You are on page 1of 28

Álgebra
para estudiantes de Ciencias Económicas

Alejandro García Venturini Dr. García Venturini – Federico Castelli Aplicaciones del Análisis Matemático a la Economía Blanca R. edición Alberto Landro Álgebra. a modo de introducción Emma Fernández Loureiro de Pérez Estadística no Paramétrica.García Venturini – Axel Kicillof Análisis Matemático I para Estudiantes de Ciencias Económicas Alejandro E. Juan Carlos Seltzer COLECCIÓN: EL NÚMERO DE ORO Director: Act.P. a modo de introducción Emma Fernández Loureiro de Pérez Teoría de los Conjuntos Borrosos Emma Fernández Loureiro de Pérez Estadística: Herramientas de Inferencia Gabriela Kurincic Estadística: Probabilidades y Distribuciones Gabriela Kurincic Los Métodos Cuantitativos en las Ciencias Sociales Alejandro E. Alberto Landro Acerca de la Probabilidad – 2da. García Venturini Análisis de Series de Tiempo. Carlos Bulcourf Lic. para Estudiantes de Ciencias Económicas Alejandro E. Alberto Landro C.García Venturini – Axel Kicillof Análisis Matemático II para Estudiantes de Ciencias Económicas Alejandro E. Vitale Modelos para el Análisis de Series de Tiempo Juan Carlos Abril . univariadas y multivariadas Heriberto Urbisaia – Juana Brufman Decisión Estadística Bayesiana.. Axel Kicillof Act. García Venturini – Axel Kicillof Los matemáticos que hicieron la historia Alejandro E.Comité editorial: Prof.

Axel Kicillof Álgebra para estudiantes de Ciencias Económicas 2ª EDICIÓN .Alejandro E. García Venturini .

edicionescoop. Alberto Landro HECHO EL DEPÓSITO QUE ESTABLECE LA LEY 11.Kicillof. Título CDD 515 © 2009. óptico de grabación o de fotocopia sin permiso previo del Editor.gov.ar Colección: El número de oro Director: Act. – Buenos Aires: Ediciones Cooperativas. Ediciones Cooperativas Tucumán 3227.gov. mecánico.: 54 11 15 4 198 5667 info@edicionescoop. – 2ª. Alejandro E. García Venturini – Axel Kicillof Derechos exclusivos © 2009. Axel Algebra: para estudiantes de ciencias económicas. 280 p. Marzo 2009 Editorial asociada a: IMPRESO EN ARGENTINA – PRINTED IN ARGENTINE . incluido el diseño de cubierta puede ser reproducida. ya sea electrónico. I. almacenada o transmitida en manera alguna ni por ningún medio. 21x14 cm.. Algebra. ed. García Venturini. Agosto 2000 2º edición.ar www.Ediciones Cooperativas es un emprendimiento cooperativo de docentes de la Facultad de Ciencias Económicas de la Universidad de Buenos Aires para difundir sus trabajos e investigaciones Ninguna parte de esta publicación. ISBN 987-98315-5-7 1.723 1º edición.. Alejandro Ezequiel . 2009. Su infracción está penada por las leyes 11723 y 25446. (1189) Buenos Aires Argentina Tel.

la unidad de Transformaciones Lineales. En la presente edición se han agregado algunos temas y reformulado otros A pesar de que en la reforma de 1997 se suprimió del programa de Algebra. a la que este trabajo va dedicado. desde su respectiva especialidad. publicada por la Secretaría de Cultura del Centro de Estudiantes de la Facultad de Ciencias Económicas a partir de 1993. nutriéndose de los comentarios de estudiantes y profesores que las hicieron propias. nosotros decidimos mantenerla en este texto. El haber convertido en libro lo que nació como un simple material de estudio nos llena de orgullo ya que corona un esfuerzo de muchos años.000 ejemplares impresos.Prólogo La publicación de esta obra es en realidad la culminación de un proyecto iniciado hace cerca de ocho años. Trabajamos conjuntamente en tres títulos: Análisis Matemático I. sino también porque es de suma utilidad para la comprensión de otras materias como Matemática para Economistas. Los autores Agosto 2000 . Agradecemos a todos los que han contribuido a que este libro hoy pueda ponerse a consideración de alumnos y colegas. en especial en el complejo problema del tratamiento de los temas económicos en materias de la rama matemática. Allí es donde resultó provechoso el intercambio entre las perspectivas aportadas por cada uno de nosotros. no sólo por su importancia y porque permite comprender el sentido de otras unidades. Por nuestra parte el compromiso se renovaba. en forma inexplicable. En aquella ocasión nos planteamos elaborar un material acorde a las necesidades de los estudiantes de la Facultad de Ciencias Económicas de la Universidad de Buenos Aires que cumpliera con un doble requisito: ser accesible desde el punto de vista expositivo y de alta calidad académica. Análisis Matemático II y Álgebra. a lo largo de las casi veinte ediciones y los más de 10. a través de un proceso de actualización permanente. Inmediatamente las publicaciones tomaron vida. El resultado de ese esfuerzo se plasmó en la Serie Notas Teóricas. transformándolas. Para nosotros ese esfuerzo no es más que una forma de reafirmar nuestro compromiso con la Universidad Pública. con la pretensión de hacer un aporte original. como la de Espacios Vectoriales.

