Matemáticas Aplicadas a las Ciencias Sociales II.

Álgebra: Matrices 1

Tema 1. Matrices
1. Definición de matriz
Una matriz de dimensión n × m es un conjunto de números dispuestos en n filas y m
columnas. Así:
 a11 a12 ... a1m 
 
 a 21 a 22 ... a 2 m 
A=
: : : : 
 
a 
 n1 a n2 ... a nm 
La matriz anterior también se puede denotar por A = aij ( )n×m
El elemento a ij es el que ocupa la fila i y la columna j.
Los elementos de cada fila y columna deben estar asociados a alguna característica común del
hecho que se representa.

Ejemplos:
 1 0
 
a) La matriz A =  − 3 6  tiene dimensión 3 × 2: 3 filas; 2 columnas. El elemento a 21 = −3.
 2 5
 

b) Una tabla de datos puede considerarse una matriz. Así, los resúmenes numéricos de la
cotización en bolsa forman una matriz.

La tabla anterior, que corresponde a un extracto del IBEX35 del día 29/07/16, puede
considerarse como una matriz 4 × 5. Cada fila está relacionada con una empresa; las
columnas dan razón de lo que se indica arriba: Precio = valor de la acción al cierre; Var =
variación del precio respecto al día anterior, en términos absolutos (en verde, subida; en rojo,
bajada); Var % = variación porcentual respecto del valor anterior. Este es el dato más
significativo;… El elemento a 34 = 12.02 indica la cotización máxima de ACERINOX ese día.
(Muchos programas informáticos, permiten trabajar con matrices; en particular, Excel).

c) Una matriz puede asociarse a los coeficientes y términos independientes de un sistema de

ecuaciones lineales. Así, el sistema que sigue puede escribirse matricialmente como se indica.
 2x + y − z = 0 2 1 −1 0 
  
Sistema:  x − 2 y + 2 z = 3 → Matriz asociada:  1 − 2 2 3 .
 4 x + z = −2 4 0 1 − 2 
 
Cada fila corresponde a una ecuación; cada columna indica los coeficientes de la misma
incógnita. La cuarta columna es la de los términos independientes, que suele separarse de las
demás trazando una raya vertical. Obsérvese que cuando falta una incógnita se pone un 0
como coeficiente.

[Link] José María Martínez Mediano

Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 2

1.1. Igualdad de matrices

Dos matrices son iguales cuando tienen la misma dimensión y son iguales los elementos
correspondientes.
Esto es: A = B ⇔ A = (aij )n×m , B = (bij )n×m y aij = bij , para todo i y para todo j.
Ejemplo:
1 0  a b 
Para que las matrices A =   y B =   sean iguales es necesario que a = 1, b = 0,
 x − 5 3 d 
x = 3 y d = −5.

1.2. Matriz traspuesta y matriz opuesta

• La matriz traspuesta de una matriz A es la que se obtiene al cambiar las filas por las

( ) ( )
columnas. Se denota por At. Así, si A = aij n×m , su traspuesta es At = a ji m×n .
Observación: Otras formas de designar la traspuesta de A son A´ o A .

• La matriz opuesta de una matriz A es la que se obtiene al cambiar de signo todos los
( )
elementos de la matriz A; se designa por –A. Si A = aij n×m , su opuesta es − A = (− aij )n×m .
Ejemplo:
 1 0  −1 0 
   1 − 3 2   
Si A =  − 3 6  , su traspuesta es At =   . Su opuesta es − A =  3 − 6 .
 2 5 0 6 5  − 2 − 5
   

2. Algunos tipos de matrices

• Matriz cuadrada. Una matriz se dice cuadrada cuando tiene el mismo número de filas
que de columnas. Las matrices cuadradas de dimensión n × n suelen describirse como
matrices de orden n.
− En las matrices cuadradas se habla de diagonal principal, la que va de izquierda a derecha,
y de diagonal secundaria, que va de derecha a izquierda.

