Captulo 5

Matrices
Las matrices son objetos que aparecen con mucha frecuencia en la modelacion de diversos problemas. Sobre ellas se han desarrollado teoras y tecnicas
de gran importancia. Su manejo permite abordar y encontrar soluciones a
numerosos problemas, adem
as de apoyar decididamente a la organizaci
on de
la informaci
on.
Antes de continuar, recordemos la definicion de matriz vista en el captulo
anterior: Una matriz A de m filas o renglones y n columnas es un arreglo
de la forma:

a11
a21
..
.

a12
a22
..
.

...
...
..
.

A=
ai1 ai2 . . .

..
..
..
.
.
.
am1 am2 . . .

a1j
a2j
..
.

..
.

a1n
a2n
..
.

aij
..
.

..
.

ain
..
.

amj

amn

El termino aij es llamada la entrada ij o el coeficiente ij de la matriz, se

encuentra en el iesimo rengl
on y en la j-esima columna de la matriz, para
i = 1, 2, . . . , m y j = 1, 2, . . . , n. El n
umero de filas o renglones y el n
umero
de columnas que tiene determinan su tama
no o su orden, en este caso como
tiene m renglones y n columnas decimos que la matriz A es de tama
no o de
orden m n (m por n).
Utilizamos tambien la notaci
on:
A = [aij ] donde i = 1, . . . , m; j = 1, . . . , n.
A la entrada aij la escribiremos como entij (A) o simplemente entij .
1

CAPITULO 5.

MATRICES

Denotamos con Mmn al conjunto de matrices de m renglones y n

columnas.
Mmn = {A = [aij ] | aij R para i = 1, 2, . . . , m y j = 1, 2, . . . , n}.
Ejemplo 5.1.
Como ya el lector habra observado, hemos representado a los vectores
como matrices, por ejemplo:
En R2 , los vectores [1, 0], [0, 1] y [2, 1], son matrices de un rengl
on por
dos columnas.
En R3 , los vectores [1, 0, 0], [0, 1, 0] [0, 0, 1] y [2, 1, 3], son matrices de
un rengl
on por tres columnas.
En general, un vector en Rn representado ~x = [x1 , x2 , . . . , xn ] es una
matriz de un rengl
on por n columnas, 1 n.
    

1
0
1
2
En forma an
aloga, en R , los vectores
,
,
, son matri0
1
2
ces de dos renglones por una columna.

1
0
0
1
En R3 , los vectores 0 , 1 , 0 , 2 , son matrices de tres
0
0
1
2
renglones por una columna.

y1
y2

En general, un vector representado como ~y = . es una matriz de

..
yn

n renglones por una columna, n 1.

Con m
as frecuencia utilizaremos letras may
usculas para denotar a las
matrices: A, B, a veces, les pondremos subndices para distinguirlas, como
Ai , Bi , por ejemplo.
En una matriz vamos a distinguir sus renglones y columnas. Sea A tal
que

1 3 4
A= 1 0 2
6 1 4
Llamamos a:

3
[1, 3, 4] su primer rengl
on, lo denotamos R1 (A).
[1, 0, 2] su segundo rengl
on, lo denotamos R2 (A).
[6, 1, 4] su tercer rengl
on, lo denotamos R3 (A).
y a:

1
1 , su primera columna, la denotamos Col1 (A).
6

3
0 su segunda columna, la denotamos Col2 (A).
1

4
2 su tercera columna, la denotamos Col3 (A).
4
Para

1
2
A=
1
0

1
1
5
3

4
2

8
1

R1 (A) = [1, 1, 4], R2 (A) = [2, 1, 2], R3 (A) = [1, 5, 8] y R4 (A) = 0, 3, 1]

mientras que,

1
2

Col1 (A) =
1 ,
0

1
1

Col2 (A) =
5 ,
3

4
2

Col3 (A) =
8 .
1

Dada una matriz A con m renglones y n columnas denotaremnos con

R1 (A) al primer rengl
on, con R2 (A) al segundo, en general, Ri (A) denotara
el i-esimo rengl
on de A para i = 1, . . . , m, los contamos de arriba para abajo.
Para las columnas, como en A hay n columnas, las denotamos como
sigue: la primera con Col1 (A), la segunda con Col2 (A), y en general Colj (A)

CAPITULO 5.

MATRICES

denotara la columna j-esima de A para j = 1, . . . , n, las contamos de

izquierda a derecha.
Una matriz A Mmn puede describirse en terminos de sus m renglones
como:

R1 (A)
R2 (A)

..

A=
Ri (A)

..

.
Rm (A)
Ri (A) = [ai1 , ai2 , ai3 , . . . , aij , . . . , ain ]; i = 1, . . . , m.
Tambien, puede describirse mediante sus columnas:
A=

Col1 (A) | Col2 (A) |

| Coln (A)

donde

a1j
a2j
a3j
..
.

Colj (A) =

aij

..
.
amj

; j = i, . . . , n.

Observaci
on: Si A Mmn podemos ver a los renglones o filas de la
matriz como vectores con n componentes, est
an en Rn ; mientras que
sus columnas tienen m componentes, son vectores en Rm .
Como se recordara, se dijo que los vectores ~v = [a, b] y w
~ = [c, d] son
iguales si y solamente si a = c y b = d, es decir, la primera entrada de cada
uno de ellos es igual y la segunda entrada tambien.
Haremos algo similar para establecer la igualdad entre matrices:
Ejemplo 5.2.

5
1. Sean A y B las siguientes matrices:




1 2
1
2
A=
; B=
3 1
3 a6
Como se puede ver, las entradas ent11 , ent12 y la ent21 coinciden en
ambas. Tendremos que A = B siempre y cuando la entrada ent22 sea
igual para ambas, es decir, 1 = a 6, o a = 7.
2. Sean A y B las siguientes matrices:


1 2 a+1
;
A=
3 7
1

B=

1 2 3
3 3b 1

Como se puede ver, las entradas ent11 , ent12 , ent21 y la entrada ent23
coinciden en ambas. Tendremos que A = B siempre y cuando se
cumpla: ent13 (A) = ent13 (B) y ent23 (A) = ent23 (B), es decir, a + 1 =
3 y 3b = 7, en forma equivalente, a = 2 y b = 21.
Observe que para considerar una igualdad entre dos matrices A y B, se
debe ver primero que su tama
no u orden sea igual. Posteriormente, verificar
que coincidan cada una de las entradas correspondientes.
Definici
on 5.1: Igualdad entre matrices
Sean A y B dos matrices de tama
no m n.

b11 b12
a11 a12 a1n
b21 b22
a21 a22 a2n

..
..
..
..
..

.
.
.
.
; B = .
A=
bi1 bi2
ai1 ai2 ain

..
..
..
..
..

.
.
.
.
.
bm1 bm2
am1 am2 amn

b1n
b2n
..
.

bin
..
.

bmn

Decimos que A y B son iguales y escribimos A = B, si para cada

una de sus entradas se cumple que:
aij = bij donde i = 1, . . . , m;

j = 1, . . . , n.

Si A Mnn , decimos que A es una matriz cuadrada.

CAPITULO 5.

MATRICES

Por ejemplo, las matrices siguientes son cuadradas:

A1 =

1 2
2 5

1 2 3
A2 = 4 5 6 .
7 8 9

Reciben un nombre especial, las matrices de la forma:



1 0 0
1 0
I1 = [1], I2 =
, I3 = 0 1 0 ,
0 1
0 0 1

1 0 0 0 0
0 1 0 0 0

0 0 1 0 0

In = . . .
.. .
.. .. ..
.

0 0 0 1 0
0 0 0 0 1
son llamadas respectivamente matriz identidad de tama
no uno, 2, 3,
y n.
Definici
on 5.2: Matriz identidad
Para n cualquier n
umero natural, se llama la matriz identidad a la
matriz Inn de tama
no n. Por comodidad escribiremos Inn = In .
In = [isr ], s, r = 1, . . . , n, tal que la entrada entsr (In ) = isr es:

isr = 1, s = r
isr =
isr = 0, s 6= r
Otro tipo de matrices cuadradas son las matrices que se llaman matrices
diagonales, ejemplos de ellas son las que llamamos matrices identidad y las
siguientes:

A1 =

4 0
0 3

3 0 0

A2 = 0 4 0 ,
0 0 0

2 0 0

A3 = 0 3 0 ,
0 0 4

2
0
A4 =
0
0

0
2
0
0

0
0
4
0

0
0
.
0
4


5.1. ALGEBRA
DE MATRICES

Si A es una matriz cuadrada de tama

no n es tal que todas sus entradas
son igual a cero, excepto posiblemente las que aparecen en la diagonal, es
decir, aij = 0 cuando i 6= j, le llamamos matriz diagonal.
Si una matriz tiene en su diagonal los n
umeros 1 , 2 , . . . , n , la escribimos como Dg[1 , 2 , . . . , n ] y su forma es:

Dg[1 , 2 , . . . , n ] =

1 0 . . .
0 2 . . .
..
..
..
.
.
.
0 0
0

0
0
..
.
n

Se llama la matriz cero o matriz nula a la matriz cuadrada de

cualquier tama
no definida como 0 = [aij ] donde aij = 0 para todos los
valores de i y de j.
Por ejemplo la matriz cero de orden 4 4 es:

0
0
0=
0
0

5.0.1

0
0
0
0

0
0
0
0

0
0
.
0
0

Ejercicios

1
2
1. Para la matriz A =
1
0

0
2
3
1

0 1
3
5
encuentre:
0
9
0 10

ent1,3 , ent2,4 , ent4,3 , R2 y Col3 .

2. Construya la matriz diagonal Dg[1, 2, 3, 4, 5, , 6].

5.1

Algebra
de matrices

En esta secci
on estableceremos las operaciones algebraicas que podemos realizar con las matrices y sus propiedades.

CAPITULO 5.

5.1.1

MATRICES

Producto de matrices

Consideremos el ejemplo siguiente:

Ejemplo 5.3.
En un comercio se arman canastas chicas, medianas y grandes de frutos secos con bolsitas de 50 gramos de nueces, pistaches y avellanas. Las
canastas chicas contienen una bolsa de nueces, 3 de pistaches y 6 bolsas de
avellanas, las canastas medianas, se arman con 2 de nueces, 4 de pistaches
y 6 bolsas de avellanas y las canastas grandes con 4 bolsas de nueces, 8 de
pistaches y 6 de avellanas.
El empleado recibe un pedido, arma las canastas y lo entrega. Cuando el
due
no llega se da cuenta que se utilizaron 24 bolsas de nueces, 50 de pistaches
y 48 de avellanas, para su registro de ventas necesita saber cu
antas canastas
se vendieron de cada tama
no.
Organizamos la informaci
on del problema uitilizando una tabla:
chica mediana grande bolsas
nueces
pistaches
avellanas

1
3
6

2
4
6

4
8
6

24
50
48

Se quiere conocer el n
umero de canastas que fueron armadas de cada
uno de los tama
nos.
Sea x1 el n
umero de canastas que se armaron de tama
no chico con una
bolsa de nueces, tres de pistaches y 6 de avellanas.
Sea x2 el n
umero de canastas que se armaron de tama
no mediano con
dos bolsas de nueces, 4 de pistaches y 6 de avellanas.
Sea x3 el n
umero de canastas que se armaron de tama
no grande con 4
bolsas de nueces, 8 de pistaches y 6 de avellanas.
Tenemos que se utilizaron 24 bolsas de nueces para armar x1 canastas
con una bolsa de nueces, x2 canastas con 2 bolsas de nueces y x3 canastas
con 4 bolsas de nueces. Esto lo representamos como:
x1 + 2x2 + 4x3 = 24


5.1. ALGEBRA
DE MATRICES

Tambien se utilizaron 50 bolsas de pistaches para armar x1 canastas que

contenan tres bolsas de pistaches, x2 canastas con 4 bolsas de pistaches y
x3 canastas con 8 bolsas de pistaches. Esto lo representamos como:
3x1 + 4x2 + 8x3 = 50
En forma similar establecemos las relaciones entre el n
umero de canastas
de cada tama
no armadas y las bolsas de avellanas utilizadas para los tres
tama
nos de canastas.
6x1 + 6x2 + 6x3 = 48
Las tres ecuaciones forman un sistema de ecuaciones lineales con tres
inc
ognitas y para conocer el n
umero de canastas de cada tama
no que se
vendieron, debemos resolverlo:
x1 + 2x2 + 4x3 = 24
3x1 + 4x2 + 8x3 = 50
6x1 + 6x2 + 6x3 = 48
Si resolvemos el sistema por el metodo de eliminaci
on gaussiana o por el
metodo de Gauss-Jordan vistos en el captulo anterior, encontraremos que
el sistema tiene u
nica soluci
on, que es:

x1
2
x2 = 1 .
x3
5
De donde el due
no del negocio puede registrar la venta que hizo su empleado. El empleado arm
o y vendi
o 2 canastas chicas, 1 mediana y 5 grandes.
Veamos la raz
on de analizar el ejemplo:
Comparemos la informaci
on que aparece en la fila de las nueces de la
tabla que hicimos y la primera ecuaci
on del sistema obtenido:
nueces

1
2
4
24
x1 + 2x2 + 4x3 = 24

Las inc
ognitas en el problema son el n
umero de bolsas utilizados en las
canastas de cada tama
no, x1 , x2 y x3 .