.

Matriz Simétrica y Antisimétrica. Matrices Especiales. .Capítulo 1 Matrices Definición de Matriz. Matriz Adjunta. Aplicaciones a la Economía y a la leoría de Gráficos. Matriz Compleja. Operaciones con Matrices. Determinante de una Matriz. propiedades. de Hermite. Matriz Transpuesta. Matriz Inversa.

.

.MATRICES Intervalo natural inicial Es el conjunto formado por los n primeros números naturales: In={1. luego de Euler y Cauchy.j) es un número real que se denomina aij.j) / i∈Im ∧ j∈In}..2... expone el concepto de invariancia en 1845 y desarrolla la teoría de matrices (como se suman y multiplican) en 1858..n} Matrices reales Consideramos dos intervalos naturales iniciales Im e In. lo mismo que su extensión pluridimensional. Fue también pintor a la acuarela y un estudioso de la botánica. cerca de Londres. § a11 a12 ... El nombre de matriz se debe a él. La matriz tiene m filas y n columnas. Arthur (1821-1895): matemático inglés que nació en Richmond.. También hizo aportes a la teoría de los determinantes. que desarrolla la geometría proyectiva. Abogado.a1n ¨ ¨ a 21 a 22 . © 4 0 2¹ 9 .. .3.. Si ahora establecemos una función que va de ImxIn → ℜ se obtiene una tabla de valores ordenada por filas y columnas que recibe el nombre de matriz. Está considerado el tercer escritor más prolífico de matemática.. El elemento que está en la fila 2. a 2 n A =¨ ¨ . CAYLEY. § 1 − 1 3· ¸ Ejemplo: A = ¨ ¨ ¸ es una matriz que tiene 2 filas y 3 columnas. columna 3 recibe el nombre de a23 y así sucesivamente.a mn · ¸ ¸ ¸ ¸ ¸ ¸ ¹ La imagen de cada (i.. ¨ ¨ © a m1 a m 2 .. Calculamos el producto cartesiano de Imx In= {(i.

(a11. (∀i ∀j: nij = 0). Las matrices se representan con letras mayúsculas A. Tr (A) = a11 + a22 +. a22. El conjunto de todas las matrices de m filas y n columnas con elementos reales se denomina como mxn. A∈ 3¹ 3 0· ¸ ¸ es de orden 2x3.. el a23 = 2.. 10 ..ann) Traza de una matriz cuadrada: es el número que se obtiene de sumar los elementos de la diagonal..... García Venturini El elemento a12 = –1. Ejemplos: § 1 A =¨ ¨ © −1 § −1 B =¨ ¨ © 2 § 1 ¨ C = ¨ −1 ¨ ¨ 4 © 2· 2x2 ¸ ¸ es de orden 2x2... B∈ − 1 3¹ 2· ¸ 3 ¸ es de orden 3x2... Matriz cuadrada: es aquella en la cual el número de filas m es igual al número de columnas n. Una matriz que tiene m filas y n columnas es de orden mxn (m por n). y a sus elementos se los denomina genéricamente aij.Alejandro E.... etc. el a13 = 3 etc. etc.. B. a33. § 1 0 − 1· ¨ ¸ § 1 2· 2x2 ¸ Ejemplos: A = ¨ B = ¨ − 1 3 2 ¸ que ∈ 3x3 ¸ que ∈ ¨ ¨ ¸ © 3 1¹ ¨ 3 2 1¸ © ¹ Diagonal de una matriz cuadrada: está formada por los elementos en los cuales i = j. Orden: se llama orden de la matriz al número de filas y de columnas que posee. + ann. C∈ 3x2 ¸ 5¸ ¹ 2x3 Matriz nula: recibe este nombre aquella matriz en la cual todos los elementos son 0. bij. Se la designa como N o simplemente 0.

Ejemplo: 0 0· §− 2 ¸ ¨ B =¨ 0 −2 0¸ ¸ ¨ ¨ 0 0 − 2¸ ¹ © Matriz unidad o identidad: es una matriz escalar en la cual los elementos de la diagonal son 1. a1n) Ejemplo: A = (2 –3 1)∈ 1x3 Matriz columna: es la que tiene una sola columna. . es de orden mx1. § 4 0· Ejemplo: A = ¨ ¨ 0 − 1¸ ¸∈ © ¹ 2x2 § 1 0 0· ¸ ¨ B = ¨ 0 3 0¸ ∈ ¨ ¸ ¨0 0 0¸ ¹ © 3x3 Matriz escalar: es una matriz diagonal en la cual todos los elementos de la diagonal son iguales. ∈ 1xn A = (a11 a12 .Matrices Matriz diagonal: es una matriz cuadrada en la cual los elementos que no pertenecen a la diagonal son nulos: i ≠ j Ÿ aij = 0. A∈ mx1 11 . ¸ Ejemplos: I 2 = ¨ = 0 1 0 I 3 ¨ ¸ ¨ © 0 1¹ ¨ 0 0 1¸ ¸ © ¹ Matriz fila: es la que tiene una sola fila. es de orden 1xn. . § 1 0 0· ¨ ¸ § 1 0· ¨ ¸ reciben el nombre de I.