Ejemplo:
2 0 1
 
A = 2 − 3 6 
 2 7 − 1
 

Diagonal secundaria Diagonal principal

− Entre las matrices rectangulares (las que no son cuadradas) se puede hablar de matriz
fila, la que tiene una sola fila, y de matriz columna, la que tiene una sola columna.

Ejemplos:
 2 
 
Matriz fila: F = (2 − 3 4 ) . Matriz columna: C =  − 3  .
 4 
 
Observa que las matrices anteriores son traspuestas una de otra.

[Link] José María Martínez Mediano

Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 3

Las componentes (las coordenadas) de un vector suelen darse mediante una de estas matrices.
Si se dan en forma de matriz fila, sus elementos suelen separarse por comas. Así: (a1 , a 2 , a3 ) .

− Entre las matrices cuadradas puede hablarse de:

• Matriz simétrica. Una matriz A es simétrica cuando es igual a su traspuesta: A = A .
t

• Matriz antisimétrica. Una matriz A es antisimétrica cuando A = − A .

t

Ejemplos:
2 0 1  0 3 − 1
   
Simétrica: A =  0 − 3 7  . Antisimétrica: A =  − 3 0 2 .
 1 7 − 1  1 −2 0 
   

• Matriz triangular. Una matriz se dice triangular cuando todos los elementos situados por
encima (o por debajo) de su diagonal principal son ceros.

Ejemplos:
1 0 1  2 0 0
   
Triangular superior: T =  0 − 3 6  . Triangular inferior: T =  2 5 0  .
 0 0 3  2 7 0
   

• Matriz diagonal. Una matriz se llama diagonal cuando son nulos (ceros) todos los
elementos situados fuera de su diagonal principal.

Ejemplo:
3 0 0 
   − 2 0
Son diagonales las matrices D =  0 4 0  y D´=   .
0 0 − 2  0 0 
 

• Matriz escalar. Una matriz se llama escalar cuando es diagonal y todos los elementos de
su diagonal principal son iguales y no nulos.

Ejemplo:
 3 0 0 1 0 0
   5 0  
Son escalares las matrices: E =  0 3 0  , E´=   e I =  0 1 0  .
 0 0 3  0 5 0 0 1
   

• Matriz unidad. Es una matriz escalar con todos los elementos de diagonal iguales a 1. La
1 0
matriz unidad de orden 3 es la dada arriba; la identidad de orden 2 es I =   .
0 1

• Matriz nula. Es la que todos sus elementos valen cero. La matriz nula de orden 2 × 3 es
0 0 0
O =   .
0 0 0

[Link] José María Martínez Mediano

Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 4

3. Operaciones con matrices: suma y producto por números

3.1. Suma de matrices
( )
Si A = aij n×m y B = bij ( )n×m , su suma A + B = (aij + bij )n×m
Observación: Para que dos matrices puedan sumarse deben tener la misma dimensión.

 2 3  5 − 2  2 + 5 3 − 2 7 1 
Ejemplo:   +   =   =   .
 −1 7  4 − 9  −1 + 4 7 − 9  3 − 2

• Propiedades de la suma de matrices

La suma de matrices (para matrices sumables) cumple las propiedades usuales. Esto es:
Asociativa: A + (B + C ) = ( A + B ) + C
Conmutativa: A+ B = B+ A
Matriz nula: O: A+O = O+ A = A
Matriz opuesta: –A: A + (− A) = O .
La existencia de la matriz opuesta permite restar matrices, pues A − B = A + (− B ) .

 2 3  5 − 2  2 − 5 3 + 2  − 3 5 
Ejemplo:   −   =   =   .
 − 1 7   4 − 9   − 1 − 4 7 + 9   − 5 16 

3.2. Multiplicación de una matriz por un número

( )
Si A = aij n×m y k es un número real, su producto k ·A = kaij ( )n×m
 2 3   3·2 3·3   6 9 
Ejemplo: 3·  =   =   .
 − 1 0   3·(−1) 3·0   − 3 0 

• Propiedades
El producto de una matriz por un número cumple las propiedades usuales. Esto es:
k ·( A + B ) = k ·A + k ·B ; (k + h )·A = k ·A + h·A
(k ·h )·A = k ·(h·A) 1·A = A
El símbolo · no es imprescindible. Esto es: k ·A = kA .

