Des Matrices

UNPSJB – Facultad de Ingenieria – Sede Ushuaia
Apuntes de la Cátedra:
ÁLGEBRA Y GEOMETRÍA
TEMA: ALGEBRA MATRICIAL
Ing. Rodolfo Iturraspe Profesor Asociado

Prof. Juana Candia J. de Trabajos Prácticos
Ing. Sergio Luppo Auxiliar de Primera
Año 2001
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
ALGEBRA MATRICIAL
Contenidos:
Suma. Producto por un escalar. Transposición. Producto matricial: Definición y propiedades. Matriz Inversa.
Ecuaciones matriciales. Forma matricial de un S.E.L.. Potencia de una matriz cuadrada. Matrices cuadradas
especiales. Operaciones elementales. Matrices elementales. Equivalencia. Determinación de la inversa
mediante la aplicación de operaciones elementales-Gauss Jordan. Teorema de Cramer .Matrices
particionadas.
Suma de matrices
Sean A, B matrices de orden m x n sobre un cuerpo de escalares K.
A=(aij) ; B= (bij) A+B= (aij+bij)
a11 a12 …a1n b11 b12 …b1n a11+b11 a12+b12 …a1n+b1n

a21 a22 …a2n + b21 b22 …b2n = a21+b21 a22+b22 …a2n+b2n
… … … … … … … … …
am1 am2…amn bm1 bm2…bmn am1+bm1 am2+bm2 … amn+bmn
Sumar matrices es sumar los elementos que ocupan posiciones homólogas. Tales escalares
tienen estructura de cuerpo (como los Reales y los Complejos) y por lo tanto las
propiedades de la suma de matrices están ligadas directamente a las propiedades que los
escalares verifican en relación a la suma.
Propiedades de la suma
Ley de composición interna
A, B matrices ∈ K mxn ⇒ (A+B) es matriz ∈ K mxn
Demostración: La definición preserva el orden de la matriz suma, que siempre
queda definida porque sus elementos son de la forma aij+bij, o sea suma de los
escalares de A y de B. Como pertenecen a un cuerpo de escalares, aij+bij siempre tiene
solución.
Asociatividad
A+(B+C) = (A+B)+C
A+(B+C) =(aij) + ((bij)+(cij))
∀ij, aij+[bij+Cij]= [aij+bij]+Cij por asociatividad en el cuerpo de escalares K
⇒ A+(B+C) = ((aij)+((bij)) + (cij)) = (A+B) + C
∃ Neutro
∃ la matriz nula N de orden nxm / ∀ij: nij=0 que verifica A+N= A =N+A
A+N= (aij + 0)=(aij)= A
∃ Inverso
∀A ∈ Km x n, ∃ A’ ∈ Km x n / A+ A’ = 0 (matriz nula)
Si A= (aij) -> A’ = (-aij)
2
La existencia de inverso aditivo u opuesto permite definir la resta A-B como la

suma entre A y el opuesto de B: A-B= A+B´= A + (-B)
Conmutatividad
Por ser escalares conmutatIvos los componentes de las matrices, la suma de
matrices es también conmutativa:
A+B = B+A ya que
A+B= (aij) + (bij) = (aij+bij) = (bij+aij)= B+A
Dado que se cumplen estas propiedades, la estructura algebraica(1) (Kmxn, +) es un

grupo conmutativo.
Producto de una matriz por un escalar

Sea A= (aij) ∈ Kmxn, y α un escalar del cuerpo K
αa11 αa12 …αa1n
α . A = (αaij) = αa21 αa22 …αa2n
… … …
αam1 αam2…αamn
α.A es siempre otra matriz del mismo orden que A. El alumno puede demostrar que
∀ α,β∈ K y A, B∈Kmxn:
1) (α+β).A= αA + βA
2) α(A+B) = αA + αB
3) (αβ)A = α(βA)
Transposición de matrices
Sea A= (aij) ∈ Kmxn Definimos AT = (aji)

T
A tiene por filas las columnnas de A y sus columnas son las filas de A, por lo tanto su
orden es mxn.
Ejemplo:
a b c d a e
b f
A= e f g h ⇒ A= T
c g
d h
Propiedades de la transposición
(AT)T= A
(A+B)T= (aij+bij)T = (aji+bji)= (aji)+(bji) = AT+BT
1
Definida una operación en un conjunto, tendremos una estructura algebraica de grupo conmutativo si la operación entre
elementos del conjunto verifica las propiedades: ley de composicion interna, asociatividad, ∃ neutro, ∃ inverso y
conmutatividad. Otros grupos conmutativos son: (N, +) ; (R, +); etc. No es G.C. (R, . ) porque 0 no tiene inverso
multiplicativo pero sí lo es (R- 0 , .)
3
4
Producto de matrices
Consideraremos en principio el producto entre dos matrices de una sola línea de la forma:
b11
A= (a11 a12 …a1n) ; B= b21 Donde A es de orden 1x n y B es nx1
…..
bn1
AxB = a11b11+a12 b21+ ….+ a1n bn1 = c (resulta una matriz de orden 1x1, o sea un escalar)
AxB= ∑k=1,n a1k bk1
Generalizaremos sobre esta base el concepto de producto matricial. Para que éste
sea posible, se requiere cierta relación entre el orden de las matrices: las filas de la primera
deben tener igual cantidad de elementos que las columnas de la segunda. Entonces cada
elemento cij de la matriz producto es el resultado de multiplicar la fila i de la primera
matriz por la columna j de la segunda. j
↓
j
c11 c12… c1j … c1n
↓
c21 c22… c2j … c2n
a11 a12 …a1p b11 … b1j …b1n
… … …
b21 … b2j …b2n
i  a a ai x = ci1 ci2… cij= ai1b1j+ai2b2j+…aipbpj cin i
i1 i2 … p ……………………. cm1 cm2… cmj … cmn
… … A … x bp1 … bBpj …bpn = C
am1[mam2… amp
x p] [p x n] [m x n]
enlace necesario para

