ALGEBRA Y GEOMETRÍA ANALITICA

UNIVERSIDAD TECNOLÓGICA NACIONAL

FACULTAD REGIONAL TUCUMÁN

MATRICES

NOTAS TEÓRICAS
EJERCICIOS Y APLICACIONES

MG ANALIA MENA
ESP. GRACIELA ABRAHAM

1
ALGEBRA Y GEOMETRÍA ANALITICA

1.- MATRICES
El desarrollo inicial de la teoría de matrices se debe al matemático Hamilton en 1853.
Lord Cayley (1821 – 1895) es uno de los fundadores de la teoría de matrices, aunque su
amigo James Sylvester (1814 – 1897) fue quien acuñó el término matriz. Tanto Sylvester
como Cayley son considerados entre los mejores matemáticos de sus tiempos.
En 1858, el matemático inglés Arthur Cayley define y da las principales propiedades del
concepto de matriz e introduce la notación matricial como una forma abreviada de escribir un
sistema de m ecuaciones lineales con n incógnitas.
La teoría de matrices constituye un instrumento de fundamental importancia en campos de la
ciencia donde se plantean problemas con muchas variables y relaciones entre ellas, por
ejemplo en Investigación Operativa, cálculo numérico, resolución de sistemas de ecuaciones
lineales, geometría, estadística, economía, informática, física, etc.
Siempre que se utiliza un gran número de datos, se siente la necesidad de organizarlos de
modo que sea sintético, significativo y puedan identificarse sin dificultad, y esto se logra con
una condensación de datos en forma tabular. La utilización de matrices constituye
actualmente una parte esencial de los lenguajes de programación, ya que la mayoría de los
datos se introducen en las computadoras como tablas organizadas en filas y columnas: hojas
de cálculo, bases de datos, etc.

1.1.- Definición: Una matriz de orden mxn con m, nN es un conjunto rectangular de
elementos dispuestos en m filas y n columnas. Simbólicamente:

 a1 1 a1 2 a1 3 ... a1 j ... a1n 

 
 a2 1 a2 2 a2 3 ... a2 j ... a2 n 
 ... ... ... ... ... ... ... 
A=  
 ai1 ai 2 ai 3 ... aij ... ain 
 ... ... ... ... ... ... ... 
 
a ... amn 
 m1 am 2 am 3 ... amj

El elemento aij situado en la fila i y columna j recibe el nombre de elemento genérico. Una
matriz de orden mxn se representa como A mxn o A m, n o A mxn
o AM mxn
(M mxn

representa el conjunto de todas las matrices de orden mxn). Usando el elemento genérico: A =
(aij) mxn.
Observación 1: Se utilizan paréntesis para encerrar a los mxn elementos. En general se usan
letras mayúsculas para las matrices y minúsculas para representar los elementos.

2
ALGEBRA Y GEOMETRÍA ANALITICA

EJEMPLOS:
1- Dadas las matrices siguientes indique el orden e identificar los elementos a21, b32, c33, d11
1
 
2 5  1 4 15 5
   
A = 3 2 8  , B =3 1 , C =6 , D =  3 0,5 6  13
 
6 0 4  5 0  7
 
9
 
a 21=3, b32= 0, c31 = 6, c33 = no existe , d11= 1

Observación 2: Cabe señalar que si bien en los ejemplos numéricos, estos números no tienen
asignado significado, esta situación cambia cuando por ejemplo decimos que la matriz C5x1.
1
 
5
C =  6  , representa las notas de los alumnos Álvarez, Juárez, Pérez, Rodríguez y Toledo, en
 
7
9
 
el primer parcial de Álgebra, entonces el elemento c 11 informa que el alumno Álvarez, está
aplazado pero el elemento c 51, informa que el alumno Toledo: Aprobó con 9.
2- Encuentre los elementos de la matriz A = (a ij) si A es de orden 3x2 y aij = 2i + j
Como el orden es 3x2, i = 1, 2, 3. j = 1, 2
 3 4
 
A3x2 = 5 6
7 8
 

1.2.- Matriz Cuadrada

Definición: Las matrices en las que coincide el número de filas con el número de columnas se
llaman matrices cuadradas, o sea que si A es de orden mxn con m=n, se dice que la matriz A
es cuadrada de orden n o sea A n.
A la diagonal que está formada por los elementos a11, a22,..., ann se la denomina diagonal
principal. En símbolos:
 a1 1 a1 2 a1 3 ... a1 j ... a1n 
 
 a2 1 a2 2 a2 3 ... a2 j ... a2 n 
 ... ... ... ... ... ... ... 
A=   ; A  Mnxn
 ai1 ai 2 ai 3 ... aij ... ain 
 ... ... ... ... ... ... ... 
 
