Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MATRICES
INTRODUCCIÓN
Las matrices son herramientas útiles para sistematizar cálculos, porque proporcionan una
forma compacta para almacenar información.
La utilización de matrices (arrays) constituye actualmente una parte esencial de los lenguajes
de programación, ya que la mayoría de los datos se introducen en los ordenadores como
tablas organizadas en filas y columnas: hojas de cálculo, bases de datos.
Definición:
Ejemplo:
2 3 5
A = matriz de orden 2×3
6 7 0
Notación:
✓ Las matrices se denotan con letras mayúsculas imprenta: A, B, C, P,... En caso de ser
necesario se utilizan subíndices: A1, A2 ,...B1 , B2 ,...
✓ Si A es una matriz de orden m×n, para indicar el orden escribiremos o(A) = m×n y la
matriz A la indicaremos A m×n.
En general, una matriz A m×n puede escribirse indicando todos sus elementos del siguiente
modo:
El primer subíndice indica la fila a la que pertenece un elemento, y el segundo subíndice in-
dica la columna. Así, un elemento genérico perteneciente a la fila i y a la columna j se indica:
Si queremos mencionar los elementos de una matriz, sin indicar todos ellos, utilizamos la notación de
Cayley-Hamilton:
A = ( a i j ) m×n o A m×n = ( a i j )
Observaciones:
1.-Si el número de filas de una matriz es distinto al número de columnas, diremos que es una matriz
rectangular, en caso contrario, diremos que es una matriz cuadrada y diremos simplemente que es
una matriz de orden n, y la indicaremos A n.
−1 0 1
Ejemplos: A= matriz rectangular de orden 2×3
2 3 −1
1 0
B = matriz cuadrada de orden 2
2 1
2.-Indicaremos con M m, n (R) al conjunto de todas las matrices rectangulares de orden m×n, de ele-
mentos reales, siendo m, n , con m y n fijos. Indicaremos con M n (R) al conjunto de todas las
matrices cuadradas de orden n, de elementos reales, siendo n , con n fijo.
3.-Dada cualquier matriz cuadrada A = ( a i j ) n los elementos a i i (es decir, los a i j tales que i = j )
forman la "diagonal principal" de la matriz.
4.- Se define la traza de una matriz cuadrada A = (a i j) n y se denota por trA a la suma de los ele-
mentos de su diagonal principal.
IGUALDAD DE MATRICES
Definición: Diremos que dos matrices A y B son iguales y escribiremos A=B si y sólo si verifican:
1) m = p y n = q
2) a i j = b i j para todo i = 1,....,m (ó i = 1,...,p)
para todo j = 1,....,n (ó j = 1,...,q)
MATRICES ESPECIALES
1) Matriz fila: es aquella matriz formada por una sola fila (cualquiera sea el número de columnas)
2) Matriz columna: es aquella matriz formada por una sola columna (cualquiera sea el número de fi-
las)
0
A4×1 =
1
Ejemplo: matriz columna con 4 filas
−4
2
3) Matriz triangular superior: es aquella matriz cuadrada cuyos elementos ubicados por debajo de
la diagonal principal son todos nulos, es decir:
1 −1 3
Ejemplo: A3 = 0 2 0
0 0 −4
4) Matriz triangular inferior: es aquella matriz cuadrada cuyos elementos ubicados por encima de
la diagonal principal son todos nulos, es decir:
1 0 0
Ejemplo: A3 = 3 2 0
−3 0 −4
5) Matriz diagonal: es aquella matriz cuadrada que es triangular superior e inferior simultáneamente
(los elementos ubicados por encima y por debajo de la diagonal principal son todos nulos).