producto factible
AxB= (aij)x(bij) = (cij) / cij = ∑k=1,n aik bkj

orden de la matriz producto
Conclusión: El producto entre matrices rectangulares sólo es factible bajo las condiciones
de orden ya expresadas. El número de filas de la matriz producto queda definido por el
número de filas del primer factor interviniente y el número de columnas, por la cantidad de
columnas del segundo. El alumno puede comprobar que la conmutación de los factores es
inviable, salvo en el caso de matrices cuadradas del mismo orden.
En un conjunto de matrices de orden mxn , esta operación no es generalmente ley
de composición interna, ya que cuando m ≠ n el producto entre matrices del mismo orden
ni siquiera está definido. No obstante en el caso de matrices cuadradas (m=n) el producto
entre matrices del mismo orden siempre da como resultado otra matriz del mismo orden.
Veremos que las matrices cuadradas revisten especial interés dentro del álgebra matricial.
5
Ejemplos de aplicaciones del producto matricial

Ejemplo 1: Sea el caso de una empresa que fabrica 6 productos distintos. Cada
artículo tiene un costo de materia prima, de mano de obra y de energía consumida para su
fabricación. La matriz de la matriz A es la matriz de costos unitarios para cada artículo por
rubro. La matriz B contiene las cantidades producidas por artículo y por mes. El producto
AxB da una matriz de costos mensuales de toda la producción por cada uno de los tres
rubros indicados.
costos unidades producidas
art1 art2 art3 art4 art5 art6 mes1 mes2 mes3 mes4
Costos de materia prima por art. 10 5 2 3 5 3 art1 100 300 0 100
Costos de mano obra por art. 4 3 1 2 3 2 art2 200 0 500 200
Costos de energía por art. 1 0 1.5 2 2 2 art3 0 0 200 220
A art4 0 400 100 100
art5 200 100 0 50
art6 200 100 300 300
B
Matriz de costos mensuales de producción
mes1 mes2 mes3 mes4
Materia prima 3600 5000 4100 3890
Mano de obra 2000 2500 2500 2170
Energía 900 1500 1100 1330
C= AxB
Puede apreciarse que si se agregan nuevas columnas a la matriz B, correspondientes
a nuevos meses, el producto puede realizarse sin inconvenientes, resultando nuevas
columnas en la matriz producto.
Esta forma de trabajo permite sistematizar en forma eficaz el cálculo (las matrices
podrían ser mucho más grandes), el cual se puede realizar en forma sencilla con cualquier
planilla de cálculo.
Ejemplo 2: Aplicación geométrica

1 0 x
El producto entre A= 0 -1 y la matriz columna X= y es la matriz X’ cuyos
elementos de la segunda fila cambian de signo respecto de X.
A . X = X’
1 0 x x
0 -1 = El mismo efecto se verifica cuando X tiene varias columnas
y -y
El triángulo de la figura queda determinado 3
P1
por las coordenadas de sus vértices. Es Figura 2 P2
posible almacenar tales coordenadas como X
columnas en la matriz X. 1
P3
El producto A.X =X’ es una nueva matriz de 0
coordenadas que genera una imagen
simétrica de X respecto del eje horizontal -1 P’3
P1 P2 P3 P’1 P’2 P’3 Figura-2 P’2

1 0 1 5 2 = 1 5 2 X’
0 -1 3 2 1 -3 -2 -1 -3 P’1
6
El producto matricial es una herramienta importante en aplicaciones relativas a la

geometría del plano y del espacio según se verá en unidades posteriores.
Propiedades del producto entre matrices cuadradas

Recordamos la multiplicación entre matrices cuadradas del mismo orden es siempre
factible, resultando otra matriz del mismo orden, lo que motiva una serie de propiedades y
aplicaciones relativas al producto entre este tipo de matrices, lo cual motiva un análisis
particular de las propiedades.
Ley de composición interna.
A, B ∈ Knxn ⇒ AxB ∈ Knxn Se deduce directamente de la definición y de las
consideraciones expuestas previamente.
Asociatividad (1)
Ax(BxC)= (AxB)xC
Sea BxC=D ⇒ ∀ij: dij = ∑k=1,n Bik Ckj

Ax(BxC)= AxD = E ⇒ ∀ij eij= ∑t=1,n ait dtj
pero dtj= ∑k=1,n Btk Ckj
eij= ∑t=1,n ait (∑k=1,n Btk Ckj) = ∑t ∑k ait Btk Ckj
eij= ∑k ∑t ait Btk Ckj
Analizamos (AxB)xC:
AxB= F= (fij)/fij=∑t ait Btj
reemplazando fik= ∑t=1,n ait btk
E’ = FxC= (e’ij) / e’ij = ∑k=1,n fik Ckj =
∑k=1,n (∑t=1,n ait Btk) Ckj=
e’ij =∑k ∑t ait Btk Ckj =eij
e’ij =eij ∀ij ⇒ Ax(BxC)= (AxB)xC
Existencia de neutro.
∃ I ∈ Knxn / ∀ A∈ Knxn IxA=AxI=A aij=1 si i=j
I es la matriz identidad. I= (aij)/
aij=0 si i≠j
Se puede verificar fácilmente que Ax I=A
a11 a12 … a1n 1 0 …. 0
a21 a22 … a2n 0 1 0 .. 0
x …………. = A
… … … 0 …. 0 1
an1 an2… ann
Distributividad del producto respecto de la suma (1)