a an 2 an 3 ... an j ... an n 
 n1

3
ALGEBRA Y GEOMETRÍA ANALITICA

Diagonal principal de A = {aij / i = j} = {a11, a22,..., ann }

Observación 3: En general trabajaremos con matrices definidas sobre el cuerpo de los

números reales que son las que presentan interés desde el punto de vista de las aplicaciones a
la economía y a la administración. Sin embargo las conclusiones y resultados obtenidos serán
válidos también para las matrices definidas sobre el cuerpo de los números complejos.
Ejemplos:
 2  3 0
a) A =   es una matriz de orden 2x3, es decir A  M2x3

 0  4 1

1 2  1
1 
b) B=  2 3  es una matriz cuadrada de orden 3, es decir B M3
 2 
0  4  1

a 1 1  3 a1 2  4  3 4
  
c) Si A M 3x2
/ aij = 2i + j  a 2 1  5 a 22  6  A = 5 6
a  7 a 32  8 7 8
 31  

1.3.- Igualdad de Matrices

Definición: Dos matrices A = (aij) y B = (bij) son iguales sí y sólo sí son de igual orden y sus
elementos correspondientes son iguales.
Es decir: A = B  son de igual orden y aij = bij ,  i = 1, 2, …m y  j = 1, 2, …n.

Ejemplos:
 1 
1 i2 
 1 0.5  1   2 
 
y B = 0
1
a) Sean las matrices A =  0 3 0.25 9
 4
 3 8  i 22  2
  i 3
4
 
 
Las matrices A y B son iguales ya que cada elemento aij = bij.  i ,  j

 1 2 3  1 2 3  1 2
b) Dadas las matrices A =   ; B =   ; C =  
 1 x 0  1 3 y  1 x 
A = B  x = 3, y = 0 y AC BC

1.4.- Matrices Especiales

4
ALGEBRA Y GEOMETRÍA ANALITICA

1.4.1.- Matriz Nula: Se denomina matriz nula a la matriz que tiene todos sus elementos
iguales a cero. Se simboliza por N o por O. Es decir N = (nij) / nij = 0, i, j

Ejemplos:
 0 0 0 0 0
   
N =  0 0  matriz nula de orden 3x2 ; N =  0 0 0  matriz nula de orden 3
 0 0 0 0 0
   
Observación 4: Las matrices nulas pueden ser de cualquier orden

1.4.2.- Matriz Fila: Si una matriz es de orden 1xn, se denomina matriz fila o vector fila.
Esta matriz tiene una sola fila y cualquier cantidad de columnas. En símbolos:
A = (a 11 a 12….a 1n) , A M1xn
En este caso, basta usar un solo subíndice. Es decir: A = (a1 a2… an )


Ejemplo: A = 1 2 0 
5 , A  M1x4

1.4.3.- Matriz Columna: Si una matriz es de orden mx1, se denomina matriz columna o
 a 11 
 
 a 21 
vector columna. En símbolos A =   , A  Mmx1

 
a 
 m1 

 a1 
 
a 
También en este caso basta usar un solo subíndice. O sea: A =  2 

 
a 
 m

 3 
 
Ejemplo: A =   3  , A M3x1
 5 
 

1.4.4.- Matriz Opuesta: Dada la matriz A = ( aij )mxn , B = ( bij )mxn es la opuesta de A 
bij = - aij ,  i ,  j . Se representa como –A.

Ejemplo:

5
ALGEBRA Y GEOMETRÍA ANALITICA

 1  1
 1 3   1  3  
 2  2
Si A =  3 4 7 , B = -A =   3  4  7 
 5 0 7   5 0  7 
 
   

1.5.- Matrices cuadradas especiales

1.5.1.- Matriz Identidad: La matriz identidad de orden n, representada por I o I n, es una

matriz cuadrada que tiene todos los elementos de la diagonal principal iguales a uno y
los restantes elementos son iguales a cero. Simbólicamente:
1 0 ... 0
 
0 1 ... 0
In =   , I  M nxn
... ... ... ...
 
0 0 ... 1 

 
Si escribimos I =  ij n
1 si
entonces  ij  
0 si
i j
i j

Observación 5: El símbolo  ij se llama delta de Kronecker. Se supone tácitamente que los

índices i , j varían de 1 a n.