Observación: Que las operaciones descritas cumplan las propiedades anteriores, se resume
diciendo que “el conjunto de matrices de dimensión n × m, respecto de las operaciones suma
y producto por escalares, tiene estructura de espacio vectorial”.

Ejemplos:
 2 3   5 − 2   4 6  15 − 6   − 11 12 
a) 2  − 3  =   −   =   .
 − 1 7   4 − 9   − 2 14  12 − 27   − 14 41

 0 3   − 1 0   − 3 6  1 3  − 3 6
b) 2   −   +   = 2  +   =
  3 − 7   3 − 9    0 5   0 2   0 5 
 2 6   − 3 6   − 1 12 
=   +   =   .
 0 4   0 4   0 8 

[Link] José María Martínez Mediano

 Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 5

4. Multiplicación de matrices
4.1. Producto de una matriz fila por una matriz columna
Si la matriz fila es F1×m y la matriz columna, C m×1 , el resultado del producto es un número,
que se obtiene al sumar los productos ordenados de los elementos de la fila por los de la
columna. Esto es:
 b11 
 
 b21 
F1×m · C m×1 = ( a11 a12 ... a1m )· = a11b11 + a12 b21 + ... + a1m bm1 .
 ... 
 
 bm1 
Ejemplos:
 5   0 
   
a) (1 − 2 3)· − 7  = (1·5 − 2·(−7) + 3·3) = 28 . b) (3 0 − 1)· − 7  = (− 3) = −3 .
 3   3 
   

4.2. Producto de dos matrices

( )
Si las matrices son A = aij n×m y B = bij ( )m× p , su producto es otra matriz ( )n× p .
A·B = cij
El elemento c ij de la matriz producto es el resultado de sumar los productos ordenados de los
elementos de la fila i de la matriz A por los de la columna j de la matriz B. Esto es:
cij = ai1b1 j + ai 2 b2 j + ... + aim bmj .
En los siguientes ejemplos se ve cómo se procede.

Ejemplos:
a) Matriz fila F1×m por B = bij ( )m× p → F1×3·B3×2 = P1×2

4 5 
 
(1 − 2 3)· 3 − 1 = (4 − 6 + 0 5 + 2 + 6) = (− 2 13) .
0 2 
 

b) A3×3 ·B3×2 = P3×2

2 0 1  5 4   2·5 + 0·(−3) + 1·9 2·4 + 0·0 + 1·(−7)   19 1 
      
 0 − 3 7 · − 3 0  =  0·5 + (−3)·(−3) + 7·9 0·4 + (−3)·0 + 7·(−7)  =  72 − 49  .
 1 7 − 1  9 − 7   1·5 + 7·(−3) + (−1)·9 1·4 + 7·0 + (−1)·(−7)   − 25 11 
      

c) Matriz A = aij( )n×m por matriz columna C m×1 → A3×3 ·B3×1 = P3×1
 1 0 2  3   3 + 0 + 12   15 
      
 3 4 − 2  − 4  =  9 − 16 − 12  =  − 19  .
 5 0 − 5  6  15 − 0 − 30   − 15 
      

d) A2×2 ·B2×2 = P2×2

 4 0   3 −2   4·3 + 0·1 4·(−2) + 0·5  12 −8 
=
 ·  =   .
 −1 3   1 5   −1·3 + 3·1 −1·(−2) + 3·5   0 17 

[Link] José María Martínez Mediano

Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 6

• Observaciones sobre el producto de matrices

Observación 1. Para multiplicar dos matrices es necesario que el número de columnas de la
primera (la situada a la izquierda, matriz A) coincida con el número de filas de la segunda (la
situada a la derecha, matriz B). Esto es: An×m ·Bm× p = Pn× p . Así se ha visto en los ejemplos
anteriores: a) F1×3·B3×2 = P1×2 ; b) A3×3 ·B3×2 = P3×2 ; c) A3×3 ·B3×1 = P3×1 ; d) A2×2 ·B2×2 = P2×2 .