10

CAPITULO 5.

MATRICES

Recordemos que en los captulos 2 y 3 se definio la operaci

on producto
punto tambien llamada producto interior entre vectores.
Si por ejemplo consideramos vectores en el espacio tridimensional, para:
~v = [v1 , v2 , v3 ] y w
~ = [w1 , w2 , w3 ], su producto punto se define como el
escalar ~v w
~ = [v1 , v2 , v3 ] [w1 , w2 , w3 ] = v1 w1 + v2 w2 + v3 w3 .
Representemos a ~v y a w
~ de la siguiente forma:
~v = [v1 , v2 , v3 ] es una matriz rengl
on de tama
no 1 3.

w1
w
~ = w2 es una matriz columna de tama
no 3 1.
w3
La ecuaci
on que nos da el total de bolsas de nueces utilizadas para armar
todas las canastas
x1 + 2x2 + 4x3 = 24

la interpretamos como el producto punto de los vectores:

x1
[1, 2, 4] x2 = 1x1 + 2x2 + 4x3 = 24.
x3

Analogamente, la ecuaci
on que nos da el total de bolsas de pistaches
utilizadas para armar todas las canastas
3x1 + 4x2 + 8x3 = 50
la interpretamos como el producto punto de los vectores:

x1
[3, 4, 8] x2 = 3x1 + 4x2 + 8x3 = 50.
x3

Para la tercera ecuaci

on, la concerniente a las bolsas de avellanas
6x1 + 6x2 + 6x3 = 48
la interpretamos como el producto punto de los vectores:

x1
[6, 6, 6] x2 = 6x1 + 6x2 + 6x3 = 48.
x3


5.1. ALGEBRA
DE MATRICES

11

Podemos construir un arreglo diferente en

maci
on junta:

x1
1 2 4
3 4 8 x2 =
6 6 6
x3

el que ponemos toda la infor

24
50
48

(1)

Si sustituimos en este arreglo los valores de x1 , x2 y x3 obtenidos al

encontrar la soluci
on del sistema, obtenemos:

24
2
1 2 4
3 4 8 1 = 50 (1 )
48
5
6 6 6

En las igualdades (1) y (1 ) escritas arriba tenemos que el primer factor

del lado izquierdo a una matriz A de tama
no 3 3:

a11 a12 a13

1 2 4
A = a21 a22 a23 = 3 4 8 .
6 6 6
a31 a32 a33
Observe que A es la matriz asociada del sistema.

En el segundo factor del lado izquierdo de (1) y (1 ) est

a la matriz B de
tama
no 3 1 formada con las inc
ognitas del sistema y es igual a la matriz
cuyas entradas son los valores que se obtuvieron para ellas:

x1
2

B = x2 = 1 .
5
x3

Del lado derecho derecho de (1) y (1 ) hemos puesto a la matriz de

tama
no 3 1:

c11
24
C = c21 = 50 ,
48
c31
observe que esta matriz columna corresponde a los terminos independientes del sistema.

Reescribimos a (1) y a (1 ) como A B = C de la siguiente forma:

CAPITULO 5.

12

MATRICES

24
a11 a12 a13
2
x1
1 2 4
A B = a21 a22 a23 x2 = 3 4 8 1 = 50 = C.
48
5
6 6 6
a31 a32 a33
x3

Es importante decir que el sistema que construimos lo podemos ver como

el producto de las matrices AB = C :
a11 x1 + a12 x2 + a13 x3 = 24
a21 x1 + a22 x2 + a23 x3 = 50 .
a31 x1 + a32 x2 + a33 x3 = 48
En forma equivalente:

a11 x1 + a12 x2 + a13 x3

24
a21 x1 + a22 x2 + a23 x3 = 50 .
a31 x1 + a32 x2 + a33 x3
48

Sustituyendo el valor de los coeficientes del sistema y de los valores obtenidos

como soluci
on:

24
a11 x1 + a12 x2 + a13 x3
12+21+45
a21 x1 + a22 x2 + a23 x3 = 3 2 + 4 1 + 8 5 = 50 .
48
62+61+65
a31 x1 + a32 x2 + a33 x3

Ahora consideremos a cualesquiera matrices A M33 y B M31 :

a11 a12 a13

b11
A = a21 a22 a23 , B = b21
a31 a32 a33
b31
Repitamos lo hecho para obtener lo que hemos denotado por A B = C

a11 a12 a13

b11
a11 b11 + a12 b21 + a13 b31
A B = a21 a22 a23 b21 = a21 b11 + a22 b21 + a23 b31
a31 a32 a33
b31
a31 b11 + a32 b21 + a33 b31

c11
R1 (A) Col1 (B)


= R2 (A) Col1 (B) = c21 = Col1 (C) = C.
R3 (A) Col1 (B)
c31


5.1. ALGEBRA
DE MATRICES

13

La matriz C es tal que:

el primer rengl
on es el resultado de realizar el producto punto del
primer rengl
on de A con la u
nica columna de B,
el segundo rengl
on de C es el producto punto del segundo rengl
on de
A con la u
nica columna de B y,
el tercer rengl
on de C es el producto punto del tercer rengl
on de A
con la u
nica columna de B:
Hemos multiplicado dos matrices, una de tama
no 3 3 y la otra de
tama
no 3 1.
Consideremos ahora una matriz A M33 como antes y ahora sea B
M32 :

a11 a12 a13

A = a21 a22 a23 ,
a31 a32 a33

b11 b12
B = b21 b22 .
b31 b32

Definimos el producto de las matrices A y B y lo denotamos con AB = C

utilizando lo anterior:

b11 b12
a11 a12 a13
A B = a21 a22 a23 b21 b22 .
a31 a32 a33
b31 b32

a11 b11 + a12 b21 + a13 b31 a11 b12 + a12 b22 + a13 b32
= a21 b11 + a22 b21 + a23 b31 a21 b12 + a22 b22 + a23 b32
a31 b11 + a32 b21 + a33 b31 a31 b12 + a32 b22 + a33 b32

R1 (A) Col1 (B) R1 (A) Col2 (B)

= R2 (A) Col1 (B) R2 (A) Col2 (B)
R3 (A) Col1 (B) R3 (A) Col2 (B)

c11 c12


= c21 c22 = Col1 (C) Col2 (C) = C.
c31 c32

CAPITULO 5.

14

MATRICES

Observaci
on: Se ha considerado en todos los casos que, vistos como
vectores, cada uno de los renglones de A tengan el mismo n
umero de
componentes que cada una de las columnas de B.
Ejemplo 5.4.
Para las matrices A y B en cada uno de los casos que se presentan,
realizaremos el producto AB en forma similar a lo presentado previamente.
1. A es de orden 1 2 y B es de orden 2 1.

A=

AB =

1 3

1 3


5
8

B=

5
8

.


1 5 + 3 8

19

A B es de orden 1 1.
2. A es de orden 2 2 y B es de orden 2 1.

A=

AB =

1 3
2 3

1 3
2 3

B=

5
8

 

   
1 5 + (3 8)
19
5
=
=
.

8
2 5 + (3 8)
14

A B es de orden 2 1.
3. A es de orden 3 2 y B es de orden 2 1.

1 3
A= 2
1 ,
0
2

B=

5
8

 
1 3
1 5 + (3 8)
19
5
A B = 2 3
= 2 5 + (3 8) = 14 .
8
0
2
05+ 28
16
A B es de orden 3 1.


5.1. ALGEBRA
DE MATRICES

15

4. A es de orden 3 3 y B es de orden 3 1.

2 0 3
A= 1 2
1 ,
4 0
2

2
B = 1 .
4

2 0 3
2
2(2) + 0(1) + (3)(4)
16
1 1 = 1(2) + 2(1) +
1(4) = 8 .
AB = 1 2
4 0
2
4
4(2) + 0(1) +
2(4)
16

A B es de orden 3 1.
5. A es de orden 3 3 y B es de orden 3 2.

2 0 3
1 ,
A= 1 2
4 0
2

2 0
B = 1 1 .
4 3

2 0 3
2 0
AB = 1 2
1 1 1
4 3
4 0
2

2(2) + 0(1) + (3)(4) 2(0) + 0(1) + (3)(3)

16 9
1(3) = 8
5 .
= 1(2) + 2(1) +
1(4) 1(0) + 2(1) +
4(2) + 0(1) +
2(4) 4(0) + 0(1) +
16
2(3)
6
A B es de orden 3 2.
Despues de estos ejemplos, veremos como se define el producto de dos
matrices arbitrarias, hacemos notar que:
Para poder realizar el producto de la matriz A con la matriz B,
requerimos que el n
umero de columnas de A sea igual al n
umero
de renglones de B. Dicho de otra forma, debemos verificar que A
sea de orden m n y B sea de orden n p. Para m y p no hay
restriccion.
La matriz producto A B resulta ser una matriz de orden m p.

CAPITULO 5.

16

MATRICES

Definici
on 5.3: Producto de matrices
Para m, n, t N. Sean A = [aij ] Mmn y B = [bjk ] Mnt donde
i = 1, . . . , m, j = 1, . . . n y k = 1, . . . p.
La matriz producto de A y B es la matriz C Mmp , tal que
A B = C = [cik ]. La entrada cik de C es el resultado de realizar
el producto punto del vector en el rengl
on i-esimo de A con el vector
columna k-esima de B :

b1k
b2k

cik = [ai1 , ai2 , . . . , ain ] . = ai1 b1k + ai2 b2k + + ain bnk
.
.
bnk

Escribiremos A B como AB simplemente si no hay lugar a confusi

on.
Explcitamente, para A Mmn y B Mnp :

a11
a21
..
.

a12
a22
..
.

...
...
..
.

A=
ai1 ai2 . . .

..
..
..
.
.
.
am1 am2 . . .

a1n
a2n
..
.
ain
..
.
amn

b11
b21
..
.

b12
b22
..
.

...
...
..
.

b1p
b2p
..
.

,B =

bi1 bi2 . . .

..
..
..

.
.
.
bn1 bn2 . . .

bip

..
.
bnp

El producto de las matrices A y B es la matriz AB = C = [cik ] Mmp

donde i = 1, . . . , m y k = 1, . . . , p:

a11
a21
..
.

a12
a22
..
.

...
...
..
.

AB =
ai1 ai2 . . .

..
..
..
.
.
.
am1 am2 . . .

a1n
a2n
..
.
ain
..
.
amn

b11
b21
..
.

b12
b22
..
.