Ejemplos:
1 0 0
1 0  
I2 =   Matriz identidad de orden 2 , I3 =  0 1 0  Matriz identidad de orden 3
0 1 0 0 1
 

1.5.2.- Matriz triangular: Las matrices triangulares son todas aquellas matrices que son
cuadradas y los elementos ubicados por encima o por debajo de la diagonal principal
son ceros.
Es triangular superior cuando los ceros están por debajo de la diagonal principal y
triangular inferior cuando los ceros están por encima de la diagonal principal. En
símbolos:

“La matriz A  Mnxn es triangular superior sí y sólo sí i > j  aij = 0”

6
ALGEBRA Y GEOMETRÍA ANALITICA

 a11 a12 a13 ... a1n 

 
0 a22 a23 ... a2 n 
Es decir: A=  0 0 a33 ... a3n  es una matriz triangular superior
 
 ... ... ... ... ... 
0
 0 0 0 ann 

Análogamente:

“A Mnxn es triangular inferior sí y sólo sí i < j  aij = 0”

 a11 0 0 ... 0 
 
 a21 a22 0 ... 0 
Es decir: A =  a31 a32 a33 ... 0  es una matriz triangular inferior
 
 ... ... ... ... ... 
a
 n1 an 2 an 3 ... ann 

Ejemplos:
1 2 4
 
A =  0  3 2  es una matriz triangular superior de orden 3
0 0 1
 
 1 0 0 0 
 
 3 5 0 0 
B=  es una matriz triangular inferior de orden 4
5 7 8 0 
 
 3 1  5 
 9
1.5.3.- Matriz Diagonal: La matriz diagonal es una matriz cuadrada en la que todos los
elementos que no pertenecen a la diagonal principal son nulos.
En símbolos: A  M nxn es una matriz diagonal sí y sólo sí i  j  aij = 0

Para denotar que A es una matriz diagonal de orden n, escribimos:

 a11 0 ... 0 
 
 0 a22 ... 0 
A= 
... ... ... ... 
 
 0 0 0 ann 

Observación 6: En particular las matrices I y N son matrices diagonales.

Ejemplos:

7
ALGEBRA Y GEOMETRÍA ANALITICA

1 0 0 
 
A = 0  4 0  es una matriz diagonal de orden 3
0 0 3 
 5

 2 0
B =   es una matriz diagonal de orden 2
 0 3

1.5.4.- Matriz Escalar: Una matriz escalar es una matriz diagonal en la cual todos los

elementos situados en la diagonal principal son iguales entre sí; es decir:

 si i  j
Sea A  M nxn / A = (aij) es escalar sí y sólo sí a ij   
0 si i  j

Para denotar que A es una matriz escalar de orden n, escribimos:

  0 0 0 . . . . . . .0 
 0  0 0 . . . . . .. 0 
 
A n =  . . . . . .................. . . .0  k
 . ......... . . . . . . . . . . . . . . 
 0 0 0 0 . . . . . . 
 

 5 0 0 
 
Ejemplo: B =  0  5 0 
 0 0  5 


Observación 7: Si en una matriz escalar, los elementos no nulos son iguales a la 1 (uno), se

obtiene la Matriz Identidad ó Matriz Unidad. Y si los elementos de la diagonal principal son

iguales a 0 (cero), se obtiene una matriz nula cuadrada.

1.6.- OPERACIONES CON MATRICES

1.6.1.- Suma de matrices

Definición: Sean A = (aij) mxn y B = (bij)mxn . Entonces
A + B = C mxn = ( cij )mxn / cij = aij + bij ; i = 1, 2, . . . , m; j = 1, 2, . . . ,n. Es decir:

 a11 a12 ... a1n   b11 b12 ... b1n 

   
a a22 ... a2 n   b21 b22 ... b2 n 
Si A =  21 y B= , entonces
... ... ... ...   ... ... ... ... 
   
 am1 am 2 ... amn   bm1 bm 2 ... bmn 

8
ALGEBRA Y GEOMETRÍA ANALITICA

 a11  b11 a12  b12 ... a1n  b1n 

 
a b a22  b22 ... a2 n  b2 n 
C = A + B =  21 21
... ..... ... ...... 
 
 am1  bm1 am 2  bm 2 ... amn  bmn 

Se observa, entonces, que sólo se pueden sumar matrices del mismo orden, y que la matriz
resultante es del orden de las matrices sumadas.

Ejemplo:
 1 2 3   2 1  2 1 3 1
Sean A =   y B =   entonces C = A + B =  
 1 x 0  1 3 x   0 x  3 x

1.6.2.- Multiplicación de una matriz por un escalar

Definición: Sean    y A = (ai,j)mxn ; entonces la matriz C =  .A se obtiene al
multiplicar cada componente de A por el escalar  . Esto es, C = ( cij )mxn / cij =  aij  i ,  j

 a11 a12 ... a1n   a11 a12 ... a1n 

   
a a22 ... a2 n   a21 a22 ... a2 n 
En símbolos, si A =  21  A=
... ... ... ...   ... ... ... ... 
   
 am1 am 2 ... amn   am1 am 2 ... amn 

Ejemplos:

 1 2 3
Sea A =   entonces:
 1 x 0

 1 2 3  2 4 6
a) 2 A = 2   =  
 1 x 0   2 2x 0 

 1 3
1 1  1 2 3   2 1  
b)  A =    =  2
2 2   1 x 0   1 
x
0 
 2 2 

 1 2 3  1 2 3
c) 1 A = 1.   =  
 1 x 0  1 x 0

 1 2 3  0 0 0
d) 0 A = 0 A =   =  
 1 x 0  0 0 0

Observación 8. i) Si  = -1: (-1) A = -A que, como sabemos, se denomina opuesta de A.