Ejemplo:
5 4
 1 0  
El producto  · −3 0  no puede realizarse. El número de columnas de la primera
 −3 2   
 9 −7 
matriz es menor que el de filas de la segunda.
5 4
   1 0
En cambio si puede realizarse el producto en sentido contrario:  −3 0 ·  : El
 9 −7   −3 2 
 
número de columnas de la primera matriz coincide con de filas de la segunda. (Esto confirma
que el producto de matrices no es conmutativo en general).

Observación 2. Continuando con la misma idea. Si, por ejemplo, el producto de una matriz de
4 columnas, An×4 , por otra matriz de 2 columnas, Bm×2 , es una matriz de cuadrada, Pp× p ,
entonces, como An×4 ·B4×2 = Pn×2 , se tendrá que n = p = 2.
Igualmente, si el resultado del producto de una matriz A, de dimensión desconocida, por otra
matriz B, de dimensión 3 × 2, da una matriz P de dimensión 4 × 2, entonces, la dimensión de
la primera matriz será 4 × 3. En efecto, debe cumplirse: An×m ·B3×2 = P4×2 ⇒ m = 3; n = 4.

• Propiedades del producto de matrices

El producto de matrices (para matrices multiplicables) cumple las siguientes propiedades:
Asociativa: A·(B·C ) = ( A·B )·C
Distributiva: A·(B + C ) = A·B + A·C
Elemento neutro: I: A·I = I ·A = A
La dimensión de I dependerá de la de A, que debe ser cuadrada.

OJO. El producto de matrices no cumple, en general, las siguientes propiedades:

Conmutativa: A·B ≠ B·A
Cancelativa: A·B = A·C no implica necesariamente que B = C
Divisores de cero: A·B = O no implica necesariamente que A = O ó B = O

Consecuencias:
1) Cuando se multiplican dos matrices no es independiente el orden de colocación de los
factores; hay que indicar cuál de ellas va a la izquierda, por delante.
Un ERROR frecuente es admitir para dos matrices A y B que ( A + B ) = A 2 + 2 AB + B 2 .
2

También está MAL: ( A − B ) = A 2 − 2 AB + B 2 y ( A + B )( A − B ) = A 2 − B 2 .

2

En los tres casos la justificación es la misma. Véase para ( A + B ) :

2

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

pues en general A·B ≠ B·A .

[Link] José María Martínez Mediano

Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 7

2) En las ecuaciones matriciales no pueden simplificarse matrices. No existe la división de

matrices. → La propiedad cancelativa es válida si A tiene inversa (ya se verá).
3) Si un producto de matrices da la matriz nula no puede deducirse que alguna de las matrices
factores sea nula.
4) Los errores en el producto de matrices provienen de la identificación con el producto de
números, pues, para a, b ∈ R, sí es cierto que: a·b = b·a ; y de a·b = a·c , con a ≠ 0, se deduce
que b = c; y lo mismo para las demás propiedades.

Ejemplos:
a) No conmutativa. La no conmutatividad es obvia cuando las matrices no pueden
1 2  −1 0 3
multiplicarse en distinto orden. Así, para A =   y B =   , el producto
0 3  2 − 2 4
 1 2  − 1 0 3   3 − 4 11 
AB =    =   . En cambio, el producto BA no puede realizarse.
 0 3  2 − 2 4   6 − 6 12 
Tampoco se verifica la conmutatividad, aunque pueda realizarse el producto. Así, para las
1 2  0 2
matrices A =   y B =   :
0 3  − 3 0
 1 2  0 2   − 6 2   0 2  1 2   0 6 
AB =    =   ; mientras que BA =    =   .
 0 3  − 3 0   − 9 0   − 3 0  0 3   − 3 − 6 
1 2  1 − 2 3 6 
b) No cancelativa. Para las matrices A =   , B =   y C =   , puede
 −1 − 2 2 1   1 − 3
verse que AB = AC y sin embargo, B ≠ C.
1 2  1 − 2   5 0  1 2  3 6   5 0 
En efecto: AB =    =   ; AC =    =  
 − 1 − 2  2 1   − 5 0   − 1 − 2  1 − 3   − 5 0 
 1 − 2  2 4   0 0 
c) Divisores de cero. El producto    =   , pero ninguna de las matrices
 0 0  1 2   0 0 
que multiplican es nula.