...
...
..
.

bi1
..
.

bi2
..
.

...
..
.

bn1 bn2 . . .

b1p
b2p
..
.

c11
c21
..
.

c12
c22
..
.

...
...
..
.

bip
ci1 ci2 . . .
.. ..
..
..
. .
.
.
bnp
cm1 cm2 . . .

c1p
c2p
..
.
cip
..
.
cmp


5.1. ALGEBRA
DE MATRICES

cik = [ai1 , ai2 , . . . , ain ]

b1k
b2k
..
.
bnk

17

= ai1 b1k + ai2 b2k + + ain bnk

cik = Ri (A) Colk (B).

Observaci
on. La entrada cik de la matriz C es el producto punto del
i-esimo rengl
on de la matriz A, Ri (A), con la k-esima columna Colk (B)
de la matriz B, cada uno vistos como vectores de n componentes.
En el ejemplo 5.4 hicimos varios productos, ya con la definicion general
haremos otros:
Ejemplo 5.5.
1. A es de orden 3 3 y B es de orden 3 3.

1 0 2
A = 1 1 1 ,
3 1
2

1 0

1 0
B=
1 1

1 0 2
1 0
A B = 1 1 1 1 0
3 1
2
1 1

1
1 .
2

1
1
2

1(1) + 0(1) + (2)(1) 1(0) + 0(0) + (2)(1) 1(1) + 0(1) + (2)(2)

= 1(1) + 1(1) + (1)(1) 1(0) + 1(0) + (1)(1) 1(1) + 1(1) + (1)(2)
3(1) + 1(1) +
2(1) 3(0) + 1(0) +
2(1) 3(1) + 1(1) +
2(2)

2 5
3
= 1 1 0 .
2 8
4

2. A es de orden 2 4 y B es de orden 4 4.

CAPITULO 5.

18

A=

1 2 2 1
1 1 3 1

AB =

1
0
B=
1
1

1 2 2 1
1 1 3 1

1
1
1
1

1
1
1
1

1
0

1
1

0
1
2
2

0
1
2
2

MATRICES

0
1
.
3
4

0
1
=
3
4

Sabemos que la matriz producto ser

a de orden 24, colocamos primero
la primera y segunda columnas del producto y enseguida la tercera y
la cuarta.
1(1) + (2)(0) + 2(1) + 1(1) 1(1) + (2)(1) + 2(1) + 1(1)
1(1) + (1)(0) + 3(1) + 1(1) 1(1) + (1)(1) + 3(1) + 1(1)

1(0) + (2)(1) + 2(2) + 1(2) 1(0) + (2)(1) + 2(3) + 1(4)

1(0) + (1)(1) + 3(2) + 1(2) 1(0) + (1)(1) + 3(3) + 1(4)
=

4 2 4 8
5 4 7 12

Los siguientes ejemplos nos ilustran ciertos casos en los que debemos poner
atenci
on al multiplicar matrices:
Ejemplo 5.6.
Sean A y B M22 .
A=

2 1
3 6

B=

1 0
3 2

Calculamos AB y BA :
AB =

1 2
15 12

, BA =

2 1
12 15

; AB 6= BA.


5.1. ALGEBRA
DE MATRICES

19

Observaci
on. El producto de matrices no es conmutativo.
Ejemplo 5.7.
Si A M34 y B M45 , podemos calcular su producto AB ya que A
tiene 4 columnas y B tiene 4 renglones, AB M35 .

2 1
4 0
A= 0
1 1 4
1
2
3 4

8
AB = 3
9

2 1
4 0 1

1 1 4 1

,B = 0
1
2
3 4 5
1
1
2 1 2

7 21 12 21
3 4 4 4
11 19 24 26

En este ejemplo calculamos el producto AB, sin embargo no podemos calcular el producto BA pues no est
a definido, debido a que B tiene 5 columnas
y A tiene 4 renglones.

Observaci
on. Aun cuando el producto de matrices AB este definido,
el producto BA puede no estarlo.
Ejemplo 5.8.
Si A M32 y B M23 , podemos calcular el producto AB y tambien
podemos calcular BA, observe que no son de igual tama
no ya que AB
M33 mientras que BA M22 .



2 1
1
4 0

A = 0 1 , B =
0
1 1
1 4



2
7
1
2 3

AB =
0 1
1 , BA=
1 5
1
8 1

CAPITULO 5.

20

MATRICES

Observaci
on. Aun cuando los productos AB y BA esten definidos,
AB y BA resultan ser matrices diferentes.
Ejemplo 5.9.
Consideremos que las matrices A y B coincidan en tama
no, por ejemplo,
A M22 y B M22 , podemos calcular los productos AB M22 y
BA M22 , puede ser que AB 6= BA.

A=

AB =

2 1
0 1

2
1
0 1

,B =

, BA =

1 1
0 1


2
0
0 1

Observaci
on. Aun cuando los productos AB y BA esten definidos
y las matrices AB y BA sean del mismo tama
no, no son iguales en
general.
Ejemplo 5.10.
Veamos como se contruyen las columnas y los renglones de la matriz
resultado de multiplicar dos matrices. Sean A y B dos matrices de 3 3:

a11 a12 a13

b11 b12 b13
A = a21 a22 a23 , B = b21 b22 b23
a31 a32 a33
b31 b32 b33
Su producto C = AB es de 3 3, C = [cij ]; i = {1, 2, 3} y j = {1, 2, 3}.
La primera columna de C es:

c11
a11 b11 + a12 b21 + a13 b31
Col1 (C) = Col1 (AB) = c21 = a21 b11 + a22 b21 + a23 b31 =
c31
a31 b11 + a32 b21 + a33 b31


5.1. ALGEBRA
DE MATRICES

21

a11 a12 a13

b11
a21 a22 a23 b21 = [A Col1 (B)]
a31 a32 a33
b31
Analogamente podemos ver que:
Col2 (C) = Col2 (AB) = [A Col2 (B)]
Col3 (C) = Col3 (AB) = [A Col3 (B)] .
Veamos ahora que sucede con los renglones de C = AB.
Por ejemplo, consideremos el segundo rengl
on de C es:
R2 (C) = R2 (AB) =

c21 c22 c32

a21 b11 + a22 b21 + a23 b31 a21 b12 + a23 b32 a21 b13 + a22 b23 + a23 b33

a21 a22 a23

b11 b12 b13

b21 b22 b23 = [R2 (A) B] .
b31 b32 b33

Analogamente podemos ver que:

R1 (AB) = [R1 (A) B] ,
R3 (AB) = [R3 (A) B] .
En general, sean A Mmn y B Mnt :

a11
a21
..
.

a12
a22
..
.

...
...
..
.

A=
ai1 ai2 . . .

..
..
..
.
.
.
am1 am2 . . .

a1n
a2n
..
.
ain
..
.
amn

b11
b21
..
.

b12 . . .
b22 . . .
..
..
.
.
bi2 . . .
..
..
.
.

,B =

bi1

..

.
bn1 bn2 . . .

b1t
b2t
..
.

bit

..
.
bnt

CAPITULO 5.

22

MATRICES

Escribimos a la matriz A Mmn mediante sus renglones y a B Mnt

mediante sus columnas, observamos que su producto AB:

R1 (A)
R2 (A)
..
.


Col1 (B) Col2 (B) . . . Colk (B) . . . Colt (B) =

AB =

R
(A)

..

.
Rm (A)

R1 (A) Col1 (B) R1 (A) Col2 (B) . . . R1 (A) Colk (B) . . . R1 (A) Colt (B)
R2 (A) Col1 (B) R2 (A) Col2 (B) . . . R2 (A) Colk (B) . . . R2 (A) Colt (B)

..
..
..
..

.
.
.
.

Ri (A) Col1 (B) Ri (A) Col2 (B) . . . Ri (A) Colk (B) . . . Ri (A) Colt (B)

..
..
..
..

.
.
.
.
Rm (A) Col1 (B) Rm (A) Col2 (B) . . . Rm (A) Colk (B) . . . Rm (A) Colt (B)
En el cuadro siguiente establecemos como son los renglones y las columnas de una matriz que es el resultado de multiplicar dos matrices:
Sean A Mmn , B Mnp , tenemos que AB Mmp . Se cumple
que:
Los renglones de la matriz producto AB, son el producto
de cada rengl
on de A con la matriz B.
Ri (AB) = Ri (A) B;

i = 1, . . . m.

Las columnas de la matriz producto AB, son el producto

de la matriz A con cada una de las columnas de la matriz
B.
Colk (AB) = A Colk (B);

k = 1, . . . p.

Ejemplo 5.11. Sea A Mmn . Consideremos las matrices identidad de

orden m y n respectivamente, Im e In se cumple que:
Im A = A,

AIn = A.


5.1. ALGEBRA
DE MATRICES

23

Observe que en este ejemplo, si m 6= n, los productos AIm e In A no

est
an definidos.
Ejemplo 5.12.

2
1
Veamos el ejemplo siguiente, sea A = 0 1 .
1 1

1
2
1 0 0
I3 A = 0 1 0 0 1 .
0 0 1
1 1

Tenemos que para i = 1, 2, 3, se cumple Ri (I3 A) = [Ri (I3 )A] .

De esta forma para i = 1 :

2
1
R1 (I3 A) = [R1 (I3 ) A] = [( 1 0 0 ) 0 1 ] =
1 1


1(2) + 0(0) + 0(1) 1(1) + 0(1) + 0(1)

Para i = 2 :

2 + 0 + 0 1 + 0 + 0

2 1

2
1


R2 (I3 A) = [R2 (I3 )A] = [( 0 1 0 ) 0 1 ] = 0 1 .
1 1
Para i = 3 :

2
1


R3 (I3 A) = [R3 (I3 ) A] = [( 0 0 1 ) 0 1 ] = 1 1 .
1 1

R1 (I3 A)
2
1
I3 A = R2 (I3 A) = 0 1 = A.
R3 (I3 A)
1 1

Analogamente se ve que A I2 = A

CAPITULO 5.

24

MATRICES

Observaci
on. Si A es una matriz cuadrada, es decir, A Mnn , entonces:
In A = A = A In .
Definici
on 5.4: Potencias de una matriz cuadrada
Sea A = [aij ] Mnn una matriz cuadrada. Definimos las potencias
de A por A1 = A, A2 = A A, A3 = A A2 , A4 = A A3 , etcetera.
En general, si s es un n
umero natural se define la s-esima potencia
de A como:
As = A As1 .
Ejemplo 5.13.


2
1
Sea A =
.
0 1
2

A =AA =

A =AA =

2
1
0 1

 
 

2
1
4 3

=
.
0 1
0
1

2
1
0 1

 
 

4 3
8
7

=
.
0
1
0 1

Ejemplo 5.14.


2
0
Sea B1 =
.
0 1

B 1 = B 1 B 1 =

B 1 = B 1 B 1 =
Ejemplo 5.15.


 

 
2
0
2
0
4 0
(2)2
0

=
.
=
0 1
0 1
0 1
0
(1)2


 

 
2
0
4 0
8
0
(2)3
0

=
.
=
0 1
0 1
0 1
0
(1)3


5.1. ALGEBRA
DE MATRICES

25

1
0 0
Sea B 2 = 0 3 0 .
0
0 2

B 22

(1)2
0
0
1
0 0
1
0 0
1
0
= B 2 B 2 = 0 3 0 0 3 0 = 0 9 0 = 0
(3)2
0 .
0
0 2
0
0 2
0 0 4
0
0
(2)2

B 2 3 = B 2 B 2 2

(1)2
0
0
(1)3
0
0
1
0 0
= 0 3 0 0
(3)2
0 = 0
(3)3
0 .
2
0
0 2
0
0
(2)
0
0
(2)3

Observaci
on. Si A Mnn , es una matriz diagonal, entonces: La
matriz An es la matriz diagonal cuyas entradas son las entradas de A
elevadas a la n-esima potencia.
Ejemplo 5.16.


0 1
Sea C =
.
0 0


 
0
C =C C =

0

 
0 1
0
3
2
C =CC =

0 0
0
2

0 1
0 0

1
0

0 0
0 0

0
0

0 0
0 0

0
0

0 0
0 0

0
0

0 0
0 0

Ejemplo 5.17.


0 0
Sea D =
.
1 0


 
0
D =DD =

1

 
0 0
0
3
2
D =DD =

1 0
0
2

0 0
1 0

CAPITULO 5.

26

MATRICES

Ejemplo 5.18.

0 1 1
Sea E = 0 0 1 .
0 0 0

0 1 1
0 1 1
0 0 2
E2 = E E = 0 0 1 0 0 1 = 0 0 0 .
0 0 0
0 0 0
0 0 0

0 1 1
0 0 2
0 0 0
E3 = E E2 = 0 0 1 0 0 0 = 0 0 0 .
0 0 0
0 0 0
0 0 0
Observaci
on. Los tres u
ltimos ejemplos nos dicen que existen matrices
cuadradas A, tales que elevadas a cierta potencia son la matriz cero.
Si A es tal que para alguna n, la matriz An es la matriz cero, decimos
que A es una matriz nilpotente.
Los siguientes ejemplos nos permiten ilustrar que el producto de matrices
es asociativo.
Ejemplo 5.19.
Sean A M13 , B M31 y C M12 . Se cumple que:
A(BC) = (AB)C.

A=

1 2 3

4
B = 5 ,
6

C=

7 8

Veamos que tanto los productos A(BC) = (AB)C pueden llevarse a cabo
y que su resultado son matrices que coindiden en tama
no:
Como A M13 , B M31 y C M12 :
(BC) M32 , de esta forma, A(BC) M12 .
AB M11 , de esta forma, (AB)C M12 .
Las matrices A(BC) y (AB)C son del mismo tama
no.


5.1. ALGEBRA
DE MATRICES

A (BC) =

A (BC) =

A (BC) =
A (BC) =

27

1 2 3

4 

5 7 8 =
6

1 2 3

47 48
5 7 5 8 =
67 68

1 2 3

28 32
35 40 =
42 48

1 28 + 2 35 + 3 42 1 32 + 2 40 + 3 48

A (BC) =

28 + 70 + 126 32 + 80 + 144

A (BC) =
Por otro lado:

224 256

4





1 2 3 5 7 8 =
(A B)C =
6
(A B)C =

14+25+36




7 8

 

4 + 10 + 18 7 8 =


 
(A B)C = 32 7 8 =

 

(A B)C = 32 7 32 8 = 224 256 .
(A B)C =

De esta forma A(BC) = (AB)C.

Ejemplo 5.20.

Sean A M1m , B Mmn y C Mn1 . Se cumple que:

A(BC) = (AB)C.

CAPITULO 5.

28

A=

a11 a12 . . .

a1m

B=

b11
b21
..
.

b12
b22
..
.

...
...
..
.

b1n
b2n
..
.

bm1 bm2 . . .

bmn

MATRICES

C=

c11
c21
..
.
cn1

Veamos que tanto los productos A(BC) = (AB)C pueden llevarse a cabo
y que su resultado son matrices que coindiden en tama
no:
Como A M1m , B Mmn y C Mn1 :
A M1m y (BC) Mm1 , de esta forma, A(BC) M11 .
AB M1n y C Mn1 de esta forma, (AB)C M11 .
Las matrices A(BC) y (AB)C son del mismo tama
no.
Para simplificar la notaci
on hagamos A(BC) = D y (AB)C = E.
Verificar esta propiedad, aunque es laboriosa, nos permite comprender
mejor el producto de las matrices.
Para verificar que el producto de matrices es asociativo debemos ver que
la u
nica entrada en las matrices A(BC) = D y (AB)C = E coincide, es
decir, d11 = e11 .
Para verificar la igualdad d11 = e11 . tenemos que cada una de estas
entradas se componen de la siguiente manera:
d11 = R1 A Col1 (BC),

e11 = R1 (AB)Col1 C

Calculemos d11 :
Veamos los factores de la entrada d11 = R1 A Col1 (BC):


El rengl
on R1 (A) = a11 a12 . . . a1m .

Las entradas de la columna Col1 (BC) las escribimos como (bc)j1 donde
j = 1, . . . n, la columna queda en la forma:

Col1 (BC) =

(bc)11
(bc)21
..
.
(bc)n1


5.1. ALGEBRA
DE MATRICES

29

Para cada j = 1, . . . , n, tenemos que (bc)j1 es la entrada j1 de la matriz

producto BC, por lo que (bc)j1 = Rj (B) Col1 (C), as:

(bc)j1 = Rj (B) Col1 (C) =

bj1 bj2 . . .

bjn

c11
c21
..
.
cn1

(bc)j1 = bj1 c11 + bj2 c21 + + bjn cn1 .

Por lo tanto,

d11 = R1 (A) Col1 (BC) =

a11 a12 . . .

a1n

a11 a12 . . .

a1n

(bc)11
(bc)21
..
.
(bc)n1

b11 c11 + b12 c21 + + b1n cn1

b21 c11 + b22 c21 + + b2n cn1
..
.
bn1 c11 + bn2 c21 + + bnn cn1

d11 = a11 (b11 c11 + b12 c21 + + b1n cn1 )

+ a12 (b21 c11 + b22 c21 + + b2n cn1 )
..
.
+ a1n (bn1 c11 + bn2 c21 + + bnn cn1 ).
Tenemos entonces que:
d11 = a11 b11 c11 + a11 b12 c21 + + a11 b1n cn1 +
a12 b21 c11 + a12 b22 c21 + + a12 b2n cn1 +
.
..
.
a1n bn1 c11 + a1n bn2 c21 + + a1n bnn cn1 .
Calculemos ahora la entrada e11 de la matriz (AB)C = E, tenemos que:
e11 = R1 (AB)Col1 C

CAPITULO 5.

30

MATRICES

Como antes, los factores de la entrada e11 = R1 AB Col1 C:

Para cada
on
 i = 1, . . . , n, denotamos con (ab)1i a las entradas del rengl
R1 (AB) = (ab)11 (ab)12 . . . (ab)1n .

Como (ab)1i es la entrada 1i de la matriz producto AB, se tiene (ab)1i =

R1 A Coli B, as:

(ab)1i = R1 A Coli B =

a1i a12 . . .

a1m

b1i
b2i
..
.
bmi

(ab)1i = a11 b1i + a12 b2i + + + a1m bmi .

c11
c21

Escribimos la columna: Col1 C = . , por lo tanto,

.
.
cn1

e11 = R1 (AB) Col1 C =

(ab)11 . . .

a11 b11 + a12 b21 + + a1m bm1 . . .

(ab)1n

c11
c21
..
.
cn1

a11 b1n + a12 b2n + + + a1m bmn

= (a11 b11 + a12 b21 + + a1m bm1 )c11

+(a11 b12 + a12 b21 + + a1m bm2 )c21
..
.
+(a11 b1n + a12 b2n + + a1m bmn )cn1 .
Tenemos entonces que:

c11
c21
..
.
cn1


5.1. ALGEBRA
DE MATRICES

31

e11 = a11 b11 c11 + a12 b21 c11 + + a1m bm1 c11
+ a11 b12 c21 + a12 b22 c21 + + a1m bm2 c21
..
.
+ a11 b1n cn1 + a12 b2n cn1 + + a1m bmn cn1 .
Ahora comparemos las dos expresiones que hemos obtenido para cada
una de las entradas d11 y e11 y observemos que:
Cada entrada consta de m n sumandos y aparecen en un arreglo rectangular de esta talla.
Los n sumandos en el primer rengl
on del arreglo para d11 coinciden con
los n sumandos que aparecen en la primera columna del arreglo de e11 y lo
mismo para cada uno de los renglones subsecuentes.
d11 = a11 b11 c11 + a11 b12 c21 + + a11 b1n cn1 +
a12 b21 c11 + a12 b22 c21 + + a12 b2n cn1 +
.
..
.
a1n bn1 c11 + a1n bn2 c21 + + a1n bnn cn1 .
e11 = a11 b11 c11 + a12 b21 c11 + + a1m bm1 c11
+ a11 b12 c21 + a12 b22 c21 + + a1m bm2 c21
..
.
+ a11 b1n cn1 + a12 b2n cn1 + + a1m bmn cn1 .
Por lo tanto podemos concluir que:
d11 = e11 .
Por lo tanto D = E, que es lo mismo que (AB)C = A(BC), lo que se
deseaba mostrar.

Proposici
on 5.1 (El producto de matrices es asociativo). Sean A =
[aij ] Mmn , B = [bij ] Mnp y C = [cij ] Mpr , se cumple que
A(BC) = (AB)C.

CAPITULO 5.

32

MATRICES

Representaci
on de un sistema de ecuaciones lineales como producto de matrices
Ya con el producto de matrices definido, vale la pena resaltar que esta operaci
on nos permite ofrecer una forma distinta de mirar a un sistema de
ecuaciones lineales.
Nos debe quedar claro que un sistema de ecuaciones lineales puede representarse como el producto de dos matrices, como veremos a continuaci
on:
Consideremos el sistema:
a11 x1 + a12 x2 + a13 x3 = b1
a21 x1 + a22 x2 + a23 x3 = b2
a31 x1 + a32 x2 + a33 x3 = b3
Consideramos las matrices: A M33 , cuyos renglones se forman con
los coeficientes de las inc
ognitas de cada ecuaci
on del sistema, X M31 ,
formada como la matriz columna de las inc
ognitas y por u
ltimo B M31
la matriz columna de los terminos independientes, por ello:

a11 a12 a13

A = a21 a22 a23 ;
a31 a32 a33

x1
X = x2 ;
x3

b1
B b2 .
b3

Si hacemos el producto de A con X, tenemos que A X = B.

a11 a12 a13

x1
a11 x1 + a12 x2 + a13 x3
b1
AX = a21 a22 a23 x2 = a21 x1 + a22 x2 + a23 x3 = b2 = B.
a31 a32 a33
x3
a31 x1 + a32 x2 + a33 x3
b3

Un sistema de m ecuaciones lineales con n inc

ognitas se representa
como AX = B, donde A Mmn , es la matriz asociada del sistema,
X Mn1 es la matriz determinada por las inc
ognitas del sistema y
B Mn1 es la matriz determinada por los terminos independientes
del sistema.


5.1. ALGEBRA
DE MATRICES

5.1.2

33

Ejercicios

1. Calcule AB para A =

1 3 5
2 2 3

1
2. Calcule A2 , AB y BA para A =
3
1

y
0
2
2
0

3 2
B = 1 4 .
2 4

0
1

2 1
yB =

3
4
0
4

1
0
1
1

0 5 0
3 0 4
.
0 5 0
3 5 0

3. Calcule AB para A la matriz del ejercicio anterior y B = Dg[1, 2, 3].

5.1.3

Suma de matrices

La suma de matrices est

a definida cuando las matrices son del mismo tama
no
u orden, sumar matrices es muy sencillo como veremos en los ejemplos siguientes:
Ejemplo 5.21.
Sean A y B M22 .
A=

2 1
3 6

B=

1 0
3 2

La matriz suma tiene como entradas a la suma de las entradas correspondientes:

A+B =

2 1
3 6

1 0
3 2

2 + 1 1 + 0
3 + 3 6 + 2

3 1
6 4

Ejemplo 5.22.
Sean A y B M33 .

1 2 3
A = 4 5 6 ;
0 1 2

1 0 2
B = 4 3 2
2 3 9

La matriz suma tiene como entradas a la suma de las entradas correspondientes:

CAPITULO 5.

34

MATRICES

0 2 5
11 2+0 3+2
1 0 2
1 2 3
A+B = 4 5 6 + 4 3 2 = 4 4 5 + 3 6 + 2 = 0 8 8 .
2 4 11
0+2 1+3 2+9
2 3 9
0 1 2

Definici
on 5.5: Suma de matrices
Para m, n, N, sean A = [aij ] Mmn y B = [bij ] Mmn para las
cuales i = 1, . . . , m y j = 1, . . . n.
Se define la suma de las matrices A y B como la matriz A + B =
C Mmn , tal que A + B = C = [cij ]. Cada entrada cij de C es el
resultado de sumar las entradas aij de A y bij de B :
cij = aij + bij , para i = 1, . . . , m y j = 1, . . . n.
Explcitamente, para A Mmn y B Mmn :

a11
a21
..
.

a12
a22
..
.

...
...
..
.

A=
ai1 ai2 . . .

..
..
..
.
.
.
am1 am2 . . .

a1n
a2n
..
.
ain
..
.
amn

b11
b21
..
.

b12
b22
..
.

...
...
..
.

,B =

bi1 bi2 . . .

..
..
..

.
.
.
bm1 bm2 . . .

b1n
b2n
..
.
bin
..
.
bmn

La suma de A y B es la matriz A + B = C = [cik ] Mmn para

i = 1, . . . , m y k = 1, . . . , n:

a11 + b11
a21 + b21
..
.

a12 + b12
a22 + b22
..
.

...
...
..
.

A+B =
ai1 + bi1
ai2 + bi2 . . .

..
..
..

.
.
.
am1 + bm1 am2 + bm2 . . .

a1n + b1n
a2n + b2n
..
.
ain + bin
..
.
amn + bmn


5.1. ALGEBRA
DE MATRICES

c11
c21
..
.

c12
c22
..
.

35
...
...
..
.

ci1 ci2 . . .

..
..
..
.
.
.
cm1 cm2 . . .
cij = aij + bij ;

c1n
c2n
..
.
cin
..
.
cmn

i = {1, . . . , m},

=C

j = {1, . . . , n}.

Tenemos que la entrada de la matriz suma es la suma de las entradas

correspondientes de las matrices. Como la suma de n
umeros reales es conmutativa y asociativa hacemos la siguiente:
Observaci
on. Sean A, B y C Mmn .
La suma de matrices es conmutativa.
A + B = B + A.
entij (A + B) = entij (B + A)
La suma de matrices es asociativa.
A + (B + C) = (A + B) + C.

entij (A + (B + C)) = entij ((A + B) + C)

5.1.4

Multiplicaci
on por un escalar

El conjunto de matrices Mmn tiene propiedades algebraicas similares a las

que tiene los espacios Rn . Es posible multiplicar un n
umero por una matriz.
Veamos unos ejemplos:
Ejemplo 5.23.
Sea A M22 , y = 3.

(A) = 3(A) = 3



2 1
3 6



(3)(2) (3)(1)
(3)( 3) (3)(6)

CAPITULO 5.

36


6 3
9 18

MATRICES

La matriz que resulta es aquella cuyas entradas son las entradas de la

matriz multiplicadas por el n
umero.
Ejemplo 5.24.
Sea A M33 , y = 5.

1 2 5
5(1) 5(2) 5(5)
(A) = 5(A) = 5 0 7 8 = 5( 0) 5(7) 5(8) =
2 4 11
5( 2) 5(4) 5(11)

5 10 25
0 35 40 .
10 20 55
La matriz que resulta es aquella cuyas entradas son las entradas de la
matriz multiplicadas por el n
umero.
Definici
on 5.6: Multiplicaci
on de una matriz por un escalar
Para m, n, N, sean A = [aij ] Mmn para i = 1, . . . , m y j = 1, . . . n
y R cualquier escalar.
El producto del escalar por la matriz A es la matriz A Mmn ,
tal que A = C = [cij ].
La entrada cij de C es el resultado de multiplicar el escalar por
la entrada aij de A : cij = aij para i = 1, . . . , m y j = 1, . . . n.
Explcitamente, para R y A Mmn :

a11 a12 . . . a1n

a21 a22 . . . a2n

..
..
..
..
.
.
.
.

A =
ai1 ai2 . . . ain
..
..
..
..
.
.
.
.
am1 am2 . . . amn

Ejemplo 5.25. Sea A M23 y sean y dos n

umeros, se cumple que:


5.1. ALGEBRA
DE MATRICES

37

()A = (A).

()a11
=
()A = ()
()a21



(a11 ) ()a12 ) (a13 )
a11
=
(a21 ) (a22 ) (a23 )
a21
a11 a12 a13
a21 a22 a23


()a12 ()a13
=
()a22 ()a23

a12 a13
= (A).
a22 a23

Observaci
on. Sea A Mmn y sean y dos n
umeros, se cumple
que:
()A = (A).
entij (()A) = entij ((A)).

Ejemplo 5.26.
Para R, A M23 , y B M32 , verificamos que se cumple:

Sean A =

a11
a21

(AB) = (A)B = A(B).


b11 b12
a12 a13
y B = b21 b22 .
a22 a23
b31 b32

Tenemos que:


a11 b11 + a12 b21 + a13 b31 a11 b12 + a12 b22 + a13 b32
=
(AB) =
a21 b11 + a22 b21 + a23 b31 a21 b12 + a22 b22 + a23 b32


(a11 b11 + a12 b21 + a13 b31 ) (a11 b12 + a12 b22 + a13 b32 )
=
(a21 b11 + a22 b21 + a23 b31 ) (a21 b12 + a22 b22 + a23 b32 )



a11 b11 + a12 b21 + a13 b31 a11 b12 + a12 b22 + a13 b32
a21 b11 + a22 b21 + a23 b31 a21 b12 + a22 b22 + a23 b32

(a11 )b11 + (a12 )b21 + (a13 )b31 (a11 )b12 + (a12 )b22 + (a13 )b32
(a21 )b11 + (a22 )b21 + (a23 )b31 (a21 )b12 + (a22 )b22 + (a23 )b32
(A)B.

CAPITULO 5.

38

MATRICES

La otra igualdad se muestra en forma similar utilizando que el producto

de n
umeros reales es conmuttivo.

Observaci
on. El producto por un escalar conmuta con el producto de
matrices. Para R, A Mmn , y B Mmp , se cumple que:
(AB) = (A)B = A(B).

5.1.5

Distributividad

Dedicamos esta secci

on para enlistar las propiedades distributivas que satisfacen las operaciones de producto, suma y multiplicacion por un escalar.

Propiedades distributivas
El producto de matrices se distribuye con respecto a la suma de
matrices.
1. Para m, n y p N, A = [aij ] Mmn , B = [bjk ] Mnp y
C = [cjk ] Mnp , se cumple que:
A(B + C) = AB + AC.
2. Para m, n y p N, y A = [aij ] Mmn , B = [bij ] Mmn
y C = [cjk ] Mnp , se cumple que:
(A + B)C = AC + BC.
El producto por un escalar se distribuye con respecto a la suma
de matrices.
Para R, A Mmn , y B Mmn , se cumple que:
(A + B) = A + B.

39

5.2. MATRIZ INVERSA

5.1.6

Ejercicios

1. Calcule las matrices A + B y B + A, cuando A =



6 3
B=
.
9 18

2
1
3 36

2. Para las matrices A y B del ejercicio anterior, calcule 3A y 3B y

3(A + B).
3. CalculeAC + BC y (A + B)C para A y B las matrices del ejercicio 1,
3
6 3
yC=
.
9 1 2

5.2

Matriz inversa

Son de especial atenci

on las matrices para las cuales se tiene que existe otra
matriz tal que al multiplicarlas, su resultado es la matriz identidad, reciben
el nombre de matrices invertibles. Veamos algunos ejemplos:
Ejemplo 5.27.
Para cualquier tama
no, una matriz diagonal tal que los elementos de su
diagonal son todos distintos de cero siempre es invertible y su inversa es la
matriz diagonal cuyas entradas son los recprocos de las entradas correspondientes.
Sean


 1

0
2 0
2
D1 =
; F1 =
0 31
0 3


  1
0
2 0
2
D1 F1 =
=

0 31
0 3


2 21 + 0 0 2 0 + 0 13
=
0 21 + 3 0 0 0 + 3 13


1 0
=
= I2
0 1
Veamos que en este caso el orden de los factores no altera el producto:
 1

 
0
2 0
2
F1 D1 =
=

0 31
0 3

CAPITULO 5.

40


1
2

2 + 0 0 12 0 + 0 3
0 2 + 31 0 0 0 + 13 3


1 0
=
= I2
0 1

MATRICES

Ejemplo 5.28.
Veamos que la matriz A =

1 2
1 1

es invertible.

Deseamos mostrar que existe una matriz B =

a b
c d

= I2 .

BA = I2 :
AB =

a + 2c b + 2d
a + c b + d

1 0
0 1

Por lo que:
a + 2c = 1
a + c = 0

b + 2d = 0
b + d = 1

Al resolver ambos sitemas obtenemos que:

2
1
1
,b= yd= .
3
3
3
1
3
La matriz B buscada es: B

1
3

a=c=

AB =

1
1

1
1
1( ) + 2( )
3
3
1
1
(1)( ) + 1( )
3
3

2
3
.

1
3

1
2

3
3
2
=

1
1
1
3
3
1
2
1( ) + 2( )
3
3
=

1
2
(1)( ) + 1( )
3
3


, con AB =

41

5.2. MATRIZ INVERSA

2 2
+


3 3

0
1

=
= I2 .

0 1
2 1
1 1
+
+
3 3
3 3
En forma an
aloga se comprueba que B A = I2 .

1 2
+
3 3

Definici
on 5.7: Matriz inversa
Sean A Mnn y B Mnn tal que AB = In = BA.
La matriz B se le llama la matriz inversa de A.
La matriz A se le llama la matriz inversa de B.
Denotamos a la matriz inversa de A por A1 , as B = A1 .
Si la matriz A tiene inversa A1 , a A se llama invertible. Se tiene
que AA1 = In = A1 A.
Ejemplo 5.29.
La matriz In tiene inversa, adem
as In 1 = In .
Observaci
on:
Sea A una matriz cuya matriz inversa A1 existe, se tiene
que A1 es u
nica.
Lo anterior es consecuencia de que el producto de matrices es asociativo:
Sean B y C matrices que son inversas de la matriz A :
BA = I = AB,

CA = I = AC.

B = IB = (CA)B = C(AB) = CI = C.

5.2.1

Matriz inversa por Gauss Jordan

Recordemos que el metodo de Gauss Jordan para resolver, en su caso, sistemas de ecuaciones lineales, involucra el hacer que la matriz aumentada del

CAPITULO 5.

42

MATRICES

sistema sea equivalente a una matriz reducida por filas.

Veremos que una matriz cuadrada de orden n ser
a invertible si mediante
llevarla a una forma escalonada reducida por filas o renglones, es equivalente
a la matriz identidad In , de orden n. Ademas, en este proceso se obtendra, en
forma simult
anea, que la matriz identidad es equivalente por filas o renglones
a la matriz inversa A1 y por ende, se tendra que para una matriz cuadrada
invertible A, las tres matrices A, In y A1 son equivalentes por filas.
Sea A Mnn , para encontrar su inversa, si esta existe, colocamos a la
matriz In a la derecha de la matriz A en la forma [A | In ], procedemos llevando a A a una forma escalonada reducida por filas aplicando exactamente
las mismas operaciones elementales en cada
paso a la matriz In , para llegar

si es posible, a lo que escribimos como In | A1 .

Primero veremos el proceso que se realiza para encontrar, dada una

matriz A, su matriz inversa A1 cuando esta existe.