1 0 0
Ejemplo: D3 = 0 2 0
0 0 0
6) Matriz identidad: es aquella matriz diagonal cuyos elementos de la diagonal principal son todos
unos. La matriz identidad de orden n se indicará I n
1 0 0
Ejemplo: I 3 = 0 1 0 es la matriz identidad de orden 3
0 0 1
7) Matriz nula: es aquella matriz (cuadrada o rectangular) cuyos elementos son todos nulos, y la in-
dicaremos es decir:
0 0
Ejemplo: = 0 0 es la matriz nula de orden 3×2
0 0
8) Matriz escalonada: es aquella matriz (cuadrada o rectangular) que verifica las siguientes propie-
dades:
a. Si hay filas que constan exclusivamente de ceros, se encuentran agrupadas en la parte inferior de
la matriz.
b. El primer elemento no nulo de una fila, se encuentra a la izquierda del primer elemento no nulo
de la fila siguiente.
Ejemplos:
1 2 −1 3
A3×4 = 0 1 − 2 1 matriz escalonada de orden 3×4
0 0 0 0
1 2 −1 1
B3×4 = 0 1 2 − 1 matriz escalonada de orden 3×4
0 0 1
3
1 0
C3 x 2 = 0 2 no es matriz escalonada
0 −4
9) Matriz Simétrica: Diremos que una matriz cuadrada es simétrica si y sólo si sus elementos simé-
tricos respecto de la diagonal principal son iguales, es decir:
1 0 3
Ejemplo: A3 = 0 − 1 − 2 simétrica de orden 3
3 −2 4
10) Matriz antisimétrica: Diremos que una matriz cuadrada es antisimétrica si y solo si sus ele-
mentos simétricos respecto de la diagonal principal son opuestos, es decir:
0 0 3
Ejemplo: A3 = 0 0 − 2 antisimétrica de orden 3
−3 2 0
11) Matriz Opuesta: Dada una matriz A, llamaremos "matriz opuesta de A" y la denotaremos −A,
a la matriz de igual orden que A, cuyos elementos son los opuestos de los elementos correspondientes
de la matriz A, es decir:
1 2 −1 3 -1 − 2 1 − 3
Ejemplo: Si A3×4 = 0 1 − 2 1 entonces - A3×4 = 0 − 1 2 − 1
0 0 0 0 0 0
0 0
12) Matriz inversible: Una matriz cuadrada An se dice inversible, regular o no singular, si y sólo
si existe una matriz cuadrada Bn tal que:
An . Bn = Bn . An = I n
La matriz B es única para cada matriz A, se llama "matriz inversa de A" y se denota A−1.
Una matriz cuadrada se dice no inversible o singular, si y sólo si no existe su matriz inversa.
13) Matriz Ortogonal: Una matriz cuadrada inversible se dice ortogonal si su traspuesta coincide
con su inversa, es decir, si AT = A−1 o bien A es ortogonal, A.AT = AT .A = In
- 4/5 0 3 / 5
Ejercicio: Se puede probar que la matriz A3 = 0 1 0 es ortogonal
3/ 5 0 4 / 5
SUMA DE MATRICES
Definición: Dadas dos matrices A y B del mismo orden, llamaremos "suma de A más B" y la indi-
caremos A+B, a la matriz del mismo orden que A y B, cuyos elementos se obtienen sumando los
elementos correspondientes de A y B, es decir:
Ejemplo:
1 2 −1 3 1 1 −1 0 2 3 −2 3
Si A = 0 1 − 2 1 y B= 2 0 −2 1 entonces A+ B = 2 1 − 4 2
3 4 0 1 34 3 3 2 1 34 6 7 2 2 34
Sean A, B y C matrices cualesquiera tales que las operaciones indicadas puedan realizarse:
1) + A = A + = A
2) A + B = B + A Propiedad Conmutativa
3) A + (B + C) = (A + B) + C Propiedad Asociativa
Definición: Dados un escalar k R y una matriz Am×n , llamaremos "producto del escalar k por la
matriz A" a la matriz k.A del mismo orden que A, cuyos elementos se obtienen multiplicando el
escalar k por cada elementos de la matriz A, es decir:
1 2 −2 −4
Ejemplo: Sea k = −2 y sea A = 0 1 entonces k.A = (–2). A = = 0 − 2
3 4 −6 −8
3 2 3 2
Sean k1 y k2 números reales y A, B matrices cualesquiera tales que las operaciones indicadas puedan
realizarse:
4) 1. A = A cualquiera sea A
PRODUCTO DE MATRICES
Definición: Dadas dos matrices A = (a i j )m×n y B = ( b i j )n×p (el número de columnas de A igual al
número de filas de B), llamaremos "producto de A por B" a la matriz C = A . B = (c i j ) m×p (su nú-
mero de filas es igual al número de filas de A y su número de columnas es igual al número de colum-
nas de B), tal que un elemento arbitrario c i j es la suma de los productos de los elementos de la fila i
de A por los elementos correspondientes de la columna j de B.
