Clases de Matrices (2015)

Matrices
Pg. 1
Tema 1
MATRICES
Matrices
Pg. 2
1.- Matrices. Definicin y primeros ejemplos

Una matriz es una tabla rectangular de nmeros reales dispuestos en filas y
columnas del modo:
a11
a
A = 21

a
m1
a12
a22
am 2
a1n
a2 n

amn
Filas de la matriz A
Columnas de la matriz A
Abreviadamente se puede expresar
A = (aij ).
Cada elemento de la matriz lleva dos subndices:

- El primero de ellos i, indica la fila en la que se encuentra el elemento,
- y el segundo, j, la columna.
As el elemento a23 est en la fila 2 y columna 3.
Las matrices siempre se representarn con letras maysculas (A, B, C, ).
Los
Matrices
son
llamados componentes o elementos de la Matriz.
aij
Observacin:
Pg. 3
Matrices
Pg. 4
El conjunto de todas las matrices de

orden mxn y con elementos en K se
suele denotar por:
n
) K m=
M mn ( K=
{=A ( a )
i j mxn
/ ai j K
Matrices
Pg. 5

EJEMPLOS
Son ejemplos de matrices los siguientes:
2 1
A=
3
4
A tiene 2 filas y 2
columnas, diremos que
su dimensin 2 x 2.
Qu elemento es a21?
6 4 0
B=
1
1
2
B tiene 2 filas y 3
su tamao es 2 x 3.
Qu elemento es b23?
1
3
2 4
C =
1 5
1
0
0
0
2
0
C tiene 4 filas y 3
su dimensin 4 x 3.
Qu elemento es c32?
Matrices
Pg. 6

En general, si una matriz A tiene m filas y n columnas, diremos que su
tamao o dimensin es m x n (se lee m por n), siempre en primer lugar el
n de filas y en segundo lugar el de columnas.
Igualdad
Dos matrices A y B son iguales cuando contienen los mismos elementos,
dispuestos en los mismos lugares:
A = B aij = bij i, j
Lgicamente, para que dos matrices sean iguales es necesario que tengan
la misma dimensin.
Matrices
Pg. 7
2.- Tipos de matrices

Segn su dimensin:
Se llama matriz fila a la que slo tiene una fila, es decir su dimensin es 1 x n.
Por ejemplo, B = (1 0
4 9 ) es una matriz fila de dimensin 1 x 4.
Se llama matriz columna a la que slo consta de una columna, es decir su

dimensin ser m x 1.
1
Por ejemplo, C = 0

8
es una matriz columna de dimensin 3 x 1.
Una matriz es cuadrada cuando tiene el mismo nmero de filas que de

columnas, es decir su dimensin es n x n.
2 1 es una matriz cuadrada

3 4 de dimensin 2 x 2 o
simplemente de orden 2.
2 3 matriz
1
D = 6
5 4 cuadrada de
3 4 0 orden 3.
Matrices
Matriz cuadrada de orden n:
Mismo nmero de filas

que de columnas
forman la diagonal principal
Matrices
Pg. 9

Dentro de las matrices cuadradas llamaremos diagonal principal a la formada
por los elementos a11, a22, a33, . . ., ann, siendo la matriz:
a11
a
A = 21

a
n1
a12
a22
an 2
a1n
a2 n

ann
Diagonal principal
En la matriz D, la diagonal principal est formada por 1, 5, 0.

La diagonal secundaria es la formada por los
elementos a1n, a2,n1, a3,n2, . . ., an1.
En la matriz D est formada por 3, 5, -3.
2 3
1
D = 6
5 4
3 4 0
Matrices
Pg. 10

Segn sus elementos:
Una clase especial de matrices cuadradas son las matrices triangulares.
Una matriz es triangular superior si todos los elementos por debajo de la
diagonal principal son nulos y triangular inferior si son nulos todos los
elementos situados por encima de dicha diagonal.
0
1 0 0
0 4 0
0
E =
0
3 4 5
1 3 16 78
1 4 3
F = 0 9 5
0 0 3
Triangular superior
Triangular inferior
Si una matriz es a la vez triangular superior e

inferior, slo tiene elementos en la diagonal
principal.
Una matriz de este tipo se denomina matriz
diagonal.
Un ejemplo de matriz diagonal es:
0
1
0 45
G =
0
0
0
0
0
0
3
0
0
0
0
0
Matrices
11
Los siguientes conceptos se refieren exclusivamente a matrices cuadradas:
Matriz triangular superior
Matriz triangular inferior
Ceros debajo de la diagonal principal
Ceros encima de la diagonal principal
Matrices
Matriz diagonal
12
Matriz unidad
Ceros fuera de la diagonal principal
Matriz escalar
Ceros fuera de la diagonal principal,

unos en la diagonal principal
Delta de Kronecker
Matrices
Pg. 13

Si una matriz diagonal tiene en su diagonal principal slo unos, se denomina
matriz unidad o identidad. Se suelen representar por In , donde n es el
orden o tamao de la matriz. Algunas matrices identidad son:
1 0 0
I 3 = 0 1 0
0 0 1
1 0
I2 =
0
1
1
0
I4 =
0
0
0
1
0
0
0
0
1
0
0
0
0
1
Se llama matriz nula a la que tiene todos los elementos cero.
0 0 0 0 0
0
0
0
0
0
Por ejemplo, A =
es una matriz nula de tamao 2x5.
Matrices
Pg. 14

Matrices escalonadas
Fjate en las siguientes matrices:
1 5 0
1 1 1
B
=
0
1
2
A=
0
1
6
0 0 1
En ellas se cumple que:
C=
0
0
0
1 5 0
D = 0 1 2
0 0 0
Si hay filas nulas, estn situadas en la parte inferior de la matriz.

En las filas no nulas, el primer elemento diferente de cero es uno.
En las filas no nulas, el primer elemento diferente de cero de una fila
est situado ms a la derecha que el primer elemento diferente de cero
de la fila inmediatamente superior.
De ellas se dice que son matrices escalonadas.
Matrices
Pg. 15
3.-Transformaciones elementales
Existen una serie de operaciones que se pueden hacer con las filas de una
matriz y que permiten convertirla en una matriz escalonada: las
transformaciones elementales.
En general, si llamamos Fi a la fila i-sima y Fj a la fila j-sima, las
transformaciones elementales son:
Ejemplo
Intercambiar dos filas. Fi Fj.
Sumar a una fila los elementos
correspondientes de otra fila
multiplicada por un n real k.
Fi Fi + kFj
Multiplicar todos los elementos

de una fila por un nmero real no
nulo.
Fi kFi
2 0 2
4 2 1
1 5 3
F2 F3
2 0 2
1 5 3
4 2 1
2 0 2 F1 F1 + 2F3 0 10 8
4 2 1
4 2 1
1 5 3
1 5 3
2 0 2
4 2 1
1 5 3
F2 2F2 2
0 2
8 4 2
5 3
1
Matrices
Pg. 16
Estas transformaciones permiten definir una equivalencia entre las matrices
de igual dimensin.
Dos matrices son equivalentes si una de ellas se obtiene a partir de
la otra mediante transformaciones elementales.
EJEMPLO
Reducir a forma escalonada la matriz
Para facilitar los clculos posteriores,

hacemos que el elemento a11 sea 1:
2 1 3 1 F F
2
1 1 2 2 1
1 4 3 1
2
1 1 2
0 1 1 3
1
0 5 5
1 1 2 2
2 1 3 1
1 4 3 1
F3 F3 + 5F2
Hacemos que el
elemento a32 sea 0:
2 1 3 1
A = 1 1 2 2
1 4 3 1
F2 F2 2F1
F 3 F3 + F 1
Hacemos que los dems elementos
de la primera fila sean 0:
2
1 1 2
0 1 1 3
0 0 0 14
Que est en
forma
escalonada
Matrices
Pg. 17
EJERCICIO
Reduce a forma escalonada las matrices:
1 2 3
A = 2 5 7
3 6 10
1 3 1 5
C = 1 2 6 4
0 8 8 2
2 3 4 9
B = 4 1 0 1
3 1 2 0
2 1 5 1 8
D = 1 2 3 4 5
1 3 10 11 13
Matrices
Pg. 18
4.- Operaciones con matrices
4. 1. Suma y diferencia
Dadas dos matrices A y B de la misma dimensin m n, la matriz suma,