9
ALGEBRA Y GEOMETRÍA ANALITICA

ii) Si en particular 1 = 1 y 2 = -1, la matriz resultante 1 A + (-1) B = A – B

se denomina matriz diferencia de A y B.

 1 2 1 k 1 3
Ejemplo: Sean las matrices A =   , B =   y C =   , determinar “k” para
k 1 2 0 0 2
que: 2 A – B = C

 1 2  1 k  1 3
Resolución: 2 A – B = C  2   + (-1)   =   
k 1  2 0  0 2

 2 4  1  k   1 3  1 4  k 1 3
  +   =     =  
 2k 2    2 0  0 2  2k  2 2  0 2

Como dos matrices son iguales sí y sólo sí sus elementos correspondientes lo son; se debe
1  1
4  k  3
satisfacer simultáneamente:  . El sistema admite como única solución k=1
2k  2  0

2  2
1.6.3.- Propiedades de la Suma de Matrices y del Producto de un Escalar por una Matriz
Sean A, B, C, y N (matriz nula) matrices de igual orden y sean  y  escalares arbitrarios,
entonces se cumplen las siguientes propiedades:

i) Propiedad conmutativa de la suma: A+B=B+A

ii) Propiedad asociativa de la suma: (A + B) + C = A + (B + C )

iii) Existencia de elemento neutro para la suma: A + N = N + A = A

iv) Existencia de elemento inverso aditivo u opuesto en la suma: A + (-A) = N

v) Propiedad distributiva respecto de la suma de matrices:  (A + B) =  A +  B

vi) Propiedad distributiva respecto a la suma de escalares: (  +  ) A =  A +  A

vii) Propiedad asociativa respecto al producto de escalares: ( A) = ( ) A

viii) 1.A = A

ix) 0 A = N

x) N=N

1.6.4.- Producto de matrices

10
ALGEBRA Y GEOMETRÍA ANALITICA

Definición: Dadas A = (aij) de orden mxp y B = (bij) de orden pxn, entonces el producto de
p
A.B es otra matriz C = (cij ) de orden mxn / cij =  a ik .b kj , i = 1, 2, …, m ; j = 1, 2, …, n
k 1

Al desarrollar la suma se obtiene: cij = ai1 b1j + ai2 b2j + ai3 b3j +... + aip bpj

Observación 9: i) cij, elemento genérico de la matriz producto, es la suma de los productos

de cada elemento de la i-ésima fila de la matriz A por los correspondientes elementos de la
j-ésima columna de la matriz B.
ii) Se advierte que el producto A.B sólo está definido cuando el número de columnas de A es
igual al número de filas de B. En este caso se dice que A y B son conformables para el
producto.
Para poder multiplicar matrices estas deben ser “Conformables para el Producto”.

Dos matrices son conformables para el producto cuando el número de columnas de la 1º

matriz del producto coincide con el número de filas de la 2º matriz del producto. La
matriz resultante tendrá tantas filas como la primera y tantas columnas como la
segunda.
iii) La matriz producto tiene tantas filas como A y tantas columnas como B.
Esquemáticamente: Am x p B p x n = Cmxn

a a ... ... a   b11 ... b

1j
... b 
1n 
 11 12 1p  
 ... ... ... ... ...  b ... b ... b   c ... c 
   21 2j 2n   11 1n 
 ai1 a
i2
... ... aip    ... ... ... ... ...  =  ... cij ... 
     
 ... ... ... ... ...   ... ... ... ... ...  c ... cmn 
     m1 
am1 a
m2
... ... amp  b ... bpj ... bpn 
   p1 

i i
j
j
c mxn = (cij )

Ejemplos:
1- Calcular

1 3  2 1 2
a) A=   , B=   , A2x2. B2x2 = C2x2 / cij =  a ik .b kj , i = 1, 2 ; j = 1, 2
 2 4  3 5 k 1

11
ALGEBRA Y GEOMETRÍA ANALITICA

c c 
Es decir que C2x2 =  11 12  tal que:
 c 21 c 22 

2
c11 =  a 1k .b k1 = a11.b11 + a12 b21 = 1.2 + 3.3, se observa que este elemento se
k 1

obtuvo al realizar la suma de los productos de los elementos de la primera fila de A por los
correspondientes elementos de la primera columna de B.

2
c12 =  a 1k .b k 2 = a11 b12 + a12 b22 = 1.1 + 3.5, es el elemento que se obtuvo al multiplicar los
k 1

elementos de la primera fila de A por los correspondientes elementos de la segunda columna

de B.

2
c21.=  a 2 k .b k1 = a21 b11 + a22 b21.= 2.2 + 4.3, este elemento se obtuvo multiplicando los
k 1

elementos la segunda fila de A por los correspondientes elementos de la segunda columna

de B.

2
Y procediendo de similar manera se obtiene: c22 =  a 2 k .b k 2 = a21 b12 + a22 b22 = 2.1+ 4.5
k 1

 1 3  2 1  1.2  3.3 1.1  3.5   11 16 

Entonces C = AB =   .   =   =  
 2 4  3 5  2.2  4.3 2.1  4.5  16 22 

a a 12  b b12 b13 
b) Sean A   11  , B   11  , A 2x2 . B 2x3 = C 2x3 = (c i j ) 2x3
 a 21 a 22   b 21 b 22 b 23 

c c12 c13   a11b11  a12b 21 a11b12  a12b 22 a11b13  a12b 23 

C   11    
 c 21 c 22 c 23   a 21b11  a 22b 21 a 21b12  a 22b 22 a 21b13  a 22b 23 

2
i  1,2
El elemento genérico de la matriz producto C = (cij) es: c i j   a i k b k j ,
k 1 j  1,2,3

0 4 5  3  1
   
2.- Dadas las matrices A=  1  2 3  y B  0 1 
 2 3 4 1 4 
   

Obtenga el elemento p23 sabiendo que la matriz P se obtiene de multiplicar AB.

12
ALGEBRA Y GEOMETRÍA ANALITICA

Para resolver este ejercicio no se necesita efectuar la multiplicación de las dos matrices, como
se ha visto anteriormente para obtener un elemento de una matriz, en este caso
particularmente el elemento p23 es el resultado de multiplicar la segunda fila de A por la
tercera columna de B.

  1
 
p32= 2 3 4. 1   2.(1)  3.1  4.4  15
4
 

3- Efectúe si es posible, las multiplicaciones siguientes.

 2  1  2 5   2.2  (1).1 2.5  (1).4   3 6 

a)  .     
 3 1   1 4   3.2  1.1 3.5  1.4   7 19

1 1
 
 3 2  1  2 5 
b)  . 
1 4 2   1 0 
 3  2
  Estas matrices no se pueden multiplicar porque no son conformables

para el producto

 0 1
   3 2  1
c) Realizar los productos A B y B A, siendo A =   1 2  y B =  
 4 2  1 4 0 
 

 1 4 0 
    6 5
A3x2 B2x3 = C3x3 =   5 6 1  , B2x3 A3x2 = D2x2 =    C
 10 16  4   4 7
 

Este ejemplo muestra que si bien es posible realizar los productos A B y B A, la matriz

producto C es diferente de la matriz producto D. Lo que muestra que el `producto de matrices

no siempre goza de la propiedad conmutativa.

Observación 10: El producto de matrices, en general no es conmutativo, es decir A B  B A.

Sin embargo, si A y B son matrices de orden “n”, siempre están definidos A B y B A. Y si

además se verifica que: A B = B A, se dice que A y B son conmutables, pero estos son casos

particulares.

13
ALGEBRA Y GEOMETRÍA ANALITICA

0 1 0 1
Ejemplo: Determinar los productos A C y B C, siendo A =   , B =   y
1 0  2 0

0 0
C =   . Comparar los resultados obtenidos.
a 1

0 1 0 0 a 1  0 1 0 0 a 1
A C =   .   =   , B C =   .   =  
1 0 a 1 0 0  2 0 a 1 0 0

Al comparar se observa que A C = B C y sin embargo A  B

Observación 11: Se deduce del ejemplo anterior que el producto matricial no siempre goza

de la propiedad cancelativa, esto es, A C = B C  A = B , CA=CB  A=B

1.6.5.- Propiedades del Producto de Matrices

a) Propiedad asociativa
Sean A  M mxp, B  M pxn y C  M nxq, entonces: A (B C) = (A B)C

b) Propiedad distributiva del producto respecto a la suma.

i) Sean A  Mmxp, B  Mpxn y C  Mpxn entonces: A ( B + C ) = A B + A C
ii) Sean A  Mmxp, B  Mmxp y C  Mpxn entonces ( A + B ) C = A C + B C

c) Propiedad asociativa para la multiplicación por un escalar

Sea A  Mmxp, B  Mpxn y  escalar arbitrario, entonces.  (A B)=( A) B =A ( B)

d) Si A  Mmxn entonces: i) Amxn.In = A ii) Im.Amxn = A

e) La matriz Identidad conmuta con cualquier matriz cuadrada de igual orden

Es decir: si A  Mnxn e I  Mnxn : A I = I A = A

f) Sean A  Mnxn y N  Mnxn (matriz nula ); entonces A N = N A = N. Por lo tanto, una

matriz cuadrada también conmuta con la matriz nula del mismo orden.