n
Es decir: c i j = ai 1 . b1 j + ai 2 . b2 j + ... + ai n . bn j = ai k b k j para i = 1,...,m
k=1
1 −1 1 −1 −1
Ejemplo: Sean A = y B = , realizar A.B o B.A de ser posible
0 1 2 23 2 0 2
En este caso A2×3 . B2 no se puede realizar, porque el número de columnas de A es distinto que el
número de filas de B.
Regla práctica
1 −1 1
=A
0 1 2
−1 −1 −1 0 −3
B = = C = BA
2 0 2 −2 2
MATRIZ TRASPUESTA
Definición: Dada una matriz Am×n = ( a i j ), una matriz Bn×m = ( b i j ) es la "matriz tras-
puesta de A" y la denotaremos B = AT si y sólo si B se obtiene permutando las filas por
las columnas de la matriz A. Es decir:
1 0
1 3 −3
Ejemplo: Si A3×2 = 3 2 entonces AT 2×3 =
−3 −4 0 2 −4
MATRICES EQUIVALENTES
Dada una matriz A (cuadrada o rectangular), llamaremos "operación elemental entre filas de A" a
cualquiera de las siguientes operaciones:
3) Reemplazo de una fila cualquiera de A por la suma de ella más un múltiplo de otra fila.
Definición: Diremos que dos matrices son equivalentes si y sólo si una de ellas puede obtenerse rea-
lizando un número finito de operaciones elementales entre filas de la otra y escribiremos A
~B
1 −1 0 2 3 1
Ejemplo: La matriz A = es equivalente a B = , ya que
2 3 1 0 − 5 −1
1 −1 0 2 3 1 2 3 1 2 3 1
2 3 1 ~
1 −1 0 ~ 2 −2 0 ~ 0 − 5 −1
F1 F2 F2' = 2F2 F2'' = F2+(−1)F1'
El determinante de una matriz cuadrada A es un número real que se simboliza A y que para ma-
1 1 1 1
Ejemplo: Si A2 = entonces A2 = = 1.(− 2) − 1.3= −5
3 − 2 3 −2
Para calcular el determinante en este caso, se agregan debajo las dos primeras filas. Se suman los
productos de los elementos de la diagonal principal con los productos de los elementos de las parale-
las a ésta. Al resultado se le restan los productos de los elementos de la otra diagonal y los productos
de los elementos de las paralelas a ésta.
Es decir:
a 11 a 12 a 13
a 21 a 22 a 23
A3 = a 31 a 32 a 33 =
a11.a22.a33 + a21.a32.a13 + a31.a12. a23
a 11 a 12 a 13 − a13.a22.a31 − a23.a32.a11 − a33.a12.a21
a 21 a 22 a 23
Ejemplo:
0 1 −1
Sea A3 = 2 1 3 entonces
−1 1 3
0 1 −1
2 1 3
0.1.3 + 2.1.(−1) + (−1).1.3 − (−1).1.(− 1) − 3.1.0 − 3.1.2 = −12
A 3 = −1 1 3 =
0 1 −1
2 1 3
0 1 −1
Ejemplo: Sea A = 2 1 3 , cuyo determinante es A = −12
−1 1 3
0 2 −1
T
A = 1 1 1 cuyo determinante es A T = −12 = A (Verificarlo)
−1 3
3
2) El intercambio de dos líneas paralelas (filas o columnas) altera el signo del determinante, pero no
su valor absoluto.
