Ingeniería Civil

Universidad Tecnológica Nacional

Facultad Regional Avellaneda

Álgebra y Geometría Analítica

MÓDULO III: Matrices y Determinantes

Promoción Directa

Primera Parte: Matrices

Álgebra y Geometría Analítica

12
ÍNDICE

Módulo III: Primera Parte: Matrices

Matrices y Economía ............................................................................................ 4

Introducción ............................................................................................................ 4
Operaciones con matrices ....................................................................................... 6
Igualdad de matrices...................................................................................... 6
Adición de matrices....................................................................................... 7
Resta de matrices........................................................................................... 8
Producto de un escalar por una matriz........................................................... 8
Matrices especiales (primera parte) .............................................................. 9
Multiplicación de matrices............................................................................ 11
Potencias enteras no negativas de una matriz................................................ 12
Transpuesta de una matriz………………………………………………..... 14
Matrices especiales (segunda parte) ............................................................. 15
Combinación lineal, conjunto de matrices linealmente independientes y
En la primer parte del Módulo III, estudiaremos el
dependientes.............................................................................................................
álgebra de Matrices. 17
Matrices y Software Mathematica .......................................................................... 19
Las operaciones entre matrices son análogas a las
operaciones entre vectores, en consecuencia,
Autoevaluación: Matrices ....................................................................................... 22los
temas que estudiaremos en esta
Respuesta de las actividades y autoevaluación ....................................................... 25 parte del módulo
no resultaran “nuevos”.
Glosario .................................................................................................................... 28
Números Complejos
Bibliografía ............................................................................................................ 28

Vectores Rectas y  Planos

Sistemas Lineales
Determinantes
Matrices

Transformaciones
Lineales

Contenidos de
Geometría Analítica

Diagonalización 2
Secciones Cónicas 

Superficies
Álgebra y Geometría Analítica

3
Álgebra y Geometría Analítica

Economía y Matrices
Un constructor puede adquirir las cantidades requeridas de madera (M), ladrillos (L), concreto
(C), vidrio (V) y pintura (P) de cualesquiera tres proveedores. Cada proveedor (P1: proveedor
1, P2: proveedor 2 y P3: proveedor 3) fija los precios unitarios de estos materiales de
acuerdo con la siguiente matriz:
 M L C V P
 
 P1 5 5 6 2 4
A
P2 9 4 5 2 5
 
 P3 9 5 6 1 5 

donde cada renglón corresponde a un proveedor y las columnas representan los precios
unitarios de los materiales. Para minimizar los costos de transporte, el contratista adquiere
todos los materiales para cualquier obra particular al mismo proveedor. En la matriz que se
muestra a continuación, cada renglón expone, la cantidad de unidades de cada material que
necesita el contratista para realizar cada una de las tres obras que tiene en ejecución (O1: obra
1, O2: obra 2, O3: obra 3):
 M L C V P
 
 O1 40 8 10 6 6
B
O2 30 0 16 16 4 
 
 O3 60 20 40 30 24 

Mediante el uso de operaciones entre matrices, decidir cuál es el proveedor que el contratista
debería usar para cada obra.

Introducción
Las matrices son ampliamente usadas para almacenar información de forma sintética y por tal
motivo, representan una manera simple de mostrar información, por ejemplo, las tablas de
horarios de trenes, de vuelos de aviones, de cantidad de stock de mercadería en un depósito.
Entonces, definimos:

Una matriz es un arreglo rectangular de números. Los números en el arreglo se denominan

elementos de la matriz.
D
Por ejemplo: D
 1 2  2  e 
    1

A   3 0 B  2 1 0  3 C 3 1
2
0 D   4
2

 E   4
  1 4  
  
0 0 0

 2 

El tamaño u orden de una matriz se describe en función de la cantidad total de filas y de

columnas que contiene. En el ejemplo anterior: la matriz A tiene tres filas y dos
columnas, entonces se dice que es una matriz de tamaño u orden: 3 x 2.
¿Cuál es el orden de las matrices B, C, D y E?

En particular, el orden de una matriz permite distinguir entre: matrices cuadradas y matrices
rectangulares.

4
Álgebra y Geometría Analítica

Las matrices cuadradas son aquellas donde el número de filas coincide con el número de
columnas, y serán matrices rectangulares aquellas matrices que no sean cuadradas.
D
En el ejemplo anterior, ¿cuáles son las matrices cuadradas y cuáles son las matrices
rectangulares?

Para denotar matrices se utilizan letras mayúsculas y para denotar a los elementos de la
matriz (escalares: reales o complejos) se utilizan letras minúsculas, así podríamos
escribir:
1 3 a b
M    o P   
5 7  c d 

Para identificar a los elementos de la matriz por la posición que ellos ocupan en la matriz, es
decir, especificando a que fila y columna pertenece cada elemento se utiliza la notación
a ij
genérica: , donde i indica el número de fila y j indica el número de columna. D

1 3
Por ejemplo, en la matriz M    , tenemos que: el elemento de la primer fila y
5 7 
primer columna es: m11  1 , el elemento de la primer fila y segunda columna es:
m 12  3 , el elemento de la segunda fila y primer columna es: m 21  5 y por último, el
elemento de la segunda fila y segunda columna es: m 22  7

Una matriz general A con elementos reales o complejos y de orden m x n se simboliza:

 a11 a12  a1n 

 
a 21 a 22  a 2n 
A  K m x n / A  
 
a m1 a m2  a mn 
 
 
La matriz precedente también se puede escribir de manera sintética como:

 
AKmxn / A  ai j o A  ai j   mxn o  
A  ai j

5
Álgebra y Geometría Analítica

donde en el primer caso se destaca que tipo de escalares son los elementos de la matriz,
siendo K el conjunto de números reales o complejos, el segundo caso destaca el tamaño que
tiene la matriz o de manera más general tal como se indica en el tercer caso.
D
En este módulo, no sólo usaremos a las matrices como elementos que nos permiten
almacenar información de forma sintética, sino que en primer lugar estudiaremos el álgebra
de matrices, y luego, estudiaremos la función determinante asociada a matrices cuadradas y
los sistemas de ecuaciones lineales.