A + B, es la que se obtiene sumando los elementos que en cada una de
ellas ocupan la misma posicin.
a11 ... a1n b11 ... b1n a11 + b11 ... a1n + b1n
A + B = ... ... ... + ... ... ... = ...
...
...
a
b
a + b
...
a
...
b
...
a
b
+
1
1
1
1
m
mn
m
mn
m
m
mn
mn
De forma abreviada:
EJEMPLO
(aij) + (bij) = (aij + bij)
2 1 3 2 0 4 4 1 7
4 2 1 + 3 2 5 = 1 4 6
23
23
23
Si las matrices tienen diferente tamao, no se pueden sumar o restar entre s.
Matrices
Pg. 19
Propiedades de la suma de matrices:

a) Conmutativa: A + B = B + A
b) Asociativa: A + (B + C) = (A + B) + C
c) Elemento neutro: La matriz nula del tamao correspondiente. A + 0 = 0 + A
d) Elemento opuesto de A: La matriz A, que resulta de cambiar de signo a
los elementos de A.
A + ( A) = ( A) + A = 0
La existencia de elemento opuesto permite definir la matriz diferencia

(resta), A B. Es la que se obtiene al sumar A con B:
A B = A + ( B)
EJEMPLO
2 1 3 2 0 4 0 1 1
4 2 1 3 2 5 = 7 0 4
23
23
23
Matrices
Pg. 20
Demostracin: Pongamos
=
A
=
( aij ) , B
=
( bij ) , C
(C ) M
ij
mn
(K )
.Entonces:
A + B = ( aij + bij ) = ( bij + aij ) = B + A

A+
( B.+ C ) = ( aij ) + ( bij + cij ) = ( aij + bij +

=
A+ 0 =.
( a
ij
ij
ij
(a
ij
+ bij + cij = ( aij + bij ) + ( cij ) = ( A + B ) + C
( a ) + ( 0 )= ( a
A + ( A=
)
cij
+ aij =
+ 0 )= A
( 0=)
Matrices
Pg. 21

EJEMPLO
Si
Opuesta de una matriz
0 1
A = 4 2
3 9
0 1
A = 4 2
3 9
32
32
porque:
0 1 0 1 0 0
4 2 + 4 2 = 0 0
3 9 3 9 0 0
32
32
32
Matrices
Pg. 22
EJERCICIOS
1. Las exportaciones, en millones de euros, de 3 pases A, B, C a otros tres X,
Y, Z, en los aos 2000 y 2001 vienen dadas por las matrices:
X
Y Z
X Y
Z
1 A
11 6,7 0,5 A
13,3 7
A2000 = 14,5 10 1,2 B

A2001 = 15,7 11,1 3,2 B
20,9 3,2 2,3 C
21 0,2 4,3 C
Calcula y expresa en forma de matriz el total de exportaciones para el

conjunto de los dos aos.
Cuntos millones ha exportado el pas B al Z en total?
Calcula el incremento de las exportaciones del ao 2000 al 2001.
2. Calcula x, y, z en
la suma:
x y 1 2 y 0 z 1 1 3
1
+ z 2 3 = 0
y
x
4
4
z
2 2 3 x 2 4 1
0
3. Calcula a, b, c
para que se cumpla 3 a
la igualdad:
4
b
2 2
a + b 4 1 a 2
+
=
c + 1 6 1 c
2
0 2 0 6
Matrices
Pg. 23
4. 2. Producto por un n real
Dada una matriz cualquiera A de dimensin m n y un nmero real k, el

producto kA se realiza multiplicando todos los elementos de A por k,
resultando otra matriz de igual dimensin. (Evidentemente la misma regla
sirve para dividir una matriz por un nmero real).
a11 ... a1n k a11 ... k a1n

k A = k ... ... ... = ...
...
...
a
k a
...
a
...
k
a
mn
m1
mn
m1
EJEMPLO
2 1 3 10 5 15
5
= 20 10 5
4
2
1
23
23
Propiedades:
a) Distributiva respecto de la suma de matrices: k(A + B) = kA + kB
b) Distributiva respecto de la suma de nmeros: (k + d)A= kA + dA
c) Asociativa: k(dA)=(kd)A
d) Elemento neutro, el nmero 1: 1A=A
Matrices
Pg. 24
DEMOSTRACION.
=
A
Pongamos
(=
aij )i , j , B (bij )i , j .Entonces :
1.[ + ] A =
[ + ](aij ) =([ + ]aij ) =([ aij ] + [ aij ])
=
A + A.
( aij ) + ( aij ) =
2. ( A + B)= (aij + bij )= ( [aij + bij ])= ([ aij ] + [ bij ])
=
A + B.
( aij ) + ( bij ) =
=
) A ([
3.(=
]aij ) (=
[ aij ]) =
( aij ) ( A).
=
A (1=
aij ) (=
aij ) A.
4.1
Matrices
Pg. 25
4. 2. Producto por un n real
EJERCICIOS
1. Si
1 1
1 0
A=
y
B
=
0 2
0
1
halla una matriz X que verifique la ecuacin: 2X 4A = B
2. Determina las matrices X e Y sabiendo que:
1 2
3 X 5Y =
8 1
2 4
X + 3Y =
3 0
Matrices
Pg. 26
4. 3. Producto de matrices
Producto de una matriz fila por una matriz columna.

Sea A una matriz fila y B una matriz columna:
A = (2 3 1)
1x3
1
B = 2
5

3x1
Definimos el producto de la matriz A por la matriz B (en este orden):
1
A B = (2 3 1) 2 = 21 + (3)2 + 15 = 2 6 + 5 = 1
5

1x3
3x1
Hemos emparejado cada elemento de A con un

elemento de B, luego el nmero de estos
elementos (n de columnas de A y n de filas de
B) debe coincidir para poder realizar este
producto.
Observa que el
resultado es un
nmero
Matrices
Pg. 27
Hay que dejar claro ya desde el principio que no todas las matrices pueden
multiplicarse. Dos matrices se pueden multiplicar cuando se cumple la
siguiente condicin:
Para multiplicar dos matrices A y B, en este orden, AB , es condicin
indispensable que el nmero de columnas de A sea igual al nmero de filas
de B
Si no se cumple esta condicin, el producto AB no puede realizarse, de
modo que esta es una condicin que debemos comprobar previamente a la
propia multiplicacin.
Una vez comprobado que el producto AB se puede realizar, si A es una
matriz m x n y B es una matriz n x p (observa que el n de columnas de A = n
= n de filas de B), entonces el producto AB da como resultado una matriz
C de tamao n x p del siguiente modo:
El elemento que se encuentra en la fila i y la columna j de la matriz C = AB,
se obtiene multiplicando los elementos de la fila i de A por la columna j de B y
sumando los resultados
Matrices
Pg. 28
Filas
A B = AB
mn
np
mp
Columnas
Es posible
el producto
La matriz producto, AB, si existe, es la que se obtiene de la forma siguiente:
C1
F1 a11
A B = ...
a
m1
... a1k b11 ... b1n F1 C1 ... F1 Cn