3) Si se multiplican todos los elementos de una línea (fila o columna) por un mismo número no nulo,
el valor del determinante queda multiplicado por dicho número.
4) Si una matriz tiene dos líneas paralelas (filas o columnas) proporcionales, su determinante es nulo.
Decimos que dos líneas paralelas (filas o columnas) son proporcionales si una de ellas es múltiplo
de la otra, es decir, si todos los elementos de una de ellas pueden obtenerse multiplicando los ele-
mentos de la otra por un mismo número
5) El valor de un determinante no varía si se reemplaza una línea cualquiera (fila o columna) por la
suma de ella más un múltiplo de otra línea paralela.
6) El valor del determinante de una matriz triangular (superior o inferior) es el producto de los ele-
mentos de la diagonal principal.
7) Si una matriz tiene una línea (fila o columna) formada exclusivamente por ceros, su determinante
es nulo.
Este método consiste en transformar la matriz dada en una matriz triangular superior, mediante las
operaciones con filas o columnas que fuesen necesarias.
Ejemplo:
2 0 1 0 2 1 3 −1 1 4 −2 2
1 2 4 −1 0 2 1 3 0 2 1 3
A4 = = = - =
3 1 −2 −2 1 4 −2 2 2 1 3 −1
Fi C i F1 F3
−1 3 2 1 0 −1 −2 1 0 −1 −2 1
1 4 −2 2 1 4 −2 2
0 2 1 3 0 −1 −2 1
=- =
0 −7 7 −5 0 −7 7 −5
F3 ' = F3 + ( −2) F1 F2 F4
0 −1 −2 1 0 2 1 3
1 4 −2 2 1 4 −2 2
0 −1 −2 1 0 -1 -2 1 23
= = = 1 . (-1) . 21 . = - 69
F3 ' = F3 + ( −7) F2 0 0 21 −12 1 0 0 21 − 12 7
F4 ' = F4 + ( )F3
F4 ' = F4 + 2 F2 0 0 −3 5 7 0 0 0 23 7
Definición: Llamaremos rango de una matriz Am×n y lo indicaremos rg(A), al orden del mayor de-
terminante no nulo que se puede extraer de la matriz.
De acuerdo con la definición, determinar el rango de una matriz a veces puede resultar largo y tedio-
so.
Notas:
2) El rango es un número natural comprendido entre 0 (cuando sea la matriz nula) y el mínimo entre
nº columnas y nº filas.
Este método consiste en encontrar una matriz escalonada equivalente a la matriz dada. El rango de la
escalonada hallada es el número de filas no nulas y éste será el rango de la matriz dada, por ser equi-
valente a la escalonada.
1 −1 4 0
−2 3 2 1
Ejemplo: Calcular el rango de la matriz: A4 =
2 3 1 0
−4
6 4 2
1 −1 4 0 1 −1 4 0 1 −1 4 0
−2 3 2 1 0 1 10 1 0 1 10 1
2
3 1 0
~ 0
5 −7 0
~ 0
0 − 57 −5
−4 0 0
6 4 2 2 20 2 0 0 0
F2' = F2 + 2 F1 F3' = F3 + (−5) F2
F3' = F3 + (-2) F1 F4' = F4 + (−2) F2
F4' = F4 + 4 F1
por lo tanto rg(A) = 3
Resolver un sistema de ecuaciones lineales es uno de los problemas más antiguos de la matemática
y tiene aplicaciones en el procesamiento digital de señales, en programación lineal, en la aproxima-
ción de problemas no lineales de análisis numérico. Existen varios métodos para resolver sistemas
de ecuaciones lineales, nosotros desarrollaremos el método de eliminación de Gauss.
a 11 x1 + a 12 x 2 + + a 1n x n = b1
a 21 x1 + a 22 x 2 + + a 2n x n = b 2
(I)
................................
a m1 x1 + a m2 x 2 + + a mn x n = b m
Ejemplo: El siguiente es un sistema de 3 ecuaciones lineales con dos incógnitas, es decir, en este
caso, m = 3 , n = 2:
2 x1 − x 2 = 0
3 x1 + x 2 = − 1
− x1 = 2
Definición: Se llama solución del sistema ( I ) a toda n-upla ( s1 , s2 , ... , sn ) de números reales
que satisface las ecuaciones del sistema. El conjunto formado por todas las soluciones se llama
"conjunto solución" del sistema.