Propósitos:
Esperamos que finalizada la lectura activa y comprensiva de la primera parte de este módulo
pueda dar respuesta a las siguientes preguntas:

 ¿A qué se denomina matriz de orden nxm?, ¿cómo se simbolizan sus elementos?, ¿cuándo
una matriz es cuadrada?
 ¿Cómo se suman dos matrices?, ¿Qué propiedades cumple la adición de matrices?
 ¿Cómo se multiplica una matriz por un escalar?, ¿Qué propiedades cumple esta
operación?
 ¿Qué condición deben verificar dos matrices para que exista su producto?,¿Cómo se
multiplican dos matrices?,¿qué propiedades posee la multiplicación de matrices?
 ¿Qué significa trasponer una matriz? ¿Qué propiedades tiene la trasposición de matrices?
 ¿Cuándo una matriz es: simétrica, antisimétrica, involutiva, idempotente, involutiva?

Operaciones con Matrices

Igualdad de matrices
Dos matrices son iguales si tienen el mismo tamaño y sus elementos correspondientes son
iguales.
En notación matricial, sean Anxm = (aij) y Bnxm = (bij)
Diremos que:
A = B  aij = bij para todo i y j D

Ejemplo:
1 2 0  a 2 c
Sean A    B   
 d 3  5  2 b  5 
Para qué valores de a, b, c y d (números reales) sucede que A = B

 1  a

 2 2

 0c
Aplicando la definición de igualdad de matrices tenemos que: 
 d2
 3b


 5  5

6
Álgebra y Geometría Analítica

Entonces, A = B si: a = –1, b = 3, c = 0 y d = 2

Adición de matrices
Si A y B son matrices del mismo tamaño, entonces la suma A+B es la matriz obtenida al
sumar los elementos de B con los correspondientes de A.
En notación matricial, sean Anxm=(aij) y Bnxm=(bij)
Definimos: A + B = C tal que cij = aij + bij para todo i y j
D

Ejemplo:
 1 0 
2  2
Sean A    B  3 1 3 
3 3  5   
 2 1 1 
 2 
 2 2 1 
Entonces: AB 3 

5 2  4

Propiedades de la adición de matrices

1. La adición es Ley de Composición Interna en Rnxm
A,BRnxm: (A+B)Rnxm
2. La adición es asociativa en Rnxm
A,B,CRnxm: (A+B)+C = A+(B+C)
3. La adición es conmutativa en Rnxm
A,BRnxm: A+B = B+A
4. Existencia de elemento neutro
ORnxm / ARnxm: A+O = O+A = A
O Rnxm: se denomina matriz nula o matriz cero
5. Existencia de elemento inverso para cada elemento de Rnxm
ARnxm (–A)Rnxm: A + (–A) = ( –A)+A = O
(–A)Rnxm: se denomina matriz opuesta de A

7
Álgebra y Geometría Analítica

Observación:
Por cumplirse estas propiedades para la adición de matrices se dice que el par (Rnxm, +) es un
GRUPO ABELIANO o GRUPO CONMUTATIVO

Resta de matrices
Si A y B son matrices del mismo tamaño, entonces la resta A–B es la matriz obtenida al
restar los elementos de B con los correspondientes de A.
En notación matricial, sean Anxm=(aij) y Bnxm=(bij)
Definimos: A – B = C tal que cij = aij – bij para todo i y j
D

Ejemplo:
 1 0 
2  2
Sean A    B  3 1 3 
3 3  5   
2 1 1 
 2
 4 2 1  
Entonces: AB 3

 1 4  6 

Producto de un escalar por una matriz

Si A es cualquier matriz y  es cualquier escalar, entonces el producto .A es la matriz

obtenida al multiplicar cada elemento de A por .
En notación matricial, sean R y ARnxm, entonces
Definimos: .A = C tal que cij = .aij para todo i y j
D

Ejemplo

0  1 9 6 3
2 3 4    
Sean: A    B  2 3  C  1 0 24 
1 3 1  7
  5  3
 1 12 
Se tiene, por ejemplo que:
 0 1 3  2 1
4 6 8   1  
2A    (1).B    2  3  .C   13 0 8
 2 6 2  7 5  3 1  1 4
   3 

Propiedades del producto de un escalar por una matriz

Sean  y R y sean Anxm y Bnxm
1. Es una Ley de Composición Externa: (.A)  Rnxm

8
Álgebra y Geometría Analítica

2. Linealidad: .(.A)=().A
3. Distributivo respecto de la suma de escalares: (+).A=.A+.A
4. Distributivo respecto de la suma de matrices: .(A+B)=.A+.B
5. Identidad: 1.A=A , para todo ARnxm

Observación:
Por cumplirse las propiedades enunciadas para la adición de matrices y por cumplirse las
propiedades enunciadas para el producto de un escalar por una matriz, se dice que la cuaterna
(Rnxm, +, R, . ) es un ESPACIO VECTORIAL.