... ... ... ... ... = ...
...
...
... amk bk1 ... bkn Fm C1 ... Fm Cn
El elemento de esta matriz que ocupa la fila i-sima y la columna j-sima es

el que se obtiene de multiplicar la fila Fi por la columna Cj.
Matrices
Pg. 29

EJEMPLO
Para multiplicar las matrices:
3 2 1 4
A=
2
5
3
24
0 4 1
1 2 1
B=
2 0 2
3 2 1
43
1.- Comprobamos que se puede realizar el producto AB, pues el n de
columnas de A es 4 y el n de filas de B tambin es 4.
2.- El resultado, segn lo dicho ser una matriz de dimensin 2 x 3, tiene 2
filas y 3 columnas:
0 4 1
3 2 1 4 1 2 1
2 5 3 2
=
2 0 2
3 2 1
24
43
23
3.- Slo nos falta completar los elementos de la matriz producto. Para ello,
seguimos la regla anterior:
Matrices
Pg. 30
C1
F1
0 4 1
3 2 1 4 1 2 1
2 5 3 2
=
2
0
2

3 2 1
24
43
16
23
El elemento de la fila 1 y columna 1 de AB proviene de multiplicar elemento a

elemento la fila 1 de A por la columna 1 de B y sumar, es decir:
F1 C1 = (3 2 1 4)
0
1
2
3
= (3)0 + 21 + 12 + 43 = 0 + 2 + 2 + 12 = 16
Matrices
Pg. 31
C2
F1
0 4 1
3 2 1 4 1 2 1
2 5 3 2
=
2
0
2

3 2 1
24
43
16 16
23

elemento la fila 1 de A y la columna 2 de B y sumar:
F1C2 = (3 2 1 4)
4
2
0
2
= (3)(4) + 2(2) + 10 + 42 = 12 4 + 0 + 8 = 16
Matrices
Pg. 32
C3
F1
0 4 1
3 2 1 4 1 2 1
2 5 3 2
=
2
0
2

3 2 1
24
43
16
16
23

elemento la fila 1 de A y la columna 3 de B y sumar:
1
1
F1C3 = (3 2 1 4)
2
1
= (3)1 + 21 + 12 + 41 = 3 + 2 + 2 + 4 = 5
Matrices
Pg. 33
As sucesivamente se obtienen los dems elementos de la matriz producto:
C1
F2
0 4 1
3 2 1 4 1 2 1
2 5 3 2
=
2 0 2
3 2 1
24
43
16 16
5
23
Matrices
Pg. 34
C2
F2
0 4 1
3 2 1 4 1 2 1
2 5 3 2
=
2 0 2
3 2 1
24
43
16
16
22
23
Matrices
Pg. 35
C3
F2
0 4 1
3 2 1 4 1 2 1
2 5 3 2
=
2 0 2
3 2 1
24
16
5
16
22 11
23
43
As la matriz producto es:
16 16 5
A B =
22
11
Observa que el producto BA no se puede hacer:
B A
43
24
Matrices
Pg. 36
EJERCICIOS
3 5
1 3
B
=
2 1 calcula, si es posible, AB y BA.
2
6
Coinciden?
1. Si A =
1 1
2. Lo mismo si
A = 0 2 ,
4 1
3 0 2
B=
1
5
3. Calcula todos los productos posibles entre las matrices:
1 2 3
A = 1 1 1
0 2 1
Adems, calcula A2 y A3.
1
B = 2
1

2 1 0
C =
3
4
5
Matrices
Pg. 37
Propiedades del producto de matrices

a) Asociativa: A(BC) = (AB)C
b) Distributiva respecto de la suma: A ( B + C ) = A B + A C
(B + C) A = B A + C A
c) Elemento neutro: la matriz identidad correspondiente. Si A es m x n:
A In = A
Im A = A
d) En general el producto de matrices no es conmutativo
A B B A
Pueden verse ejemplos en los

ejercicios anteriores. Ten
cuidado con esta propiedad.
e) El producto de dos matrices no nulas A y B puede dar lugar a una matriz

nula:
5
2 1 3 0
0 2 1 2 = 0
4
21
23
31
Se dice que el conjunto de las matrices

con la operacin producto tiene divisores
de cero, es decir, hay matrices no nulas
cuyo producto es nulo.
Matrices
Pg. 38
( k aik [l bkl clj ]) =

( kl aik bkl clj )
A ( BC ) = (aik )(l bkl clj ) =
=(l [ k aik bkl ])i , j = ( k aik bkl )i ,l = ( AB )C
(aik )(bkj + ckj ) =
( k aik [bkj + ckj ])
A( B + C ) =
( k [aik bkj + aik ckj ])
=
= ([ k aik bkj ] + [ k aik ckj ]) = ( k aik bkj ) + ( k aik ckj )
= AB + AC
Matrices
Pg. 39
EJERCICIOS
1. Si A y B son dos matrices cuadradas del mismo orden, son ciertas las
propiedades siguientes, que son ciertas para las operaciones con nmeros
reales?:
a) (A + B)2 = A2 + B2 + 2 A B
b) (A B)2 = A2 + B2 2 A B
c) (A + B) (A B) = A2 B2
2 1
a b
2. Determina los valores de a y b de la matriz A =

para que A2 = A.
1 2
?
0
1
3. Qu matrices conmutan con la matriz
Matrices
Propiedades del producto de matrices (II)
I. La multiplicacin de matrices no cumple la propiedad conmutativa: si una de

las dos matrices no es cuadrada ni siquiera tiene sentido plantear el producto en
un orden distinto al dado.
II. Si A . B = 0 entonces no siempre ocurre que A = 0 B = 0.
Ejemplo: Aunque
0 2 . 0 3 0 0
0 0 0 0 = 0 0 ninguno de los factores que
forman el producto es la matriz nula.

III. Si A . C = B . C y C 0, entonces no necesariamente A = B.
IV. (A + B)2 A2 + 2A . B + B2 salvo que A y B conmuten.
V. (A B)2 A2 2A . B + B2 salvo que A y B conmuten.

VI. A2 B2 (A B) . (A + B) salvo que A y B conmuten.
Matrices
41
POTENCIAS DE MATRICES CUADRADAS

Una de las herramientas principales en el estudio de las ecuaciones diferenciales
lineales es el lgebra matricial. En concreto, el clculo de potencias naturales de
matrices cuadradas resulta de gran inters en el estudio de las ecuaciones
diferenciales.
Adems, las potencias de matrices desempean un papel importante en diversas
aplicaciones, como por ejemplo en el modelo de Leontief de entrada-salida.
Si
-PROPIEDADES.-
1.2.-
Matrices
Pg. 42
4. 4. Trasposicin de matrices
Dada una matriz cualquiera A, se llama matriz traspuesta de A, y se representa

por At a la matriz que resulta de intercambiar las filas y las columnas de A.
EJEMPLO
2 1 0 7
3
4
2
1
24
Si A =
2 3
1 4
t
entonces la matriz traspuesta de A es: A =

0 2
7 1
42
Si A es una matriz de dimensin m x n, su traspuesta At tendr dimensin

n x m, pues el nmero de columnas pasa a ser el de filas y viceversa.
Si la matriz A es cuadrada, su traspuesta tendr la misma dimensin.
Propiedades:
a) (At)t = A, es decir, la traspuesta de la traspuesta es la matriz inicial.
b) (A + B)t = At + Bt
c) (k A)t = k At
d) (A B)t = Bt At
Matrices
Pg. 43
La traspuesta de una matriz A cualquiera se

obtiene cambiando filas por columnas y se
representa por At. Si A = (aij ). entonces At = (aji ).
Si A es mxn, entonces At es nxm.
Matrices
Pg. 44
En base a esta nueva operacin, podemos definir otras dos clases de matrices:
Matriz simtrica: matriz cuadrada que coincide con su traspuesta; es decir,
una matriz cuadrada es simtrica si se cumple que At = A.
3
2 1
A = 1 0 2 es simtrica
3 2 7
En una matriz simtrica, los elementos son simtricos respecto a la diagonal

principal.
Matriz antisimtrica: matriz cuadrada cuya opuesta coincide con su traspuesta;
es decir, si cumple que At = A.
Por ejemplo:
0 1 3
B = 1 0 2
3 2 0
es antisimtrica (comprueba).
En una matriz antisimtrica, los elementos de la diagonal principal son siempre

nulos (por qu?), y los restantes son opuestos respecto a dicha diagonal.
Matrices
45
Las matrices (cuadradas) simtricas y antisimtricas se pueden caracterizar

utilizando la relacin que tienen con sus traspuestas.
Slo para matrices cuadradas
A simtrica si y slo si
A antisimtrica si y slo si
, es decir:
, es decir:
Cmo son los elementos de la diagonal principal

de una matriz antisimtrica?
Matrices
46
A continuacin estudiamos ciertas matrices que deben su peculiaridad al

comportamiento que presentan sus potencias. Las matrices idempotentes, por ejemplo,
desempean un papel importante en algunas reas de la Estadstica y la Econometra.
Slo para matrices cuadradas
A peridica si
. Si p es el menor
nmero natural que satisface
, entonces
decimos que A es una matriz peridica de perodo p.
A idempotente si
A nilpotente si
. Si p es el
menor nmero natural que satisface
,
decimos que A es una matriz nilpotente de ndice p.
A involutiva si
Matrices
Pg. 47
EJERCICIOS
1. Dadas las matrices
1 3 3
A = 1 4 3
1 3 4
1 2
1
B = 2
0 1
6 1 0
calcula 3At Bt .
2. Obtener las matrices X e Y que verifiquen los sistemas:
a)
1 5
2 X 3Y =
4 2
1 0
X Y =
3 6
b)
2 1
X +Y =
3 0
6 2
X Y =
0 1
c)
3 1
2X + Y =
0 2
1 0
X + 2Y =
2 4
Matrices
Pg. 48
Matrices
Pg. 49
Matrices
Pg. 50
5.- La matriz inversa

En el caso particular de que tratemos con matrices cuadradas del mismo orden
A y B, es claro que podemos efectuar los productos AB y BA, que darn
como resultado otra matriz del mismo orden, aunque, como ya se ha dicho, las
matrices resultantes sern, en general, distintas.
Sabemos tambin que el elemento neutro del producto de matrices es la matriz
identidad In.
Recordemos que ocurra con los nmeros reales:
El inverso del nmero 2 para el producto es un nmero
real x tal que
2x = 1,
el producto de 2 por x es igual al elemento neutro, el 1.
En el caso de los nmeros
reales es bien fcil despejar x:
x=
Esto nos permite

resolver ecuaciones
del tipo:
ax = b
2x = 6
1
2
El inverso de un nmero real es otro nmero que

multiplicado por l da el elemento neutro, el 1.
Todo nmero real, salvo el 0, tiene inverso.
1 2x = 1 6
2
2
1
x=3
Matrices
Pg. 51

Trasladando esto a las matrices, nos podemos plantear si dada una matriz
cuadrada A de orden n, cualquiera, existe su inversa X para el producto de
matrices, tal que
A X = In
es decir, el producto de A por su inversa produce el elemento neutro matricial,

la matriz identidad In.
Sin embargo, hay algunas diferencias con respecto al caso de los nmeros
reales:
1) No podemos despejar la matriz X del modo X = In/A, porque no hemos
definido la divisin de matrices.
2) No todas las matrices cuadradas no nulas tienen matriz inversa (sea lo
que sea, por analoga con los nmeros).
Matrices
Pg. 52

Si A es una matriz cuadrada, se dice que B es la inversa de A si
AB = BA = I,
siendo I la matriz unidad o identidad.
La matriz inversa de A se representa por A1.
Si una matriz cuadrada de orden n , A, tiene inversa se dice que A es
invertible (o que posee inversa o que es no singular o que es regular).
Por tanto, si una matriz cuadrada de orden n , A, tiene inversa, A1 , se
cumple que:
A A1 = I n
A1 A = I n
Si A no tiene inversa, se dice que es singular o no invertible.

Si una matriz tiene inversa, dicha matriz inversa es nica (slo hay una). Para
calcular dicha matriz inversa, podemos utilizar varios mtodos. A continuacin
veremos dos mtodos. En el tema 3 veremos otro.
Matrices
Pg. 53
5. 1. Mtodo directo
Consiste en determinar A1 planteando un sistema de ecuaciones, es decir, si

por ejemplo queremos determinar la inversa de la matriz
1 2
A=
1
1
lo que buscamos es otra matriz de igual tamao (orden 2) A

que debe cumplir A A1 = I2 y A1 A = I2,
1 2 x
A A = I2
z
1
1
x + 2z = 1
y + 2t = 0
x + z = 0
y + t = 0
x
=
z
y
t
y 1 0
x + 2 z y + 2t 1 0
=
x + z y + t = 0 1
t 0 1
Es decir, hemos de resolver un sistema de 4 ecuaciones

con 4 incgnitas, aunque en realidad son 2 sistemas de
dos incgnitas cada uno (uno con x y z y otro con y y t).
Matrices
Pg. 54

x + 2z = 1
y + 2t = 0
x + z = 0
y + t = 0
5. 1. Mtodo directo
Resolviendo el sistema se obtiene que
x= 1
3
y = 2
3
1
por lo que la matriz inversa es: A1 =

1
3
3
z= 1
3
2
1
3
3
t= 1
3
1 1 2
=
3 1 1
Se puede comprobar que tambin se cumple que A1 A = I2, luego A es

invertible, tiene inversa.
Matrices
Pg. 55
5. 1. Mtodo directo
No todas las matrices tienen inversa.

Si el sistema no tiene solucin, la matriz no tiene inversa.
1 1
2
2
Por ejemplo, si A =
1
A A = I2
1 1 x
2 2 z
x+z=1
y+t=0
2x + 2z = 0
2y + 2t = 0
y 1 0
y + t 1 0
x+z
=
2 x + 2 z 2 y + 2t = 0 1
t 0 1
Y por ejemplo de 2x + 2z = 0 se obtiene x = z, si

se sustituye en la primera ecuacin es z + z = 1,
es decir 0 = 1 (imposible). El sistema no tiene
solucin.
Por tanto A no es invertible, es singular.

Este mtodo directo slo se suele utilizar para matrices cuadradas de tamao
2, puesto que para las de tamao 3 obtenemos un sistemas de !9 ecuaciones
con 9 incgnitas! que realmente es difcil de resolver.
Matrices
Pg. 56
5. 2. Mtodo de Gauss-Jordan
Consiste en hacer transformaciones elementales en las filas de la matriz para

llegar a obtener la matriz identidad. Realizando estas mismas transformaciones
con la matriz identidad llegamos a la matriz A1.
Sea A = (aij) la matriz dada e I3 la matriz unidad. Se parte del siguiente esquema:
a11
a
21
a31
a12
a22
a32
a13
a23
a33
1 0 0
0 1 0
0 0 1
(A | I3)
Aplicar transformaciones
elementales hasta llegar a
la forma:
1 0 0 b11 b12
0 1 0 b
b22
21
0 0 1 b31 b32
b13
b23
b33
(I3 | A1)
Si en el proceso aparece en el lugar de la matriz A (en la parte izquierda)

alguna fila nula, la matriz no tiene inversa.
Matrices
Pg. 57
EJEMPLO
1 2
1
1
Calcula por el mtodo de Gauss-Jordan la inversa de la matriz A =
i) Consideramos la matriz formada por A y la matriz identidad correspondiente:
(A | I2) =
1 2
1 1
1
0
0
1
ii) Se hace la matriz A triangular superior (es decir, hacemos ceros por debajo
de la diagonal principal) usando transformaciones elementales en filas.
En nuestro caso, basta sumar la fila 2 con la fila 1, y se obtiene:
(A | I2) =
1 2
1 1
1
0
0
1
F2 F2 + F1
1
0
2
3
1
1
0
1
Matrices
Pg. 58
iii) Una vez hecha la matriz triangular superior, se hace la matriz triangular
inferior, haciendo ceros a los elementos por encima de la diagonal. El proceso
es parecido al anterior:
1
0
2
3
1
1
0
1
3
0
F1 3F1 2F2
0
3
1 2
1 1
iv) Ya tenemos una matriz diagonal. Lo nico que falta es dividir a cada fila
entre el nmero adecuado para obtener unos en la diagonal principal, es decir,
para obtener la matriz identidad en la parte izquierda:
3
0
0
3
1 2
1 1
1
0
(F1)/3 , (F2)/3
0
1
1/3 2/3
1 /3 1 /3
v) Una vez se tiene la matriz identidad en la parte de la izquierda, la parte

derecha es la matriz inversa, es decir, llegamos a:
(I2 | A1) =
1 0
0 1
1/3 2/3
1 /3 1 /3
A1
1/3 2/3
1 /3 1 /3
matriz que habamos obtenido antes por el mtodo directo.
1 1 2
=
3 1 1
Matrices
Pg. 59
Condicin para que una matriz tenga inversa

(segn el mtodo de Gauss)
Si al realizar el mtodo de Gauss-Jordan en algn momento alguna fila es de
ceros, la matriz no tiene inversa.
EJEMPLO
1 1
A
=
Si calculamos por este mtodo la inversa de
2 2 resulta:
(A | I2) =
1
2
1
2
1
0
0
1
F2 F2 2F1
1
0
1 1
0 2
0
1
Como aparece una fila de ceros, la matriz A no tiene inversa.
Cuanto mayor sea el orden de la matriz, mejor es este mtodo frente al directo.
Matrices
Pg. 60
EJEMPLO
1 1 0
Calcula, por el mtodo de Gauss-Jordan, la inversa de la matriz B = 1 1 2
1 0 1
Siguiendo los pasos anteriores:
1 1 0
(B | I3) = 1 1 2
1 0 1
F3 2F3 + F2
1
0
0
1
4
0
1
0
0
0
1
0 3
4 1
1 0 0
0 1 0
0 0 1
1
2
0
0
1
2 1
4 1
0 0
1 2
1 2
F2 F2 + F1
1 1 0
1
0 2 2 1
0 1 1 1
F3 F3 F1
0 0
1 0
1 2
F1 4F1 F2
0 0
1 0
0 1
F2 2F2 F3
4
0
0
0
4
0
0 1 1 2
0 3 1 2
4 1 1 2
Matrices
Pg. 61

4
0
0
0
4
0
0 1 1 2
0 3 1 2
4 1 1 2
1 0 0
0 1 0
0 0 1
F1
F2
F3
1/4 1/4 2/4

3/4 1/4 2/4
1/4 1/4 2/4
= (I3 | B1)
B1 =
Tambin se puede expresar, sacando factor comn:
1/4 1/4 1/2

3/4 1/4 1/2
1/4 1/4 1/2
B1 =
1
4
1 1 2
3 1 2
1 1 2
Matrices
Pg. 62

EJERCICIOS
1. Calcular por el mtodo de Gauss-Jordan la inversa de las matrices:
2 1
A=
3
1
2. Dada la matriz diagonal
1 2 3
B = 3 2 4
2 1 0
2 1 4
C = 0 1 2
1 0 1
3 0 0
D = 0 2 0
0 0 5
calcula su inversa. Cmo calcularas de forma rpida la inversa de una

matriz diagonal cualquiera?
Matrices
Pg. 63
6.- Rango de una matriz

A continuacin veremos cmo asignar a una matriz un parmetro llamado rango.
El concepto de rango se encuentra ligado al de independencia lineal de filas o
columnas de una matriz, pero no se introducir de esta manera porque se
requieren conceptos que no conocemos.
Baste saber que se define el rango de una matriz como el nmero mximo de
filas o columnas linealmente independientes.
Sin embargo, el clculo del rango de una matriz lo abordaremos desde otra
perspectiva, utilizando el mtodo de Gauss.
Supongamos que tenemos una matriz cualquiera A a la que aplicamos el
mtodo de Gauss con el fin de simplificarla lo ms posible (es decir,
consiguiendo que tenga el mayor nmero de ceros posible, que est en forma
escalonada), realizando operaciones elementales en filas.
Llamaremos rango de la matriz A y lo representaremos por Rang(A) al nmero
de filas no nulas de la matriz tras aplicarle el mtodo de Gauss.
Matrices
Pg. 64

Rango de una matriz escalonada
El rango de una matriz escalonada A es el nmero de filas no nulas
de A. Lo denotamos por rang(A)
EJEMPLOS
3 1 1 rang(A) = 2
A=
0
2
6
1 5 0
B = 0 3 2 rang(B) = 3
0 0 2
4
0
C =
0
0
6
0
0
0
rang(C) = 1
1 5 0
D = 0 3 2 rang(D) = 2
0 0 0
Matrices
Pg. 65

Rango de una matriz cualquiera
Nos preguntamos ahora cmo podemos definir el rango de una matriz
cualquiera.
Vimos que mediante transformaciones elementales podemos transformar
cualquier matriz en otra equivalente que sea escalonada.
El rango de una matriz A es el rango de una matriz escalonada
equivalente a A.
As que para obtener el rango de una matriz la transformamos en una

matriz escalonada mediante transformaciones elementales (Las
transformaciones elementales no modifican el rango).
El rango de la matriz ser el nmero de filas no nulas de la matriz
escalonada.
Matrices
Pg. 66

EJEMPLOS
1 1
a) A =
2
2
0 3
b) B =
1
1
Calcular el rango de las siguientes matrices:

F2 F2 2F1
F2 F1
1 1 0
c) C = 2 1 1
1 1 2
1 1
0 0
1 1
0 3
F2 F2 2F1
F3 F3 + F1
Rg(A)=1 ,slo una fila distinta de cero.
Rg(B)=2 hay 2 filas no nulas.
0
1 1
0 1 1
0 2 2
F3 F3 + 2F2
1 1 0
0 1 1
0 0 0
Rg(C)=2 hay 2 filas

no nulas.
4
6
2
d) D =
F2 2F2 + F1
2 4 6
0 0 0 Rg(D)=1, slo una fila
no nula.
Matrices
Pg. 67

Los ejemplos anteriores ponen de manifiesto que el rango de cualquier matriz
siempre es menor o igual que el nmero de filas de la matriz.
De hecho se verifica que el rango de cualquier matriz siempre es menor o igual
que su nmero de filas y de columnas, pues el proceso para hacer el mtodo
de Gauss se puede hacer indistintamente mediante operaciones elementales
en filas o en columnas.
Esto permite, antes de calcular el rango de una matriz, saber entre qu valores
va a estar ese rango.
Por ejemplo, en el caso c) del ejemplo, como la matriz es 3x3 , el rango slo
puede ser 0, 1, 2 o 3, no hay otras posibilidades.
En el caso del apartado d), como la matriz es 2 x 3, el rango slo puede ser 0,1
o 2. (De hecho, podemos reducir esto algo ms , pues una matriz slo tiene
rango cero si es la matriz nula).Resumiendo:
Propiedad: Si A es una matriz de tamao m x n no nula se cumple que:
1 rang(A) min{m, n}
Matrices
Pg. 68

EJEMPLO
Calcular en funcin de k el rango de la matriz:
Aplicando Gauss,
1 1 2
A=
3
3
k
F2 F2 3F1
1 1 2
A=
3
3
k
2
1 1
0 0 k 6
Ahora es evidente que si k 6 = 0, la ltima fila es nula. Por tanto, si k = 6, la

ltima fila es nula y el rango de A es 1, Rg(A)=1, mientras que si k - 6 es distinto
de cero, es decir si k es distinto de 6, hay 2 filas no nulas y el rango de A es 2,
Rg(A)=2. Resumiendo:
Si k 6, entonces Rg(A) = 2
Si k = 6, entonces Rg(A) = 1
La siguiente propiedad permite relacionar el concepto de rango con el de matriz
inversa visto anteriormente:
Propiedad:
Una matriz cuadrada A tiene inversa Rg(A) es mximo.
Matrices
Pg. 69

EJERCICIOS
1 2 1
3
1. Calcula el rango de A segn los valores de k: A = 1 1
1
k
5
Para qu valores de k tiene A inversa?
2. Calcula el rango de las matrices:
0 2 1
B = 1 0 1
0 4 2
1 0 1
A=
2
1
0
2 1
0 0
C =
2 1
0 0
1
1
1
0
1
0
1
1
2 1 5 1 8
D = 1 2 3 4 5
1 3 10 11 13
Matrices
Pg. 70
7.- Aplicaciones de las matrices

Las matrices se utilizan en el contexto de las ciencias como elementos que
sirven para clasificar valores numricos atendiendo a dos criterios o variables.
EJEMPLO
Un importador de globos los importa de dos colores, naranja (N)
y fresa (F). Todos ellos se envasan en paquetes de 2, 5 y 10 unidades,
que se venden al precio (en euros) indicado por la tabla siguiente:
2 unid.
5 unid.
10 unid.
Color N
0,04
0,08
0,12
Color F
0,03
0,05
0,08
Sabiendo que en un ao se venden el siguiente nmero de paquetes:

Color N
Color F
2 unid.
700000
50000
5 unid.
600000
40000
10 unid.
500000
500000
Resumir la informacin anterior en 2 matrices A y B, de tamao respectivo 2x3

y 3x2 que recojan las ventas en un ao (A) y los precios (B).
Matrices
Pg. 71

Nos piden que organicemos la informacin anterior en dos matrices de tamao
concreto. Si nos fijamos en las tablas, es sencillo obtener las matrices:
2 unid
5 unid
10 unid
700000 600000 500000

A=
50000
40000
500000
N
F
0,04 0,03
B = 0,08 0,05
0,12 0,08
2 unid
5 unid
10 unid
Estas matrices se denominan matrices de informacin, y simplemente

recogen los datos numricos del problema en cuestin.
Otras matrices son las llamadas matrices de relacin, que indican si ciertos
elementos estn o no relacionados entre s. En general, la existencia de
relacin se expresa con un 1 en la matriz y la ausencia de dicha relacin se
expresa con un 0.
Estas matrices se utilizan cuando queremos trasladar la informacin dada por
un grafo y expresarla numricamente.
Matrices
Pg. 72

En Matemticas, un grafo es una coleccin cualquiera de puntos conectados
por lneas.
Existen muchos tipos de grafos. Entre ellos, podemos destacar:
* Grafo simple: Es el grafo que no contiene ciclos, es decir, lneas que unan un
punto consigo mismo, ni lneas paralelas, es decir, lneas que conectan el
mismo par de puntos.
* Grafo dirigido: Es el grafo que indica un sentido de recorrido de cada lnea,
mediante una flecha.
Estos tipos de grafo pueden verse en la figura:
Grafo
Grafo simple
Grafo dirigido.
Matrices
Pg. 73

Relacionadas con los grafos se pueden definir algunas matrices. Entre todas
ellas, nosotros nos fijaremos en la llamada matriz de adyacencia, que es
aquella formada por ceros y unos exclusivamente, de tal forma que:
* un 1 en el lugar (i,j) expresa la posibilidad de ir desde el punto de la fila i
hasta el punto de la columna j mediante una lnea que los una directamente.
* un 0 en el lugar (i,j) expresa la imposibilidad de ir del primer punto al
segundo mediante una lnea que los una directamente.
La matriz de adyacencia del grafo dirigido de la figura anterior ser:
A
B
C
D
0
0
1
0
1
0
0
0
0
1
0
0
1
0
0
0
Matrices
Pg. 74

EJERCICIOS
1. Escribe las correspondientes matrices de adyacencia de los grafos:
2. Dibuja los grafos dirigidos que correspondan a las matrices de adyacencia:

A
A
B
C
0 1 0
1 0 1
0 0 0
A
B
C
D
0
0
1
0
1
0
0
1
1
0
0
1
1
1
0
0
Matrices
75
Resolucin de sistemas de ecuaciones lineales:

a11 x1 + a12 x2 + + a1n xn = b1
a21 x1 + a22 x2 + + a2 n xn = b2
am1 x1 + am 2 x2 + + amn xn = bm
Matriz aumentada
asociada, para resolver
el sistema de ecuaciones
lineales.
a11 a12 a1n
a21 a22 a2 n

am1 am 2 amn
b1
b2

bm
Matrices
2x1 + 6x2 + x3 = 7
x1 + 2x2 x3 = 1
5x1 + 7x2 4x3 = 9
2 R1 + R2
5 R1 + R3
3 R2 + R3
1 7
2 6
1 2 1 1
5 7 4 9
2 1 1
1
2
3 9
0
0 3
1
14
1 2 1 1
3
9
2
2
0 1
0 0 11 55
2
2
2 R2
11R3
76
R12
1 2 1 1
1 7
2 6
5 7 4 9
2 1 1
1
3
9
1
2
2
0
0 3
1
14
1 2 1 1
3
9
2
2
0 1
0 0
1
5
x1 + 2 x2 x3 = 1
x3 = 5, x2 = 3, x1 = 10
3
9
x2 + x3 =
2
2
x3 = 5
Matrices
77
Resolver mediante el mtodo de Gauss-Jordan

x1 + 3x2 2x3 = 7
4x1 + x2 + 3x3 = 5
2x1 5x2 + 7x3 = 19
4
2
111R2
1
111R3
0
0
3 2 7
1
3
5
5
7 19
3 2 7
1 1 3
1 1 3
Entonces:
4 R1 + R2
2 R1 + R3
3 R2 + R1
R2 + R3
0
0
0
0
3 2 7
11 11 33
11 11 33
0
1
2
1 1 3
0
0
0
x2 x3 = 3
x1 + x3 = 2
Haciendo x3 = t, tenemos x2 = 3 + t, x1 = 2 t.
Matrices
78
Resolver:
x1 + x2 = 1
4x1 x2 = 6
2x1 3x2 = 8
1
1
1
1 0 1
4 1 6 0 1 2
2 3
0 0 16
8
0 + 0 = 16 !! No tiene soluciones.
Matrices
a11 a12 a1n
a21 a22 a2 n
A=
am1 am 2 amn
Vectores columna:
a1n
a12
a11
a2 n
a22
a21
v1 =
, v2 =
, , v n =
amn
am 2
am1
79
Vectores fila:
u1 = (a11 a12 a1n),
u2 = (a21 a22, a2n),,
um = (am1 am2 amn)
El rango de una
matriz A m n, es el
mximo nmero de
vectores fila
linealmente
independientes.
1 1 3 32RR1++RR2 1
1 1 3 121R2R+ R3 1 1 1
3
1
2
1
3
4
1
6 8 0 4
8 2 0 1 2 2
A = 2 2
3
0
0 0
5 7 8
2 4 1
0
0
rang A = 2.
Matrices
80
AX = 0
Siempre hay soluciones
(consistente)
Solucin nica X = 0
(solucin trivial)
rang(A) = n
Infinitas soluciones
Rang(A) < n
n r parmetros
Matrices
81
AX = B, B0
Consistente
rang(A) = rang(AB)
Solucin nica
rang(A) = n
Inconsistente
rang(A) < rang(AB)
Infinitas soluciones
rang(A) < n
n r parmetros
Matrices
82
Determinantes
det A =
a11
a12
a21 a22
a11
det A = a21
a31
= a11a22 a12 a21
a12
a22
a32
a13
a23
a33
= a11a22 a33 + a12 a23 a31 + a13 a21a32 a13a22 a31