SISTEMAS EQUIVALENTES
Definición: Dos sistemas de ecuaciones lineales con las mismas incógnitas (cualquiera sea el nú-
mero de ecuaciones) se dicen equivalentes, si y sólo si tienen el mismo conjunto solución.
x1 b1
a11 a12 . . . . . . a1n
a 21 a 22 . . . . . . a 2n x2 b2
Am×n = Bmx1 =
; Xnx1 = ..
;
...
.
a m1 a m2 . . . . . . a mn x n bm
Notacion:
A. X= B Notación Matricial de ( I )
Donde
• La matriz A es llamada "matriz asociada al sistema" o "matriz de los coeficientes del sis-
tema".
Lema: Si dos sistemas lineales con la misma cantidad de incógnitas tienen matrices orladas equi-
valentes, entonces dichos sistemas son equivalentes.
(S/D)
En esta propiedad se basa el "Método de eliminación de Gauss" para resolver sistemas lineales, que
veremos más adelante.
Definición:
Es decir:
SISTEMAS
LINEALES
Incompatibles
(No tienen solución)
Además:
En este caso el conjunto solución S será llamado "solución general" y se indica expresando h in-
cógnitas llamadas "variables dependientes o incógnitas auxiliares" en función de las n − h incógni-
Prof. Mg. Estela Torres 14
ÁLGEBRA LINEAL - 2020
tas restantes, llamadas "variables independientes o incógnitas principales". Dando valores arbitra-
rios a las incógnitas principales, determinamos los valores correspondientes de las incógnitas auxi-
liares, obteniendo así las llamadas "soluciones particulares" del sistema.
Definición: Un sistema lineal se denomina "homogéneo" si y sólo si todos los términos indepen-
dientes del sistema son nulos.
Aplicando el Teorema de Rouché-Frobenius, podemos ver que todo sistema lineal homogéneo es
compatible, pues siempre rg(A) = rg(Aº) y siempre admite al menos la solución (0 , 0 , ... , 0), lla-
mada "solución trivial".
Además:
a2) Si rg(A) < n entonces es compatible indeterminado, es decir, tiene infinitas soluciones (entre
las cuales está incluida la trivial).
El método básico para resolver sistemas de ecuaciones lineales consiste en reemplazar el sistema
dado por un nuevo sistema equivalente, que sea más fácil de resolver. Sabemos que dos sistemas
son equivalentes si y sólo si sus matrices orladas son equivalentes. Por otra parte, un sistema lineal
cuya matriz orlada sea escalonada, es mucho más fácil de resolver, como veremos enseguida.
El Método de Eliminación de Gauss consiste entonces en transformar la matriz orlada del sistema
dado, en una matriz equivalente escalonada, que será la matriz orlada de un sistema equivalente al
dado.
Este método se utiliza en general para cualquier sistema (completo u homogéneo) y cualquiera sea
el número de ecuaciones o de incógnitas.
a11 x 1 + a 12 x 2 + + a1n x n = b1
a 21 x 1 + a 22 x 2 + + a 2n x n = b 2
................................
