Álgebra lineal

Matrices

Coordinación de materia

Área de Ciencias Fundamentales

Escuela de Ciencias Aplicadas e Ingenierı́a
 3

Objetivos

▶ Realizar operaciones con matrices m × n

▶ Construir la transpuesta de una matriz dada

▶ Identificar cuando una matriz es simétrica o antisimétrica

 4

Matrices m × n

Una matriz A es un arreglo rectangular de m × n números de reales,

R, (o complejos C ), distribuidos en m filas y n columnas, y se denota
de forma abreviada por A = (aij )m×n , es decir:
 
a11 . . . a1j . . . a1n
 .. .. .. 
 . . . 
 
A = (aij )m×n =  a
 i1 . . . a ij . . . ain 

 . . .
 .. .. .. 


am1 . . . amj . . . amn

cada elemento aij se denomina componente de la matriz, y la matriz

se dice que tiene orden m × n.
Por Mm×n , se denotará el conjunto de todas la matrices de orden
m × n con componentes en R.
 5
Algunos tipos de matrices

Matriz nula: una matriz de orden m × n en la cual aij = 0 para

todos i, j. Se denota por Om×n o simplemente O. Ejemplos:
   
0 0 0 0 0  
0 0 0 0
O3×3 =  0 0 0  O3×2 =  0 0  O2×4 =
0 0 0 0
0 0 0 0 0

Matriz cuadrada: una matriz es cuadrada si tiene igual número de

filas que de columnas. Ejemplos:
 
1 −2 0  
1 −3
A= 0 3 −2  B=
0 2 2×2
−1 1 2 3×3

Por Mn×n se denotará el conjunto de las matrices cuadradas de orden

n × n. Para toda matriz A ∈ Mn×n la diagonal formada por las
componentes a11 , a22 , . . . , aii , . . . , ann se denomina diagonal principal
de A, o simplemente diagonal de A.
 6

Matriz diagonal: una matriz cuadrada, A ∈ Mn×n , es una matriz

diagonal si y solo si aij = 0 siempre que i ̸= j. Ejemplos:
 
1 0 0  
1 0
A= 0 3 0  B=
0 −1
0 0 −1

Matriz identidad: la matriz identidad en In ∈ Mn×n , es una matriz

diagonal tal que aii = 1 para i = 1, 2, . . . , n. Ejemplos:
 
1 0 0  
1 0
I3 =  0 1 0  I2 =
0 1
0 0 1

y en general  
1 0 ... 0
 0 1 ... 0 
In = 
 
.. .. .. .. 
 . . . . 
0 0 ... 1
 7

Matriz triangular superior: Una matriz cuadrada, A ∈ Mn×n , es

triangular superior si aij = 0 para todo i > j, es decir las
componentes por debajo de la diagonal son nulas. Ejemplos:
 
1 3 2  
1 2
A = 0 0 −1
  B=
0 −5
0 0 4

Matriz triangular inferior: Una matriz cuadrada, A ∈ Mn×n , es

triangular inferior si aij = 0 para todo i < j, es decir las componentes
por encima de la diagonal son nulas. Ejemplos:
 
7 0 0  
1 0
A = 3 −2 0
  B=
−2 −5
0 −1 4
 8

Suma de matrices.

Sean A = (aij ) y B = (bij ) en Mm×n . La matriz C = (cij )m×n en la

cual cij = aij + bij para cada i ∈ 1, ..., m y cada j ∈ 1, ..., n, es la
matriz suma de A y B, y se escribe C = A + B.

Ejemplo: Sean
   
1 0 0 −1 −1 −1 2 −2
A =  −1 5 0 0  B= 0 5 5 0 
2 5 0 4 3×4 0 −1 5 −5 3×4

entonces la matriz suma C = A + B es

   
1 + (−1) 0 + (−1) 0+2 −1 + (−2) 0 −1 2 −3
C =  −1 + 0 5+5 0+5 0+0  =  −1 10 5 0 
2+0 5 + (−1) 0+5 4 + (−5) 3×4 2 4 5 −1
 9

Propiedades de la suma.

