Apuntes de álgebra de matrices. Operaciones y aplicaciones.

Paco Andrés

Esta obra está bajo una licencia

Creative Commons “Atribución-NoComercial-CompartirIgual 4.0 Internacional”.

1. Definición de matriz. Propiedades.

En matemáticas, una matriz es un conjunto de valores ordenados en filas y columnas, p.e.:
 
4 −3 4
 
 −5
 12 27 

 2 

 14 −5 
 3 
9 13 5,2

(En algunos textos se encierra entre corchetes en lugar de paréntesis)

A las matrices se las nombra con una letra mayúscula, y a sus elementos con la misma letra
pero en minúscula e indicando la fila y la columna en la que se encuentran:
 
4 −3 4
 
 −5
 12 27 
A=
 2 

 14 −5 
 3 
9 13 5,2

1
a1 1 = 4 a3 2 = a4 3 = 5,2
2
Muchas veces también se indican las dimensiones de la matriz en el nombre:
 
4 −3 4
 
 −5
 12 27 
A4×3 =
 2 

 14 −5 
 3 
9 13 5,2

Dependiendo de la forma y la disposición de los valores a las matrices se las suele dar nombres
especiales:

1
 Apuntes de álgebra de matrices. Operaciones y aplicaciones.

Si tiene el mismo número de filas que de columnas se dice que es una matriz
cuadrada.

Si todos sus elementos son 0 se dice que es una matriz nula. Se suele indicar con un
una O y tendrá las dimensiones adecuadas al contexto.

Si es una matriz cuadrada y todos sus elementos son 0 excepto los a1 1 , a2 2 , a3 3 , . . . , an n ,

se dice que es una matriz diagonal. A esa diagonal se la llama diagonal principal. Por
ejemplo:
 

3 0 0 
 
 0 5 0 
 
0 0 −2

Si en una matriz diagonal todos los elementos de la diagonal principal son iguales
se dice que es una matriz escalar.

Si en una matriz diagonal los elementos de la diagonal principal son todo 1 se dice
que es una matriz identidad.

Si es una matriz cuadrada y todos los elementos que están por debajo de la diagonal
principal son 0 entonces es una matriz triangular superior.

Si en el caso anterior los elementos que son 0 están por encima de la diagonal se llama
matriz triangular inferior.

Si la matriz solo tiene una fila se llama matriz fila.

Si la matriz solo tiene una columna se llama matriz columna.

Existen otros tipos de matrices “especiales” que ya iremos viendo porque sus características
están relacionadas con las operaciones.

2. Operaciones con matrices.

2.1. Igualdad de matrices.

Para que dos matrices sean iguales tienen que tener las mismas dimensiones y además sus
elementos tienen que ser iguales uno a uno. Es decir:

An×m = Bn×m ⇐⇒ ai j = bi j ∀ i ∈ [1, n], j ∈ [1, m]

2.2. Opuesta de una matriz.

La matriz opuesta es la resultante de cambiar de signo todos los elementos. Se indica

poniendo un − a la izquierda, igual que en los números.

Paco Andrés 2


 Apuntes de álgebra de matrices. Operaciones y aplicaciones.

2.3. Traspuesta de una matriz.

Hacer la traspuesta de la matriz A (normalmente se escribe AT o At ) consiste en cambiar

las filas por las columnas.
Es decir, si B = At entonces bi j = aj i .

Lo vemos con un ejemplo:

 t  

3 −2 0  
3 −2 5 
   
 −2 −4 2  =  −2 −4 1 
   
5 1 −1 0 2 −1

Es fácil de ver que es una operación involutiva (si la realizamos dos veces obtenemos la
 t
original), es decir At = A.

En algunas matrices cuadradas ocurre que At = A y se dice que es una matriz simétrica.
Si At = −A es una matriz antisimétrica.

2.4. Traza de una matriz cuadrada.

Como se indica en el título es una operación que solo se puede realizar en matrices
cuadradas.

Antes de explicar en que consiste vamos a hacer un par de definiciones:

Diagonal principal: la que va desde el extremo superior izquierdo al extremo inferior

derecho (\).