se denomina como –A. 12 . Igualdad: dos matrices son iguales si son del mismo orden y ∀i ∀j: aij = bij.¸ ¨ ¸ © a n1 ¹ § 2· ¨ ¸ Ejemplo: A = ¨ − 1¸ ∈ ℜ3 x1 ¨ ¸ ¨ 3¸ © ¹ Vector: se denomina vector a toda matriz fila o columna Matriz opuesta: la matriz opuesta de A es B ⇔ ∀i ∀j: bij =– aij.¸ ¨ ¸ ¨ . es decir que los elementos que ocupan la misma posición son iguales. Ejemplos: A = ¨ ¨1 / 4 0· ¸ 0 3 / 4¸ ¸ ¨ ¨1 / 2 1 / 2 0¸ ¹ © § 1 0 § 0 1 / 5 4 / 5· ¸ ¨ B = ¨1 / 4 1 / 2 1 / 4 ¸ ¨ ¸ ¨1 / 6 2 / 3 1 / 6 ¸ ¹ © Propiedad: el producto de matrices de probabilidad da otra matriz de probabilidad. García Venturini § a11 · ¨ ¸ ¨ a21 ¸ ¨ ¸ A = ¨ .Alejandro E. Ejemplo: A = ¨ ¨ §1 4· ¸ ¸∈ © 3 − 2¹ 2x2 § −1 − 4· ¸ − A= ¨ ¨ ¸∈ 2¹ © −3 2x2 Matriz de probabilidad Es una matriz cuadrada en la cual: a) cada elemento es no negativo. b) la suma de los elementos de cada fila es igual a 1.

b) Asociativa: (A + B) + C = A + (B + C) c) Conmutativa: A + B = B + A d) Existencia de neutro: A + 0 = 0 + A = A (0 es la matriz nula) e) Existencia de simétrico: A + (–A) = (–A) + A = 0 (–A es la matriz opuesta) f) Tr (A + B) = Tr A + Tr B Resta: Restar A y B equivale a sumar a la matriz A la matriz opuesta de B. A + B = C / ∀i ∀j : cij = aij + bij Ejemplo: A = ¨ ¨ A. A – B = A + (–B). B y C ∈ mxn § 1 2 − 1· ¸ ¸ 3¹ ©4 0 2 +1 0+8 § 0 1 − 2· ¸ B =¨ ¨ ¸ © 4 8 − 3¹ AyB∈ 2x3 § 1+ 0 A+ B = C = ¨ ¨4+ 4 © − 1+ (− 2 )· § 1 3 − 3 · ¸= ¨ ¸ ¨ ¸ C∈ 3 + (− 3)¸ 8 8 0 © ¹ ¹ 2x3 Propiedades de la suma a) Ley de cierre: la suma de matrices da otra matriz del mismo orden. B y C ∈ mxn 13 . A – B = C / ∀i ∀j: cij = aij – bij A. El resultado da otra matriz del mismo orden cuyos elementos se obtienen sumando entre sí los elementos que ocupan la misma posición. En la práctica se procede igual que para la suma. en lugar de sumar los términos que ocupan la misma posición se restan.Matrices OPERACIONES ENTRE MATRICES Suma: sólo se pueden sumar matrices del mismo orden. También deben ser del mismo orden.

con α ≠ 0.A = A e) Distributiva respecto de la suma de matrices: α.A = N b) α.A = N ⇔ α = 0 ó A = N d) 1.A) = α.A g) Tr (α.A = B / ∀i ∀j: bij = α. 14 .A = ¨ 3.A + α.2 ¹ © 0 6 ¹ a) 0.A + ß.Alejandro E.4 ¸ = ¨ − 9 12 ¸ ¸ ¸ ¸ ¨ ¨ ¸ 3. García Venturini 3 − 1· § 2 1 − 3· §2 ¸ ¸ Ejemplo: A = ¨ ¨ ¸ B =¨ ¨ ¸ © 5 −1 2¹ © 4 3 − 3¹ AyB∈ 2x3 §2 − 2 A − B=C=¨ ¨5 − 4 © 3 −1 −1− 3 − 1 − (− 3)· § 0 2 2· ¸= ¨ ¸ ¨ ¸ 2 − (− 3)¸ 1 − 4 5 © ¹ ¹ Producto de un escalar por una matriz: para multiplicar un escalar (número) por una matriz se multiplica el escalar por cada elemento de la matriz.aij AyB∈ mxn § 1 2· ¨ ¸ Ejemplo: A = ¨ − 3 4 ¸ ¨ ¨ 0 2¸ ¸ © ¹ Propiedades § 3.0 3.N =N c) Si α. Es una ley externa.(A+B) = α. α.2 · § 3 6 · ¸ ¨ ¸ 3.A = α.1 ¨ 3.Tr (A) Cociente de una matriz por un escalar α: equivale a multiplicar la matriz por 1 α .(− 3) ¨ ¨ © 3.B f) Distributiva respecto de la suma de escalares: (α+ß).

© ¹ § 2 4· ¨ ¸ 2 / 3 4 / 3· − 3 5¸ A ¨ © ¹ =§ ¨ = ¨ − 1 5 / 3¸ ¸ 3 3 © ¹ Producto de matrices Dadas dos matrices A∈ mxn y B∈ pxq se pueden multiplicar si n=p. Cálculo de los cij Cada cij de la matriz producto se obtiene de sumar los productos término a término de los elementos de la fila i de la matriz 1º factor por los elen mentos de la columna j de la matriz 2º factor. c12 se obtiene sumando los productos de la fila 1 de A por la columna 2 de B y así sucesivamente. Hay que calcular 6 elementos de la matriz C. B∈ pxq . cij = Ejemplo: ¦a k =1 ik .B = C / A∈ mxn . c11 se obtiene sumando los productos de los elementos de la fila 1 de A por la columna 1 de B. A. 2· §3 ¸ A =¨ ¨ ¸ © 1 − 2¹ 3 1· §2 ¸ B =¨ ¨ ¸ © 1 −1 2¹ El producto se puede realizar porque coincide el número de columnas de la 1º matriz con el número de filas de la 2º matriz. C∈ mxq La matriz producto tiene tantas filas como la matriz 1º factor y tantas columnas como la matriz 2º factor. las intersecciones de filas y columnas indican como se obtiene cada ele15 .Matrices Ejemplo § 2 4· A=¨ ¨ − 3 5¸ ¸. que es 2. Si adoptamos la siguiente disposición práctica. El resultado es una matriz de 2x3. El orden de la matriz producto es mxq. bkj . es decir que el número de columnas de la 1º matriz debe ser igual al número de filas de la 2º matriz.

B ≠ B.C y B ≠ C Ejemplos Veamos algunos ejemplos de estas propiedades a) dadas §−1 2 1 · ¸ ¨ § 2 −1· §−1 3 2 · ¸ ¨ ¸ A=¨ .2 + ( −2 ). c) Distributiva respecto de la suma y resta: A. B y C 2 1 2 = = − ¸ ¨ ¨ 3 − 2¸ ¨ 4 1 − 2¸ © ¹ © ¹ ¨1 0 3 ¸ ¹ © verificamos que: A.( −1 ) 1.2 · § 8 7 ¸ ¨ ¸ Ÿ C 2 x3 = ¨ = ¨ ¸ ¨ ¸ © 1.1 3.2 1 − 2 1.B = 0 y A ≠ 0 y B ≠ 0 f) A.2 7· § 3. García Venturini mento de C.A = A.2 + 2.( −1 ) 3. En otros casos se puede realizar pero da resultados diferentes.Alejandro E.B ± A.B).3 − 2.1 − 2.3 + ( −2 ).C 16 .(B.C b) No conmutativa: A.(B ± C) = A.1 1. |B A|C 2 3 1 −1 1 2 3 2 3.3 + 2.C) = (A.B).2 ¹ © 0 5 − 3 ¹ Propiedades a) Asociativa: A.1 1.A En muchos casos el producto en el otro sentido no se puede realizar.1 3.C) = (A.1 + 2.C d) Existencia de elemento neutro (para matrices cuadradas): I.2 − 2.2 + 2.3 + 2.B = A.1 3.I = A I (matriz identidad) e) A.1 + ( −2 ).1+ 2.(B.1 1.