Sean A = (aij ), B = (bij ) y C = (cij ) en Mm×n , entonces

▶ A + B ∈ Mm×n (Clausurativa)
▶ A + B = B + A (Conmutativa)
▶ (A + B) + C = A + (B + C) (Asociativa)
▶ A + Om×n = A (Modulativa, elemento neutro)
▶ Si A = (aij ), la matriz −A = (−aij ) en Mm×n , es tal que
A + (−A) = Om×n . La matriz −A = (−aij ) se denomina matriz
opuesta de A.
 10

Ejemplos: a) Propiedad asociativa

Sean
     
3 2 1 −1 0 1 2 4 2
A= B= C=
4 5 6 2×3
−5 2 6 2×3
−1 7 −1 2×3

entonces
     
2 2 2 2 4 2 4 6 4
(A + B) + C = + =
−1 7 12 −1 7 −1 −2 14 11
     
3 2 1 1 4 3 4 6 4
A + (B + C) = + =
4 5 6 −6 9 5 −2 14 11
b) Matriz opuesta
   
0 −1 2 0 1 −2
Si A =  −1 10 5  entonces −A =  1 −10 −5 
2 4 5 −2 −4 −5
 11

Producto de una matriz por un escalar.

Sean A = (aij ) ∈ Mm×n y λ ∈ R, un escalar. El producto de λ por A

es la matriz m × n, denotada por λA, cuyo elemento en la posición
(i, j) es λaij , es decir:
λA = (λaij )
Propiedades del producto de una matriz por un escalar: Para
todos A = (aij ), B = (bij ) y C = (cij ) en Mm×n , y α, β ∈ R, se tiene
que:
▶ αA ∈ Mm×n (Clausurativa)
▶ α(βA) = (αβ)A (Asociativa)
▶ α(A + B) = αA + αB (Distributiva)
▶ (α + β)A = αA + βA (Distributiva)
▶ 1A = A (Elemento neutro del producto por escalar)
 12

Ejemplos: Producto de una matriz por un escalar

▶ Sean
 
3 2 1
A= λ=4
4 5 6 2×3
entonces la matriz producto por el escalar 4, 4A, es
   
4(3) 4(2) 4(1) 12 8 4
4A = =
4(4) 4(5) 4(6) 2×3 16 20 24 2×3

▶ Sean
 
1 0 0
B =  −1 5 0  λ = −6
2 5 0 3×3
entonces la matriz producto por el escalar −6, −6B, es
   
−6(1) −6(0) −6(0) −6 0 0
−6B =  −6(−1) −6(5) −6(0)  = 6 −30 0 
−6(2) −6(5) −6(0) 3×3 −12 −30 0 3×3
Multiplicación de matrices: 13

▶ Multiplicación de una matriz 1 × m, o vector fila, por una

matriz m × 1, o vector columna,
Sean  
b1
 b2 
A = [a1 a2 ... am ]1×m B= .
 
 ..


bm m×1

entonces, la multiplicación entre A y B se define como:

 
b1
 b2 
AB := [a1 a2 ... am ]  .  = [a1 b1 + a2 b2 + ... + am bm ]
 
 .. 
bm

Ejemplo:
 
2
   −1 
1 3 4 −5  6  = [1(2) + 3(−1) + 4(6) + (−5)(−2)] = [33]


−2
 14

Multiplicación de matrices:

▶ La multiplicación de una matriz de orden m × n, A = (aij ),

 
b1
 b2 
por un vector columna n × 1, B =  . , se define como:
 
 .. 
bn

A1 A1 B a11 b1 + a12 b2 + ... + a1n bn

     
 ..   ..   .. 

 . 


 .  
  . 

AB = 
 Ai B = 
  Ai B =
  ai1 b1 + ai2 b2 + ... + ain bn 

 ..   ..   .. 
 .   .   . 
Am Am B am1 b1 + am2 b2 + ... + amn bn

donde
 A1 , ..., Ai , ..., Am , son
 las filas de la matriz A, es decir
Ai = ai1 ai2 . . . ain para i = 1, 2, . . . , m
 15

Observar que si A = (aij ), es una matriz de orden m × n, y B = (bi )

vector columna n × 1, entonces la multiplicación AB se puede ver
como una combinación lineal de las columnas de A, ası́:
       
b1 a11 a12 a1n
 b2   a21   a22   a2n 
AB = A  .  = b1  .  + b2  .  + . . . + bn  . 
       
.
 .   .  .  . . .
 . 
bn am1 am2 amn

es decir, si A(1) ,A(2) ,..., A(n) , son las columnas de A, podemos escribir:
 
b1
 b2 

AB = A(1) A(2) . . . A(n)  .  = b1 A(1) +b2 A(2) +. . .+bn A(n)

 .. 
bn
 16

 
1 2  
7
Ejemplo: sean A = 3 4   yB= , entonces AB calculado
8
5 6
por las filas de A se obtiene como sigue:
     
1 2   1(7) + 2(8) 23
 3 4  7
=  3(7) + 4(8)  =  53 
8
5 6 5(7) + 6(8) 83

y AB calculado por las columnas de A se obtiene de la siguiente

forma:
       
1 2   1 2 23
 3 7
4  = 7  3  + 8  4  =  53 
8
5 6 5 6 83
 17

Multiplicación de matrices:
▶ La multiplicación de una matriz m × n por una matriz n × p

Si A = (aij )m×n y B = (bij )n×p , la multiplicación C = AB es una

matriz de orden m × p, C = (cij )m×p , tal que la j-ésima columna de
C, C (j) , se obtiene de multiplicar
 la matriz A por la j-ésima
 columna
de B, B (j) , es decir, si B = B (1) B (2) . . . B (p) entonces
C (j) = AB (j) y además
 
C = AB = AB (1) AB (2) . . . AB (p)

y por tanto cada componente cij de la matriz C = AB se puede

obtener usando la siguiente expresión:
n
X
cij = ai1 b1j + ai2 b2j + ai3 b3j + · · · + ain bnj = aik bkj
k=1

para i = 1, . . . , m y j = 1, . . . , p
 18

 
  1 2
1 2 3
Ejemplo: sean A = yB= 3 4  , entonces
0 1 −1 2×3 5 6 3×2
   
1(1) + 2(3) + 3(5) 1(2) + 2(4) + 3(6) 22 28
AB = =
0(1) + 1(3) + (−1)5 0(2) + 1(4) + (−1)6 −2 −2 2×2

o en forma equivalente:
            
1 2 3 1 2 3
AB = 1 +3 +5 2 +4 +6
0 1 −1 0 1 −1
 
22 28
AB =
−2 −2
 19

Nota. La multiplicación de matrices no es conmutativa, es decir si el

producto AB está definido es posible que el producto BA no esté
definido o que AB ̸= BA.
Para las matrices del ejemplo anterior,
 
  1 2  
1 2 3 22 28
AB = = 3 4  =
0 1 −1 2×3 −2 −2 2×2
5 6 3×2
 
1 2  
1 2 3
pero el resultado de BA =  3 4  es
0 1 −1
5 6 3×2 2×3

   
1(1) + 2(0) 1(2) + 2(1) 1(3) + 2(−1) 1 4 1
BA =  3(1) + 4(0) 3(2) + 4(1) 3(3) + 4(−1)  =  3 10 5 
5(1) + 6(0) 5(2) + 6(1) 5(3) + 6(−1) 5 16 9 3×3
 20
Observaciones sobre la multiplicación de matrices:
▶ Si A es una matriz n × m y B es una matriz m × p, y n ̸= p,
entonces AB es una matriz n × p, pero BA no está definido.
▶ Matrices cuadradas que no conmutan
    
1 2 1 1 1 3
=
0 −1 0 1 0 −1
    
1 1 1 2 1 1
=
0 1 0 −1 0 −1
▶ Matrices cuadradas que conmutan:
       
1 2 2 1 2 3 2 1 1 2
= =
0 −1 0 1 0 −1 0 1 0 −1

▶ Matrices no nulas cuya multiplicación es una matriz nula

    
2 −2 1 1 0 0
=
0 0 1 1 0 0
 21

Propiedades de la multiplicación de matrices:

Sean A, B y C matrices con componentes en R y λ ∈ R, bajo el

supuesto de que las operaciones que aparecen en cada propiedad están
definidas, se tiene que:
▶ (AB)C = A(BC)
▶ A(B + C) = AB + AC
▶ (B + C)A = BA + CA
▶ Si A es n × m, AOm×p = On×p y Oq×n A = Oq×m
▶ λ(AB) = (λA)B = A(λB)
▶ Sea In la matriz identidad de orden n, es decir
 
1 0 ... 0
 0 1 ... 0  
Im A = A si A es m × n
In =  . . . entonces
 
 .. .. . . ... 
 BIn = B si B es q × n
0 0 ... 1
 22

Transpuesta de una matriz:

Sea A = (aij ) una matriz m × n, la transpuesta de A, que se

denotará por AT , es la matriz de tamaño n × m, cuyas columnas se
forman a partir de las filas de A, es decir si A = (aij ), entonces
AT = (aji ).

Ejemplos:  
  1 4
1 2 3
Para A = , se tiene que AT =  2 5 
4 5 6
3 6
   
1 −1 0 1 8 −3
Para B =  8 −2 6 , se tiene que B T =  −1 −2 5 
−3 5 7 0 6 7
 23

Propiedades de la transpuesta: sean A y B matrices, y λ ∈ R un

escalar, bajo el supuesto de que las operaciones que aparecen en cada
propiedad están definidas, se tiene que:
▶ (AT )T = A
▶ (A + B)T = AT + B T
▶ (λA)T = λAT
▶ (AB)T = B T AT

   
−1 3 −1 3 0
Ejemplo: Si A = yB= , entonces
2 5 2 1 −2
 
  −1 2  
−1 2 7 0 −6
AT = , BT =  3 1 , AB = y
3 5 8 11 −10
0 −2
   
−1 2   7 8
T T −1 2
B A = 3 1  = 0 11  = (AB)T
3 5
0 −2 −6 −10
 24

Sea A = (aij ) una matriz cuadrada, n × n.

▶ Si AT = A, se dice que A es simétrica, y en este caso aij = aji
para todos i, j ∈ 1, ..., n
▶ Si AT = −A, se dice que A es antisimétrica, y en este caso
aij = −aji para todos i, j ∈ 1, ..., n, y por consiguiente si i = j,
aii = 0.
 
3 1 −2
Ejemplos: 1) A =  1 0 4  es simétrica.
−2 4 5
 
0 1 −2 3
 −1 0 −4 −8 
2) B = 
 2 4
 es antisimétrica.
0 9 
−3 8 −9 0
 25

Otras propiedades de las matrices

▶ Si A es una matriz cuadrada de orden n × n, AT también es de

orden n × n, y la matriz A + AT es simétrica, la matriz A − AT
es antisimétrica, y entonces A se puede escribir como la suma de
una matriz simétrica y una antisimétrica en la forma
1
1
A + AT + A − AT


A=
2 2
Observar que si A es una matriz de orden n × n, entonces

T
A + AT = AT + (AT )T = AT + A = A + AT

T
A − AT = AT − (AT )T = AT − A = − A − AT

lo que muestra que la matriz A + AT es simétrica y la matriz A − AT

es antisimétrica.
 26

   
3 5 −8 3 1 −2
Ejemplo: Sean A =  1 2 4  y AT =  5 2 0 
−2 0 5 −8 4 5
   
6 6 −10 3 3 −5
1 1
A + AT = 


6 4 4 = 3 2 2 
2 2
−10 4 10 −5 2 5
   
0 4 −6 0 2 −3
1 1
A − AT =


−4 0 4  =  −2 0 2 
2 2
6 −4 0 3 −2 0
     
3 5 −8 3 3 −5 0 2 −3
 1 2 4 = 3 2 2  +  −2 0 2 
−2 0 5 −5 2 5 3 −2 0
| {z } | {z } | {z }
A 1 T 1 T
2 (A+A ) 2 (A−A )
 27

▶ Si A es una matriz m × n, entonces AAT es una matriz simétrica

de orden m × m y la matriz AT A es simétrica de orden n × n.
 
  3 1
3 5 −8
Ejemplo: Sean A = y AT =  5 2 
1 2 4
−8 4
 
  3 1  
3 5 −8  98 −19
AAT = 5 2 =
1 2 4 −19 21
−8 4
   
3 1   10 17 −20
3 5 −8
AT A =  5 2  =  17 29 −32 
1 2 4
−8 4 −20 −32 80
 28

Ejercicio. Sean A, B, C y D matrices de tamaño 3 × 3, 3 × 2, 2 × 3 y

3 × 2 respectivamente. Seleccionar S si la operación se puede realizar,
y escribir el tamaño de la matriz resultante, o seleccionar N si la
operación no se puede realizar.

S N Tamaño
D(B T − C)C T

(3C T + D)A

(B T B)A

C(AD − 2B)

(DC)AT
 29

Bibliografı́a

[1] Garcı́a, O., Villegas, J.A. y Castaño, J.I. (2012) Álgebra lineal.
Fondo Editorial Universidad EAFIT. Medellı́n.
[2] Grossman, S. (1996). Álgebra Lineal con Aplicaciones. 5ta. Ed.
McGraw-Hill. México.
[3] Hill, R. (1996). Álgebra Lineal Elemental con Aplicaciones.
Prentice Hall. México.
[4] Kolman, B. (1999). Álgebra Lineal con Aplicaciones y Matlab.
6ta. Ed. Prentice Hall. México.
[5] Lay, D. (1999). Álgebra Lineal y sus Aplicaciones. 2a. Ed.
Prentice Hall, México.