Diagonal secundaria: la que va desde el extremo inferior izquierdo al superior derecho

(/).

Una vez definidas las diagonales podemos decir que es la traza: la traza de una matriz
cuadrada es la suma de los elementos de su diagonal principal.
Vamos a verlo con un ejemplo. Si tenemos la matriz A:
 

3 −2 5 
 
A =  −2 −4 1 
 
0 2 −1

Su traza es:
tr(A) = 3 − 4 − 1 = −2

2.5. Suma de matrices.

Solo podemos sumar matrices que tengan las mismas dimensiones. Dicho esto, la
suma de matrices consiste en sumar los elementos que se encuentran en la misma

Paco Andrés 3


 Apuntes de álgebra de matrices. Operaciones y aplicaciones.

posición. Es decir, si C = A + B entonces ci j = ai j + bi j .

Con un ejemplo:
       

3 −2 0   5 −2 −4   3 + 5 −2 − 2 0 − 4   8 −4 −4 
       
 −2 −4 2 + 0 0 3  =  −2 + 0 −4 + 0 2 + 3  =  −2 −4 5 
       
5 1 −1 1 0 1 5+1 1 + 0 −1 + 1 6 1 0

2.5.1. Propiedades de la suma

Entre paréntesis se indica el nombre de cada propiedad.

A+B =B+A (conmutativa).

A + (B + C) = (A + B) + C (asociativa).

A+O =O+A=A (elemento neutro, la matriz nula).

A + (−A) = −A + A = 0 (elemento opuesto).

(A + B)t = At + B t

2.6. Producto de un escalar por una matriz.

En este caso el escalar multiplica a todos los elementos de la matriz.

   
a1 1 a1 2 k · a1 1 k · a1 2
k· = 
a2 1 a2 2 k · a2 1 k · a2 2

2.6.1. Propiedades.

Teniendo α, β ∈ R:

α · (A + B) = α · A + α · B

(α + β)A = αA + βA

α · (βA) = (α · β)A

(α · A)t = α · At

2.7. Producto de matrices.

Para poder multiplicar matrices el número de columnas de la primera debe coincidir

con el número de filas de la segunda, y el resultado tendrá el número de filas de la primera
y el número de columnas de la segunda. Es decir:

An×m · Bm×p = Cn×p

Paco Andrés 4


 Apuntes de álgebra de matrices. Operaciones y aplicaciones.

De esto es fácil concluir que el producto de matrices no es conmutativo (A · B 6= B · A)

salvo en algunos casos. Esto también nos dice que en operaciones complejas tendremos que
fijarnos muy bien en el orden en en que están escritas las cosas para no cambiar la operación.

El producto de matrices consiste en multiplicar cada fila de la primera matriz por

cada columna de la segunda, y de ahí obtendremos cada elemento del resultado. De manera
que el elemento 1,1 del resultado es el producto de la primera fila por la primera columna, el
elemento 1,2 la primera fila por la segunda columna. . .
De manera formal:
X
ci j = (ai k · bk j )
k

Vamos a verlo de una manera más gráfica con un ejemplo:

Fila 1 con
Columna 1
Elemento 1,1

     
1 2 ! 1·5+2·7 1·6+2·8 19 22
  5 6    

 3 ·
4  =
 3·5+4·7 3·6+4·8   =  43
 50 

7 8
−1 −2 −1 · 5 − 2 · 7 −1 · 6 − 2 · 8 −19 −22
Fila 1 con Elemento 1,2
Columna 2

O de una manera más general:

Cj
 
b11 b1j b1n
 
 
 
 

 bkj 

 
 
 
bn1 bnj bnn
  
a11 a1n
  
  
  
  
 ai1
Li  aik ain  cij
 
 
  
  
  
an1 ann

Con el producto de matrices ocurre algo bastante curioso, veámoslo primero con un ejemplo:
vamos a multiplicar las matrices:
   
2 3 9 −12
A=  y B= 
4 6 −6 8

Paco Andrés 5


 Apuntes de álgebra de matrices. Operaciones y aplicaciones.

Entonces:
       
2 3 9 −12 2 · 9 + 3 · (−6) 2 · (−12) + 3 · 8 0 0
A·B = · = = 
4 6 −6 8 4 · 9 + 6 · (−6) 4 · (−12) + 6 · 8 0 0

Es decir, tenemos dos matrices no nulas cuyo producto en ese orden vale 0 (si hacemos B · A
veremos que no ocurre lo mismo)
Cuando ocurre esto se dice que tenemos divisores de 0. En este caso A es un divisor de 0
por la izquierda y B es el divisor de 0 por la derecha.

2.7.1. Propiedades:

(A · B) · C = A · (B · C)

A · (B + C) = A · B + A · C

(B + C) · A = B · A + C · A (Observemos que ésta y la anterior no son iguales,

una es por la izquierda y otra por la derecha).

α · (A · B) = (α · A) · B = A · (α · B) ∀ α ∈ R

A·O =O·A=O (donde O es la matriz nula).

(A · B)t = B t · At

Observemos que no aparece la propiedad conmutativa y es algo que tenemos que tener bien
presente.

2.8. Potencia de una matriz.

Para calcular la potencia de una matriz solo tenemos que aplicar la definición de potencia,
con lo que:
n veces
z }| {
n
A = A · A · A...A

Las propiedades de las potencias de matrices son las mismas que las de las potencias de
números teniendo en cuenta el orden (izquierda y derecha) en las multiplicaciones.
Las identidades notables cambian un poco por este hecho, por ejemplo:

(A + B)2 = (A + B) · (A + B)A2 + B 2 + AB + BA

Todo esto hace que en todas las potencias en las que participe más de una matriz tenemos
que tener mucho cuidado con el orden en el que se encuentran.

Paco Andrés 6


 Apuntes de álgebra de matrices. Operaciones y aplicaciones.

2.9. Matriz inversa.

En el álgebra de matrices no existe la división y lo más parecido que existe es el producto

por la inversa. Pero esto no siempre es posible, así que vamos a ver qué es la matriz inversa y
sus propiedades.

Solo las matrices cuadradas tienen inversa, y no todas las matrices cuadradas la
tienen (veremos más adelante qué condiciones tiene que cumplir una matriz cuadrada para
tener inversa.) Pero si una matriz cuadrada A tiene inversa ocurre que:

A · A−1 = A−1 · A = In

Donde In es la matriz identidad de orden n: una matriz n × n cuyos elementos son todo ceros
excepto la diagonal principal que son unos.

El cálculo de la matriz inversa no es sencillo, aunque para matrices 2 × 2 el calculo

por sistemas es asequible. Veamos un ejemplo:
 
2 1
Calcular la inversa de A =  
5 3

Solución:
Para
 ello utilizamos una matriz de la que no conocemos sus elementos, hacemos A−1 =
a b
 , de manera que:
c d
       
2 1 a b 2a + c 2b + d 1 0
A · A−1 =  · = = 
5 3 c d 5a + 3c 5b + 3d 0 1

Como para que dos matrices sean iguales los elementos tienen que ser iguales uno a uno,
obtenemos el sistema: 


 2a + c = 1


 2b + d = 0


 5a + 3c = 0



5b + 3d = 1
Que en realidad son dos sistemas, uno con a y c y otro con b y d. Resolviéndolos obtenemos:
 
3 −1
a = 3, b = −1, c = −5 d = 2 con lo que A =  
−5 2

Con lo que se ve éste método puede ser muy largo si aumenta el tamaño de la matriz. Mas
adelante veremos un método algo más sencillo que también nos permitirá calcular la inversa de

Paco Andrés 7


 Apuntes de álgebra de matrices. Operaciones y aplicaciones.

matrices 3 × 3 o mayores.

Una vez que ya hemos visto qué es la inversa vamos a ver sus

2.9.1. Propiedades:

La matriz inversa de A es única.

(A · B)−1 = B −1 · A−1
 −1  T
AT = A−1

1 A−1
(α · A)−1 = · A−1 =
α α
 −1
A−1 = A (por el hecho de que es única)

Si At = A−1 se dice que A es una matriz ortogonal.