1. Escribir explícitamente las matrices definidas por:

c ij  2 si i  j

a) CR3x4 tal que: c ij  0 si i  j b) AR2x3/ aij=(–1)i+j

c ij  j! si i  j
2. Para qué valores de a, b, c y d se cumple la siguiente igualdad de matrices:
ab b  c  8 1
3d  c 
 2a  4d  7 6

3. Considerando las matrices:

 3 0
A   1 2
1 5 2 6 1 3
4  1 1 4 2
B C D    1 0 1  E    1 1 2
0 2  3 1 5
 3 2 4  4 1 3

 1 1
Calcular, si es posible:
a) A + D b) D + E c) D – E d) 5ª
e) –7C f) 4B – 2C g) –3( D + 2E) h) A – A

Matrices Especiales
Primera Parte

9
Álgebra y Geometría Analítica

Matriz triangular superior

A  R nxn es una matriz triangular superior si y sólo si a ij  0 si i j
D
Ejemplos:
Las siguientes matrices cuadradas son triangular superior (esto significa que los elementos
que están debajo de la diagonal principal de la matriz valen 0)
� 2 3 4�
�2 5� � �
A� � B� 0 4 0�
�0 4� �
� 0 0 9� �

Matriz triangular inferior:

A  R nxn es una matriz triangular inferior si y sólo si a ij  0 si i j
D
Ejemplos:
Las siguientes matrices cuadradas son triangular inferior (esto significa que los elementos
que están por arriba de la diagonal principal de la matriz valen 0)
�2 0 0�
�2 0� � �
A� � B� 1 4 0�
�8 4� �
�6 10 9 � �

Matriz diagonal
A  R nxn es una matriz diagonal si y sólo si aij = 0 si i  j
D
Ejemplos:
Las siguientes matrices cuadradas son matrices diagonales (esto significa que todos los
elementos que están por fuera de la diagonal principal de la matriz valen obligatoriamente 0,
en los lugares de la diagonal principal puede o no el elemento valer cero)
�0 0 0 0�
�2 0 0� � �
�2 0� � � �0 3 0 0�
A� � B� 0 4 0� C 
�0 4� � �0 0 7 0�
�0 0 9� � �
� �
�0 0 0 0� �

Observación:
Una matriz diagonal es una matriz triangular superior y triangular inferior

Matriz Escalar
A  R nxn es una matriz escalar si y sólo si aij=0 si ij y aij=  si i=j y R D

10
Álgebra y Geometría Analítica

Ejemplos:
Las siguientes matrices cuadradas son matrices escalares (esto significa que todos los
elementos que están por fuera de la diagonal principal de la matriz valen obligatoriamente 0,
en los lugares de la diagonal principal todos los elementos toman el mismo valor)
� 7 0 0 0�
�9 0 0� � �
�4 0� � � � 0 7 0 0�
A� � B  �0 9 0 � C 
�0 4� � � � 0 0 7 0�
�0 0 9 � �
� �
� 0 0 0 7� �

Observación:
Toda matriz escalar es una matriz diagonal

Un caso particular e importante de matriz escalar es:

Matriz Identidad:
Se denomina matriz identidad y se la indica: I  R nxn a la matriz cuyos elementos son:

1 si i  j
 ij   D

0 si i  j
Ejemplo:
1
� 0�
La matriz Identidad de orden 2x2 es: I  � �
0
� 1�
� 1 0 0�
� �
La matriz Identidad de orden 3x3 es: I  � 0 1 0�
� 0 0 1�
� �
1
� 0 0 0�
� �
0 1 0 0�
La matriz Identidad de orden 4x4 es: I  �
�
0 0 1 0�
�
� �
0
� 0 0 1�
�

Matriz Nula o Cero:

Se denomina matriz nula o matriz cero y se la indica: 0 �R n�m a la matriz cuyos elementos
son:  i,  j : o ij  0
D

Ejemplo:

11
Álgebra y Geometría Analítica

En este caso la matriz cuadrada o rectangular es la matriz nula si todos sus elementos valen 0,
por ejemplo:
0
�� � 0 0 0�
�0 0 0� �� �0 0� � �
02�3  � �, 03�1  ��
0 , 02�2  � �, 03�3  � 0 0 0�
�0 0 0� �� �0 0� �
0
�� � 0 0 0� �

Producto de Matrices
Sean Anxp=(aij) y Bpxm=(bij)
Llamamos matriz producto (A.B)nxm = C tal que: c ij  A i  B
j
donde Ai es la fila i-ésima de A
y Bj es la j-ésima columna de B. Entonces el elemento c ij se obtiene realizando el producto
escalar entre los vectores Ai y Bj
D

Muy Importante!!!!!
El producto A.B sólo está definido si el número de columnas de A es igual al número de filas
de B.

Ejemplos:

4 6
 3 1 2  
 Sean A    B  5 1 hallar A.B
 1 1 0 0 2 


Observemos que A es de orden 2x3 y B es de orden 3x2, entonces el número de columnas de

la matriz A coincide con el número de filas de la matriz B. Por lo tanto, existe el producto A.B
y será una matriz de orden 2x2 (el primer 2 por la cantidad de filas de la matriz A y el
segundo 2 por la cantidad de columnas de la matriz B)
�4 6�
�3 1 2 � � � �c c �
A.B  � �.�5 1 � �11 12 �
�1 1 0 c21 c22 �
1 4 2 4 3� �
�0 2��
�
14 2 43
2�3 14 2 43 2�2
3�2

12
Álgebra y Geometría Analítica

�c11 c12 �
Para hallar los elementos de la matriz producto A.B  � debemos operar las filas de
�c21 c22 �
�
la matriz A con columnas de la matriz B, la operación que se efectúa es el producto escalar
que hemos aprendido para vectores. Veamos como:
 El elemento c11 de la matriz A.B lo hallamos si hacemos el producto escalar entre
la fila 1 de la matriz A con la columna 1 de la matriz B, es decir:
4
��
��
c11  F1 �C1   3 1 2  ���
5  3.4  1.5  2.0  17
��
0
��

 El elemento c12 de la matriz A.B lo hallamos si hacemos el producto escalar entre

la fila 1 de la matriz A con la columna 2 de la matriz B, es decir:
�6 �
� �
c12  F1 �C2   3 1 2  ��1 � 3.6  1. 1  2.2  21
�2 �
� �

 El elemento c21 de la matriz A.B lo hallamos si hacemos el producto escalar entre

la fila 2 de la matriz A con la columna 1 de la matriz B, es decir:
4
��
��
c21  F2 �C1   1 1 0  ���
5   1 .4  1.5  0.0  1
��
0
��

 El elemento c22 de la matriz A.B lo hallamos si hacemos el producto escalar entre

la fila 2 de la matriz A con la columna 2 de la matriz B, es decir:
�6 �
� �
c22  F2 �C2   1 1 0  ��1 �  1 .6  1. 1  0.2  7
�2 �
� �

�c c � �17 21�
Por lo tanto: A.B  �11 12 � � �
�c21 c22 � �1 7 �

 1 2 3 4
 Hallar A.B y B.A, siendo A    y B   
 1 1 5 2 

Entonces:

13
Álgebra y Geometría Analítica

�1 2 �� 3 4 � �c c �
A.B  � �.� � �11 12 � entonces:
�1 1 ��5 2� � c21 c22 �

3
��
c11  F1 �C1   1 2  ��� 1.3  2.5  13
5
��
4
��
c12  F1 �C2   1 2  ��� 1.4  2.2  8
2
��
3
��
c21  F2 �C1   1 1 ���  1 .3  1.5  2
5
��

4
��
c22  F2 �C2   1 1 ���  1 .4  1.2  2
2
��
Por lo tanto:
�1 2 �� 3 4 � �c c �� 13 8 �
A.B  � �.� � �11 12 � �
�1 1 ��5 2� � c21 c22 � �2 2 �
�

Luego:
3 4 ��1 2 � �c11 c12 �
�
B.A  � � .� � � entonces:
5 2 ��
� 1 1 � �c21 c22 �
�
�1 �
c11  F1 �C1   3 4  �� � 3.1  4. 1  1
�1�

2
��
c12  F1 �C2   3 4  ��� 3.2  4.1  10
1
��
�1 �
c21  F2 �C1   5 2  �� � 5.1  2. 1  3
�1 �

2
��
c22  F2 �C2   5 2  ��� 5.2  2.1  12
1
��
Por lo tanto:
3 4 ��1 2 � �c11 c12 � �
� 1 10 �
B.A  � � .� � � �� �
5 2 ��
� 1 1 � �c21 c22 � �
10 12 �

14
Álgebra y Geometría Analítica

MUY IMPORTANTE
A partir del ejemplo anterior, podemos concluir que:

La multiplicación de matrices …………………………….conmutativa

Propiedades de la multiplicación de matrices

1. La multiplicación de matrices (cuando está definida) es asociativa
Si ARnxp, BRpxr, CRrxm, entonces A.(B.C)=(A.B).C

2. La multiplicación de matrices no es conmutativa.

3. Si Anxp . Bpxm = Onxm entonces no necesariamente: Anxp = Onxp ó B = Opxm

Por ejemplo:
1 0 ��
� 0 0� � 0 0�
A.B  � � .� � � �
0 0 ��
� 1 0� � 0 0�
Observemos que tanto la matriz A como la matriz B no son iguales a la matriz nula y sin
embargo el producto entre ellas es la matriz nula.
Esto es importante porque nos muestra que en el producto de matrices no se cumple la
propiedad del producto de números reales, donde sabemos que:
a,b �R � a.b  0 � a  0 �b  0

4. Sea Rnxn: (para matrices cuadradas)

I. La multiplicación es Ley de Composición Interna en Rnxn
A,BRnxn: A.BRnxn
II. La multiplicación es asociativa en Rnxn
III.  IRnxn / ARnxn: A.I = I.A = A

Comentario:

15
Álgebra y Geometría Analítica

La matriz I  Rnxn es la matriz Identidad y es el elemento neutro en el producto de

matrices cuadradas.

Potencias enteras no negativas de una matriz

Sea A una matriz cuadrada nxn y sea m0.
Entonces las potencias enteras no negativas de A se definen como:
A0  I
A1  A
Am  A
 .A
 .A 
 A
D
m veces

Ejemplo:
3
2 1 2 1  2 1  2 1 5 2  2 1  12 5
A  
3
    .  .    .   
1 0  1 0   1 0   1 0   1 1   1 0   3 1 

4. Considerando las matrices:

 3 0
A   1 2
1 5 2 6 1 3
4  1 1 4 2
B C D    1 0 1  E    1 1 2
0 2  3 1 5
 3 2 4  4 1 3

 1 1
Resuelva, cuando sea posible, las siguientes operaciones:
a) C.A b) A.B c) D.E d) E.D

16
Álgebra y Geometría Analítica

e) B2 f) C2 g) D2 h) D.A
i) B 3  3B j) D 3  E 3 k)  2D  3E  2 l)  C.A.B  2

5. Calificar como Verdadero o Falso a cada una de las siguientes proposiciones.

Justificar en cada caso.
a) A  R nxn , B  R nxn :  A  B 2  A 2  2A.B  B 2
b) A  R nxn , B  R nxn :  A  B 2  A 2  A.B  B.A  B 2
c) A  R nxn , B  R nxn :  A  B. A  B  A 2  B 2
d) A  R nxn , B  R nxn :  A  B. A  B  A 2  A.B  B.A  B 2

6. Determinar, según el caso, el valor de x, y y z números reales de manera tal que se

verifique la igualdad:
2 3 4   x   13 
2 3   x  17      
a)       b) 0 9 4   y    11 
4 5   y   31 0
 0 5   z   125 

Transpuesta de una matriz

Si A es cualquier matriz nxm, entonces la transpuesta de A, denotada por At, se define como
la matriz mxn que se obtiene al intercambiar las filas y las columnas de A, es decir, la primera
columna de At es la primera fila de A, la segunda columna de A t de la segunda fila de A, y así
sucesivamente.
D

