Apuntes de Matematica Aplicada II

Tecnicatura en Redes y Telecomunicaciones - 2015

Breve Apunte Sobre Matrices

a11 . . . . . .
.
..
..
..
.
.

.
.
..
..
..

. . . . . . anm

{z

Columnas

Profesor: Ing. Juan Carlos Choque

Filas

Indice General
1. Matrices

1.1. Introduccion: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2. Definicion de Matriz: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2.1. Notacion: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3. Operaciones con matrices: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3.1. Igualdad de matrices: . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3.2. Suma de matrices: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3.3. M
ultiplo escalar de una matriz: . . . . . . . . . . . . . . . . . . . . . . .

1.3.4. Propiedades de la suma de matrices y de la multiplicacion escalar: . . . .

1.3.5. Multiplicacion de matrices: . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3.6. Propiedades: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.4. Transpuesta de una matriz: . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.4.1. Propiedades de la transpuesta: . . . . . . . . . . . . . . . . . . . . . . . .

1.5. Matrices especiales: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

CAPITULO 1

Matrices
1.1 Introducci
on:
En las matematicas, con frecuencia enfrentamos la tarea de manejar arreglos de n
umeros
o funciones. A uno de dichos arreglos se le denomina matriz. La invencion de la teora de
matrices se debe al eminente matematico ingles Arthur Cayley (1821 - 1895).

1.2 Definici
on de Matriz:
Una matriz es una arreglo rectangular de n
umeros o funciones distribuidos en filas y
columnas:

a11 a12 . . . a1n

a21 a22 . . . a2n

Filas
.

.
.

.
.
.

.
.
.

am1 am2 . . . amn

{z

(1.1)

Columnas
1.2.1 Notaci
on:
1. Generalmente a las matrices las identificamos con una letra may
uscula, por ejemplo A,
B, C.
2. Si una matriz A tiene m filas y n columnas se dice que A es de tama
no m n o que A es
de orden m n. Si m = n, se dice que A es de orden n y se denomina matriz cuadrada.

3. Cada n
umero o funcion aij del ordenamiento es llamado elemento de A. Donde i indica
la fila a la que pertenece y j la columna.

1 2 5
EJEMPLO 1.1 Sea A =
; responder:
6 9 3
a) Que tama
no tiene?
b) Cuanto da: a11 + a23

a21
?
a12

Soluci
on:
a) La matriz A tiene 2 filas y 3 columnas. Por lo tanto su tama
no es 2 3. Es decir
A23 .
b) De la matriz A se obtiene a11 = 1, a23 = 3, a21 = 6 y a12 = 2. Entonces a11 + a23
a21
6
= 1 + 3 = 1.
a12
2

1.3 Operaciones con matrices:

1.3.1 Igualdad de matrices:
Dos matrices A y B de m n son iguales si aij = bij para cada i y j.
1.3.2 Suma de matrices:
Si A y B son dos matrices de m n, entonces su suma es

A + B = (aij + bij )mn

(1.2)

Para poder sumar o restar dos matrices deben tener el mismo tama
no, y el resultado es de ese
mismo orden.
1.3.3 M
ultiplo escalar de una matriz:
Si k es un n
umero real, entonces el m
ultiplo escalar de una matriz A es: k A =
(k aij )mn . En otras palabras, para calcular k A simplemente multiplicamos cada elemento de
A por k.

ka11 ka12 . . . ka1n

ka21 ka22 . . . ka2n

kA = .
= (kaij )mn
.
.
.
..
..
..
..

kam1 kam2 . . . kamn

(1.3)

2 1 3
4 7 8

y B = 9 3
, calcular:
EJEMPLO 1.2 Si k = 5, A =
0
4
6
5

6 10 5
1 1 2
a) C = A + B.
b) D = k C.
Soluci
on:
a) Lo primero que debemos hacer es verificara que A y B sean del mismo tama
no. A
es de 3 3 y B es 3 3, tienen el mismo tama
no y se pueden sumar.

2 1

C =A+B =
4
0

6 10

2+4

=
0+9

6 + 1

3 4 7 8

6
5
+ 9 3

5
1 1 2

1 + 7 3 8 6 6 5

4+3
6+5
= 9 7 11

10 1 5 + 2
5 9 3

b) Ya hemos calculado C, para obtener D simplemente multiplicamos cada elemento

de C por k = 5.

5 6 5 (5) 30 30 25
6 6 5 5 6

= 59
= 45 35 55
D = kC = 5
9
7
11
5

7
5

11

5 (5) 5 9 5 (3)
25 45 15
5 9 3

1.3.4 Propiedades de la suma de matrices y de la multiplicaci

on escalar:
Suponga que A, B y C son matrices de m n y que k1 y k2 son escalares. Por lo tanto,
i) A + B = B + A

Ley conmutativa de la suma.

ii) A + (B + C) = (A + B) + C

Ley asociativa de la suma.

iii) (k1 k2 )A = k1 (k2 A)

iv) 1A = A
v) k1 (A + B) = k1 A + k1 B

Ley distributiva.

vi) (k1 + k2 )A = k1 A + k2 A

Ley distributiva.

1.3.5 Multiplicaci
on de matrices:
Sea A una matriz que tenga m filas y p columnas, y sea B una matriz con p filas y n
columnas. El producto A B es la matriz de tama
no m n:

a11 a12 . . . a1p b11 b12

a21 a22 . . . a2p b21 b22

AB = .
.
.
.
.
..
..

..
..
..
.

..

am1 am2 . . . amp

bp1 bp2

a11 b11 + a12 b21 + + a1p bp1

a21 b11 + a22 b21 + + a2p bp1

=
..

am1 b11 + am2 b21 + + amp bp1

!
p
X
=
aik bkj
k=1

. . . b1n

. . . b2n

..
..
.
.

. . . bpn

a11 b1n + a12 b2n + + a1p bpn

. . . a21 b1n + a22 b2n + + a2p bpn

..
..

.
.

. . . am1 b1n + am2 b2n + + amp bpn

...

(1.4)

mn

La definicion establece que el producto C = A B esta definido solamente cuando el

n
umero de columnas de la matriz A es igual que el n
umero de filas de B. La matriz resultante
C = A B se forma utilizando la definicion del producto interno o punto de la fila i-esimo de A
con cada una de las columnas de B.

2 3 2

2
3
1

, calcular C = AB.
EJEMPLO 1.3 Dados A =
yB=
1
1
3

4 3 1
2 3 4

Soluci
on:

2 3 2
4 + 3 + 2 6 3 3 4 + 9 + 4
1
2 3
=
C = AB =

1
1
3

4 3 1
8 3 2 12 + 3 + 3 8 9 4
2 3 4

9 0 17
=

3 18 5

1.3.6 Propiedades:
Ley asociativa
Si A es una matriz de m p, B una matriz de p r y C una matriz de r n, entonces
el producto
A (B C) = (A B) C
Ley distributiva
Si tanto B como C son matrices de r n y A es una matriz de m r, entonces la ley
distributiva es
A (B + C) = A B + A C
Ademas, si el producto (B + C) A esta definido, entonces

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

1.4 Transpuesta de una matriz:

a11 a12 . . . a1n

a21 a22 . . . a2n

La transpuesta de la matriz m n, A = .
es la matriz AT de
..
..
..
..

.
.
.

am1 am2 . . . amn

n m dada por:

a11 a12 . . . a1m

a21 a22 . . . a2m

AT = .

.
.
.
..
..
..
..

an1 an2 . . . anm

En otras palabras, las filas de una matriz A se convierten en las columnas de su transpuesta AT .

