · (aij )nxm = (βaij )nxm = (β · A)

Ejemplo: Considere la matriz
 
1 2
A=
0 3
y el escalar β = 4. Entonces
   
1 2 4 8
4A = 4 =
0 3 0 12
Suma de Matrices
Sean A, B ∈ Mnxm .
Entonces

A + B = (aij )nxm + (bij )nxm = (aij + bij )nxm = (cij )nxm = C

Ejemplo: Considere
   
0 8 6 1
A= ,B =
3 2 9 8
Entonces
       
0 8 6 1 0+6 8+1 6 9
A+B = + = =
3 2 9 8 3+9 2+8 12 10

Producto de Matrices
Sean A ∈ Mnxm y B ∈ Mpxq . Entonces para realizar el producto de matrices se debe cumplir que el
número de columnas de la primera matriz sea igual al número de filas de las segunda matriz, luego se
realiza un algoritmo dado por las filas de la primera matriz versus las columnas de la segunda con el
objetivo de determinar cada uno los coeficientes de la matriz resultante, esto es

Supongamos que se multiplica

Anxm · Bpxq = Cnxq si y sólo si m = p.

Entonces los coeficientes de C se obtienen como sigue:

m
X
cij = aik · bkj , ∀i, j ∈ {1, 2, ....., n}
k=1
 
  1 2
1 1 2
Ejemplo: Sean A = yB= 0 1 
2 1 1 2x3 1 2 3x2

Entonces se tiene que  

  1 2    
1 1 2 1+0+2 2+1+4 3 7
A·B = · 0 1  = =
2 1 1 2x3 2+0+1 4+1+2 2x2
3 7
1 2 3x2
Matriz Traspuesta
Si A ∈ Mnxm entonces se define la matriz traspuesta de A, como la matriz At , tal que At ∈ Mmxn ,es
decir corresponde a la matriz que intercambia las filas por las columnas y viceversa.
Ejemplo: considere  
1 0 3
A= ∈ M2x3
2 2 4
entonces,  
1 2
At =  0 2  ∈ M3x2
3 4

Propiedades algebraicas de Matrices

1. (At )t = A

2. (βA)t = βAt , β ∈ R

3. (A + B)t = At + B t

4. (AB)t = B t At

5. ∀A, ∃0 Tal que 0 + A = A + 0 = A

6. ∀A, ∃B Tal que B + A = A + B = 0 , donde B = −A matriz opuesta de A.

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

8. A + B = B + A Conmutatividad.

9. (A · B) · C = A · (B · C) Asociatividad

10. A(B + C) = AB + AC Distributividad

11. AB 6= BA

12. ∀A ∈ Mn , ∃I ∈ Mn Tal que I · A = A · I = A

    
1 −1 3 1
Ejemplo: Dadas las matrices A = ,B=
2 1 1 0
Determine el valor M tal que
M = (A2 + 2B t )(A − 2I)
Solución.

M = (A2 + 2B t )(A − 2I)

= (AA + 2B t )(A − 2I)
"    t #    
1 −1 1 −1 3 1 1 −1 1 0
= +2 · −2
2 1 2 1 1 0 2 1 0 1
       
−1 −2 3 1 1 −1 2 0
= +2 · −
4 −1 1 0 2 1 0 2
   
5 0 −1 −1
= ·
6 −1 2 −1
 
−5 −5
=
−8 −5