a11a23 a32 a12 a21a33 .
det A = a11
a22
a23
a32
a33
a21 a23
+ a12
a31 a33
a21 a22
+ a13
a31 a32
Expansin por cofactores a lo largo de la primera fila.
Matrices
83
a11
det A = a21
a31
C11 =
a22
a23
a32
a33
a12
a22
a32
a13
a23
a33
C12 =
El cofactor de aij es
Cij = (1)i+ j Mij
donde Mij se llama menor.
a21 a23
a31 a33
C13 =
a21 a22
a31 a32
det A = a11C11 + a12C12 + a13C13

... O por la tercera fila:
det A = a31C31 + a32C32 + a33C33
Podemos expandir por filas o columnas.
Matrices
2 4 7
A = 6 0 3
1 5 3
2 4
C11 = (1)1+1 6 0
1 5
2 4
C12 = (1)1+ 2 6 0
1 5
2 4
C13 = (1)1+3 6 0
1 5
84
2 4 7
det A = 6 0 3 = 2C11 + 4C12 + 7C13
1 5 3
7
1+1 0
3 = (1)
5
3
7
1+ 2 6
3 = (1)
1
3
7
1+3 6
3 = (1)
1
3
3
3
3
3
0
5
Matrices
85
2 4 7
det A = 6 0 3 = 2C11 + 4C12 + 7C13
1 5 3
1+1 0
det A = 2(1)
3
1+ 2 6 3
1+3 6 0
+ 4(1)
+ 7(1)
5 3
1 3
1 5
= 2[0(3) 3(5)] 4[6(3) 3(1)] + 7[6(5) 0(1)] = 120

Ms corto desarrollando por la segunda fila...
det A = 6C21 + 0C22 + 3C23

1+ 2
= 6(1)
4 7
2+3 2 4
+ 3(1)
1 5
5 3
= 6(23) 3(6) = 120
Matrices
86
6 5 0
A = 1 8 7
2 4 0
6 5
0
det A = 1 8 7 = 0C13 + (7)C23 + 0C33
2 4
0
6 5 0
6 5
2+3
2+3
= (7)(1)
1 8 7 = (7)(1)
2 4
2 4 0
= 7[6(4) 5(2)] = 238
Matrices
87
det AT = det A
det A =
3 4
= 41
det A =
T
7 4
= 41
Si dos filas (columnas) de una matriz A de n n

son idnticas, entonces det A = 0.
6 2 2
A = 4 2 2
9 2 2
6 2 2
det A = 4 2 2 = 0
9 2 2
Matrices
88
Si todos los elementos de una fila (columna) de una

matriz A de n n son cero, entonces det A = 0.
Si B es la matriz obtenida por intercambio de
dos filas (columnas) de una matriz A n n,
entonces:
det B = det A
4 1 9
2
1 3
det B = 6 0 7 = 6 0 7 = det A
4 1 9
2
1 3
Matrices
89
Si B se obtiene de una matriz A n n multiplicando

una fila (columna) por un nmero real k, entonces:
det B = k det A
det B = kai1Ci1 + kai 2Ci 2 + + kain Cin
=
k (ai1Ci1 + ai 2Ci 2 + + ain Cin )
expansin de det A por cofactores a lo largo de la i -sima fila
5 8
1 8
1 1
=5
= 58
20 16
4 16
4 2
1 1
= 582
= 80(1 2) = 80
2 1
= k det A
Matrices
Si A y B son matrices n n, entonces

det AB = det A det B.
2 6
3 4
A=
, B=
5
1 1
3
12 22
AB =
6 9
det AB = 24, det A = 8, det B = 3,

det AB = det A det B.
90
Matrices
91
Si B se obtiene como combinaciones lineales de

filas o columnas de una matriz A n n, entonces:
det B = det A
1 2 3 R + R 5
1
2
5
1 3
A = 3 0 7 3
0
7 = B
4 1 4
11 4 2
det A = 45 = det B = 45.
Matrices
92
0
0
a11
A = a21 a22
0
a
a
a
31 32
33
det A = a11
0
0
0
0
0
6
9 4
0
2
4 2
matriz diagonal
3 0 0
A = 0 6 0
0 0 4
a32
a33
a11 (a22 a33 0 a32 ) = a11a22 a33
matriz triangular inferior
A=
5
a22
3 0
0
0
2 6
0
0
det A =
=
5 9 4
0
7 2
4 2
3 6 (4) (2) = 144
3 0 0
det A = 0 6 0 = (3)64 = 72
0 0 4
Matrices
93
Supongamos que A es una matriz n n.

Si ai1, ai2, , ain son los elementos de la i-sima fila
y Ck1, Ck2, , Ckn son los cofactores de la k-sima
fila, entonces:
ai1 Ck1 + ai2 Ck2 + + ain Ckn = 0, para i k

Igualmente, si a1j, a2j, , anj son los elementos de la
j-sima columna y C1k, C2k, , Cnk son los
cofactores de la k-sima columna, entonces:
a1j C1k + a2j C2k + + anj Cnk = 0, para j k
Matrices
94
Demostracin
Sea B la matriz que obtenemos de A al
cambiarle los elementos de la i-sima fila
por los de su k-sima fila:
bi1 = ak1, bi2 = ak2, , bin = akn
B tendr entonces dos filas idnticas de
modo que det B = 0, y:
0 = det B = ak1Ck1 + ak 2Ck 2 + + aknCkn

= ai1Ck1 + ai 2Ck 2 + + ainCkn
Matrices
2 7
6
A = 4 3 2
2
4
8
a11C31 + a12C32 + a13C33

6
2
2 7
6 7
+ 7
=6
+ 2
3 2
4 3
4 2
= 6(25) + 2(40) + 7(10) = 0
95
Matrices
96
Inversa de un matriz
Sea A una matriz n n. Si existe una matriz

n n B tal que
AB = BA = I
donde I es la matriz identidad n n, entonces
se dice que A es una matriz no singular o
invertible. Y B es la matriz inversa de A.
Si A carece de inversa, se dice que es una
matriz singular.
Sean A, B matrices no singulares.
(i)
(A-1)-1 = A
(ii) (AB)-1 = B-1A-1
(iii) (AT)-1 = (A-1)T
Matrices
97
Matriz adjunta
Sea A una matriz n n. La matriz formada por
la transpuesta de la matriz de cofactores
correspondientes a los elementos de A:
T
C11 C21 Cn1

C11 C12 C1n
C12 C22 Cn 2
C21 C22 C2 n
=

C1n C2 n Cnn
Cn1 Cn 2 Cnn
se llama adjunta de A y se denota por adj A.
Matrices
98
Encontrar la matriz inversa:

Sea A una matriz n n. Si det A 0, entonces:
1
A =
adj A
det A
1
Para n =3:
a11 a12 a13 C11 C21 C31
A(adj A) = a21 a22 a23 C12 C22 C32

a
C
a
a
C
C
31 32
23
33
33 13
0
0
det A
det A
0
= 0
0
0
det
A
Matrices
1 4
A=
2 10
99
1 10 4 5 2
A =
=
1
2 2
1 1
2
1
1 4 5 2 5 4 2 + 2 1 0
=
=
AA =
2 10 1 12 10 10 4 + 5 0 1
1
5 2 1 4 5 4 20 20 1 0
A A=
=
=
1
1 + 1 4 + 5 0 1
1
2 2 10
1
Matrices
100
A = 2
3
1
C11 =
0
2 0
1 1
0 1
2 1
1
= 1 C12 =
=5
1
3 1
2 0
= 2
C21 =
0 1
2 0
=2
C31 =
1 1
2 1
= 3
C13 =
3 0
2 0
2 2
= 2 C23 =
=6
C22 =
3 1
3 0
2 2
2 0
= 2 C33 =
=6
C32 =
2 1
2 1
1
2 112 16
1 2
6
5
1
1
1
1
6
A = 5
2 2 = 12
6
12
1
1
1
3
6
6
4
2
2
Matrices
2 0 1
A = 2 3 4
5 5 6
101
a11 a12 a1n
a21 a22 a2 n
(A | I) =
an1 an 2 ann
2 0 1 1 0 0
2 3 4 0 1 0
5 5 6 0 0 1
2 R1
2 R1 + R2
5 R1 + R3
1 0
2 3
5 5
1 0
0 3
0 5
1 0
0 1
0 0
1
0 0
0 1 0
0 0 1
4
6
1
5
17
1
5
0 0
1 0
0 1
Matrices
102
3 R2
1 R
5 3
0
0
R2 + R3 1
0
0
1
30 R3
0
0
1
2 R3 + R1
5 3 R3 + R2 1
0
0
0
1
1
0
1
0
0
1
0
0
1
0
5
1
1
0
3
3
3
17
1
1
0
10
2
5
1
1
0
0
2
2
5
1
1
0
3
3
3
1
1
1
1
30
6
3
5
1
1
0 0
2
2
5
1
1
0
3
3
3
1 5 10 6
0 2
5 3
0 8
17 10
1
5 10
6
1
5 3
2
1
17 10
A = 8
5 10
Matrices
1 1 2
A = 2 4
5
6 0 3
103
1 1 2
5
2 4
6 0 3
1
2 R1 + R2
0
6
1
6 R1 + R3
0
0
R2 + R3
Singular
1 0 0
0 1 0
0 0 1
1 2
1
9 2
6
0 3
0
1
1 2
6
9 2
6
9 6
0
1
0
0
1
0
0
1
0
0
1
1 0 0
1 1 2
9 2
1 0
0 6
0 0
0
4
1
1
Matrices
104
a11 x1 + a12 x2 + + a1n xn = b1
a21 x1 + a22 x2 + + a2 n xn = b2
am1 x1 + am 2 x2 + + amn xn = bm
AX = B
x1
b1
a11 a12 a1n
x2
b2
a21 a22 a2 n
X
=
,
,
B
=
A=
xn
bm
am1 am 2 amn
Si m = n, y A es no singular, entonces:
X = A-1B
Matrices
2 x1 9 x2 = 15
3 x1 + 6 x2 = 16
2 9 x1 15
=
6 x2 16
3
2 9
= 39 0
3
6
1 6 9
2 9
39 3 2
6
3
x1 1 6 9 15 1 234 6
=
= 1
=
x2 39 3 2 16 39 13 3
x1 = 6 , x2 = 1/ 3
105
Matrices
106
2 x1 + x3 = 2
5 x1 + 5 x2 + 6 x3 = 1
2 x1 + 3 x2 + 4 x3 = 4
x1 2

x2 = 2
x 5
3
2
= 8
5
2 0 1
A = 2 3 4
5 5 6
1 2

3 4 4
5 6 1
5 3 2 19

17 10 4 = 62
10
6 1 36
x1 = 19 , x2 = 62 , x3 = 36
Matrices
107
C11 C21 Cn1 b1

1 C12 C22 Cn 2 b2
-1
X=A B=

det A

C1n C2 n Cnn bn
b1C11 + b2C21 + + bncn1
1 b1C12 + b2C22 + + bncn 2

=
det A
b1C1n + b2C2 n + + bncnn
Regla
de
Cramer
b1C1k + b2C2 k + + bnCnk

xk =
det A
det A k
=
det A
Matrices
108
a11 x1 + a12 x2 + + a1n xn = 0

a21 x1 + a22 x2 + + a2 n xn = 0
am1 x1 + am 2 x2 + + amn xn = 0
Un sistema homogneo de n ecuaciones

lineales, AX = 0 tiene solo la solucin trivial
(ceros) si y solo si A es no singular.
Un sistema homogneo de n ecuaciones
lineales, AX = 0 tiene una solucin no trivial
si y solo si A es singular.
Matrices
Pg. 109

Clases de Matrices (2015)

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Clases de Matrices (2015)

Caricato da

Copyright:

Formati disponibili

Matrices

1.- Matrices. Definicin y primeros ejemplos

Cada elemento de la matriz lleva dos subndices:

El conjunto de todas las matrices de

1.- Matrices. Definicin y primeros ejemplos

Son ejemplos de matrices los siguientes:

1.- Matrices. Definicin y primeros ejemplos

2.- Tipos de matrices

4 9 ) es una matriz fila de dimensin 1 x 4.

Se llama matriz columna a la que slo consta de una columna, es decir su

es una matriz columna de dimensin 3 x 1.

Una matriz es cuadrada cuando tiene el mismo nmero de filas que de

2 1 es una matriz cuadrada

Matriz cuadrada de orden n:

Mismo nmero de filas

forman la diagonal principal

2.- Tipos de matrices

En la matriz D, la diagonal principal est formada por 1, 5, 0.

2.- Tipos de matrices

Si una matriz es a la vez triangular superior e

Los siguientes conceptos se refieren exclusivamente a matrices cuadradas:

Matriz triangular superior

Matriz triangular inferior

Ceros debajo de la diagonal principal

Ceros encima de la diagonal principal

Ceros fuera de la diagonal principal

Ceros fuera de la diagonal principal,

2.- Tipos de matrices

Se llama matriz nula a la que tiene todos los elementos cero.

es una matriz nula de tamao 2x5.

2.- Tipos de matrices

En ellas se cumple que:

Si hay filas nulas, estn situadas en la parte inferior de la matriz.

Multiplicar todos los elementos

Reducir a forma escalonada la matriz

Para facilitar los clculos posteriores,

Reduce a forma escalonada las matrices:

4.- Operaciones con matrices

Dadas dos matrices A y B de la misma dimensin m n, la matriz suma,

(aij) + (bij) = (aij + bij)

Si las matrices tienen diferente tamao, no se pueden sumar o restar entre s.

4.- Operaciones con matrices

Propiedades de la suma de matrices:

La existencia de elemento opuesto permite definir la matriz diferencia

A + B = ( aij + bij ) = ( bij + aij ) = B + A

( B.+ C ) = ( aij ) + ( bij + cij ) = ( aij + bij +

+ bij + cij = ( aij + bij ) + ( cij ) = ( A + B ) + C

4.- Operaciones con matrices

Opuesta de una matriz

4.- Operaciones con matrices

A2000 = 14,5 10 1,2 B

Calcula y expresa en forma de matriz el total de exportaciones para el

4.- Operaciones con matrices

4. 2. Producto por un n real

Dada una matriz cualquiera A de dimensin m n y un nmero real k, el

a11 ... a1n k a11 ... k a1n

4.- Operaciones con matrices

4. 2. Producto por un n real

halla una matriz X que verifique la ecuacin: 2X 4A = B

2. Determina las matrices X e Y sabiendo que:

4.- Operaciones con matrices

Producto de una matriz fila por una matriz columna.

Definimos el producto de la matriz A por la matriz B (en este orden):

Hemos emparejado cada elemento de A con un