Posteriormente, identificaremos las operaciones elementales realizadas

en A para escalonarla con multiplicar por la izquierda de A las matrices
elementales correspondientes que fueron utilizadas, de manera de esclarecer
lo que sucede en el proceso cuando la matriz A es invertible.
Por u
ltimo, veremos es que si no es posible establecer la equivalencia
entre la matriz A y la matriz In , entonces podemos concluir que A no tiene
inversa.

1
0 2
Ejemplo 5.30. Encontrar la inversa de la matriz A = 0
1 3 .
1 2 0

1 0 0
1
0 2
1 3 | 0 1 0
Consideramos [A | I3 ] = 0
0 0 1
1 2 0
La matriz A tiene ya un pivote en la posici
on a11 = 1 correspondiente al
primer rengl
on y la primera columna. Se procede como siempre aplicando
las operaciones elementales en la primera columna para obtener ceros abajo
del pivote en ella.

1 0 0
1
0
2

[A | I3 ]
0
1
3 | 0 1 0
R3 R1
1 0 1
0 2 2

43

5.2. MATRIZ INVERSA

Se continua el proceso de escalonamiento en las dos matrices obtenidas.

Produciremos un cero en el tercer rengl
on debajo del pivote en la segunda
columna de la matriz de la izquierda:

1 0 2
1 0 0

0 1 3 | 0 1 0
R3 + 2R2
0 0 4
1 2 1
Se observa que la primera y segunda columnas de la matriz del lado
izquierdo ya est
an escalonadas y reducidas. El siguiente paso ser
a obtener
el pivote en la tercera columna en la posici
on a33 = 4 y proceder utilizando
el pivote producido igual a 1 en el tercer rengl
on, para obtener ceros arriba
de el:

1 0 2
1

0
1
3
|
0
1
4 R3
0 0 1
41

0
0

0
1
1
2

1
4

1 0 2
1
0
0

0 1 0 | 43 12 43
R2 3R3
1
1
41
0 0 1
2
4

3
1 0 0
2

0 1 0 | 43
R1 2R3
41
0 0 1

1 12
12 43 = [I3 | B]
1
2

1
4

La matriz A es equivalente a la matriz escalonada reducida por filas I3 . La

matriz B cumple que B = A1 , la matriz inversa de A, lo que comprobamos
al calcular su producto:
3

1
1
0 2
2 1 2
AB = AA1 = 0
1 3 34 21 43 =
1
1
1 2 0
14
2
4

1 32 + 0 43 + 2 14 1 1 + 0 12 + 2 21 1 21 + 0 34 + 2 41

0 3 + 1 3 + 3 1 0 1 + 1 1 + 3 1 0 1 + 1 3 + 3 1 =
2
4
4
2
2
2
4
4

3
1
1
3
1
1
3
1
1 2 2 4 + 0 4 1 1 2 2 + 0 2 1 2 2 4 + 0 4

CAPITULO 5.

44

MATRICES

1 0 0
0 1 0 = I3 .
0 0 1

En forma an
aloga tenemos que A1 A = I3 .

Una matriz cuadrada de orden n es invertible si y solamente si es

equivalente por filas a la matriz identidad de orden n.
Una matriz cuadrada de orden n es invertible si y solamente si al
escalonarla tiene n pivotes.
Una matriz cuadrada de orden n es invertible si y solamente si al
escalonarla tiene rango n.

Observaci
on.

1 0 0
1
0 2
1 3 | 0 1 0
Al considerar [A | I3 ] = 0
0 0 1
1 2 0

y aplicarle el metodo de Gauss-Jordan para encontrar su matriz

inversa, lo que hicimos fue resolver simult
aneamente los tres sistemas
representados por cada una de las matrices aumentadas:

1
0 2 1
[A | I3 ] = 0
1 3 0
1 2 0 0

1
0 2 0
[A | I3 ] = 0
1 3 1
1 2 0 0

1
0 2 0
1 3 0
[A | I3 ] = 0
1 2 0 1

5.2.2

Matriz invertible y soluci

on u
nica

Es importante relacionar dos hechos:

45

5.2. MATRIZ INVERSA

Un sistema de n ecuaciones lineales con n inc

ognitas tiene como matriz
asociada a una matriz invertible y,
El sistema tiene soluci
on u
nica.
Para establecer la relaci
on que buscamos consideremos el sistema:
a11 x1 + a12 x2 + a13 x3 = b1
a21 x1 + a22 x2 + a23 x3 = b2
a31 x1 + a32 x2 + a33 x3 = b3
Se representa como A X = B para las matrices A M33 , X M31
y B M31 donde:

a11 a12 a13

A = a21 a22 a23 ,
a31 a32 a33

x1
X = x2 ,
x3

b1
B = b2 .
b3

Si la matriz A tiene inversa A1 M33 , entonces se cumple que:

A A1 = I3 = A1 A.
Si multiplicamos por la izquierda a ambos lados A X = B por A1 y
asociamos, obtenemos:
A1 (A X) = A1 B
(A1 A)X = A1 B
I3 X = A1 B
X = A1 B
Hemos despejado a X como X = A1 B. Por lo que el sistema tiene
soluci
on u
nica y nos describe como obtenerla.
Por otro lado, si el sistema AX = B tiene soluci
on u
nica, llamemosla C =
[c1 , c2 , c3 ], al aplicar el metodo de eliminaci
on de Gauss Jordan a la matriz
[A|B] obtendremos mediante un n
umero finito de operaciones elementales
que

CAPITULO 5.

46

MATRICES

1 0 0 c1
[A|B] 0 1 0 c2
0 0 1 c3

Por lo que podremos obtener a la matriz inversa de A mediante el metodo

de Gauss Jordan.
Lo que hicimos en este ejemplo lo podemos generalizar.
Observaci
on. Un sistema de n ecuaciones lineales con n inc
ognitas
representado por AX = B tiene soluci
on u
nica si y solamente si la
matriz asociada al sistema A, es invertible.
Este hecho lo explicamos en los p
arrafos siguientes.
Sean A Mnn ,

X Mn1 ,

B Mn1 .

Consideremos el sistema homogeneo y el sistema no homogeneo representados por las expresiones: AX = 0 y AX = B.

Recordemos que en el captulo anterior vimos que:
AX = 0 tiene soluci
on u
nica si y solamente si AX = B tiene soluci
on
u
nica.
Cuando la matriz asociada al sistema A es invertible y denotamos a su
inversa por A1 , tenemos que: A A1 = In = A1 A.
De esta forma:
AX = B A1 (AX) = A1 B (A1 A)X = A1 B
In X = A1 B X = A1 B.
De donde se concluye que el sistema AX = B tiene soluci
on u
nica
X = A1 B.
Si B es la matriz 0 Mn1 , es claro que X = 0.
Por otro lado, si el sistema AX = B tiene soluci
on u
nica quiere decir
que al aplicar el metodo de eliminaci
on de Gauss Jordan la matriz A es
equivalente por renglones a la matriz identidad de tama
no n, por lo que A
es invertible.
Ejercicios

47

5.2. MATRIZ INVERSA

1. Calcule mediante el metodo de Gauss Jordan la inversa de cada una

de las matrices siguientes:

1 3 3
(a) A = 1 3 4
1 4 3

2 4 3
2
3 6 5
2

(b) A =
2 5 2 3
4 5 14
14
2. Encuentre la soluci
on del sistema siguiente utilizando la inversa de la
matriz asociada al sistema.
x1 + 3x2 + 3x3 = 1
x1 + 3x2 + 4x3 = 1
x1 + 4x2 + 3x3 = 1

5.2.3

Operaciones Elementales y Matrices Elementales

Ya se sabe que las operaciones elementales que se realizan en los renglones

de una matriz A Mnm son de tres tipos:
1. Intercambiar el rengl
on i por el rengl
on j: Ri Rj (tipo 1).
2. Multiplicar el iesimo rengl
on por un escalar s 6= 0; sRi (tipo 2).
3. Sustituir el rengl
on jesimo por la suma del rengl
on Rj m
as s veces
el rengl
on Ri ; Rj + sRi (tipo 3).
En el captulo anterior vimos muchos ejemplos de operaciones elementales
en matrices como los siguientes:

2 1 4 0 1
Sea A M35 , tal que A = 0 1 1 4 1
1 2
3 4 5
A la matriz A se le aplica la operaci
on elemental del tipo 1: intercambiar
el tercer reng
on por el primero: R1 R3

2 1 4 0 1
1 2
3 4 5
A = 0 1 1 4 1 R1 R3 0 1 1 4 1
1 2
3 4 5
2 1 4 0 1

CAPITULO 5.

48

MATRICES

A la matriz A se le aplica la operaci

on elemental del tipo 2: multiplicar
1
1
por 2 el primer rengl
on, 2 R1

1 21
2 1 4 0 1

0 1
A = 0 1 1 4 1
1
R1
2
1 2
1 2
3 4 5

2 0 52
1 4 1
3 4 5

A la matriz A se le aplica la operaci

on elemental del tipo 3: remplazar
el primer rengl
on por 2 veces el tercer rengl
on. 2R3 + R1

2 1 4 0 1
0 5 2 8 9

A = 0 1 1 4 1
0 1 1 4
1
R1 2R3
1 2
3 4 5
1 2
3
4
5
Cuidar la notaci
on nos ayuda a evitar errores. Rj +sRi denotara siempre
que el rengl
on j est
a siendo sustituido por su suma m
as s veces el reng
on i.
Definici
on 5.8:

Matriz elemental

Una matriz elemental es aquella que se obtiene de aplicar a la matriz

identidad In una operaci
on elemental a cualquiera de sus renglones.
Ejemplo 5.31. Algunas matrices elementales de tama
no 3 3, son:
Sea I = I3 la matriz identidad de orden 3.

1 0 0
I= 0 1 0
0 0 1
A la matriz I se le aplica la operaci
on elemental del tipo 1: intercambiar
el tercer reng
on por el primero: R1 R3 , a la matriz elemental obtenida la
llamamos E1 .

1 0 0
0 0 1
I = 0 1 0 R1 R3 0 1 0 = E1
0 0 1
1 0 0

5.2. MATRIZ INVERSA

49

A la matriz I se le aplica la operaci

on elemental del tipo 2: multiplicar
1
1
on, 2 R1 , , a la matriz elemental obtenida la llamamos
por 2 el primer rengl
E2 .

1 0 0
2 0 0

0 1 0 = E2
I = 0 1 0
1
R1
2
0 0 1
0 0 1

A la matriz I se le aplica la operaci

on elemental del tipo 3: remplazar
el primer rengl
on por 2 veces el tercer rengl
on, 2R3 + R1 , , a la matriz
elemental obtenida la llamamos E3 .

1 0 0
0 0 2

I = 0 1 0
0 1 0 = E3
2R3 + R1
0 0 1
0 0 1
Ejemplo 5.32. Para las matrices elementales E1 , E2 y E3 , obtenidas en
el ejemplo anterior, veamos que cambio producimos en una matriz A si la
multiplicamos por cada una de ellas.

2 1
4 0 1
Sea A = 0
1 1 4 1 .
1
2
3 4 5
Para i = {1, 2, 3}, se tiene que Ei M33 y A M35 . Tenemos que
para cada valor de i, el producto Ei A est
a definido. Observemos que sucede:
1.

0 0 1
2 1
4 0 1
1
2
3 4 5
E1 A = 0 1 0 0
1 1 4 1 = 0 1 1 4 1 .
1 0 0
1
2
3 4 5
2 1
4 0 1
E1 es el resultado de aplicar la operaci
on elemental del tipo 1: intercambiar el tercer reng
on por el primero: R1 R3 a la matriz I3 .
El resultado de E1 A es intercambiar el tercer reng
on de A por el
primero: R1 R3 .
2.

1 21
2 1
4 0 1
0 0
2 0 52
1 1 4 1 .
1 1 4 1 = 0
E2 A = 0 1 0 0
1
2
3 4 5
1
2
3 4 5
0 0 1

1
2

CAPITULO 5.

50

MATRICES

E2 es el resultado de aplicar la operaci

on elemental del tipo 2: multi1
on de I3 .
plicar por 2 el primer rengl
El resultado de E2 A es multiplicar por

1
2

el primer rengl
on de A.

3.

0 5 2 8 9
2 1
4 0 1
1 0 2
1 1
4
1 .
1 1 4 1 = 0
E3 A = 0 1
0 0
1
2
3
4
5
1
2
3 4 5
0 0
1

E3 es el resultado de aplicar la operaci

on elemental del tipo 3: remplazar el primer rengl
on de I por la suma del primero m
as 2 veces
el tercer rengl
on, R1 2R3 a I3 .
El resultado de E3 A es remplazar el primer rengl
on de A por la suma
del primero m
as 2 veces el tercer rengl
on, R1 2R3 .

Observaci
on. Hacer una operaci
on elementaldel tipo i a una matriz
A Mnm , es lo mismo que multiplicarla por la izquierda por la matriz
elemental de tama
no n n obtenida al aplicarle a In la operaci
on
elemental del tipo i.
Ejemplo 5.33. Considere las matrices elementales de tama
no 33 siguientes:
1. E1 es la matriz elemental resultado de aplicar la operaci
on elemental
del tipo 1 a I3 : intercambiar el tercer reng
on por el primero: R1 R3
a la matriz I3 .

0 0 1
E1 = 0 1 0
1 0 0
Sabemos que el resultado de E1 A para cualquier matriz A es intercambiar el tercer reng
on de A por el primero. Calculemos E1 E1 .

0 0 1
0 0 1
1 0 0
E1 E1 = 0 1 0 0 1 0 = 0 1 0 = I3
1 0 0
1 0 0
0 0 1
Concluimos que E1 es invertible y su inversa es ella misma.

51

5.2. MATRIZ INVERSA

2. E2 es el resultado de aplicar la operaci

on elemental del tipo 2 a I3 :
multiplicar por 6= 0 el segundo rengl
on de I3 .

1 0 0
E2 = 0 0
0 0 1
Sabemos que el resultado de E2 A para cualquier matriz A es multiplicar el segundo rengl
on de A por el n
umero .
Consideremos la matriz elemental:

1 0
B = 0 1
0 0

0
0
1

Calculemos E2 B.

1 0 0
1
E2 B = 0 0 0
0 0 1
0

0
1

0
1 0 0
0 = 0 1 0 = I3
0 0 1
1

Concluimos que E2 es invertible y su inversa es la matriz elemental

del mismo tipo obtenida de multiplicar el segundo reng
on de I3 por el
recproco de 6= 0.
3. E3 es el resultado de aplicar la operaci
on elemental del tipo 3 a I3 :
remplazar el primer rengl
on de I por la suma del primero m
as 2
veces el tercer rengl
on, R1 2R3 a I.

1 0 2
E3 = 0 1
0
0 0
1
Sabemos que el resultado de E2 A para cualquier matriz A es El resultado de E3 A es remplazar el primer rengl
on de A por la suma del
primero m
as 2 veces el tercer rengl
on, R1 2R3 .
Consideremos la matriz elemental:

1 0 2
C= 0 1 0
0 0 1

CAPITULO 5.

52

MATRICES

Calculemos E3 C.

1 0 2
1 0 2
1 0 0
E3 C = 0 1
0 0 1 0 = 0 1 0 = I3
0 0
1
0 0 1
0 0 1
Concluimos que E3 es invertible y su inversa es la matriz elemental
del mismo tipo obtenida de remplazar el primer reng
on de I3 por la
suma del primero m
as 2 veces el tercer rengl
on, R1 + 2R3 .
Generalizamos estos ejemplos para establecer la siguiente:
Observaci
on. Para cualquier n
umero natural n, las matrices elementales de orden n n, son invertibles.

1. Si E1 es la matriz elemental que se produce al intercambiar el rengl

on
Ri con el rengl
on Rj en In , Ri Rj entonces E1 es invertible y
su matriz inversa es ella misma. E1 = (E1 )1 .
2. Si E2 es la matriz elemental que se produce al reemplazar el rengl
on
Rj por el rengl
on resultado de multiplicarlo por el n
umero 6= 0,
Rj Rj , entonces E2 es invertible y su matriz inversa es la matriz elemental obtenida por reemplazar el rengl
on Rj por el rengl
on
1
resultado de multiplicarlo por el n
umero 6= 0, Rj Rj .

1
La matriz (E2 ) queda determinada al aplicarle a In la operaci
on
1
1
elemental Rj Rj , es decir, se multiplica por , el recproco de

.
3. Si E3 es la matriz elemental que se produce al reemplazar el rengl
on Rj
por la suma de el y veces el rengl
on Ri , Rj Rj + Ri , entonces
E3 es invertible y su matriz inversa es la matriz elemental obtenida
por reemplazar el rengl
on Rj por la suma de el y veces el rengl
on
Ri , Rj Rj Ri
La matriz (E3 )1 queda determinada al aplicarle a In la operaci
on
elemental Rj Rj Ri .

53

5.2. MATRIZ INVERSA

5.2.4

Matriz inversa como producto de matrices elementales

Para continuar, recordemos que una matriz elemental es una matriz obtenida
de la matriz In al aplicarle a ella una operaci
on elemental.
Como ya vimos anteriormente, aplicar una operaci
on elemental a una
matriz es lo mismo que multiplicarla por la izquierda por la matriz elemental
que le corresponde a la operaci
on elemental.
Mediante el metodo de Gauss Jordan para encontrar la matriz inversa
se est
a multiplicando por la izquierda en forma simult
anea por cada matriz elemental equivalente a la operaci
on establecida en cada paso a las dos
matrices que se van obteniendo, iniciando con las dos matrices [A | I3 ].
Para ver esto, consideramos cada una de las cinco operaciones de rengl
on
que se llevaron a cabo para encontrar la matriz inversa en el ejemplo 5.30 y
que fueron:
R3 R1
R3 + 2R2
1
4 R3
R2 3R3
R1 2R3
Representamos a cada una de las operaciones como las matrices elementales Ei para i = 1, . . . , 5 que aparecen a continuaci
on:

1 0 0

I3
0 1 0 = E1
R3 R1
1 0 1

1 0 0

I3
0 1 0 = E2
R3 + 2R2
0 2 1

1 0 0

0 1 0 = E3
I3
1
4 R3
0 0 14

1 0
0

I3
0 1 3 = E4
R2 3R3
0 0
1

CAPITULO 5.

54

MATRICES

1 0 2

0 1 0 = E5
I3
R1 2R3
0 0 1
Veremos que lo que se hizo fue multiplicar en cada paso por las matrices
elementales correspondientes al aplicar el metodo:


E1 A|E1 I3 = E1
E1

1
0 2 1 0 0
1 0 0
1
0
2

0
0 1 0
1 3 0 1 0
0
1
3
R3 R1
1 2 0 0 0 1
0 2 2 1 0 1
[A | I3 ]

E1 A|E1 I3 = E1


 
E2 E1 A|E2 E1
E2

1 0 2
1 0 0
1 0 0
1
0
2

0
0 1 0
0 1 0
1
3
0 1 3
R3 + 2R2
0 2 2 1 0 1
0 0 4 1 2 1

E2 E1 A|E2 E1

 

E3 E2 E1 A|E3 E2 E1
E3

1 0 2
1 0 0
1
1 0 2

0 1 3

0 1 0
0
0 1 3
1
4 R3
0 0 4 1 2 1
0 0 1 14


E3 E2 E1 A|E3 E2 E1

1
1 0 2
0 1 3
0
0 0 1 14


0
1
1
2

0
1
1
2

0
0
1
4


 
E4 E3 E2 E1 A|E4 E3 E2 E1
E4

0
1
0
0
1 0 2

3
1
3
0 1 0
0
4 2 4
R

3R
2
3
1
1
1
0 0 1 14
4
2
4

E4 E3 E2 E1 A|E4 E3 E2 E1


 
E5 E4 E3 E2 E1 A = I3 |E5 E4 E3 E2 E1 =
E5

55

5.2. MATRIZ INVERSA

1
1
2
21 43

3
1
0
0
1 0 2
1 0 0
2

3
3
1
3
0 1 0
0 1 0
4 2 4
4
R1 2R3
1
1
1
1
0 0 1 4
0 0 1 4
2
4

1
2

1
4

Como podemos asociar los productos de las matrices en la siguiente

forma y la matriz I3 es la identidad:



(E5 (E4 (E3 (E2 (E1 A))))) | (E5 (E4 (E3 (E2 (E1 I3 ))))) =

 

(E5 E4 E3 E2 E1 )A | (E5 E4 E3 E2 E1 ) = I3 | A1 .

Del trabajo realizado, esta u

ltima igualdad nos indica que:
(E5 E4 E3 E2 E1 )A = I3
(E5 E4 E3 E2 E1 )I3 = (E5 E4 E3 E2 E1 ) = A1
Como la matriz inversa de una matriz es u
nica cuando existe e I3 es la
1
matriz identidad, la matriz A se expresa como el producto de las matrices
elementales:
A1 = E5 E4 E3 E2 E1

Observaci
on. Para expresar a la matriz A1 como producto de matrices elementales, el lector debe tener cuidado del orden en el que las
multiplica ya que la multiplicaci
on de matrices no es conmutativa.
Ejemplo 5.34. Veamos el caso de una matriz A que no tiene inversa, para
la cual al aplicarle el metodo se producir
a una matriz que no es equivalente
a la matriz identidad.


2
1
Sea A =
.
2 1
[A|I2 ] =

2
1 1 0
2 1 0 1

R2 + 2R1

2 1 1 0
0 0 2 0

= [B|C] .

La matriz B tiene un solo pivote y la matriz I2 tiene dos, de donde

cualquier operaci
on elemental que hagamos a [B|C] no podremos llevarla a

56

CAPITULO 5.

MATRICES

la forma [I2 |D] . Esto es claro si las operaciones son del tipo 1 o 2, es decir,
intercambiar renglones o multiplicar un rengl
on por un escalar distinto de
cero. Si es del tipo 3, remplazar el primer rengl
on por su suma con un
m
ultiplo escalar del segundo reng
on y es lo que est
a detr
as en casos como
este y vale la pena resaltar, es que cuando la matriz no es invertible es posible
producir un rengl
on de ceros al escalonar la matriz A de la que partimos,
mediante esta operci
on: remplazar el rengl
on Ri con Ri + cRj provoca que
el rengl
on Ri se convierta en un reng
on de puros ceros.


2
1
.
Tenamos A =
2 1


Pensemos a los renglones como vectores, si remplazamos R2 = 2 1
por:

 
 
 

R2 + R1 = 2 1 2 1 = 2 + 2 1 + 1 = 0 0 .


R2 + R1 = 0 0 es lo mismo que R2 = R1 , es decir, el segundo
rengl
on de la matriz A es, como se observa sin dificultad, m
ultiplo escalar
del primer reng
on de A.
En general, si podemos producir un reng
on de ceros, por ejemplo, en
el rengl
on Ri , tendremos que habra s renglones Rj1 , Rj2 , Rj3 , Rjs todos
diferentes a Ri y escalares cjl , l = {1, . . . s} tal que:
Ri = cj1 Rj1 + cj2 Rj2 + cj3 Rj3 + + cjs Rjs .
Esto nos dice que al reng
on Ri lo podemos obtener de una suma de m
ultiplos
escalares de los s renglones Rjl . Dicho de otra forma, el rengl
on Ri es combinaci
on lineal de los s renglones Rjl .
Ejercicios
Exprese la matriz inversa como producto de matrices elementales para
cada una de las matrices siguientes:

1 3 3
1. A = 1 3 4
1 4 3

2 4 3
2
3 6 5
2

2. A =
2 5 2 3
4 5 14
14

57

5.3. MATRIZ TRANSPUESTA

5.3

Matriz transpuesta

A partir de una matriz A podemos construir otra matriz que llamamos la

matriz transpuesta de A y la denotamos con At .
Los renglones de At son las columnas de A y las columnas de At son los
renglones de A.
Ejemplo 5.35.
Si A =

1 2 3
4 5 6

Ejemplo 5.36.