Ax(B+C) = AxB+AxC Demostración a cargo del alumno. Puede
(B+C)xA = BxA+CxA emplearse procedimiento similar al
utilizado para la Asociatividad
Una importante particularidad del producto matricial es que no se cumple la

conmutatividad para la generalidad de los casos.
(1)
Propiedad extensible al producto entre matrices rectangulares.
7
Matriz inversa
Si A-
1
Dada una matriz cuadrada A ∈ Knxn, la inversa de A, si existe, es la
matriz A-1, de igual orden que verifica: A-1 x A = I = A x A-1
existe, se dice que A es inversible, no singular o regular.
No todas las matrices cuadras admiten inversa, tales como la matriz nula y muchas
otras, según se verá mas adelante.
El método de cálculo de la inversa de una matriz se estudiará más adelante. El
análisis de existencia o no de inversa es uno de tópicos fundamentales del álgebra
matricial, ya que de la categorización de una matriz como singular o no singular resulta
información muy valiosa relativa a la matriz, al sistema de ecuaciones que pudiera
representar y al valor de su determinante.
Inversa del producto

Sean A y B matrices cuadradas n x n
(A . B)-1= (B-1.A-1) ya que (A . B) . (B-1.A-1) = [A .(B . B-1)] .A-1 = [A . I ].A-1= A . A-1= I
y en general:
(A1.A2.A3 …..An)-1= (An-1….A3-1.A2-1.A1-1)
Lo que puede demostrarse en forma estricta por inducción.
Transpuesta del producto

Sean: A∈Kmxp ; B∈ Kpxn ⇒ (A.B)T = BT.AT
Demostración:
Análisis dimensional: A.B es de orden mxn ⇒ (A.B)T es de orden nxm
BTy AT son respectivamente nxp y pxm, ⇒ es factible el producto BT.AT cuyo orden es
nxm, ⇒ orden (BT.AT) = orden ((A.B)T)
Luego
A.B= C / cij = Σ (aik bkj) ⇒ (A.B)T = CT / cji = Σ (aik bkj)
k=1,p k=1,p
Estudiamos el producto BT.AT según la fila j y la columna i, ya que determinan cji:

La fila j de BT se integra con los
elementos de la columna j de B . La
columna i de AT es la fila i de A i
c11 c12… c1i … c1m
b11 b12 …b1p c21 c22… c2i … c2m
a11 … a1j …a1n
j … … … a21 … a2j …a2n
b1j b2j …bpj . = cj1 cj2… cji= ai1b1j+ai2b2j+…aipbpj cjm
…………………….
… … … ap1 … apj …apn
bm1 bm2…bmp
cn1 cn2… cmi … cnm
Resulta cji= Σ (aik bkj) ⇒ BT.AT= (A.B)T
k=1,p
Ecuaciones matriciales
8
Es posible plantear ecuaciones en las que intervienen matrices. Por ejemplo:

A.X= B
donde A y B son matrices conocidas, A es una matriz cuadrada, y los órdenes de X y de B
son compatibles con el producto planteado.
Tal como en los números reales, hay condiciones para la existencia de solución. El
álgebra matricial nos permite estudiar el problema y encontrar solución si la hubiera.
Si ∃ A-1⇒ existe solución única:
A-1.(A . X) = A-1.B
Aplicando asociatividad: (A-1.A) . X = A-1.B
I .X= A-1.B
X = A-1.B
Ejemplo 1: Resolver la ecuación matricial:

2 0 x11 x12 = 1 -2 ( A.X = B)
0 ¼ x21 x22 0 3
2 0 ½ 0
La matriz A= 0 ¼ tiene una inversa fácil de determinar, que es: A-1= 0 4
(el alumno puede verificar que AxA-1=I)
½ 0 1 -2 ½ -1
X = A-1.B = . =
0 4 0 3 0 12
Aplicaciones frecuentes corresponden al caso en donde X es matriz columna. En tal

situación, B es también matriz columna.
Ejemplo 2:
2 0 x11 2 ½ 0 2 1
= ⇒ X= 0 4 =
0 ¼ x21 1 1 4
9
Forma matricial de un Sistema de Ecuaciones Lineales

Todo SEL se puede expresar como una ecuación matricial. En efecto, el sistema:
a11 X1 + a12 X2 + ….. + a1n Xn = b1

a21 X1 + a22 X2 + ….. + a2n Xn = b2
…..
am1 X1 + am2 X2 + ….. + amn Xn = bm
es el desarrollo de la ecuación matricial A . X = B

donde:
X1 b1
a11 a12 …. a1n X2 b2
A= a21 a22 …. a2n ; X= .. ; B= ..
………………….. .. ..
am1 am2 ... amn Xn bm
A: matriz de coeficientes del sistema(orden mxn),

X: matriz de las variables (orden nx1)
B :matriz de los términos independientes (orden mx1);
m: cantidad de ecuaciones
n: cantidad de incógnitas del sistema.
Este planteo permite tratar los SEL mediante herramientas de álgebra matricial.
Potencia de una matriz cuadrada (exponente Natural)