Ejemplos
 1  2 4  2 3
   
A 3 7 0 , B   1 4 , C  1 3 5
 5 8 6  5 6
  
 1 3  5 1
   2 1 5  
A   2 7
t
8 , B  
t
, C   3 
t

 4 0 6   3 4 6  5
  

17
Álgebra y Geometría Analítica

7. Encontrar la matriz transpuesta de cada una de las matrices:

 3 0
A   1 2
1 5 2
4  1 1 4 2
B C D    1 0 1 
0 2  3 1 5
 3 2 4

 1 1
6 1 3
E    1 1 2
 4 1 3

8. Demostrar para matrices en R2x2 las siguientes propiedades de la transposición

a) A 
t t
A

b)  A  B t  A t  B t
c)  A  t  A t
d)  A.B t  B t .A t

Como ejemplo, resolvemos la propiedad (a)

Demostración:
�a11 a12 �
Sea A  � (I) entonces:
�a21 a22 �
�

t
�a a � �a a21 �
A  �11 12 � �11
t

�a21 a22 � �a12 a22 �

�
t
�
�a11 a12 �� �a11
t t
a21 � �a11 a12 �
Luego: A
t t
�
�
�
�a21 a22 �
�
� �
� a a22 �
�
a21 a22 �
(II)
� � �12 � � �

Por lo tanto, de (I) y (II) se tiene que: A

t t
A qdlp.

18
Álgebra y Geometría Analítica

Matrices Especiales
Segunda Parte

Matriz Simétrica:
La matriz A  R nxn es simétrica si y sólo A t  A
D

Matriz Antisimétrica:
La matriz A  R nxn es antisimétrica si y sólo si  A t  A
D

Ejemplo:
Teniendo en cuenta las definiciones previas,
 2 3 5 
 
M   3 0 8  es una matriz simétrica porque los elementos a través de la diagonal
 5 8  1


principal son iguales, esto es: a21  a12  3 , a31  a13  5 y a32  a23  8

19
Álgebra y Geometría Analítica

 0 2 3 4 
 
 2 0 5  6  2 e 
Q y R   2 son matrices antisimétricas. Observar que
3 5 0 7   e 0 

 4



 6 7 0 

todos los elementos a través de la diagonal principal son opuestos

9. Demostrar que:
a) Si A es una matriz simétrica: BRnxn resulta que (B.A.Bt) es simétrica.
b) Si ARnxn entonces (A+At) es simétrica.
c) Si ARnxn entonces (A– At) es antisimétrica.

d) Para toda ARnxn se cumple que: A  1

2  A A    A A 
t 1
2
t

10. Descomponer una matriz ARnxn como suma de una matriz simétrica y otra antisimétrica.

Matriz Idempotente:
La matriz A  R n x n es idempotente si y solo si: A 2  A
D

Teniendo en cuenta la definición precedente, tenemos como ejemplo

a) Determinar una matriz de orden 2x2, no nula, que sea idempotente.

Hay dos respuestas triviales: las matrices Identidad como las matrices Nulas cuadradas son
matrices Idempotentes.
1 0�
� 1 0 ��
� 1 0� �
1 0�
I 2�2  � � se tiene que: I 2  I .I  � � .� � � �
0 1�
� 0 1 ��
� 0 1� �
0 1�
2
0 0 0�
� �0 0 0� �0 0 0 ��0 0 0� �0 0 0�
� �
03�3 0 0 0 �se tiene que: 03�3  0 0 0  0 0 0 . 0 0 0  0 0 0 �
� 2 � � � �� � �
� � � �� �� �
�
0 0 0 � � � �
0 0 0� � ��
0 0 0 �� � �
0 0 0� �0 0 0�
� � � �

20
Álgebra y Geometría Analítica

Otros casos, hay que pensarlos, por ejemplo, les dejo verificar que la matriz A es

1 0�
�
idempotente: A  � �
0 0�
�

a b 0
 
b) Hallar si existe una matriz de orden 3x3 de la forma: A  0 c d  , no nula, tal que
0 0 e 


sea idempotente.

En este caso planteamos la definición de matriz idempotente, es decir: A es idempotente si y

sólo si: A2  A
Entonces:

�a b 0 �� a b 0� � a b 0�
� � � � � �
A2  A � �0 c d� .�0 c d � �0 c d�
�0 0 e� � �� 0 0 e�
� ��0 0 e � � �

�a2 ab  bc bd �� a b 0�
� �� �
Entonces: �0 c2 cd  de � �0 c d�
� � �0 0 e �
�0 0 e2 �
� �� �

Luego por igualdad de matrices se tiene que:

�a 2  a
�
�ab  bc  b
�bd  0
�
�00
�2
�c c
�cd  de  d
�
�00
�00
�
�e2  e
�

21
Álgebra y Geometría Analítica

Entonces como hay que hallar UNA matriz que cumpla podemos proponer la siguiente
solución:
Si a 2  a , entonces: a  1
Si c 2  c , entonces: c  0
Si e 2  e , entonces: e  1
Luego: podemos decir que: b  d  1
1 1 0�
�
� �
0 0 1�
Por lo tanto, una matriz que cumple con ser Idempotente es: �
�
0 0 1�
� �

A ustedes les dejo, pensar otra respuesta!!!!!

Matriz Involutiva:
La matriz A  R n x n es involutiva si y solo si: A 2  I
D

Teniendo en cuenta la definición precedente, resolver la siguiente situación:

x 0
Encontrar los valores de x para que la matriz A    sea involutiva.
0 x

Ayuda: deben proceder muy parecido al ejemplo resuelto para matriz idempotente.!!!!!