1
2
Si A =
3
0

2
1
6
1

Definici
on 5.9:

3
0
7
0

1 4
At = 2 5 .
3 6

4
3
,
8
1

2
At =
3
4

2
1
0
3

3
6
7
8

0
1
.
0
1

Matriz transpuesta

Sea A Mmn , A = [aij ] i = 1, . . . m y j = 1, . . . n.

La matriz transpuesta de A, denotada At , es la matriz de orden
n m tal que tal que la entji (At ) = entij (A). para j = 1, . . . n y
i = 1, . . . m.
Veamos algunas propiedades sobre la transpuesta a traves de los siguientes ejemplos:
t

Ejemplo 5.37. Calculemos (At ) , cuando:

A=

1 2 3
4 5 6

tenamos que:

1 4
At = 2 5
3 6

CAPITULO 5.

58

MATRICES

Si ahora describimos a (At ) , tenemos que:

t t

(A ) =

1 2 3
4 5 6

=A

Ejemplo 5.38. Calculamos (At ) y (A)t cuando:




1 2 3
A=
4 5 6

1 4
At = 2 5
3 6

1 4
(At ) = 2 5
3 6
Por otro lado,
A =

1 2 3
4 5 6

1 4
(A)t = 2 5 = (At )
3 6
Ejemplo 5.39. Calcule (A + B)t y At + B t para las siguientes matrices:

A=

A+B =

1 2 3
4 5 6

B=

1+0 2+3 31
4+2 5+4 68

0 3 1
2 4 8

Por lo que

1
6
(A + B)t = 5
9 .
2 2

1 5
2
6 9 2

59

5.3. MATRIZ TRANSPUESTA

Por otro lado:

0
2
Bt = 3
4
1 8

1 4
At = 2 5 ,
3 6
De donde

1+0 4+2
1
6
At + B t = 2 + 3 5 + 4 = 5
9 = (A + B)t .
31 68
2 2
Ejemplo 5.40. Calcule (AB)t y B t At para las siguientes matrices:

A=

1 2 3
4 5 6

1
3
2
B= 1
3 1

Observe que A es de orden 2 3 y B es de orden 3 2, la matriz AB est

a
t
definida y es de orden 2 2 por lo que (AB) tambien es de orden 2 2.



1 4
1 1 3
Bt =
, At = 2 5 ,
3 2 1
3 6
Tenemos que B t es de orden 2 3 y At es de orden 3 2, la matriz B t At
est
a definida y es de orden 2 2.


1(1) + 2(1) + 3(3) 1(3) + 2(2) + 3(1)
AB =
=
4(1) + 5(1) + 6(3) 4(3) + 5(2) + 6(1)

 

1+2+9
3+43
12 4
=
=
4 + 5 + 18 12 + 10 6
26 16
Por lo que
t

(AB) =

12 26
4 16

Por otro lado:

BA =

1(1) + 1(2) + 3(3)

1(4) + 1(5) + 3(6)
3(1) + 2(2) + (1)(3) 3(4) + 2(5) + (1)(6)

CAPITULO 5.

60


1 + 2 + 9 4 + 4 + 18
3 + 4 3 12 + 10 6

12 26
4 16

MATRICES

Podemos concluir que (AB)t = B t At .

Ejemplo 5.41. En el ejemplo 5.32 determinamos para una matriz A, su
matriz inversa A1 . Veremos que si A es invertible, la matriz At es invert
1
tible, adem
as, (At ) = (A1 ) .

1
0 2
1 3
A= 0
1 2 0
De esta manera,

1 0
1

A = 0 1 2
2 3
0
t

A1

3
2

3
4

1
2

3

4

1
2
1
2

1
4

3
4

3
2

1 t
(A ) =
1

1
2

3
4

1
4

1
4

At (A1 )t

Veremos que
= I3 , como sabemos que la matriz inversa es
t
1
unica, tendremos que (A ) = (A1 )t .
Hay dos formas de hacerlo, una es corta. Utilizamos la propiedad que
nos brindo el ejemplo anterior: At (A1 )t = (A1 A)t = (I3 )t = I3 .
La otra es calcular directamente At (A1 )t = I3 utilizando la definicion
del producto de matrices. Nosotros preferimos hacer la corta.

Propiedades de la transpuesta
Sean A y B Mmn , y sean y n
umeros reales, se cumple que:
(At )t = A.
(At ) = (A)t .
(A + B)t = At + B t .

5.4. OPCIONAL. ASOCIATIVIDAD DEL PRODUCTO

61

(A + B)t = At + B t .
Si A Mmn y B Mnp , entonces:
(AB)t = B t At .
Si A Mnn es invertible, entonces At tambien lo es y
t

(At )1 = (A1 ) .
Ejemplo 5.42.
Para algunas matrices cuadradas, como la matriz identidad y las matrices
diagonales se cumple que son iguales a su transpuesta.




1 0
1 0
t
Si A =
, A =
.
0 2
0 2
Existen matrices que no son diagonales y cumplen con esa propiedad,
por ejemplo:




3 1
3 1
t
Si A =
, A =
.
1 1
1 1
Esto da origen a la siguiente definicion:
Definici
on 5.10: Matriz sim
etrica
Si una matriz cuadrada A, es tal que A = At , entonces decimos que A
es una matriz sim
etrica.

Para una matriz cuadrada A, la matriz A + At siempre es simetrica, ya

que: (A + At )t = At + (At )t = At + A = A + At .
Sean A y B Mnn matrices simetricas, entonces se cumple que:
A + B es simetrica ya que:
(A + B)t = At + B t = A + B.

5.4

Opcional. Asociatividad del producto

Cuando est
a definido, el producto de matrices es asociativo.

CAPITULO 5.

62

MATRICES

Para A Mmn , B Mnp y C Mpq , se cumple que:

A(BC) = (AB)C.
Verificar esta propiedad, aunque es laboriosa, nos permite comprender
mejor el producto de las matrices.
Veamos que tanto los productos A(BC) = (AB)C pueden llevarse a cabo
y que su resultado son matrices que coindiden en tama
no:
Como A Mmn , B Mnp y C Mpq :
(BC) Mnq , de esta forma, A(BC) Mmq , hagamos A(BC) = D.
AB Mmp , de esta forma, (AB)C Mmq , hagamos (AB)C = E.
Para verificar que el producto de matrices es asociativo debemos ver que
cada una de las entradas correspondientes en las matrices D y E coincide,
es decir, para i = {1, . . . m} y k = {1, . . . , q}, se cumple que: dik = eik .
Tenemos que cada una de estas entradas se componen de la siguiente
manera:
dik = Ri A Colk (BC), eik = Ri (AB)Colk C
Calculemos dik :
Veamos los factores de la entrada dik = Ri A Colk (BC):


El rengl
on Ri (A) = ai1 ai2 . . . ain .

Para cada k = {1, . . . , q}, las entradas de cada columna Colk (BC) las
escribimos como (bc)jk donde j = 1, . . . n y k est
a fijo, la columna queda en
la forma:

Colk (BC) =

(bc)1k
(bc)2k
..
.
(bc)nk

Para cada j = 1, . . . , n, tenemos que (bc)jk es la entrada jk de la matriz

producto BC, por lo que (bc)jk = Rj (B) Colk (C), as:

63

5.4. OPCIONAL. ASOCIATIVIDAD DEL PRODUCTO

(bc)jk = Rj (B) Colk (C) =

bj1 bj2 . . .

bjp

c1k
c2k
..
.
cpk

(bc)jk = bj1 c1k + bj2 c2k + + bjp cpk .

Por lo tanto,

dik = Ri (A) Colk (BC) =

ai1 ai2 . . .

ain

ai1 ai2 . . .

ain

(bc)1k
(bc)2k
..
.
(bc)nk

b11 c1k + b12 c2k + + b1p cpk

 b21 c1k + b22 c2k + + b2p cpk
.

bn1 c1k + bn2 c2k + + bnp cpk

dik = ai1 (b11 c1k + b12 c2k + + b1p cpk )

+ ai2 (b21 c1k + b22 c2k + + b2p cpk )

+ ain (bn1 c1k + bn2 c2k + + bnn cnk ).

Tenemos entonces que:
dik = ai1 b11 c1k + ai1 b12 c2k + + ai1 b1p cpk
+ ai2 b21 c1k + ai2 b22 c2k + + ai2 b2p cpk

+ ain bn1 c1k + ain bn2 c2k + + ain bnp cpk .

eik

Calculemos ahora la entrada eik de la matriz (AB)C = E, tenemos que:

= Ri (AB)Colk C
Como antes, los factores de la entrada eik = Ri AB Colk C:

Para cada i y k fijos, denotamos

con (ab)is donde s = {1,
 . . . , p}, a las

entradas del rengl
on Ri (AB) = (ab)i1 (ab)i2 . . . (ab)ip .

CAPITULO 5.

64

MATRICES

Como (ab)is es la entrada is de la matriz producto AB, se tiene (ab)is =

Ri A Cols B, as:

(ab)is = Ri A Cols B =

ai1 ai2 . . .

ain

b1s
b2s
..
.
bns

(ab)is = ai1 b1s + ai2 b2s + + ain bns .

c1k
c2k

Escribimos la columna: Colk C = . , por lo tanto,

..
cpk

eik = Ri (AB) Colk C =

(ab)i1 . . .

ai1 b11 + ai2 b21 + + ain bn1 . . .

(ab)ip

c1k
c2k
..
.
cpk

ai1 b1p + ai2 b2p + + + ain bnp

c1k
 c2k

... =
cpk

= (ai1 b11 + ai2 b21 + + ain bn1 )c1k

+(ai1 b12 + ai2 b22 + + ain bn2 )c2k

+(ai1 b1p + ai2 b2p + + ain bnp )cpk .

Tenemos entonces que:
ei k = ai1 b11 c1k + ai2 b21 c1k + + ain bn1 c1k
+ ai1 b12 c2k + ai2 b22 c2k + + ain bn2 c2k

+ ai1 b1p cpk + ai2 b2p cpk + + ain bnp cpk .

Ahora comparemos las dos expresiones que hemos obtenido para cada
una de las entradas dik y eik y observemos que:

5.4. OPCIONAL. ASOCIATIVIDAD DEL PRODUCTO

65

La entrada dik consta de p n sumandos, la entrada eik consta de n p,

en ambos, los sumandos aparecen en un arreglo rectangular.
Los p sumandos en el primer rengl
on del arreglo para dik coinciden con
los p sumandos que aparecen en la primera columna del arreglo para eik ,
los p sumandos en el segundo rengl
on del arreglo para dik coinciden con los
p sumandos que aparecen en la primera columna del arreglo para eik y lo
mismo para cada uno de los renglones y columnas subsecuentes.
dik = ai1 b11 c1k + ai1 b12 c2k + + ai1 b1p cpk
+ ai2 b21 c1k + ai2 b22 c2k + + ai2 b2p cpk

+ ain bn1 c1k + ain bn2 c2k + + ain bnp cpk .

ei k = ai1 b11 c1k + ai2 b21 c1k + + ain bn1 c1k
+ ai1 b12 c2k + ai2 b22 c2k + + ain bn2 c2k

+ ai1 b1p cpk + ai2 b2p cpk + + ain bnp cpk .

Por lo tanto podemos concluir que:
dik = eik ,

i = {1, . . . , m},

k = {1, . . . , p}.

Como cada una de sus entradas son iguales tenemos que D = E, que es
lo mismo que (AB)C = A(BC), lo que se deseaba mostrar.