An = A. A . A ….A Definición: A0 = I
A1= A
n veces An+1 = An . A (n Natural)
Si la matriz A no es cuadrada, la potenciación no es posible porque tampoco lo es el

producto A.A
Aplicaciones
Dos especies x , y tienen tasas de crecimiento del 20% y del 30% respectivamente
por unidad de tiempo. La matriz A por una matriz columna de población inicial P0= xo
da otra matriz columna que representa la población en el tiempo 1 P1= x yo
1
xo y1
= x1
1.2 0 1.2xo
=
0 1.3 yo 1.3yo
y1
La población en el tiempo 2 es: A . P1 = A . (A . P0) = A2 . P0
Al cabo de k períodos de tiempo la población está dada por
xk 1.2 0 k xo
Pk = = Ak . P0 = .
yk 0 1.3 yo
10
5
1.2 0 100
Si fuese P0 = 100 ⇒ al cabo de 5 u. t. es P5= 0 1.3 . =
40
40
1.25 0 100 249
= (redondeando los valores)
0 1.35 40 149
Se puede dar al caso mayor complejidad, considerando interacción entre las

poblaciones:
Supongamos presencia de un virus cuya tasa de crecimiento es tal que la población
se duplica en un día. Ante el suministro de un medicamento la tasa de crecimiento de los
anticuerpos es 8. Cada anticuerpo existente al principio del período mata un virus y cada
virus mata un anticuerpo. x0 es la población inicial de anticuerpos e y0 es la de virus, en
tanto que x1 e y1 son las poblaciones respectivas al cabo de un día
Tenemos las siguientes ecuaciones:
8x0 - y0 = x1 8 -1 x0 x1
-x0 + 2y0 = x2 o bien: -1 2 . y0 = y1 o A . X0=X1
La evolución de las poblaciones luego de n días es Xn = An. X0
Se quiere saber al cabo de cuántos días desaparecerá el virus, partiendo de una

población inicial que presenta una relación de 6 individuos de virus por cada anticuerpo.
8 -1 1 2
A . X0 = -1 2 . 6 = 11
65 -10 5
A2. X0= . 1 = 20
-10 5 6
A3. X0= 530 -85

. 1 = 20
-85 20 6 35
125
A4. X0= 4325
-700
-700
125
. 1 =
6
50
950 El virus desaparece
A5. X0= 35300 -5725 1 =
-5725 950 al 5º día
6
-25
Ejemplo: Movimientos en dos dimensiones asociados a una matriz
Un punto P0 del plano, de coordenadas (x,y) se puede representar también como

una matriz columna de orden 2x1. Del producto de la matriz A de orden 2x2 por P0 resulta
otra matriz columna 2x2, o sea otro punto del plano: A.P0= P1
Demos al cálculo la siguiente interpretación: un objeto se puede muever en una
superficie en distintas direcciones según la posición que ocupaba en el intervalo de tiempo
anterior. Si P0 es la posición en el instante P1 es la nueva posición al cabo de un intervalo
de tiempo y se calcula como A.P0= P1. La nueva posición P1 definirá una nueva trayectoria
La ley del movimiento está contenida en la matriz A
En el tiempo 2 la posición es P2= A.P1 = A2.P0, y en general Pk = Ak.P0
11
1 2 1
Sea la matriz A = y P0 =
1 -1 1
1 2 3
1
P1= 1 -1 . 1 = 0
Y
P4(9,9)
3 0 1 = 3 •
P2= 0 3 . 1 3
P2(3,3)
3 6 1 9 •
P3= 3 -3 . 1 = P0(1,1)
•
0 • • •
P1(3,0) P3(9,0) P5(27,0) X
9 0 1 9
P4= =
0 9 . 1
9 El lector puede comprobar, usando las mismas
matrices 2x2 que las trayectorias cambian
P5= 9 18 1 27
= totalmente con la posición inicial seleccionada.
9 -9 . 1 0
P0 = (0,0) no produce ningún movimiento.
Otro caso:
Sea A= 1 -1
1 -1
Esta matriz mueve a cualquier punto que esté sobre la recta y=x , al origen de coordenadas
1 -1 . α = α-α = 0
1 -1 α α-α 0 •
Se dice que esta recta es un sumidero
Otra característica de esta matriz es que

mueve cualquier punto del plano a la
recta y =x
•
• • P0(13,6)
1 -1 α α-β • •
. =
1 -1 β α-β P0(10,4)
•
P0(5,1)
•
P0(18,0) X
Lineas de fujo para distintos valores
iniciales
Esto indica que como máximo en dos intervalos de tiempo cualquier punto del
plano es llevado al orígen. Para que esto sea así debe ser:
A2.P0= 0 ∀ P0 ∈ R2
0 0
Esto es posible si y sólo si A2 = como puede verificar el lector
0 0
12
Matrices cuadradas especiales

Las matrices suelen estar relacionadas a problemas matemáticos tales como
sistemas de ecuaciones lineales, admitiendo transformaciones a partir de operaciones
elementales que preservan la relación mencionada a los fines de facilitar el cálculo e
interpretar más fácilmente la información que contiene la matriz. Hay además matrices
especiales que presentan propiedades especiales con respecto al producto, a la
transposición, y a la inversibilidad.
Matriz escalar
A∈ Knxn es Escalar ⇔ aij = 0 si i ≠ j α 0 …. 0
aij = α si i = j 0 α 0…. 0
A se puede escribir como α.I ………
Las matrices Nula e Identidad son 0 0 0 α

ejemplos de matrices. escalares
Matriz diagonal α1 0 0 .. 0
A∈ Knxn es Diagonal ⇔ aij = 0 ∀ i ≠ j
0 α2 0…. 0
Observación: las matrices escalares ………
son también matrices diagonales.
El alumno puede demostrar que el producto entre matrices 0 0 0 αn
diagonales es conmutativo(caso particular). Se verá que no todas las a11 0 0 0 … 0
matrices cuadradas pueden transformarse a la forma diagonal
a11 0 0 … 0 a21 a22 0…. 0
Matriz
a31 a32 triangular
a33 0.. 0
a21 a22 0 . . . 0
inferior
a31 a32 a33 0.. 0 ………… 0
A∈ Knxn es Triangular inferior ⇔ aij = 0 ∀ i < j an1 an2 an3…ann
………………
an1 an2 an3… ann
Matriz triangular superior
A∈ Knxn es triangular superiorr ⇔ aij = 0 ∀ i > j a11 a12 a13… a1n
Las matrices triangulares son de especial utilidad en 0 a22 a23.. a2n
Sistemas de ecuaciones lineales, según se ha visto en 0 0 a33.. a3n
la unidad anterior
…………..
0 0 ...0 ann
Matriz simétrica
a11 β
A∈ Knxn es Simétrica ⇔ aij = aji ∀ i,j α
α a22
Sus elementos son simétricos respecto de la diagonal δ
principal, como se aprecia en el ejemplo de orden 3x3:

β δ ann
A simétrica ⇔ A = AT
13
Matriz antisimétrica 0 -α
β
A∈ Knxn es Antisimétrica ⇔ aij = -aji ∀ i,j Ej.:
α 0 -δ
A Antisimétrica ⇔ A = -A T
-β δ 0
Pregunta: siempre deben ser nulos los elementos de la diagonal principal para que
A sea antisimétrica ?
En capítulos posteriores se verán importantes aplicaciones de la matrices simétricas

y antisimétricas.
Matriz Idempotente
1 0
A∈ Knxn es idempotente ⇔ A = A2 Ej : 1 0
Matriz Nilpotente
A es Nilpotente de orden k ⇔ Ak = 0 y A(k-1) ≠ 0 ; k ∈N
La matriz A del ejemplo es nilpotente de orden 3:

0 0 0 0 0 0 0 0 0
A= 1 0 0 A2 = 0 0 0 A3 = 0 0 0
1 1 0 1 0 0 0 0 0
Matriz Ortogonal
A es Ortogonal ⇔ A.AT = I = AT.A Ortogonales 2x2
Se deduce que: A es Ortogonal ⇔ A = A-1 1 0 0 1

0 -1 1 0
Propiedad:
Ortogonal 3x3
La suma de los cuadrados de los elementos de cualquier fila
de una matriz ortogonal es 1 y la suma de los productos de ½ -√3/2 0
los elementos de una fila por los homólogos de otra es cero.
La propiedad es también válida para las columnas √3/2 ½
Demostración: 0
A ortogonal ⇒ A . A = I T
Un elemento cij de I es: cij = ∑ aikakj ;

si i = j ⇒ cij = 1 = ∑ aikaki pero aik = aki porque son elementos de matrices transpuestas:
la columna i de AT tiene los mismos elementos de la fila i de A
si i ≠ j ⇒ cij = 0 = ∑ aikakj La columna j de AT es igual a la fila j de A
14
Operaciones elementales aplicables a matrices

Análogamente que en S.E.L., definiremos tres tipos de operaciones elementales,
pero ahora aplicables a líneas de una matriz (filas o columnas). Se habla así de O.E. de fila
y O.E. de columna, Normalmente no se combinan O.E de tipos fila y columna en un
mismo proceso.
Operaciones elementales:
Tipo 1: Multiplicación de una línea por un escalar no nulo
Tipo 2: Suma de un múltiplo de una línea a otra.
Tipo 3: Intercambio de líneas.
Matrices elementales
Ei ∈ Knxn es matriz elemental de tipo i ⇔ Ei resulta de aplicar a la matriz I ∈ Knxn una
única operación elemental de fila de tipo I
Ejemplos sobre matrices de orden 3 x 3:
1 0 0
E1 = 0 1 0 es M.E. de tipo 1 ya que E1 se obtiene multiplicando la fila 3 de
I por el escalar no nulo k
0 0 k
1 0 0
E2 = es M.E. de tipo 2 ya que E 2 se obtiene sumando la fila 1 de I
0 1 0
multiplicada por k≠0 a la fila 3 de I
k 0 1
0 1 0
E3 = es M.E. de tipo 3 ya que E 3 se obtiene sumando la fila 1 de I
1 0 0
multiplicada por k≠0 a la fila 3 de I
0 0 1
Sea y Ei una matriz elemental mxm y A una matriz m x n. El producto Ei x A = A´
es una matriz igual a la que resulta al aplicar a A la misma O.E que se aplicó a I para
obtener Ei. Por lo tanto es posible manejar la aplicación de operaciones elementales a
cualquier matriz mediante el producto matricial
Ejemplo: x + 2y = 0 ⇒ A’= 1 2 |0
Consideremos el SEL x - y =1 1 -1 | 1
La matriz ampliada es A’ y se le aplicarán operaciones elementales con el fin de resolver el

sistema. Restando la fila 1 a la 2 resulta : 1 2 0 (i)
0 -3 1
Dividimos por (-3) la fila 2 : 1 2 0 (ii)
0 1 -1/3
Restamos a la F1 2.F2 : 1 0 2/3 (iii)

⇒ x = 2/3 e y = -1/3 0 1 -1/3
1 0
La matriz elemental que representa la transformación (i) es E1= -1 1
15
ya que:
1 0 . 1 2 0 = 1 2 0
-1 1 0 -3 1 0 -3 1
Análogamente, en (ii) E2= 1 0

0 -1/3
y en (iii) E3= 1 -2
0 1
Las operaciones matriciales que se han realizado son: E3. [E2. (E1 . A’)] =
1 -2 1 0 1 0 1 2 0 = 1 0 2/3
0 1 0 -1/3 -1 1 0 -1 1 0 1 -1/3
1/3 2/3
. . 1 2 0 = 1 0 2/3
1/3 -1/3
0 -1 1 0 1 -1/3
Debido al carácter no conmutativo del producto, es estrictamente necesario respetar

el orden de los factores.
El alumno puede verificar que el producto de la forma A.E produce sobre la matriz
A una operación elemental de columna. En tal caso, si A es m x n, E debe ser n x n.
Cabe también analizar que toda matriz elemental admite es inversible, siendo su inversa
otra matriz elemental que produce la operación elemental inversa
Matrices equivalentes
Definición: dos matrices son equivalentes por fila si y sólo sí una de ellas puede obtenerse
a mediante un número finito de operaciones elementales aplicables a las filas de la otra.
Sean A y B ∈ K m x n y Ei ∈ K m x m:
A ≡ B ⇔ ∃ E1, .. Ek / A = Ek.Ek-1. …..E2.E1.B
Por lo tanto las matriz A’ del ejercicio precedente es equivalente a la matriz final
(última transformación)
Determinación de la inversa mediante la aplicación de operaciones elementales