¨ 2 1 − 2 ¸ = ¨ ¸ © ¹ ¨ 1 0 3 ¸ © − 4 9 − 4¹ ¹ © 5 · § 9 1 −1 · § 8 5 4 · § −1 4 ¸ ¸ A.(B.B).C = ¨ ¨ ¨1 − 1 − 3 ¸ ¨ 2 1 − 2 ¸ = ¨ ¸ X­ © ¹ ¨ 1 0 3 ¸ © − 6 1 − 6¹ ¹ © § −1 2 1 · ¸ § −1 4 0 1 ·¨ 5 · § 2 X=Y A. (A+B).¨ ¨ ¸=¨ ¨ ¸ X­ © 3 − 2 ¹ © − 4 9 − 4 ¹ © 35 − 15 5 ¹ A.C A+B = ¨ ¨ 0 1 · § − 1 3 2 · §1 3 3 · § 2 ¸ ¸+¨ ¨ 4 1 − 2¸ ¸=¨ ¨1 − 1 − 3 ¸ ¸ − 3 − 2 − 1 © ¹ © ¹ © ¹ § −1 2 1 · ¸ § 8 5 4 · 3 ·¨ §1 3 ¸ ¸ .C = ¨ ¨ ¸=¨ ¨ ¸Y ¨ − 2 − 8 − 2¸ ¸+ ¨ © ¹ © − 4 9 − 4¹ © − 6 1 − 6¹ 17 .C = A.Matrices §−1 2 1 · ¸ § 9 1 −1· §−1 3 2 · ¨ ¸ ¸ B.C = ¨ ¨ − 3 − 2 − 1¸ ¨ − 2 − 8 − 2¸ ¸.C = ¨ ¨ 4 1 − 2¸ ¨ ¸.¨ ¨ ¸=¨ ¨ ¸ © 3 − 2 ¹ © 4 1 − 2 ¹ © − 11 7 10 ¹ §−1 2 1 · ¸ § 22 − 7 2 · § − 6 5 6 ·¨ ¸ ¸ .C + B. ¸ 1 − 2¹ ¨1 0 3 ¸ © ¹ verificamos que: (A+B). ¨ 2 1 − 2¸ = ¨ ¸ ¨ ¸ Y® © − 11 7 10 ¹ ¨ 1 0 3 ¸ © 35 − 15 5 ¹ © ¹ X=Y (A.C = ¨ ¨ b) dadas A = ¨ ¨ − 3 − 2 − 1¸ ¸. B = ¨ ¨4 © ¹ © § 2 0 1· § −1 2 1 · ¨ ¸ § −1 3 2 · ¸ y C = ¨ 2 1 − 2¸ .C + B.C) = ¨ ¨ § 2 − 1 · § 9 1 − 1 · § 22 − 7 2 · ¸ ¸ ¸ ¸.¨ 2 1 − 2 ¸ = ¨ ¸ © ¹¨ 1 0 3 ¸ © ¹ ¹ © § −1 2 1 · ¸ § 9 1 −1 · § −1 3 2 · ¨ ¸ B.B = ¨ ¨ § 2 −1 · § −1 3 2 · § − 6 5 6 · ¸ ¸ ¸ ¸.C = ¨ . 2 1 2 − ¸=¨ ¨ ¨ 4 1 − 2¸ ¨ ¸ Ÿ © ¹ ¨ 1 0 3 ¸ © − 4 9 − 4¹ ¹ © A.

.. + vn . García Venturini c) dada: A = ¨ ¨ 4 © A.vn} y w = {w1..¨ ¨ ¸=¨ ¨ ¸ =A ©0 1¹ © 4 1¹ © 4 1¹ §1 0· § 0 0· ¸ ¨ y B = ¸ ¨1 0¸ ¸ ...v2.wn Se puede hallar el producto escalar considerando dos matrices columnas & & & & 18 . w2.I = I.A = ¨ ¨ d) Dadas A = ¨ ¨ A≠0yB≠0 A. y © 2 0¹ © ¹ I.¨ ¨ ¸=¨ ¨ ¸ =A © 4 1¹ ©0 1¹ © 4 1¹ §1 0· § − 3 2· § − 3 2· ¸ ¸ ¸ ¸. Se define el producto escalar o producto interno entre dos vectores co& mo la sumatoria de los productos entre los elementos del vector v y los & correspondientes elementos del vector w . verificamos que A.w2 + ...w1 + v2 .. el producto escalar Sean dos vectores v y w de n componentes: v = {v1.wn}.I = ¨ ¨ § − 3 2· ¸ . verificamos que A.B = ¨ ¨ § 1 0· § 0 0· § 0 0· ¸ ¸ ¸ ¸¨ ¨ ¸=¨ ¨ ¸ © 2 0¹ ©1 0¹ © 0 0¹ Una aplicación del producto de matrices.B = 0.. w = v1 . & & v .Alejandro E..A = A 1¸ ¹ § − 3 2· §1 0· § − 3 2· ¸ ¸ ¸ ¸.

3) y w = (− 1.¸ ¨ .¸ ¨ ¸ ¨ ¸ ¨ .3. .W = (v1 v 2 . v .¸ ¨ ¸ ¨ ¸ © wn ¹ © wn ¹ Obsérvese que el producto escalar o interior da un número real o un escalar.¨ 3 ¸ = − 1 ¨ ¨ 2¸ ¸ © ¹ Potencias de una matriz cuadrada Sólo se pueden elevar matrices cuadradas por las reglas vistas para el producto de matrices. Ejemplo § − 1· § 1· ¨ ¸ ¨ ¸ & & Dados v = (1.−2. w = V t .Matrices § v1 · ¨ ¸ ¨ v2 ¸ ¨ ¸ & & cuyas componentes sean v y w que llamaremos V y W: V = ¨ .2 ) Ÿ V = ¨ − 2 ¸ y W = ¨ 3 ¸ Ÿ ¨ ¨ ¨ 2¸ ¸ ¨ 3¸ ¸ © ¹ © ¹ § − 1· ¨ ¸ & & t v . w = V .¸ .¨ .W = (1 − 2 3). 19 . de allí su nombre.¸ ¨ ¸ © vn ¹ § w1 · § w1 · ¨ ¸ ¨ ¸ ¨ w2 ¸ ¨ w2 ¸ ¨ ¸ ¨ ¸ & & W = ¨ .¸ y ¨ ¸ ¨ . v n ).

