You are on page 1of 8

REPASO MUY B

´
ASICO DE MATRICES
1. Matrices. Operaciones con matrices
1.1. Introducci´on
Las matrices aparecieron por primera vez hacia el a˜ no 1850, introducidas por el ingl´es
J. J. Sylvester. Su desarrollo se debe a W. R. Hamilton y a A. Caley.
Adem´as de su utilidad para el estudio de sistemas de ecuaciones lineales, las matrices
aparecen de manera natural en geometr´ıa, estad´ıstica, econom´ıa y tambi´en en las ciencias
naturales.
Actualmente, muchos programas de ordenador utilizan el concepto de matriz. As´ı, las
hojas de c´alculo funcionan utilizando una inmensa matriz con cientos de filas y de columnas
en cuyas celdas se pueden introducir datos y f´ormulas para realizar c´alculos a gran velocidad.
Esto requiere utilizar t´ecnicas de operaciones con matrices.
Una matriz es una tabla ordenada de n´ umeros por filas y columnas. Diremos que la
matriz A es de orden (m, n) si tiene m filas y n columnas, por ejemplo, las matrices
_
_
_
_
−1 0
1 2
2 3
_
_
_
_
,
_
5 0
1 −2
_
,
_
1 0 −3.5
9 3 −1
_
,
_
_
_
_
2 2 −3
0.5 5 1
−1 −2 0
_
_
_
_
,
son de ´ordenes (3, 2), (2, 2), (2, 3), (3, 3) respectivamente. Los vectores tambi´en son matrices,
de una fila o una columna:
_
_
_
_
1
−2
3
_
_
_
_
,
_
−2 0 1
_
Los elementos de la matriz se llaman a
ij
, donde i es el n´ umero de fila y j el n´ umero de
columna. Por ejemplo, en la primera matriz anterior, tenemos los siguientes elementos:
a
11
= −1, , a
12
= 0, a
32
= 3, a
22
= 2.
Si el n´ umero de filas coincide con el n´ umero de columnas de una matriz, es decir n = m,
´esta se dice que es cuadrada de orden n. Por ejemplo, las matrices
_
−0.3 1
1 2
_
,
_
_
_
_
−2
1
5
0
2.5 1 1
−1 −2 12
_
_
_
_
,
son matrices cuadradas de ´ordenes 2 y 3 respectivamente. En las matrices cuadradas, los
elementos con igual n´ umero de fila que de columna, a
ii
forman la diagonal principal. En las
matrices anteriores, las diagonales principales son (−0.3, 2) y (−2, 1, 12) respectivamente.
Dos matrices son iguales si tienen el mismo orden y adem´as los mismos elementos.
1
La matriz traspuesta de una matriz de orden (m, n), se escribe A
T
y es la matriz de orden
(n, m) que se obtiene escribiendo sus filas como columnas y por lo tanto, sus columnas como
filas. Por ejemplo,
A
T
=
_
−1 2 3
0 4 −5
_
es la traspuesta de A =
_
_
_
_
−1 0
2 4
3 −5
_
_
_
_
,
y viceversa.
Llamaremos matriz sim´etrica a una matriz A que coincida con su traspuesta, es decir,
A = A
T
. Observar que toda matriz sim´etrica debe tener el mismo n´ umero de filas que de
columnas, es decir, tiene que ser cuadrada.
_
_
_
_
1 −3 2
−3 0 1.4
2 1.4 3
_
_
_
_
es una matriz sim´etrica.
Algunos tipos especiales de matrices son los siguientes:
Matriz nula. Es la matriz, 0, en la que todos los elementos son cero:
_
_
_
_
0 0 0
0 0 0
0 0 0
_
_
_
_
,
_
_
_
_
0 0
0 0
0 0
_
_
_
_
,
_
0 0
0 0
_
,
son matrices nulas.
Matriz identidad. Es una matriz cuadrada, I, cuyos elementos son ceros excepto en
la diagonal principal donde todos los elementos son uno:
_
_
_
_
_
_
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
_
_
_
_
_
_
,
_
1 0
0 1
_
,
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
,
son matrices identidad de ´ordenes o dimensi´on 4, 2 y 3 respectivamente.
Matriz triangular superior. Es una matriz cuadrada en la que todos los elementos
por debajo de la diagonal principal son nulos.
U =
_
_
_
_
2 −1 3
0 1 2
0 0 −3
_
_
_
_
es triangular superior.
Matriz triangular inferior. Es una matriz cuadrada en la que todos los elementos
por encima de la diagonal principal son nulos.
L =
_
_
_
_
1 0 0
−2 3 0
0.5 4 −3.1
_
_
_
_
es triangular inferior.
2
1.2. Operaciones con matrices
Las operaciones que vamos a definir entre matrices son la suma y el producto. Adem´as
tambi´en podremos multiplicar matrices por n´ umeros reales (escalares).
1.2.1. Suma de matrices
Si A, B son matrices del mismo orden (m, n), la matriz suma C = A + B es la que
obtendremos sumando elemento a elemento. Por ejemplo,
A =
_
_
_
_
1 −1 0
2 3 −2
4 1 −3
_
_
_
_
, B =
_
_
_
_
0 3 1
2 3 −5
3 4 1
_
_
_
_
⇒ C = A + B =
_
_
_
_
1 2 1
4 6 −7
7 5 −2
_
_
_
_
Las propiedades de la suma de matrices son las mismas y se deducen a partir de las
propiedades de la suma en el cuerpo de los n´ umeros reales, esto es:
- Propiedad conmutativa:
_
2 1 0
3 0 −3
_
+
_
1 1 −1
−2 0 4
_
=
_
1 1 −1
−2 0 4
_
+
_
2 1 0
3 0 −3
_
=
_
3 2 −1
1 0 1
_
- Propiedad asociativa:
__
2 −1
0 1
_
+
_
1 0
4 2
__
+
_
0 3
−2 1
_
=
_
2 −1
0 1
_
+
__
1 0
4 2
_
+
_
0 3
−2 1
__
- Existencia de elemento neutro: la matriz nula definida anteriormente satisface:
_
−2 3
5 0
_
+
_
0 0
0 0
_
=
_
−2 3
5 0
_
- Existencia de elemento opuesto: Dada A = (a
ij
), la matriz −A = (−a
ij
) satisface:
_
−2 3
5 0
_
+
_
2 −3
−5 0
_
=
_
0 0
0 0
_
Por lo tanto, hay operaci´on resta definida por A − B := A + (−B).
1.2.2. Producto por escalares
Si A es una matriz y λ es un escalar (real), entonces la matriz λA es la que se obtiene
al multiplicar todos los elementos de A por el n´ umero real λ, esto es por ejemplo,
λ = 3, 3 ∗
_
−1 2
3 1
_
=
_
−3 6
9 3
_
Las propiedades del producto de matrices de por escalares son las siguientes:
3
1. Propiedad distributiva respecto a la suma de matrices:
λ(A + B) = λA + λB.
2. Propiedad distributiva respecto a la suma de escalares:

1
+ λ
2
)A = λ
1
A + λ
2
A,
3. Propiedad asociativa mixta:

1
λ
2
)A = λ
1

2
A).
1.2.3. Producto de matrices
Si A es una matriz (m, n) y B una matriz (n, p) (observar que el n´ umero de columnas
de A debe coincidir con el de filas de B), entonces la matriz producto
C = A · B o bien C = AB
es una matriz (m, p), de modo que AB = (c
ij
) donde
c
ij
=
n

k=1
a
ik
b
kj
, i ∈ {1, . . . , m}, j ∈ {1, . . . , p}.
En esta notaci´on sumatoria, los ´ındices i, j est´an fijos e indican el elemento (i, j) de la
matriz que estamos calculando. El ´ındice que var´ıa es el k, que va tomando todos los valores
comprendidos entre {1, . . . , n}. Por lo tanto, se observa que de cada elemento c
ij
de la matriz
producto se puede ver c´omo es una operaci´on entre los elementos de la fila i-´esima de la ma-
triz A y los elementos de la columna j-´esima de la matriz B: multiplicamos ordenadamente
cada elemento de la fila i-´esima de A con el del mismo lugar en la columna j-´esima de B y
se suman los resultados:
_
2 −1
3 1
_

_
1 2 −3
4 0 −2
_
=
_
2 ∗ 1 + (−1) ∗ 4 2 ∗ 2 + (−1) ∗ 0 2 ∗ (−3) + (−1) ∗ (−2)
3 ∗ 1 + 1 ∗ 4 3 ∗ 2 + 1 ∗ 0 3 ∗ (−3) + 1 ∗ (−2)
_
=
_
−2 4 −4
7 6 −11
_
Las propiedades del producto de matrices son:
1. Propiedad asociativa:
A(BC) = (AB)C.
2. Propiedad distributiva respecto de la suma de matrices:
A(B + C) = AB + AC.
3. Existencia de elemento neutro: Dada A de orden n las matriz identidad I de orden
n satisface (¡observemos que estamos hablando de matrices cuadradas!):
IA = A, AI = A.
¡atenci´on: el producto de matrices no posee la propiedad conmutativa!
4
1.2.4. Matriz inversa de una matriz cuadrada
Dada una matriz cuadrada A de orden n, diremos que la matriz B es la inversa de A si
satisface
AB = BA = I,
donde I denota la matriz identidad de orden n.
La inversa de una matriz, si existe, es ´ unica y la denotaremos por A
−1
. En ese caso
diremos que A es inversible, regular o no singular.
Si A, B son matrices inversibles, entonces la matriz producto C = AB tambi´en es inver-
sible y adem´as su inversa es
C
−1
= B
−1
A
−1
.
2. Determinantes
2.1. Introducci´on
Las cuestiones sencillas acerca del determinante de una matriz cuadrada no son las
f´ormulas expl´ıcitas que lo definen sino m´as bien las propiedades que posee, as´ı que vere-
mos algunas de las propiedades m´as importantes. Para la mejor comprensi´on de ´estas, las
ilustraremos con un ejemplo 2 × 2. Comenzaremos definiendo el determinante de matrices
2 × 2, al que denotaremos por det A o bien |A|, y es el n´ umero real definido por:
det
_
a b
c d
_
:= ad − bc.
2.2. Algunas propiedades del determinante
1. El determinante de una matriz coincide con el de su traspuesta. En nuestro caso
particular,
ad − bc = det
_
a b
c d
_
= det
_
a c
b d
_
= ad − cb.
2. Si una matriz tiene una fila (columna) nula, su determinante es cero. En nuestro caso
particular,
det
_
0 0
c d
_
= 0, det
_
a b
0 0
_
= 0.
3. Si una matriz tiene dos filas (columnas) proporcionales entonces su determinantes es
cero. En nuestro caso particular,
det
_
a b
λa λb
_
= aλb − λab = 0.
5
4. El determinante cambia de signo cuando se intercambian dos filas (columnas). En
nuestro caso particular,
det
_
c d
a b
_
= cb − ad = −det
_
a b
c d
_
= −(ad − cb).
2.3. La regla de Sarrus
El determinante de una matriz A de orden 3 se puede definir directamente a partir de
la conocida regla de Sarrus:
det
_
_
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
_
_
=
¸
¸
¸
¸
¸
¸
¸
¸
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
¸
¸
¸
¸
¸
¸
¸
¸
= (a
11
a
22
a
33
+ a
21