Dada una matriz A ∈ K n x n no singular
∃ A-1⇒ A . A-1 = I
Sea A la matriz de coeficientes de un sistema de n ecuaciones lineales en n variables
Por Cramer :
∃ A-1 ⇒ ∃ solución única
⇒ A puede transformarse mediante ecuaciones elementales en I. ya que se pueden aplicar
n pivotes.
16
Sean E1, E2 … Ek las matrices elementales asociadas a tales operaciones elementales

P
(Ek Ek-1. …E3.E2.E1).A = I =P.A (P inversa a Izquierda)

P es inversible ya que es producto de matrices inversibles ⇒
P-1.P.A = P-1.I
A= (Ek Ek-1. …E3.E2.E1)-1.I = (E1-1 E2-1E3 …Ek-1)

A.P= (E1-1 E2-1 …Ek-1-1) (Ek Ek-1. …E3.E2.E1)= I (P es inversa a derecha)
⇒ P = (Ek.Ek-1. …E3.E2.E1) = A-1
A-1 = (Ek.Ek-1. …E3.E2.E1) . I
Esto significa que A-1 se obtiene aplicando a I las mismas operaciones elementales
requeridas para transformar la matriz A en la Identidad.
En consecuencia es útil el método de Gauss Jordan para facilitar la obtención de la
inversa de una matriz cuadrada A de orden nxn, siguiendo los siguientes pasos:
1) Adjuntar a la matriz A la identidad conformando una matriz de n filas y 2n columnas.
2) Aplicar Gauss Jordan a toda la matriz resultante, aplicando pivotes exclusivamente
sobre la matriz A original.
3) Si A tiene inversa, se podrán aplicar sucesivamente n pivotes, quedando en su posición
la matriz Identidad. En la partición que ocupaba originalmente I, quedará definida A-1, ya
que a estas celdas se aplicaron las mismas O.E. que transformaron A en I.
4) Si A no puede transformarse en I ( una fila se anula en la partición de A y no hay
posibilidad de un nuevo pivot), no hay posibilidad de determinar A-1
A I
a11 a12 … a1n 1 0 … 0
a21 a22 … a2n 0 1 0… 0
… … … … …
an1 an2… ann 0 0 … 0 1
n transformaciones pivotales
1 0 … 0
a’11 a’12 … a’1n
0 1 0… 0
a’21 a’22 … a’2n
… … … … …
a’nn
a’n1 a’n2… -1
0
I
0 … 0 1
A
17
Solución única en sistemas de ecuaciones lineales: teorema de Cramer:
Un sistema de n ecuaciones con n incógnitas tiene solución única si y sólo si la

matriz de coeficientes del sistema es no singular
La matriz de coeficientes A es de orden nxn y el sistema es:
A.X = B
Si ∃ A-1 ⇒ A-1.(A . X) = A-1.B
(A-1.A) . X = A-1.B
I . X = A-1.B
X = A-1.B
Esta última ecuación define un único vector solución
Supongamos ahora que el sistema A.X= B admite solución única:

Por lo estudiado en SEL, la matriz A del sistema es factible de ser transformada por
operaciones elementales, pudiéndose aplicar n pivotes no nulos, caso contrario el sistema
sería incompatible o bien indeterminado. En consecuencia A es equivalente a I
P
⇒ ∃ E1, E2…Ek / (Ek.Ek-1. E2.E1).A = I = P.A
Ya se estudió que en tal caso resulta P.A = I = A.P
⇒ P = A-1
Matrices particionadas
Particionar una matriz es separarla en bloques rectangulares de menor orden o

submatrices. Este procedimiento suele facilitar las operaciones y agilizar la interpretación
de la información contenida en la matriz.
Ejemplos:
a) 1 0 0 2 3 2 3
0 1 0 5 0 I 5 0
A= 0 0 1 0 -2 = 0 -2
0 0 1 0 0 0 0 1
1 1 0 0 0 1 1 0 0
Aquí la partición permite expresar la matriz en forma simplificada.
18
b) Sea: 1 -1 2 3 0 2
0 1 3 5 0 6 (expresión de A según
A11 A12 A13
A= 1 1 0 0 -2 0 ⇒ A= sus bloques)
0 0 1 4 4 1 A21 A22 A23
A está particionada en dos filas y tres columnas de bloques Aij

es claro que:
A11 = 1 -1 2
0 1 3
Una forma usual de expresar una matriz es por sus columnas o bien por sus renglones
Sea: 2 1 4 2
A= 0 3 7 ⇒ A = ( A1, A2, A3 ); donde por ejemplo A1 =
0
1 2 -1 1
o bien A= A1 En tal caso A1= (2 1 4)
A2
A3
1 -1 0 0
Sea la matriz B= 2 3 5 1 = ( B1, B2, B3, B4 )
1 -2 -1 0
Es posible que en el producto A.B (orden 3x4) sólo interese el contenido de una
columna, por ejemplo la 2ª . En tal caso conviene multiplicar A por esa columna de B:
2 1 4 -1 -7
A . B2 = 0 3 7 . 3 = -5
1 2 -1 -2 7
En general la columna j del producto es A. Bj ⇒ la expresión de A.B por sus columnas

es:
A.B = (A.B1, A.B2, A.B3, A.B4)
Análogamente, aplicando el mismo criterio para las filas resulta:
A1.B
A.B= A2.B
A3.B
19
Multiplicación de matrices particionadas
Sea A ∈Kmxp y B∈Kpxn ⇒ A.B ∈ Kmxn.