A.. García Venturini Cuadrado: elevar una matriz cuadrada al cuadrado equivale a multiplicarla por sí mismo. Potencia enésima: An =A.An 20 .A. A es idempotente ⇔ A2 = A Ejemplo §1 ¨ 2 A= ¨ ¨1 © 2 1 · §1 ¨ 2 2¸ 2 ¸Ÿ A =¨ ¨1 1 ¸ 2¹ © 2 1 ·§ 1 2¸ ¨ 2 ¸. A es involutiva ⇔ A 2 = I § 1 0· § 1 0· § 1 0· § 1 0· 2 ¸ ¸ ¸ ¸ Ejemplo: A = ¨ ¸ .¨ ¸ =I ¸Ÿ A =¨ ¨ ¨ ¨ ¸= ¨ ¨ © 0 − 1¹ © 0 − 1¹ © 0 1¹ © 0 − 1¹ Nota: la matriz identidad es involutiva e idempotente. ¨ ¨ ¸= ¨ ¨ ¸ ©3 − 2¹ © 3 − 2 ¹ © 3 − 2 ¹ © − 3 10 ¹ Matriz idempotente: una matriz es idempotente si su cuadrado es igual a la matriz.A)n = kn.Alejandro E.¨ 1 ¸¨ 1 2¹ © 2 1 · §1 2¸ ¨ 2 ¸= ¨ 1 ¸ ¨1 2¹ © 2 1 · 2¸ ¸= A 1 ¸ 2¹ Matriz involutiva: una matriz es involutiva si su cuadrado es igual a la matriz identidad..A (n veces) Propiedades: a) I n = I b) N n = N c) (k. A2 = A x A 2· 2· § 1 2· § 7 − 2· §1 §1 2 ¸ ¸ ¸ ¸ Ejemplo: A = ¨ ¨ ¸Ÿ A =¨ ¨ ¸.

A. (A+B) = A2 + A.¨ ¨ ¸=¨ ¨ ¸ ™X © ¹ © 3 0¹ © − 7 7 ¹ (A+B) (A–B) = «¨ ¨ 21 .A – B2 ≠ A2 – B2.A + B2 expresión que obtenemos aplicando la propiedad distributiva Pero como el producto de matrices no es conmutativo.(A+B) = A2 + A.(A–B) =A2 – A.B no es necesariamente igual a B. por lo tanto: (A+B).A + B2 ≠ A2 +2 A.A.A – B2 expresión que obtenemos aplicando la propiedad distributiva Pero como el producto de matrices no es conmutativo.A. veamos: a) (A+B)2 = (A+B).(A–B) = A2 – B2 Pero que ocurre cuando A y B son matrices cuadradas. por lo tanto: (A+B)2 = (A+B).B + B.«¨ ¨ ¸−¨ ¨ ¸» = ¬© 2 − 1¹ © − 1 − 1 ¹¼ ¬© 2 − 1¹ © − 1 − 1 ¹¼ § 3 3 · § − 1 7 · § 6 21· ¸ ¸ =¨ ¨1 − 2¸ ¸. A.B + B2 b) (A+B).B + B.B + B.B + B.B no es necesariamente igual a B. Ejemplo Dadas A = ¨ ¨ §1 5 · § 2 − 2· ¸ ¨ = y B ¸ ¨−1 −1¸ ¸ 2 − 1 © ¹ © ¹ ª§ 1 5 · § 2 − 2 ·º ª§ 1 5 · § 2 − 2 ·º ¸ ¸ ¸ ¸ ¸+¨ ¨ ¸».Matrices Cuidado con la potencia de las matrices Cuando trabajamos con números reales vemos que: a) (A+B)2 = A2 + 2AB + B2 b) (A+B).(A–B) = A2 – A.

¨ § 2 3 1· 2x3 t ¸ Ejemplo: A = ¨ ¨ ¸ ∈ℜ Ÿ A = ¨ 3 © − 4 2 0¹ ¨1 © § 2 − 4· ¸ 2 ¸ ∈ℜ3x2 0 ¸ ¹ Las filas se transforman en columnas. 22 .B)t = Bt.At e) (An)t = (At)n Ejemplos Veamos algunos ejemplos de estas propiedades. c) (A.¨ ¸ ¨ ¸» = −1 ¸ ¹ © − 1 − 1 ¹¼ − 4 + 2· ¸= 2 +1 ¸ ¹ š 2· ¸ Y 8¸ ¹ X≠Y TRANSPOSICIÓN-SIMETRÍA Matriz transpuesta: de una matriz A es la matriz que se obtiene de permutar en la matriz A las filas por columnas. At la transpuesta de un producto es igual al producto de las transpuestas en orden inverso. García Venturini ª§ 1 5 · § 1 5 ·º ª§ 2 A2 – B2 = «¨ ¸ ¸ ¨ ¨ ¸. Se denomina A t. Si la matriz A es de orden mxn. d) (k. A t es de orden nxm.¨ ¨ ¸» − «¨ ¬© 2 − 1¹ © 2 − 1¹¼ ¬© − 1 §1 + 10 5 − 5 · § 4 + 2 =¨ ¨ 2 − 2 10 + 1¸ ¸−¨ ¨ © ¹ ©− 2 +1 §11 0 · § 6 − 2 · § 5 ¸ =¨ ¨ 0 11¸ ¸−¨ ¨ ¸=¨ ¨ © ¹ ©− 1 3 ¹ © 1 − 2 · § 2 − 2 ·º ¸.A)t = k.Alejandro E. Propiedades: a) (A t)t = A b) (A+B)t =At +Bt la transpuesta de la suma es la suma de las transpuestas.