a
32
a
13
+ a
12
a
23
a
31
)
− (a
13
a
22
a
31
+ a
32
a
23
a
11
+ a
12
a
21
a
33
).
Ejemplo.
det
_
_
_
_
2 1 2
1 0 −1
−2 1 3
_
_
_
_
= (2· 0· 3+1· 1· 2+1· (−1)· (−2))−(2· 0· (−2)+1· 1· 3+1· (−1)· 2) = 3.
2.4. Regla de Cramer para resolver sistemas lineales
Una aplicaci´on de los determinantes es la regla de Cramer para resolver sistemas lineales
“cuadrados”. Sin m´as explicaciones detallamos a continuaci´ on las soluciones de Cramer
para sistemas de dos ecuaciones con dos inc´ognitas y tres ecuaciones con tres inc´ognitas.
Observar que en el denominador ponemos el determinante de la matriz del sistema y en el
numerador el mismo determinante sustituyendo una columna (la de la inc´ognita que estamos
calculando) por la columna de t´erminos independientes:
Dos ecuaciones
ax + by = p
cx + dy = q
_
, x =
¸
¸
¸
¸
¸
p b
q d
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
a b
c d
¸
¸
¸
¸
¸
, y =
¸
¸
¸
¸
¸
a p
c q
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
a b
c d
¸
¸
¸
¸
¸
.
Tres ecuaciones
a
1
x + b
1
y + c
1
z = p
a
2
x + b
2
y + c
2
z = q
a
3
x + b
3
y + c
3
z = r
_
¸
¸
_
¸
¸
_
, x =
¸
¸
¸
¸
¸
¸
¸
¸
p b
1
c
1
q b
2
c
2
r b
3
c
3
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
¸
¸
¸
¸
¸
¸
¸
¸
, y =
¸
¸
¸
¸
¸
¸
¸
¸
a
1
p c
1
a
2
q c
2
a
3
r c
3
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
¸
¸
¸
¸
¸
¸
¸
¸
, z =
¸
¸
¸
¸
¸
¸
¸
¸
a
1
b
1
p
a
2
b
2
q
a
3
b
3
r
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
¸
¸
¸
¸
¸
¸
¸
¸
.
6
Ejemplo. La soluci´on del sistema:
x
1
+ 2x
2
= 0
2x
1
− x
2
= 10
_
es
x
1
=
¸
¸
¸
¸
¸
0 2
10 −1
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
1 2
2 −1
¸
¸
¸
¸
¸
=
−20
−5
= 4, x
2
=
¸
¸
¸
¸
¸
1 0
2 10
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
1 2
2 −1
¸
¸
¸
¸
¸
=
10
−5
= −2.
Ejemplo. Consideremos el sistema
x
1
+ x
2
+ 2x
3
= 9
2x
1
+ 4x
2
− 3x
3
= 1
3x
1
+ 6x
2
− 5x
3
= 0
_
¸
¸
_
¸
¸
_
.
El determinante de la matriz de los coeficientes es
¸
¸
¸
¸
¸
¸
¸
¸
1 1 2
2 4 −3
3 6 −5
¸
¸
¸
¸
¸
¸
¸
¸
= −1 = 0,
por lo que podemos garantizar en primer lugar que el sistema es compatible determina-
do, es decir, que posee una ´ unica soluci´on. Para resolverlo, aplicando la regla de Cramer
calcularemos
x
1
=
1
(−1)
¸
¸
¸
¸
¸
¸
¸
¸
9 1 2
1 4 −3
0 6 −5
¸
¸
¸
¸
¸
¸
¸
¸
= (−1)(−1) = 1,
x
2
=
1
(−1)
¸
¸
¸
¸
¸
¸
¸
¸
1 9 2
2 1 −3
3 0 −5
¸
¸
¸
¸
¸
¸
¸
¸
= (−1)(−2) = 2,
x
3
=
1
(−1)
¸
¸
¸
¸
¸
¸
¸
¸
1 1 9
2 4 1
3 6 0
¸
¸
¸
¸
¸
¸
¸
¸
= (−1)(−3) = 3.
7
EJERCICIOS
Matrices
Para las matrices,
A =
_
1 0 −2
4 3 3
_
, B =
_
_
_
_
2 7 −2
4 2 0
2 −3 1
_
_
_
_
, C =
_
2 −5 0 6
0 1 3 −1
_
, D =
_
_
_
_
2 −3
1 0
−1 4
_
_
_
_
E =
_
_
_
_
−1 3 4
3 0 −3
4 −3 3
_
_
_
_
, F =
_
1 −1
1 1
_
, G =
_
_
_
_
9 −1 0 −2
1 −1 −4 1
0 1 0 −1
_
_
_
_
, u =
_
_
_
_
1
0
−1
_
_
_
_
, v =
_
_
_
_
_
_
2
−1
0
3
_
_
_
_
_
_
Resolver las siguientes cuestiones u operaciones:
1. B + E, A + D
T
, A
T
+ D, AB, BD, Bu, C
T
F, Cv, Eu
2. 4 ∗ A, 2 ∗ C, −u, −3 ∗ G
T
, B − E,
_
1
2
_
∗ D, B + 3 ∗ I, F − 2 ∗ I
3. ¿Es alguna de las matrices anteriores sim´etricas?
4. Calcular el determinante de las matrices cuadradas anteriores
Sistemas lineales
Resolver mediante la Regla de Cramer los siguientes sistema de ecuaciones lineales
1.
3x + 2y − z = 4
2x − y + 2z = 3
x + 3y + 2z = −5
_
¸
¸
_
¸
¸
_
, soluci´on: x = 68/23, y = −53/23, z = −42/23.
2.
x + 4y + 2z = −2
−2x − 8y + 3z = 32
y + z = 1
_
¸
¸
_
¸
¸
_
, soluci´on: x = 2, y = −3, z = 4.
3.
x + 2y + z = 1
2x + 3y + 4z = 10
x + 4y − 4z = −18
_
¸
¸
_
¸
¸
_
, soluci´on: x = 2, y = −2, z = 3.
Chelo Ferreira
Facultad de Veterinaria
8