Se analizará el producto particionando las matrices en diferentes formas.
Caso 1: Matriz no particionada por matriz particionada en dos bloques columnares

B= (B1, B2) B1, B2 bloques y bi columnas
A.B =A.(b1 b2.. bt bt+1 bt+2 .. bn-1 bn)
A.B = (Ab1 Ab2.. A bt Abt+1 Abt+2 .. Abn-1 Abn)
= (AB1 AB2)
b1 b2.. .. bt bt+1…. bn Ab1 Ab2.. Abt Abt+1…. Abn

A . =
m B1 B2 AB1 AB2
p m
t columnas n-t columnas t columnas n-t columnas
p
A (B1 B2) = (AB1 AB2)
Caso 2: Matriz particionada en dos bloques de filas por matriz sin particionar
A= A1 A1 es de orden txp y A2 es (m-t)xp

A2
A1 A1B
B
A.B = . =
A2 A2B
A A.B
A1 A1.B
.B=
A2 A2.B
20
Caso 3: Producto entre dos matrices particionadas: dos bloques de filas por dos bloques
de columnas
. ( B1 B2 )
A1
A2
A1 A1.B1 A1B2
. = txr tx(n-r)
txp B1 B2
A2.B1 A2.B2
A2 (m-t)xp pxr px(n-r) (m-t)xr (m-t)x(n-r)
. ( B1 B2 ) =
A1 A1B1 A1B2
A2 A2B1 A2B2
Caso 4: Producto entre dos matrices particionadas: dos bloques de columnas por dos
bloques de filas
Las matrices deben particionarse de manera de que en el bloque izquierdo de A
haya tantas columnas como filas en el bloque superior de B.
(A1 A2) . B1
B2
A1 A2 B1
mxt mx(p- txn A1.B1 + A2.B2
t) . =
mxn
B2
(p-t)xn
Esto requiere demostración:

A.B = C ⇒ cij = Σ aik bkj = Σ airbrj + Σ ais bsj = A1B1 + A2B2
k=1,p r=1,t s=t+1,p
B1
(A1 A2) .
B2 = A1.B1 + A2.B2
21
Ejemplo del caso: resolver el producto A.B particionando en la forma más apropiada
A B
0 1 2 3
4 1 0 0 0 0 1 0 -2
1 2 0 0 0 . 0 2 1 7
1 1 0 0 0 1 1 0 4
-1 3 5 5
Interesa minimizar el cálculo. En la primera matriz hay una submatriz nula 3x3 que
anula cualquier término en donde ella intervenga, por lo cual es conveniente que la misma
defina la partición. Si A tiene dos columnas en el primer bloque y tres en el 2º ⇒ B debe
particionarse con dos filas en el primer bloque y tres filas en el 2º .
A1 A2
0 1 2 3 B1
4 1 0 0 0 0 1 0 -2
1 2 0 0 0 . 0 2 1 7 =
1 1 0 0 0 1 1 0 4 B2
-1 3 5 5
= 0 5 8 10 0 0 0 0 0 5 8 10
0 0 0 0 =
0 3 2 -1 + 0 0 0 0 0 3 2 -1
= A1B1 + A2B2 = 0 2 A.B
2 1
Caso 5: Producto entre matrices particionadas en filas y columnas de bloques
A11 A12 . B11 B12

A21 A22 B21 B22
n
p
t p-t
B11 B12
A11 A12 t
m
p
A21 A22
B21 B22
p-t
A11 A12
Sean A1 = y A2=
A21 A22
⇒ A = (A1,A2)
Sean B1= ( B11 B12) B2 = (B21 B22) ⇒ B= B1

B2
22
Por caso 4: A.B = (A1,A2) B1 = A1B1 + A2B2

B2
Por caso 3: A1B1= A11 . ( B11 B12) = A11 B11 A11B12

A21 A21 B11 A21B12
A2B2= A12 . ( B21 B22) = A12B21 A12B22

A22 A22 B21 A22B22
A11 B11+ A12 B21 A12 B22 + A12 B22

⇒ A1B1 + A2B2 =
A21 B11+ A22 B21 A21 B12 + A22 B22
A11 B11+ A12 B21 A12 B22 + A12 B22

A11 A12 . B11 B12 =
A21 A22 B21 B22 A21 B11+ A22 B21 A21 B12 + A22 B22
El producto entre matrices con múltiples bloques se realiza tratando los bloques como si
fueran elementos de matrices ordinarias. No obstante, para que sea factible deben
respetarse las condiciones de dimensión que requiere el producto.
Sea el producto A.B, con A particionada en bloques Aik A= (Aik) y B

particionada en bloques Bkj B=(Bkj)
⇒ A.B= (Aik).(Bkj) =(Cik) donde cada bloque Cik= Σ AikBkj (1)
k=1,s
Como regla práctica de factibilidad, para particionar un producto entre dos

matrices, debe verificarse que al transponer a segunda matriz, concuerden todas las
divisiones verticales de los bloques de la primera con los de la segunda.
Aplicación en casos especiales para la determinación de la inversa.