B)t = Bt.B)t = t t §1 3· § −1 3· ¸ y B=¨ ¸ ¨ 5 2¸ ¸ .A = 2.A = § ¸ ¸ ¸ ¸ ¨ ¸ ¨ . ¸Y ¸=¨ ¨ ¨ ¸.¨ ¨ ¨ 5 2¸ ¨ 2 4¸ = ¨ ¹ © 3 2 ¹ © 3 4 ¹ © 9 14 ¹ ¹ © © X=Y b) dados A = ¨ ¨ §1 3· ¸ y k =2. verifcamos que: (k.At ¸ © 2 4¹ t 6· § 2 4· ¸ =¨ ¨6 8¸ ¸­ X ¸ 8¹ © ¹ t ª § 1 3 ·º § 2 (2A) = «2. =¨ =¨ «¨ » =¨ ¸ ¨ ¸ ¨ ¸ ¨ ¸ ¨ ¸X © − 2 + 20 6 + 8 ¹ ©18 14 ¹ © 9 14 ¹ ¬© 2 4 ¹ © 5 2 ¹¼ t t − 1 3 · § 1 3 · § − 1 5 · § 1 2 · §14 18 · ® ii) B .A)t = k.¨ ¸ ¸ ¨ ¸=¨ ¨ ¸® 4¸ ¹ © 3 4 ¹ ©15 22 ¹ 23 .Matrices a) dadas A = ¨ ¨ (A. ¨ ¨ 2 4¸ © ¹ © t 2· § 2 4· ¸=¨ ¸ ¨ ¸ ®Y 4¸ ¹ ©6 8¹ X=Y c) dados A = ¨ ¨ §1 3· n t t n ¸ ¸ y n =2.¨ ¨ ¸=¨ ¨ ¸ © ¹ © 2 4 ¹ ©10 22 ¹ t § 7 15 · § 7 10 · (A2)t = ¨ ¸ ¸ ¨10 22 ¸ = ¨ ¨ ¸ ­X © ¹ ©15 22 ¹ ii) At = ¨ ¨ §1 ©2 §1 (At)2 = ¨ ¨3 © t 3· §1 ¸ =¨ ¨ 4¸ ¹ ©3 2 2· §1 ¸ =¨ ¨ 4¸ ¹ ©3 X=Y 2· ¸ 4¸ ¹ 2 · § 1 2 · § 7 10 · Y ¸.¨ ¨ 2 4¸ ¸» = ¨ ¨ © ¹¼ © 4 ¬ t §1 §1 3· t 2. verifcamos que: (A ) = (A ) 2 4 © ¹ § 1 3 · § 1 3 · § 7 15 · i) A2 = ¨ ¸ ¸ ¨ 2 4¸ ¸. ¨ ¨3 ¸ = 2. verificamos que: © 2 4¹ © ¹ t t t ª§ 1 3 · § − 1 3 ·º § − 1 + 15 3 + 6 · §14 9 · §14 18 · ¨ ¸ ¨ ¸ ¸ ¸ ¸ .At i) (A.

(A + A ) = A + (A ) = A + A Ÿ A + A t t t t t t t t t t t t t es simétrica. A∈ nxn es simétrica ⇔ A =At § 1 − 2 3· ¸ ¨ Ejemplo: A = ¨ − 2 4 1¸ = At ¸ ¨ ¨ 3 1 0¸ ¹ © la matriz debe ser cuadrada y los elementos simétricos respecto de la diagonal deben ser iguales: ∀i ∀j: aij = aji. Ÿ A − At es antisimétrica.Alejandro E. Matriz antisimétrica: una matriz es antisimétrica si es igual a la opuesta de su transpuesta. García Venturini Matriz simétrica: una matriz es simétrica si es igual a su transpuesta. los elementos simétricos respecto de la diagonal deben ser opuestos y los elementos de la diagonal deben ser 0: ∀i ∀j: (i = j Ÿ aij = 0. Propiedades de las matrices simétricas y antisimétricas a) A + At es simétrica. para toda matriz cuadrada A. 24 (A − A ) = [A + (− A )] = A + [(− A )] = A − A = − (A − A ) t t t . para toda matriz cuadrada A. i ≠ j Ÿ aij = – aji). A∈ℜnxn es antisimétrica ⇔ A = – At Ejemplo: 3· 2 − 3· § 0 −2 § 0 ¨ ¸ ¨ ¸ A = ¨− 2 0 1¸ At = ¨ 2 0 − 1¸ = − A ¨ ¸ ¨ ¸ ¨−3 0¹ 1 0¸ © 3 −1 © ¹ la matriz debe ser cuadrada. b) A– At es antisimétrica.