a m1 x 1 + a m2 x 2 + + a mn x n = b m
debemos obtener un sistema como el siguiente:
Observaciones:
Ejemplos:
2 x − y + z − 3 t =1
1)
−x+y−z+2t=0
3 x − y + z − 4 t = −1
2 −1 1 −3 1
−1 1 −1 2 0
3 −1 1 −4 −1
−1 1 −1 2 0
F2 F1 2 −1 1 −3 1
3 −1 1 −4 −1
−1 1 −1 2 0
F2' = F2 + 2 F1 0 1 −1 1 1
F3' = F3 + 3 F1 0 2 −2 2 −1
−1 1 −1 2 0
0 1 −1 1 1
F3' = F2 + (−2) F2 0 0 0 0 −3
2) 2 x − y + z =1
−x+y−z=0
y + z = −1
2 −1 1 1
−1 1 −1 0
0 1 1 −1
−1 1 −1 0
F2 F1 2 −1 1 1
0 1 1 −1
−1 1 −1 0
F2' = F2 + 2 F1 0 1 −1 1
0 1 1 −1
−1 1 −1 0
0 1 −1 1
F3' = F2 + (−1) F2 0 0 2 −2
−x+y−z=0 (1)
y − z =1 (2) sustitución regresiva
2 z = − 2 (3)
Luego, la única solución del sistema es (1, 0 , −1) y el conjunto solución del sistema es
S = (1, 0 , − 1)
2 x − y + z − 3 t =1
3) −x+y−z+2t=0
3x−y+z−4t =2
2 −1 1 −3 1
−1 1 −1 2 0
3 −1 1 −4 2
−1 1 −1 2 0
F2 F1 2 −1 1 −3 1
3 −1 1 −4 2
−1 1 −1 2 0
F2' = F2 + 2 F1 0 1 −1 1 1
F3' = F2 + 3 F2 0 2 −2 2 2
−1 1 −1 2 0
0 1 −1 1 1
F3' = F2 + (−2) F2 0 0 0 0 0
Como rg(A) = 2 < 3 = nº de incógnitas, entonces el sistema es compatible indeterminado (tiene in-
finitas soluciones)
−x+y−z+2t=0 (1)
El sistema escalonado equivalente C . X = H es:
y − z + t =1 (2)
De (2) "despejamos" una de las incógnitas en función de las otras dos, por ejemplo:
Despejamos de esta última ecuación la incógnita restante (x) en función de las incógnitas principa-
les z , t y obtenemos x = t + 1 (4)
S= (x, y, z , t) R 4
/ x = 1 + t , y = 1 + z − t con z , t R
Hallamos una "solución particular", dando valores a las incógnitas principales.
SISTEMAS SIMULTÁNEOS
3 x − 3 y + 2 z =1 3x − 3y+2z=4
−2x − 2y − z=3 −2x − 2y − z=−2
= −1
x +3y x +3y =0
Estos sistemas se pueden resolver por el Método de Gauss, escalonando "simultáneamente" sus ma-
trices orladas.
Recordemos que: “para cada matriz A, se llama "matriz inversa de A" y se denota A−1 a la matriz
que verifica:
An . An−1 = An−1 . An = I n
Lema: Dada una matriz cuadrada An , las siguientes condiciones son equivalentes:
a) A es inversible b) A 0 c) rg(A) = n
(S/D)
1 1 2
A3 = 0 − 1 − 1
1 −2 0
Luego, encontrar A−1 significa resolver 3 sistemas de ecuaciones, cuya matriz de los coeficientes es
la matriz dada y los términos independientes son las columnas de la matriz I3
Aplicamos el Método de Gauss para los tres sistemas en forma simultánea, como sigue
1 1 2 1 0 0
0 -1 -1 0 1 0
1 -2 0 0 0 1
1 1 2 1 0 0
0 −1 -1 0 1 0
F3' = F2 + (-1) F1 0 -3 −2 -1 0 1
1 1 2 1 0 0
0 −1 -1 0 1 0
Obtenemos así los siguientes sistemas lineales equivalentes respectivamente a cada uno de los sis-
temas originales (I), (II), (III):
x11 = 2 ; x 21 = 1 ; x 31 = − 1
x12 = 4 ; x 22 = 2 ; x 32 = − 3
x13 = − 1 ; x 23 = - 1 ; x 33 = 1
Por lo tanto:
2 4 −1
−1
A = 1 2 −1
−1 −3 1
Ejercicio: Resta probar que efectivamente la matriz encontrada es la inversa de A , es decir verifi-
car que A . A−1 = A−1 . A = I3