22
Álgebra y Geometría Analítica

Combinación lineal de matrices

Conjuntos de matrices linealmente independientes y dependientes

Como el conjunto de matrices Rnxm junto a la suma de matrices y al producto de un escalar

por una matriz es un espacio vectorial, valen para estos objetos los conceptos de combinación
lineal y de independencia o dependencia lineal que hemos definido para el espacio vectorial
de vectores del plano y del espacio.
Recordemos estas definiciones:

Sea V un espacio vectorial. Sea A = { v1, v2 , v3 , ..., vn } un conjunto finito de vectores de V

diremos que:

23
Álgebra y Geometría Analítica

El vector v  V es combinación lineal de los vectores del conjunto A si y sólo si existen

escalares: 1, 2 , 3 , ..., n tales que:
1v1 + 2v2 + 3v3 + ... + nvn = v
D

Sea V un espacio vectorial. Sea A = { v1, v2 , v3 , ..., vn } un conjunto finito de vectores de V,

decimos que:

A es linealmente independiente (li) en V si la única forma de escribir al vector nulo: OV

como combinación lineal de los vectores de A es con todos los escalares nulos:
1 v1 + 2 v2 + 3 v3 + ... + n vn = OV  1 = 2 = 3 = ... = n = 0

En caso contrario,

A es linealmente dependiente (ld) en V si existen escalares:  1,  2 ,  3 , ...,  n no todos

nulos tales que:
 1 v1 +  2 v2 +  3 v3 + ... +  n vn = OV
D

Ejemplos:
2  1
 La matriz A   6  es combinación lineal del conjunto de matrices:
 7 

 1 2 1  3 
  ;  , puesto que existen escalares 1 y  2 tales que:
4 4   2 3 

 1   2  2
2  3  1
 1 2
1 2 1  3  2  1 
1  
41  2 2  6  1   2  1
   2   
4 4 2 3   6 7 
41  3 2  7

24
Álgebra y Geometría Analítica

1 2  1  3   3 1 
 El conjunto de matrices   ; ;  es linealmente
4 4   2 3  10 11 

dependiente, puesto que no es la trivial la combinación lineal de las matrices del

conjunto que define a la matriz nula

Verifiquémoslo:
1 2 1  3 3 1  0 0
1     2     3     
4 4 2 3 10 11   0 0 

Operando y por definición de igualdad de matrices surge el sistema de ecuaciones

lineales:

1   2  3 3  0
2  3    0
 1 2 3

41  2 2  10 3  0
41  3 2  11 3  0
Resolviendo el sistema de ecuaciones con el software Mathematica, resulta que:



Solve 1  2  33  0, 21  32  3  0, 41  22  103  0, 41  32  113  0 , 1, 2, 3 

 
Solve :: svars : Equations may not give solutions for all "solve " variables . More…

1   2  3,  2    3

Claramente, la manera de expresar a la matriz nula no es únicamente la solución trivial.

11. Determinar cuáles de los siguientes conjuntos son linealmente independientes y cuáles
linealmente dependientes.
  1 0   2 3    1 3 
a) S1   ,  ,  
 2 1    1 0   5 3 
  1 2 0  2 0  1  0 2 1 
b) S2    , ,  
 3 0 2   0 1 0   0 2  1 

25
Álgebra y Geometría Analítica

12. Hallar x e y para que las matrices A; B y C resulten linealmente independientes

 2 1 5  3   11 x
a. A   , B   , C   
 5 3 2  1   4 y 

1 0  2  5 0  2  x 0  2
b. A   , B   , C   
3 1 1   3 1 4   8 1 y 

Matrices y Software Mathematica

En el software Mathematica, una matriz se representa por una lista de

listas, donde cada lista es una fila de la matriz, por ejemplo:
A = { {2,3,4,0},{1,0,1,7},{9,9,3,1} }
A define explícitamente una matriz de 3 filas y 4 columnas, cuyas filas
son los vectores:  2,3,4,0 , 1,0,1,7 ,  9,9,3,1 .
Para poder observar la matriz en la notación usual debemos usar el comando:
//MatrixForm, tal como se muestra a continuación:

 
{{2,3,4,0},{1,0,1,7},{9,9,3,1}}//MatrixForm

 


2 3 4 0
1 0 1 7
9 9 3 1


Otra opción para cargar una matriz, es elegir en la barra de herramientas el comando: Input y
de él el subcomando: CreateTable/Matrix/Palette marcando en éste la opción Matrix y
seleccionando la cantidad de filas y columnas.

26
Álgebra y Geometría Analítica

Construcción de matrices
El software Mathematica posee comandos que nos permiten la construcción de matrices
especiales o bien la generación de una matriz por conocer su definición funcional de sus
elementos, por ejemplo:
1) El comando: IdentityMatrix[n] construye la matriz identidad de orden n.

2) El comando: DiagonalMatrix[{a11,a22,a33, ... ,ann}] construye una matriz diagonal, de orden

n, que contiene a los elementos: a11, a22, a33, ... , ann en su diagonal principal.

3) El comando: Table[f(i,j),{i, imín, imáx},{j, jmín,jmáx}] construye una matriz cuyos

elementos se obtienen a partir de la fórmula f(i,j) para cada uno de los valores de los índices:
i y j variando entre sus valores mínimos y máximos.
Por ejemplo: Sea A  R 3x 4 / a i j  3 i  2 j  5

 
Table[3i­2j+5,{i,1,3},{j,1,4}]//MatrixForm

 
 

 6 4 2 0
9 7 5 3
12 10 8 6 
13. Efectuar con el software Mathematica
a) Ingresar una matriz de 4 filas y 5 columnas, cuyos elementos
sean números primos.
b) Crear la matriz identidad de orden 8.
c) Crear una matriz diagonal, de orden 6, cuyos elementos

27
Álgebra y Geometría Analítica

sean múltiplos de 7.
d) Hallar la matriz A  R 10 x10 / a i j  i j

Operaciones con matrices

1) La suma de matrices del mismo tamaño se efectúa con el símbolo usual: “+”, y la resta
de matrices del mismo tamaño se efectúa con el símbolo usual: “–”,

2) El producto por un escalar se realiza con el símbolo: “*”, o dejando un espacio entre el
escalar y la matriz.