3 2 1
3 6 2



EJEMPLO 1.4 Si A =
6 5 2 , entonces A = 2 5 1. Si B = 5 3 ,

2 1 4
1 2 4

5
entonces B T = .
3

1.4.1 Propiedades de la transpuesta:

Suponga que A y B son matrices y k es un escalar. Por lo tanto,
i) (AT )T = A

Transpuesta de la transpuesta.

ii) (A + B)T = AT + B T
iii) (AB)T = B T AT
iv) (kA)T = kAT

Transpuesta de una suma.

Transpuesta de un producto.

Transpuesta de un m
ultiplo escalar.

1.5 Matrices especiales:

En la teora de matrices existen muchos tipos de matrices que son importantes debido
a que poseen ciertas propiedades. A continuacion presentamos una lista de algunas de estas
6

matrices:
Una matriz formada solo por elementos cero se denomina matriz cero y se denota
mediante un 0. Por ejemplo:

0
0 = ,
0

0 0
0=
,
0 0

0 0

0=
0
0

0 0

son matrices cero. Si A y 0 son matrices m n, entonces:

A + 0 = A,

ademas

A + (A) = 0

Se dice que una matriz A de n n es triangular si todos sus elementos ubicados por
debajo de la diagonal principal son ceros o si todos sus elementos por arriba de la diagonal
principal son ceros. En otras palabras, la matriz cuadrada A es triangular si aij = 0 para
i < j o aij = 0 para i > j. Siendo mas especficos, en el primer caso la matriz se llama
triangular superior, y en el segundo caso tenemos una matriz triangular inferior.
Las matrices siguientes son triangulares:

2 3
5 6
0 8
0 0

15

matriz triangular superior

0 0 0 0
6 0 0
9 3 0
1 1 2
2 3 4

matriz triangular inferior

Se dice una matriz A de n n es una matriz diagonal si todos sus elementos que no
se encuentran en la diagonal principal son ceros. Simbolicamente A = (aij )nn , A es una

matriz diagonal si aij = 0 para i 6= j. La siguiente es una matriz diagonal:

5 0 0

0 1 0

0 0 2

Cuando todos los elementos

aijde una matriz diagonal A son iguales, tenemos una matriz
5 0
escalar. Por ejemplo,
es una matriz escalar. Una matriz escalar de n n es
0 5
simplemente un m
ultiplo escalar de una matriz diagonal
en

la que
todos
los elementos de
5 0
1 0
la diagonal principal son iguales a 1. Por ejemplo,
= 5
.
0 5
0 1
En general, la matriz de n n:

1 0 0

0 1 0

.
..

0 0 0

..
.

se representa con el smbolo I (o mediante In cuando existe la necesidad de enfatizar

el orden de la matriz). Para cualquier matriz A de m n se comprueba facilmente que
Im A = AIn = A. Debido a que esta u
ltima propiedad es analoga a 1 a = a 1 = a, para
cualquier n
umero real a, a la matriz I se le denomina matriz identidad.
Se dice que una matriz A de n n es sim
etrica si AT = A; esto es, A es simetrica si
aij = aji para todos i y j. Lo anterior significa que los elementos de una matriz simetrica
son simetricos con respecto a la diagonal principal de la matriz.

1 2 7

Por ejemplo la siguiente matriz: A =

2 5 6, es simetrica. Si calculamos la trans

7 6 4
puesta observamos que:

1 2 7

=A
AT =
2
5
6

7 6 4
Hay mas temas para ver sobre matrices, algunas de las bibliografa que pueden consultar
son:
Matem
aticas Avanzadas para Ingeniera, Vol. 1 Ecuaciones Diferenciales. Dennis
G. Zill, Michael R. Cullen, (2006). Tercera Edicion. Editorial McGraw-Hill. (Usado para realizar
este apunte).
M
etodos Operativos de C
alculo Vectorial. Ortiz FaustoCervantes, (2010). Primera
Edicion. Universidad Autonoma de la Ciudad de Mexico.
Algebra Lineal. Grossman Stanley I., (1988). Segunda Edicion. Editorial Grupo Iberoamerica.