(A.B 25 .B Ÿ ( A. A + At A − At + 2 2 t t A+ A A− A es simétrica.A t t t t t t t es simétrica.A Ÿ A.At es simétrica para toda matriz A. por prop.B es simétrica ⇔ ( A. es antisimétrica.A = A .Matrices c) A. a). A. b) 2 2 A= 3· 5· § 1 −4 § 1 2 ¸ ¸ ¨ ¨ Ejemplo: A= ¨ 2 6 2 ¸ Ÿ At = ¨ − 4 6 4¸ ¸ ¨ ¨ ¸ ¨5 ¨ 3 2 − 6¸ 4 − 6¸ ¹ ¹ © © 4· § 1 −1 ¸ A + At ¨ 3¸ y = ¨ −1 6 2 ¸ ¨ ¨ 4 3 − 6¸ ¹ © § 0 − 3 − 1· ¸ A − At ¨ =¨ 3 0 − 1¸ Ÿ 2 ¨ ¸ ¨ 1 1 0¸ © ¹ 3· 4 · § 0 − 3 − 1· § 1 − 4 § 1 −1 ¸ ¸ ¨ ¸ ¨ ¨ ¨ −1 6 3¸ + ¨ 3 0 − 1¸ = ¨ 2 6 2¸ = A ¸ ¸ ¨ ¸ ¨ ¨ ¨ 4 ¨ ¨ 3 − 6¸ 1 0¸ 4 − 6¸ ¹ © 1 © ¹ ¹ ©5 e) la condición necesaria y suficiente para que el producto de dos matrices simétricas sea simétrica es que A y B sean conmutables.A t = B. no necesariamente cuadrada. por prop. B ) t = B t .A ) = (A ) . B ) t= A.A = A . d) Toda matriz cuadrada se puede descomponer en suma de una matriz simétrica y una antisimétrica.

B = B −1 .Alejandro E. es no singular o admite matriz inversa si – existe una matriz que denominamos A 1 que multiplicada a izquierda y derecha por A da la matriz identidad. B = I ( ) Ÿ B . I .B )−1 . B ) = B −1 . A−1 . A−1 = ( A. La matriz inversa. ( A.A−1 −1 ( ) −1 =A Dem: B −1 . Propiedades: a) A−1 b) ( A . A . B = B −1 . La matriz debe ser cuadrada: A . B ) = B −1 . es única. ( A. A = I . García Venturini OTRO TIPO DE MATRICES Matrices triangulares Triangular superior: una matriz cuadrada es triangular superior ⇔ i > j Ÿ aij = 0 Triangular inferior: una matriz cuadrada es triangular inferior ⇔ i < j Ÿ aij = 0 Ejemplos § −1 ¨ A= ¨ 0 ¨ ¨ 0 © § −1 ¨ A= ¨ 2 ¨ ¨ 3 © 2 − 3· ¸ 4 1¸ es triangular superior ¸ 0 1¸ ¹ 0 0· ¸ 4 0 ¸ es triangular inferior ¸ 1 5¸ ¹ Matriz inversa La matriz A∈ nxn es inversible. A−1 = A−1 . si existe.B ) = IŸ B ( ) −1 . A−1 .A 26 ( −1 −1 ) .

At = ( A. si k∈ –{0} Matriz ortogonal Una matriz cuadrada es ortogonal si y sólo si su inversa es igual a la transpuesta.B )t Ÿ A.A = .A 1.Matrices c) A−1 = (At ) t Dem: A .: ( A.A−1 = B t . At = I § 1 − 3 · ¨ 2 2¸ ¸. At = I ⇔ A−1 t = At t ( ) ( ) ( ) −1 d) (k. A es ortogonal ⇔ A .A) 1 = k 1.A−1 ( ) = I ⇔ (A . A =¨ ¨ ¸ 1 ¸ ¨ 3 2 © 2 ¹ Ejemplo: 1 § 1 − 3 · § ¨ 2 2 2¸ ¨ t ¨ ¸ ¨ A. ¨ ¸ ¨ 1 ¸ ¨− 3 ¨ 3 2¹ © 2 © 2 3 · 2 ¸ § 1 0· ¸= ¨ ¸ ¸ ¸ ¨ 0 1 ¹ © 1 ¸ 2¹ Propiedad: el producto de dos matrices ortogonales del mismo orden es otra matriz ortogonal. Dem.B )−1 = B −1 . A ) = I −1 −1 t – – – t ⇔ A−1 . A es ortogonal ⇔ A−1 = At De lo que se deduce que una matriz es ortogonal si el producto de una matriz por su transpuesta da la identidad.B es ortogonal 27 .