3) El producto entre matrices se realiza con el símbolo: “.” (signo de puntuación: punto)





Ejemplo:
2 3



1 3

4 5
2
1 3

2 3
.
0 1
MatrixForm


1 1 0 0 4 5 6 1 1 4 0 1
  
1 12
9 3

4) En particular, para efectuar la potencia n-ésima (n: número entero no negativo) de una
matriz cuadrada se utiliza el comando: MatrixPower[matriz,n]
10
1 1





Ejemplo: Resolvemos: 
 
1 1

1 1
MatrixPower , 10 MatrixForm


1 1

512 512
  512 512

5) Para obtener la matriz transpuesta, el comando que se emplea es: Transpose[matriz]

t
1 2 3





Ejemplo: Efectuamos:  
6 5 4

1 2 3
Transpose MatrixForm
6 5 4

28
 
Álgebra y Geometría Analítica

 



1 6
2 5
3 4

14. Utilizando el software Mathematica, determinar el menor valor entero k para que se

 0 1 0 0
 
1 0 0 0
cumpla que: A  A para
k A   0 0 0 1
 
 0 0 1 0 


 0.1 0 .3 0 .6 
 
15. Sea A   0.2 0 .2 0.6  , utilizar el software Mathematica en la resolución de los
 0.3 0 .3 0.4 


siguientes ítems:
a) Calcular:  A 2  7 A   A  3I  b) Calcular:  A 3  A 
t

c) Analizar la sucesión: A, A2, A3, A4, ... , A8, ... ¿Parece converger a una
matriz? En tal caso, ¿a cuál?

Autoevaluación: Matrices

1 2 x 
A   
x
   6
1. Sean y B   y  . Si A.B    determinar x e y.

3 1 2
1 8
 

2. Hallar la matriz X  R 3x 3 en cada caso:

1 3  5
 
a) A  X  A 2 siendo A  1 2  4
1 1 3 


 0 3  5
 
b) A.B  3X  C siendo A    1 2  4  , B = At y C =  A  3I  2
 0 0 3 


3. Hallar una matriz no nula de orden 2x2 tal que su cuadrado sea la matriz nula de orden
2x2.

29
Álgebra y Geometría Analítica

4. Hallar las matrices P y Q, si existen, que verifiquen el sistema de ecuaciones:

 3 1
 P  3Q   
 2  1

2P  Q   0 4

 5  2 
 
5. Analizar, en cada caso si la matriz M es combinación lineal del conjunto de matrices S
2 3  1 2  2 0  0  2  1 1 
a) M    , S    ; ; ; 
0 1  1 2   1 0    2 3  1 1 

0 1 1  2 0 2  1 1 1 1 2 3 
       
b) M   0 1 1 , S   0 2 0;1 1 1;1 2 8 
1 1 1  2 0 2   0 0 0   9 1 2  
  

6. Un proyecto de investigación nutricional comprende adultos y niños de ambos sexos. La

composición de los participantes está dada en la tabla:
Adultos Niños
Hombres 80 120
Mujeres 100 200
El número de gramos diarios de proteínas, grasas y carbohidratos que consume cada niño
y cada adulto está dado en la siguiente tabla:
Proteína Grasa Carbohidratos
Adultos 20 20 20
Niños 10 20 30
Mediante operaciones entre matrices, contestar:
a) ¿Cuántos gramos de proteínas ingieren diariamente todos los hombres del proyecto?
b) ¿Cuántos gramos de grasa consumen a diario todas las mujeres?
0 1
7. Sea A    , hallar todas las XR2x2 tales que X.A es simétrica.
1 0 

8. Calificar de Verdaderas o Falsas las siguientes afirmaciones. Justificar en cada caso.

c) El producto de dos matrices diagonales es una matriz diagonal.
d) Si A y B son matrices cuadradas y A tiene una fila de ceros, entonces la matriz
(A.B)tiene una fila de ceros.
e) Si A es una matriz cuadrada idempotente entonces A120 = A
f) Si A es una matriz cuadrada involutiva entonces A1024 – A360 = 0
g) Si A.B=B.A entonces (A–B)2=A2 – 2 A.B +B2

30
Álgebra y Geometría Analítica

h) Si A y B son involutivas entonces (A– B)2= 2.(I – A.B)

i) Si A y B son matrices conmutables y antisimétricas entonces A.B es una matriz
simétrica.
a b
9. Hallar todas las matrices A    conmutables (A.B=B.A) siendo:
c d 

 1 0  1 1
a) B    b) B   
 1 1 1  1

31
Álgebra y Geometría Analítica

Respuestas de las actividades

0 2 2 2
   1 1 1
1. C   1 0 2 2 A   
1  1 1  1
 6 0 2 

Solve 
 


2. Para resolver con el software Matemática, planteamos:
a b b c
3d  c 2a  4d

8 1
7 6
, a, b, c, d
Obtendremos que a =5, b= –3, c = 4 y d = 1
3. a) A + D no se puede resolver.
 7 6 5 5 4  1  15 0 
     
b) D+E=   2 1 3 c) D –E =  0 1  1 d) 5A=   5 10 
 7 3 7   1 1 1  5 5
    

  7  28 14
e) –7C=   f) no se puede resolver

  21  7  35
  39  21  24  0 0
   
g) –3(D+2E) =  9 6  15  h) A – A =  0 0
  33  12  30  0 0 
 

 12  3   9 8 19 
1 10     
4. a) C.A =   b) A.B=   4 5  c) D.E =   2 0 0 
13 7   4
 1
 32
 9 25 

14 36 25 
  16  6
d) E.D =  4 1 7  e) B2 =   f) C2 no se puede efectuar
12 0 4 
 26 21 

2 9 15   0 12 
     76  31
g) D2 =  2  3 2  h) D.A =   2 1 i) B3 + 3B =  
13 23 24   11  0 14 
   8 
  350  46  175   293  138 57 
   
j) D3 – E3 =   13 6  13  k)  5 12 11  l)(C.A.B)2 =
  232 47  45   103  46 27 
 
1004 95 
 
 260 989 

5. a) F b) V c) F d) V

32
Álgebra y Geometría Analítica

       
Solve 

 

4 5

.
6. a) Planteamos con el software Mathematica:
2 3 x
y


x
17
31
, x, y

 4
    Obtendremos:       


 





 

 y  3

       
Solve
0 0


5






2 3
0 9 


x

b) Planteamos con el software Mathematica:

 . y 
z
4
4
13
11
125
, x, y, z

 x    2
   
Obtendremos:  y     1 
z  5 
   
1 3
3  1 1  4 0  
7. La matriz transpuesta es: A  
t
 B  
t
 C  4
t
1
0 2 1  1 2 2
 5 

1 1 3 6 1 4
   
D  5
t
0 2 E  1
t
1 1
2 1 4  3 2 3 
 

8. Consulte con su profesor las demostraciones solicitadas.

9. a) (B.A.Bt)t = (A.Bt)t . Bt = (Bt)t .At . Bt = B . At . Bt (*)
Luego como A es simétrica tenemos que (At)t = A, por lo tanto: B . At . Bt = B . A . Bt
Entonces: B . A . Bt es simétrica.
(*) se aplicó: propiedad de transpuesta de un producto, transpuesta de una transpuesta y
propiedad conmutativa de la suma.
b) Sea A  R nxn : (A + At)t = At + (At)t = At + A = A + At , por lo tanto (A + At) es
simétrica.(**)
Se aplicó: transpuesta de una suma y transpuesta de una transpuesta.
c) Se resuelve de manera análoga que la aplicada en el ítem (b) utilizando la definición de
matriz antisimétrica.
10. Para cualquier matriz cuadrada A, sucede que:  A  A t  es una matriz simétrica y que

A  A  t
es una matriz antisimétrica. La expresión: 1
2
A  A   A  A 
t 1
2
t
muestra como
descomponer una matriz cuadrada A como la suma de una matriz simétrica y otra
antisimétrica.

33
Álgebra y Geometría Analítica

                      



Solve x 
1 0

2 1
  Obtenemos que: {{x­3 z,y­z}}

11.  a) Analizamos con el software Mathematica:
 y
1 0
2 3
 z
5 3
1 3

0 0
0 0
, x, y, z

Por lo tanto, el conjunto es linealmente dependiente.

Solve x 


3 0 2
  Obtenemos que: {{x0,y0,z0}}

1 2 0

b) Analizamos con el software Mathematica:
 y
2 0 1
0 1 0
 z
0 2 1
0 2 1

0 0 0
0 0 0
, x, y, z

Por lo tanto, el conjunto es linealmente independiente 

13
12. a) x  11  y  9 b) x  1  y 
2
13. Consulte la respuesta con su docente
14. k = 5

  2.877  7.107  14.016

 
  
0.323 0.424 0.531

 
 4.936  5.048  14.016 0.573 0.472 0.573

 
15. a)  6.909  7.107  9.984 b) 1.104 1.104 0.896

c) converge a la matriz:  
0.227273 0.272727 0.5
0.227273 0.272727 0.5
0.227273 0.272727 0.5

Respuestas de la autoevaluación
Resuelva la autoevaluación con su grupo de estudio y luego, entregar la resolución a su
docente.

34
Álgebra y Geometría Analítica

Glosario

Matriz: arreglo rectangular de números reales o complejos.

Matriz Cuadrada: matriz que tiene la misma cantidad de filas que de columnas.
Matriz Rectangular: matriz cuya cantidad de filas no coincide con la cantidad de columnas.
Matriz Fila: matriz que sólo tiene una sola fila .
Matriz Columna: matriz que tiene una sola columna.
Matriz Triangular Superior: Son las matrices cuadradas que tienen elementos nulos en las posiciones donde el
número de fila es mayor que el número de columna.
Matriz Triangular Inferior: Son las matrices cuadradas que tienen elementos nulos en las posiciones donde el
número de fila es menor que el número de columna.
Matriz Diagonal: Son las matrices cuadradas que tienen elementos nulos en las posiciones donde el número de
fila no coincide con el número de columna.
Matriz Escalar: Son las matrices cuadradas que tienen elementos nulos en las posiciones donde el número de
fila no coincide con el número de columna y elementos iguales en las posiciones de la diagonal principal.
Matriz Identidad: Son las matrices diagonales, cuya diagonal principal está formada solo por 1.
Matriz Nula: matriz cuyos elementos son todos nulos.
Matriz Idempotente: Son las matrices cuadradas que elevadas al cuadrado son iguales a si misma.
Matriz Involutiva: Son las matrices cuadradas que elevadas al cuadrado dan la matriz identidad.
Matriz Transpuesta: Es la matriz que se obtiene por cambiar las filas por las columnas en una matriz.
Matriz Simétrica: Son las matrices cuadradas que son iguales a su transpuesta.
Matriz Antisimétrica: Son las matrices cuadradas que son opuestas a su transpuesta.

Bibliografía

 Anton, H., “Introducción al Álgebra Lineal”, Editorial Limusa, 2° Edición, México,

2000.
 Nakos, G., Joyner, D., “Álgebra Lineal con aplicaciones”, Thomson Editores, 1º
Edición, México, 1998.

35
Álgebra y Geometría Analítica

 Kolman, B., “Álgebra Lineal con aplicaciones y MATLAB”, Prentice Hall, Pearson
Educación, 6º Edición, México, 1999.

36