2.10. Aplicaciones.

Como veremos en otros temas las matrices tienen muchísimas aplicaciones en otros campos
como la geometría. También tienen muchísimas aplicaciones en física, química, ....

Pero vamos a ver un par de aplicaciones sencillas a modo de muestra.

2.10.1. Aplicaciones a la contabilidad.

Supongamos que en una tienda manejan las siguientes tablas:

Datos económicos por producto:

Artículo A Artículo B Artículo C

Coste/ud 100,00 120,00 115,00
Margen/ud 30,00 50,00 50,00
IVA 27,30 35,70 34,65
PVP/ud 157,30 205,70 199,65

Y las unidades vendidas por cada vendedor:

Artículo A Artículo B Artículo C

Vendedor 1 15 12 35
Vendedor 2 25 11 20
Vendedor 3 4 29 2

Paco Andrés 8


 Apuntes de álgebra de matrices. Operaciones y aplicaciones.

De aquí obtendríamos dos matrices, la de datos económicos (D)y la de ventas (V ):

 
100,00 120,00 115,00  
  15 12 35 

 30,00 50,00 50,00 


 
D=  V =  25 11 20 

 27,30 35,70 34,65 

 
4 29 2
157,30 205,70 199,65

Si realizamos el producto D · V t estamos realizando el producto de cada fila de D, que

es cada uno de los conceptos económicos, por cada columna de V t , que contiene los artículos
que ha vendido un vendedor concreto, de tal manera que el resultado nos ofrece los resultados
económicos por cada vendedor:
   
100,00 120,00 115,00   6 965,00 6 120,00 4 110,00
  15 25 4   
t

 30,00 50,00 50,00 
 

  2 800,00
 2 300,00 1 670,00 

D·V =   ·  12 11 29  =  

 27,30 35,70 34,65    
 2 050,70
 1 768,20 1 213,80 

35 20 2
157,30 205,70 199,65 11 815,70 10 188,20 6 993,80

Que convertido en tabla interpretando lo que significa cada fila y cada columna nos da:

Vendedor 1 Vendedor 2 Vendedor 3

Coste 6 965,00 6 120,00 4 110,00
Margen 2 800,00 2 300,00 1 670,00
IVA 2 050,70 1 768,20 1 213,80
Total 11 815,70 10 188,20 6 993,80

2.10.2. Caminos de Markov.

Imaginemos que tenemos la siguiente situación (en matemáticas esto se llama grafo):

4
1

Donde 1, 2, 3 y 4 pueden representar poblaciones y las flechas caminos, o empresas y las flechas
clientes que cambian de una a otra, ... Esto es aplicable a muchas situaciones.
Definimos la matriz A como aquella cuyos ai j representan el número de caminos que tenemos
para ir del nodo i al nodo j:
 
1 1 0 0
  (Estamos suponiendo que existe un camino para ir de
 1 1 0 1 
 
A=  un nodo a sí mismo, esto se llama bucle. Si no fuese
 0 1 1 1 
  así los elementos de la diagonal principal serían 0)
0 1 1 1

Paco Andrés 9


 Apuntes de álgebra de matrices. Operaciones y aplicaciones.

Si calculamos A2 :
     
1 1 0 0 1 1 0 0 2 2 0 1
     
 1 1 0 1 
  1 1 0 1   2 3 1 2 
   
A2 = 

· = 
 0 1 1 1 
  0 1 1 1   1 3 2 3 
   

0 1 1 1 0 1 1 1 1 3 2 3

Obtenemos una matriz cuyos elementos ai j nos indican el número de caminos que hay para ir
del nodo i al nodo j pasando por un nodo intermedio. Si calculásemos A3 la interpretación sería
la misma pero pasando por dos nodos intermedios.

Dependiendo de lo que represente el grafo inicial los resultados anteriores tendrán un signifi-
cado en ese contexto. Además los caminos pueden estar asociados a distintos valores (distancias,
costes, probabilidades,...) de manera que los elementos de la primera matriz no serían unos y
los resultados producidos contendrán mucha más información.

Paco Andrés 10