0 1  0  2
Ejemplo: Sean las matrices A =   y B =   . Calcule A B. ¿Que puede concluir?
0 0 0 0 

 0 1  0  2  0 0
A B =   .   =  
 0 0   0 0   0 0 

14
ALGEBRA Y GEOMETRÍA ANALITICA

Se puede concluir que la implicación recíproca de la propiedad f) no siempre es verdadera, es

decir que existen matrices no nulas (A  N y B  N ) tal que AB = N
1.6.6.- Potencia de una matriz cuadrada
Definición: La potencia de una matriz se define en términos de la multiplicación de una
matriz consigo misma un número finito de veces.
Si A es una matriz cuadrada de orden n, están definidos los productos:
A A = A2, A2 A = A3,…,An-1 A = An . Donde A2, A3,…, An, son también matrices
cuadradas de orden n y An es la potencia n-ésima de A.
 1  1
Ejemplo: Dada A =   , calcular A5.
2 0 
 1  1  1  1  1 1
A2 = A A =     =  
2 0  2 0   2  2
  1  1   1  1 3 1 
A3 = A2 A =     =  
 2  2 2 0    2  2
  3 1   1  1  1 3
A4= A3 A =     =  
  2  2 2 0    6 2
  1 3   1  1  5 1   5 1
A5= A4 A =     =    A5 =  
  6 2  2 0    2 6   2 6

1.7.- Polinomio matricial

Por analogía con el polinomio de grado n: P(x) = a0 xn + a1 xn-1 +. . .+ an con ai  K (cuerpo
cualquiera),  i = 0, 1, 2, ..., n , n  N  0, podemos construir el polinomio matricial:
Si A  Mnxn se define P(A) = a0 An + a1 An-1 +. . .+ an I , donde I es la matriz identidad de
orden n.
Es importante destacar que an debe multiplicar a I (matriz identidad) y no al número 1(uno).
El polinomio matricial es una matriz de orden n
 3 1
Ejemplo: Si A =   , calcule f(A) sabiendo que f(x) = -3 x2 + 2 x - 5
  2 2
 3 1  3 1  7 5
f(A) = -3 A2 +2 A – 5 I , como A2 = A A =     =   entonces
  2 2   2 2   10 2 
 7 5  3 1  1 0    21  15  6 2    5 0 
f(A) = -3   + 2   - 5   =   +   +  
  10 2    2 2  0 1   30  6    4 4   0  5 
  20  13
f(A) =  
 26  7 

15
ALGEBRA Y GEOMETRÍA ANALITICA

1.8.- Matriz Transpuesta

Definición: Sea A = ( aij )Mmxn, se dice que B = ( bij )Mnxm es la matriz transpuesta de A sí
y sólo si B se obtiene a partir de A intercambiando ordenadamente filas por columnas, y se la
denota por B = At.
En símbolos: B  Mnxm es la transpuesta de A  Mmxn sí y sólo sí bij = aji
t
  t
1  2  1 3 5   0  4  1  0 4 1 
   
Ejemplos: a)  3 7    4 b)  4 0 3     4 0  3
    2 7 
5
4
  3 1  3 0   1 3 0 
   
 3 
t
 1 4  2  1 4  2
   
c)  4 2 0    4 2 0 
 2 0 3   2 0 3 
   

Observación 12: Adviértase que A  M mxn  At  M nxm , es decir que la fila k de una
matriz pasa a ser la columna k en la matriz transpuesta

1.8.1.-Propiedades de la transposición de matrices

Sean A y B matrices conformables para las operaciones indicadas y sea k un escalar
arbitrario. Entonces:
i) (At ) t = A
ii) (A + B) t = At + Bt .
iii) (A B) t = B t A t
iv ) ( k A) t = k ( At )

 0 1
  1 2
Ejemplos: a) Dadas la matrices A =   1 2  y B =   comprobar que (A. B)t = Bt At
  2 3 0 4
 

 0 1  0 4
  1 2    0 1  2
A.B =   1 2    =   1 6  , (A B)t =  
  2 3  0 4   2 8 4 6 8 
   
 1 0  0 1  2  0 1  2
Bt At =     = 
 2 4 1 2 3   4 6 8 

Luego, comprobamos que (A.B)t = Bt At

b) Demostrar que (A At )t = A At
(A At )t = (At )t At = A At

16
ALGEBRA Y GEOMETRÍA ANALITICA

Observación 13: Si A  Mmxn , entonces A At = C, con C  Mmxm. Y análogamente,

At.A = D, con D  Mnxn . Por lo tanto, el producto de una matriz por su transpuesta da
siempre como resultado una matriz cuadrada.