Sea A una matriz nxn de la forma:
A= A11 0
0 A22
A es no singular ⇔ A11 y A22 son no singulares
(1)
s es la cantidad de columnas de bloques en la 1ª matriz (o cantidad de filas de bloques en la 2ª )
23
Si A11 y A22 son no singulares ⇒
(2)
A11-1 0 . A11 0 = IK 0 = I
0 A22-1
0 A22 0 In-k
⇒ A11 -1 0 = A-1
0 A22-1
Si A es no singular ⇒
∃ B / B.A = I = A.B
Particionando:
B11 B12 . A11 0 = IK 0 = A11 0 . B11 B12
B21 B22 0 A22 0 In-k 0 A22 B21 B22
resulta:
B11 A11 = Ik = A11 B11 ⇒ B11 = A11-1
B22 A22 = In-k = A22 B22 ⇒ B22 = A22-1
Ejemplo:
1 6 0 0
Determinar la inversa de: A= 1 2 0 0
0 0 2 8
0 0 0 4
Particionando en bloques 2x2 resulta:
-1 -1
1 6 2 8 ½ -1
A11 = -1
= -½ ¾ A22 = -1
=
1 2 0 4 0 ¼
¼ -¼
-½ ¾ 0 0
A =-1 ¼ -¼ 0 0
0 0 ½ -1
0 0 0 ¼
(2)
Ik es la matriz identidad de orden k x k
24
Bibliografía
GROSSMAN. Álgebra Lineal con Aplicaciones. Edit. Mc Grow Hill

LEON, Steven. Algebra Lineal con Aplicaciones. Edit. CECSA
LIPSCHUTZ. Álgebra Lineal. Edit. Mc. Graw Hill
LARSON. Introducción al Álgebra Lineal Edit. LIMUSA
25

Des Matrices

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Des Matrices

Încărcat de

Drepturi de autor:

Formate disponibile

UNPSJB – Facultad de Ingenieria – Sede Ushuaia

TEMA: ALGEBRA MATRICIAL

Ing. Rodolfo Iturraspe Profesor Asociado

a11 a12 …a1n b11 b12 …b1n a11+b11 a12+b12 …a1n+b1n

La existencia de inverso aditivo u opuesto permite definir la resta A-B como la

Dado que se cumplen estas propiedades, la estructura algebraica(1) (Kmxn, +) es un

Producto de una matriz por un escalar

Sea A= (aij) ∈ Kmxn Definimos AT = (aji)

enlace necesario para

AxB= (aij)x(bij) = (cij) / cij = ∑k=1,n aik bkj

Ejemplos de aplicaciones del producto matricial

Ejemplo 2: Aplicación geométrica

P1 P2 P3 P’1 P’2 P’3 Figura-2 P’2

El producto matricial es una herramienta importante en aplicaciones relativas a la

Propiedades del producto entre matrices cuadradas

Sea BxC=D ⇒ ∀ij: dij = ∑k=1,n Bik Ckj

Distributividad del producto respecto de la suma (1)

Una importante particularidad del producto matricial es que no se cumple la

Inversa del producto

Transpuesta del producto

Estudiamos el producto BT.AT según la fila j y la columna i, ya que determinan cji:

Es posible plantear ecuaciones en las que intervienen matrices. Por ejemplo:

Ejemplo 1: Resolver la ecuación matricial:

Aplicaciones frecuentes corresponden al caso en donde X es matriz columna. En tal

Forma matricial de un Sistema de Ecuaciones Lineales

a11 X1 + a12 X2 + ….. + a1n Xn = b1

es el desarrollo de la ecuación matricial A . X = B

A: matriz de coeficientes del sistema(orden mxn),

Potencia de una matriz cuadrada (exponente Natural)

Si la matriz A no es cuadrada, la potenciación no es posible porque tampoco lo es el

Se puede dar al caso mayor complejidad, considerando interacción entre las

La evolución de las poblaciones luego de n días es Xn = An. X0

Se quiere saber al cabo de cuántos días desaparecerá el virus, partiendo de una

A3. X0= 530 -85

Ejemplo: Movimientos en dos dimensiones asociados a una matriz

Un punto P0 del plano, de coordenadas (x,y) se puede representar también como

Otra característica de esta matriz es que

Matrices cuadradas especiales

Las matrices Nula e Identidad son 0 0 0 α

principal, como se aprecia en el ejemplo de orden 3x3:

En capítulos posteriores se verán importantes aplicaciones de la matrices simétricas

La matriz A del ejemplo es nilpotente de orden 3:

Se deduce que: A es Ortogonal ⇔ A = A-1 1 0 0 1

Un elemento cij de I es: cij = ∑ aikakj ;

Operaciones elementales aplicables a matrices

La matriz ampliada es A’ y se le aplicarán operaciones elementales con el fin de resolver el

Restamos a la F1 2.F2 : 1 0 2/3 (iii)

Análogamente, en (ii) E2= 1 0

Debido al carácter no conmutativo del producto, es estrictamente necesario respetar

Determinación de la inversa mediante la aplicación de operaciones elementales

Sean E1, E2 … Ek las matrices elementales asociadas a tales operaciones elementales

(Ek Ek-1. …E3.E2.E1).A = I =P.A (P inversa a Izquierda)

A= (Ek Ek-1. …E3.E2.E1)-1.I = (E1-1 E2-1E3 …Ek-1)

A-1 = (Ek.Ek-1. …E3.E2.E1) . I

Solución única en sistemas de ecuaciones lineales: teorema de Cramer:

Un sistema de n ecuaciones con n incógnitas tiene solución única si y sólo si la

La matriz de coeficientes A es de orden nxn y el sistema es:

Supongamos ahora que el sistema A.X= B admite solución única:

Particionar una matriz es separarla en bloques rectangulares de menor orden o

Aquí la partición permite expresar la matriz en forma simplificada.

A está particionada en dos filas y tres columnas de bloques Aij

En general la columna j del producto es A. Bj ⇒ la expresión de A.B por sus columnas

Análogamente, aplicando el mismo criterio para las filas resulta: