Matrices

Miguel Ángel Muñoz

Semana 1
2019
2

Uno de los conceptos fundamentales del álgebra lineal, es el concepto de matriz. Este con-
cepto nos permitirá resolver una variedad de problemas teóricos y modelar un conjunto de
aplicaciones dentro de las cuales se destacan aquellos que se resuelven vía sistemas de ecua-
ciones.
Definición 1.1
Una matriz es un arreglo bidimensional conformado por n-filas y m-columnas, es decir,
un arreglo del tipo:
 
a11 a12 ..... a1m
 a21 a22 ..... a2m 
 
 :
A = [aij ]n×m =  : : : 

 : : : : 
an1 an2 ..... anm

Donde:
? i : es el contador de filas.
? j : es el contador de columnas.
? aij : se denomina la entrada de la posición ij o coeficiente ij.
? n : indica el número de filas.
? m :indica el número de columnas.

Observación.

a Si A es una matriz conformada por n-filas y m-columnas, entonces se denotará como

A ∈ Mn×m .

b Si A es una matriz de n-filas y n-columnas se dirá que es una matriz cuadrada de orden
00 00
n y se denotará como A ∈ Mn .

Ejemplo. 1.0.1

Observe que:
   
1 2 1 0
a A= ∈ M2
2 0 b B =  2 0  ∈ M3×2
0 1
 3

Ejemplo. 1.0.2
   
1 2 1 2 1 3 1
Considere las matrices A =  2 0 −1  y B =  2 0 1 1 
4 1 3 1 4 2 −1
Entonces:

a M = a12 b14 + a31 b21 − b32 = (2)(1) + (4)(2) − (1) = 9.

b M = (a33 − b34 )2 + (a13 − b23 )2 = (3 − (−1))2 + (1 − 1)2 = 16

Definición 1.2
Sea A = [aij ] ∈ Mn×m . Se define la matriz traspuesta de A por:

At = [bij ]Mm×n
donde:

bij = aji
Observe que la matriz traspuesta de A, se obtiene al intercambiar filas por columnas.

Ejemplo. 1.0.3

Considere las Matrices:

 
 1  0
  1 2
1 2 1  2 0 
A= B= 2 0  C= 
2 0 −1  0 1 
−1 1
0 0

Observe que las traspuestas de A ,B y C están dadas por:

     
1 2 t 1 2 −1 1 2 0 0
b B = c Ct =
a At =  2 0  2 0 2 0 0 1 0
1 −1

Observación. A continuación se definen formalmente un conjunto de matrices, las cuales

se denominan matrices especiales. Estas matrices son relevantes para la operatoria entre
matrices y cálculo de determinantes, conceptos que se desarrollarán más adelante.
4

Definición 1.3

1 La matriz In = [δij ] ∈ Mn se denomina matriz identidad de orden n si δij =

0, ∀i 6= j y δii = 1, ∀i ∈ {1, ..., n}.
De la definición se deduce que la matriz identidad de orden 3 es:
 
1 0 0
I3 =  0 1 0 
0 0 1

2 La matriz 0n×m = [aij ] ∈ Mn×m se denomina matriz nula si aij = 0, ∀i ∈ {1, ..., n},
∀j ∈ {1, ..., m}.
De la definición se deduce que la matriz nula de orden 2 × 3 es:
 
0 0 0
02×3 =
0 0 0

3 La matriz A = [aij ] ∈ Mn se denomina matriz diagonal si aij = 0, ∀i 6= j.

De la definición se deduce que:
 
2 0 0
A= 0 0 0 
0 0 1

Es una matriz diagonal.

4 La matriz A = [aij ] ∈ Mn se denomina matriz triangular superior si aij = 0, ∀i >
j.
De la definición se deduce que:
 
1 3 1
A= 0 0 2 
0 0 1

Es una matriz triangular superior.

5 La matriz A = [aij ] ∈ Mn se denomina matriz triangular inferior si aij = 0, ∀i < j.
De la definición se deduce que:
 
1 0 0
A= 1 2 0 
0 3 1

Es una matriz triangular inferior.

 5

Ejemplo. 1.0.4

Clasifique las siguientes matrices en matriz nula, identidad, diagonal, triangular superior
e inferior y escalonada, según corresponda.
 
0 0
1 A = . A es una matriz: nula de orden 2, diagonal, triangular superior,
0 0
triangular inferior y escalonada

 
0 1 2
2 A =  0 3 −1 . A es una matriz: triangular superior y escalonada.
0 0 5
 
0 1 0 3
3 A =  0 3 −1 2 . A es una matriz escalonada.
0 0 0 1
 
1 0 0
4 A =  0 1 0 . A es una matriz: identidad de orden 3, escalonada, diagonal,
0 0 1
triangular inferior y triangular superior.
 
−1 0 0
5 A =  0 3 0 . A es una matriz: diagonal, escalonada, triangular superior
0 0 4
y triangular inferior.

 
1 0 0
6 A =  3 0 0 . A es una matriz triangular superior.
0 4 2

Observación. Otro de los conceptos relevantes en álgebra lineal y que es de utilidad en

la resolución de problemas teórico prácticos tiene relación con la traza de una matriz. Este
concepto se define formalmente por:
Definición 1.4
Considere A = [aij ] ∈ Mn . Se define, la traza de A por:
n
X
tr(A) = aii = a11 + a22 + ... + ann
i=1

Observe que, la traza de la matriz A corresponde a la suma de los coeficientes de su

diagonal.
6 1.1. OPERATORIA

Ejemplo. 1.0.5
 
 −3  2 −3 2
1 0 0  3 1 0 2 
Considere A =  3 0 0  y B = 
 −1
, matrices de coeficientes
4 −4 2 
0 4 2
3 4 2 6
reales. Observe que:

tr(A) = 1 + 0 + 2 = 3 ∧ rr(B) = −3 + 1 + −4 + 6 = 0

1.1 Operatoria
En esta sección se desarrollarán las propiedades asociadas a las diferentes operaciones que se
pueden realizar con las matrices. Se iniciará el estudio con la definición de las operaciones
básicas (producto escalar, adición , multiplicación), las cuales son fundamentales para definir
operaciones, más complejas y abordar diversos problemas de aplicación.

Definición 1.5
Considere A = [aij ] ∈ Mn×m y β ∈ R. Se define el producto de un escalar β por la
matriz A, por:

β · A = β · [aij ]n×m = [β · aij ]n×m

Observación. Es decir, al multiplicar por un escalar β una matriz A, se deben multiplicar

todos los coeficientes de la matriz A por el escalar β.
Ejemplo. 1.1.1

Considere:
   
1 2 1 1 2
A= B=
2 0 −1 2 0
Entonces:
     
1 2 1 2·1 2·2 2·1 2 4 2
1 2A = 2 = = .
2 0 −1 2 · 2 2 · 0 2 · (−1) 4 0 −2

     
1 2 7·1 7·2 7 14
2 −7B = 7 · = =
2 0 7·2 7·0 14 0
1.1. OPERATORIA 7

Definición 1.6
Adición de Matrices. Considere A = [aij ], B = [bij ] ∈ Mn×m . Se define:

A + B = [aij ] + [bij ]

= [aij + bij ] ∈ Mn×m

Observación. La diferencia de matrices se puede definir por medio de la adición y el producto

escalar. En efecto,

A − B = A + (−1) · B

Ejemplo. 1.1.2

Considere
   
1 2 1 1 1 3
A= y B=
2 0 −1 2 3 2
.
Entonces:    
1 2 1 1 1 3
A+B = +
2 0 −1 2 3 2
 
1+1 2+1 1+3
=
2 + 2 0 + 3 −1 + 2
 
2 3 4
= 1
4 3
 
2 3 4
Así A + B =
4 3 1

Definición 1.7
Producto de matrices Considere A = [aij ] ∈ Mq×p y B = [bij ] ∈ Mn×m . El producto
de las matrices A y B se puede realizar solo si el número de columnas de la matriz A es
igual al número de filas de la matriz B, es decir el producto AB se puede realizar solo
si p = n. Bajo este contexto se define el producto AB por:

A · B = [aij ] · [bij ] = [cij ] =∈ Mq×m

Donde cij = ai1 b1j + ai2 b2j + ai3 b3j + ... + aip bpj .
8 1.1. OPERATORIA

Ejemplo. 1.1.3
 
  1 2
1 2 1
Considere las matrices A = y B =  2 0 . Entonces
2 0 −1
−1 1
 
  1 2
1 2 1
A·B = · 2 0 
2 0 −1
−1 1
 
1·1+2·2−1·1 1·2+2·0+1·1
=
2 · 1 + 0 · 2 + −1 · (−1) 2·2+0·0−1·1
 
4 3
=
3 3

Observación. Considere A, B, C matrices con coeficientes reales, para las cuales se pueden
realizar las operaciones descritas en cada caso. Entonces:

1 (A + B) + C = A + (B + C), es decir, la adición de matrices es asociativa.

2 A + B = B + A es decir, la adición de matrices es conmutativa.

3 ∃! O tal que O + A = A + O = A. Existencia de neutro aditivo.

4 ∀A , ∃B, tal que A + B = B + A = O. B se denomina inverso aditivo de A y se denota

por B = −A.

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

6 (A · B) · C = A · (B · C), es decir, el producto de matrices es asociativo.

7 A · B 6= B · A, es decir, el producto de matrices no es conmutativo.

8 A(B + C) = AB + AC, es decir, el producto de matrices distribuye por la derecha,

respecto de la adición.

9 (B + C)A = BA + CA, es decir, el producto de matrices distribuye por la izquierda,

respecto de la adición.
1.1. OPERATORIA 9

10 (βA)t = βAt , ∀β ∈ R.

11 (AB)t = B t At .

12 ∀A ∈ Mn (R) , ∃ I ∈ Mn se tiene que A · I = I · A = A.

Definición 1.8
Considere A ∈ Mn , una matriz cuadrada, entonces A se denomina matriz:

1 Involutiva si y sólo si A2 = I.

2 Idempotente si y sólo si A2 = A.

3 Nilpotente de orden k ∈ N, si Ak−1 6= 0 pero Ak = 0.

4 Simétrica si y sólo si At = A.

5 Antisimétrica si y sólo si At = −A.

10 1.1. OPERATORIA

Ejemplo. 1.1.4
 
1 −1
1 Considere A = y observe que:
0 −1
     
2 1 −1 0 −1 1 0
A = · =
0 −1 0 −1 0 1

Luego A es una matriz involutiva.

 
1 2 1
2 Considere A = y observe que:
3 2 1
      
2 1 2 1 2 1 1 6 3 1 2 1
A = = = =A
9 2 1 2 1 9 6 3 3 2 1

Luego A es una matriz idempotente.

 
6 −9
3 Considere A = y observe que:
4 −6
  
2 6 −9 6 −9
A =
4 −6 4 −6
   
36 − 36 −54 + 54 0 0
= =
24 − 24 −36 + 36 0 0

Luego A es una matriz nilpotente.

 
1 3
4 Considere A = y observe que
3 0

 t  
t 1 3 1 3
A = = =A
3 0 3 0

Luego A es una matriz simétrica.

 
0 −9
5 Considere A = y observe que:
9 0
 t  
t 0 −9 0 9
A = = = −A
9 0 −9 0
Entonces A es una matriz Antisimétrica.
1.1. OPERATORIA 11

Ejemplo. 1.1.5
   
−4 2 0 2
Sean A = y B = . Determine, si existe, X ∈ M2 (R) tal que:
6 8 10 4
A2 − 3X t = 2I − B.
Solución. Observe que:

A2 − 3X t = 2I − B ⇔ −3X t = 2I − B − A2

1 
⇔ Xt = − 2I − B − A2
3
1 t
⇔X= − 2I − B − A2
3
Por otro lado:
   
2 −4 2 −4 2
A = ·
6 8 6 8
 
28 8
=
24 76
y
 
2 0
2I =
0 2
Luego
      t
1 2 0 0 2 28 8
X = − − −
3 0 2 10 4 24 76
 t
1 26 10
=
3 34 82
 
1 26 34
=
3 10 78
 
1 26 34
Por lo tanto la solución de la ecuación es X =
3 10 78

Observación. Como se ha mencionado anteriormente, las matrices permiten modelar y re-

solver diversos problemas de aplicación. Para ilustrar lo expuesto, considere un ejemplo.

Aplicación. En los últimos 3 años, cuatro cursos de enseñanza media 1o A, 1o B, 1o C y 1o D,

han tenido como misión recolectar fondos para su gira de estudio de tercero medio. Con este
12 1.1. OPERATORIA

objetivo, cada año compraron chocolates. Los adquirieron de tres tipos: blanco, amargo y
semi-amargo. Cada caja contiene 20 chocolates. Los venden por pieza y los dos últimos años
vendieron todos. A continuación se resume la información para el primer año: en esta tabla
se muestra el número de cajas que cada uno compró.

Cajas de chocolate
Curso Blanco Amargo Semi-amargo
1o A 6 15 9
1o B 13 10 7
1o C 10 10 10
1o D 5 12 13

Por otro lado, el precio por caja y el precio al que vendieron cada tipo de chocolate se ilustra
en la siguiente tabla:

Tipo de Precio por Precio de

chocolate caja ($) venta por pieza ($)
Blanco 50 4
Amargo 30 3
Semi-amargo 40 3

Considerando la información anterior determine:

a ¿Qué curso obtuvo mayor ganancia el primer año?

b ¿Cuál de los cursos realizó la menor inversión?

Solución. Para resolver el problema planteado, utilizando el conceptos vistos hasta el mo-
mento, es necesario definir las siguientes matrices.
 
6 15 9
 10 10 10 
? C=
 13
, matriz que indica la cantidad de cajas compradas por cada curso.
10 7 
5 12 13
 
50
? P =  30 , matriz que indica el valor precio de cada caja.
40

 
3
? V =  4 , matriz que indica el precio de venta por pieza de cada tipo de chocolate.
7
1.1. OPERATORIA 13

Para calcular las ganancias de cada curso y determinar quién obtuvo la mayor utilidad, es
necesario primero calcular la inversión de cada uno. Lo cual se representa matricialmente por:
 
1110
 1200 
CP =  1230 


1130

Por otro lado, por cada caja con 20 chocolates de cada tipo se obtiene un ingreso de:
   
3 60
20V = 20  4  =  80 
7 140

Así, el ingreso total que obtuvo cada curso está dado por:
   
6 15 9   1920
 10 10 10  60  1200 
I = C(20V ) = 
 13 10 7 
 80  =  
 1230 
140
5 12 13 1130

Por lo tanto, las utilidades de cada curso son:

     
1920 1110 810
 2000   1200   800
  
I − CP =   2060  − 
  = 
1230   830 
1900 1130 770

Así, de lo anterior es posible establecer que:

a El curso que obtuvo la mayor ganancia el primer año el 1o C, a quien le corresponde el

tercer renglón de la matriz de ingreso.

b La menor inversión la realizó el 1o A, que le corresponde a la primera fila de la matriz

de inversión CP.