1.9.- Matriz Simétrica

Definición: Una matriz cuadrada es simétrica si y sólo sí coincide con su transpuesta.

En símbolos: A  Mnxn es simétrica  A = At

Observación 14: Las matrices simétricas son siempre cuadradas.

Ejemplo:
1-
 1 4  2 1 0 0
   
Las matrices  4 2 0  y  0 2 0  son simétricas ya que son iguales a su
 2 0 3   0 0 3
   
t t
 1 4  2  1 4  2 1 0 0 1 0 0
       
transpuesta. Es decir:  4 2 0    4 2 0  y  0 2 0   0 2 0
 2 0 3   2 0 3   0 0 3  0 0 3
       

Observación 15: A = (aij )n es una matriz simétrica si y sólo si : aij = aji  i ,  j

 x2 1 4  x
2- Dada la matriz A =  2  determinar x para que A sea simétrica.
x 2 x 

Como a i j = a j i  x2  2 = 4  x  x2 + x - 6 = 0, que arroja como resultado

3 2 8 7 
x =2 y x = -3 , A =   y A=  
2 2  7  3 

Ejemplos:
a) Demostrar que si A es una matriz simétrica, entonces ( Bt A B )t = Bt A B
( Bt A B )t = ( Bt A ) Bt = Bt ( Bt A )t = Bt At ( Bt )t = Bt At B ; como A es simétrica : At = A.
Por lo tanto: ( Bt A B )t = Bt A B

b) Dada A matriz cuadrada de orden n, demostrar que: i) A + At , ii) At A y iii) A At son

matrices simétricas.
i) ( A + At )t = At + (At )t = At + A  ( A + At ) es simétrica

17
ALGEBRA Y GEOMETRÍA ANALITICA

ii) ( At A )t = At ( At )t = At A  ( At A ) es simétrica
iii) ( A At )t = ( At )t At = A At  ( A At ) es simétrica
1.10.- Ecuaciones matriciales simples
Definición: Una ecuación matricial es una ecuación donde la incógnita es una matriz.
Sea la ecuación A X + B = C donde A, X, B y C son matrices, y además conformables según
las operaciones que se deben realizar.
Para la solución de ecuaciones matriciales, se procede en forma parecida a las soluciones de
ecuaciones con números reales, pero con limitaciones ya que el producto de matrices no es
conmutativo; por lo que utilizaremos las propiedades de la suma y el producto de matrices

0 1 
1 2 0   
Ejemplo 1: Sean las matrices A =   y B =  1 0  , determinar la matriz X tal
 0 0 1  3 1
 
que: 2 X – 4 Bt = 3 A

Resolución:
Si se suma 4 Bt en ambos miembros de la ecuación se obtiene:

( 2 X – 4 Bt ) + 4 Bt = 3 A + 4 Bt  2 X + (-4 Bt + 4 Bt ) = 3 A + 4 Bt 

2 X + N = 3 A + 4 Bt  2 X = 3A + 4Bt . Si se multiplican ambos miembros por ½ :

1 1 3
( 2 X ) = ( 3 A + 4 Bt )  X = A + 2 Bt
2 2 2

Por consiguiente:
3 
3 1 2 0  0 1 3   5 6 
X=   +2    X= 2 
2  0 0 1  1 0 1   2 7
0  
 2

Ejemplo 2:

Resolver la siguiente ecuación matricial

1 3
A.X  C t , donde A    y C   1 0
 2  4
Debemos analizar el orden de la matriz X tal que el producto A.X esté definido y el orden de
la matriz producto sea igual al orden de C t ; es decir:

18
ALGEBRA Y GEOMETRÍA ANALITICA

x
Si A 2 x 2.X.......  C 2t x 1  X 2 x 1   
 y
1 3   x    1
 .    
 2  4   y  0
 x  3y    1
    
 2x  4y  0 
Por definición la igualdad se verifica sí y solo sí
x  3y  1 (1)

2x  4y  0 (2)
lo resolvemos por sustitución :
de (1) x  1  3y (3)
remplazando (3) en (2) : 2 (1  3y)  4y  0
 2  6y  4y  0
1
 10y  2  y  
5

 1  2 
 X   5 
2
remplazando este valor en (3) x  1  3  -   x  
 5 5 1
 5

1.11.- Aplicaciones

1- Supongamos que un hombre entra a una verdulería para comprar una docena de huevos.
Otra de naranjas, media docena de manzanas, media de peras y tres limones. Representemos
sus compras mediante el siguiente vector fila:

F = [6(manzanas), 12 (huevos), 3 (limones), 12(naranjas), 6 (peras)]

= (6 12 3 12 6)

Supongamos que las manzanas valen 40 centavos cada una, los huevos 60 centavos cada uno,
los limones 90 centavos cada uno, las naranjas 50 centavos cada una y las peras 70 centavos
cada una. Podemos representar los precios de estos artículos por un vector columna

19
ALGEBRA Y GEOMETRÍA ANALITICA

 40  Centa
 
 60  vos
X =  90 
 
 50 
 70 
 

El problema obvio que se plantea ahora es, ¿Cuál es la cantidad total que debe pagar Pérez
por su compra? Un poco de reflexión revela que el tipo de operación adecuado para responder
a esta pregunta es el producto. Así,

 40 
 
 60 
F 1x5 .X 5x1 = 6 12 3 12 6 .  90  = P1x1
 
 50 
 70 
 

P1x1 = 240 + 720 + 270 + 600 + 420

P = 2250 centavos, o sea $ 22.50

Este es el cálculo que hace el cajero al sacar el resultado de las compras de Pérez.

2- ) Las velocidades medias de tres coches, en Km/h vienen dadas por la matriz

 50 
 
V=  80 
120
 

El número de horas que cada coche viaja viene dado por la matriz

H= 3 4 6

Calcula:

a) El total de los kilómetros recorridos por los tres coches

b) Los kilómetros recorridos por cada coche

Solución
 50 
 
a) H.V= 3 4 6  80  = 3.50  4.80  6.120  1190
120
 

20
ALGEBRA Y GEOMETRÍA ANALITICA

Este resultado representa el total de kilómetros recorridos por los tres coches.

 50   150 200 300

   
b) V.H=  80  . 3 4 6 =  240 320 480
120  360 480 720
   

Este resultado representa los kilómetros por cada coche según la velocidad y el tiempo
Ejemplo: el valor 360 son los kilómetros recorridos por el coche, que viaja a 120 km/h en un
tiempo de 3 horas.
3- Un constructor realiza 5 casas del tipo I, 7 del tipo II y 12 del tipo III, que se representan
mediante el vector fila E=(5 7 12 ). Se saben los insumos mínimos de los siguientes
materiales : H (hierro), M (madera), V (vidrio), P (pintura) y T (mano de obra), como así
también los costos unitarios de cada ítem para las obras y se los representa mediante las
matrices A y C (costos), respectivamente :
6 20 16 7 17
A= 7 8 12 9 21 ; C = (15 8 5 1 10 )
5 25 8 5 13
Se pide:
a) ¿Qué representa cada fila de la matriz A?
b) ¿Y cada columna?
c) ¿Qué representan la fila 2 y la columna 3?
d) ¿Qué son los elementos a32 , a25 y a14 ?
e) ¿Cuál es la cantidad necesaria de H, M, V, P y T para construir todas las casas?
f) ¿Cuánto importa el total de los ítems para el proyecto de las 24 viviendas?
Desarrollo:
Es evidente que la matriz A es la manera más conveniente de resumir estas necesidades de
materia prima.
 6 20 16 7 17  I
 
A   7 8 12 9 21 II
 5 25 8 5 13  III ,
 
H M V P T

Los ítems se consideran en las unidades apropiadas a cada uno de ellos.

Solución
a) Observemos que cada fila de la matriz es un vector fila de 5 elementos que da las
cantidades de cada tipo de materia prima que se necesitan para un tipo de casa
determinado.

21
ALGEBRA Y GEOMETRÍA ANALITICA

b) Análogamente, cada columna de la matriz es un vector columna de 3 elementos que

da las cantidades de un determinado tipo de materia prima que se necesita para cada
uno de los tipos de casa.
c) La fila 2 representa la cantidad de los ítems necesarios para construir las casas de tipo
II
d) La columna 3, representa la cantidad de vidrio necesario para construir los tres tipos
de casa.
 6 20 16 7 17 
 
e) E1x3. A3x5 = Q1x5  Q1x5 = 5 7 12.  7 8 12 9 21
 5 25 8 5 13 
 
Q1x5  146 526 260 158 388

15 
 
8 
f) Q1x5.[(C)] 1t x5 = I1x1  I  146 526 260 158 388 .  5  = 11.736
 
1 
10 
 
El alumno debe "descubrir" que hay que trasponer la matriz C.
Se puede hallar el resultado de tres maneras diferentes: La que se desarrolló
t
También I = (E. A).C e I = E. (A. C t), que muestra que se cumple la propiedad
asociativa del producto de matrices

22