Ejercicio 1
 1 −2   2 −1
Dadas las matrices A =   y B=  , comprueba que ( A + B )·( A − B ) ≠ A − B
2 2

0 3   −3 0 
Solución:
 1 −2   2 −1  3 −3   1 −2   2 −1  −1 −1
A=+B  + =    ; A=
−B  − =   .
 0 3   −3 0   −3 3   0 3   −3 0   3 3 
 3 −3  −1 −1  −12 −12 
→ (=A + B )·( A − B )  =    .
 −3 3  3 3   12 12 
 3 −3  3 −3   18 −18   2 −1 2 −1  7 −2 
→= A2 A= ·A   = =   ; B =
2
   .
 −3 3  −3 3   −18 18   −3 0  −3 0   −6 3 
 18 −18   7 −2   11 −16 
→= A2 − B 2  − =   .
 −18 18   −6 3   −12 15 
Evidentemente, ( A + B )·( A − B ) ≠ A2 − B 2 .

[Link] José María Martínez Mediano

Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 8

5. Potencia de una matriz cuadrada

La potenciación de matrices se justifica por su relación con procesos económicos, ecológicos,
sociales...; procesos a largo plazo, en los que el mismo modelo se repite cada cierto tiempo.

5.1. Definición de potencia de una matriz

Es el concepto análogo a la potenciación numérica. Esto es:
A 2 = A·A ; A 3 = A 2 ·A = A·A·A ; … A n

Obtener la expresión de la potencia de una matriz es un proceso laborioso; naturalmente

dependerá del tamaño de A y del exponente n. Algunas veces resulta asequible dar una
expresión general para A n .

Ejemplo:
1 2 1
2  1 2   1 8  12 2 2 
Si A =   ⇒ A 2 =    =   → Está MAL: A 2 =  .
2
0 3 0
3  0 3   0 9  0 3 
 1 2  1 8   1 26   1 2  1 26   1 80 
A 3 = A·A 2 =    =   ; A 4 = A·A 3 =    =   .
 0 3  09   0 27   0 3  0 27   0 81 
 1 3 − 1
n
En este caso es fácil observar que: A n =  .
0 3 n 

Observación: La certeza de que A n tiene una determina expresión se fundamenta en el

método de demostración por inducción, que básicamente consiste en demostrar que una
propiedad es cierta para el siguiente de cualquier número natural n. Por tanto, si es cierta para
1, lo será para 2, y para 3, y así sucesivamente. El proceso de demostración es el siguiente:
1) Se hace una conjetura para la fórmula que se pretende demostrar. (Esa conjetura se realiza
a partir de diversos ensayos).
2) Se comprueba que esa conjetura es cierta para n = 1. (De hecho, para hacer la conjetura ha
debido comprobarse incluso para n = 2 y n = 3, pues la conjetura debe hacerse sobre algunas
pruebas).
3) Dar por cierto que la conjetura se cumple para cualquier valor de n y demostrar, que si es
así, también se cumple para n + 1, para el siguiente.

Ejemplo:
1 2
Para la matriz A =   , vista en el ejemplo anterior, ya se hizo la conjetura, que
0 3
 1 3 n − 1
A n =   , y comprobado su certeza para n = 1…
n 
 0 3 
– Falta demostrar el paso 3): que dicha fórmula vale para el siguiente, para n + 1. Esto es, que
 1 3 n +1 − 1
A n +1 =  .
0 3 n +1 
Se demuestra multiplicando:
 1 2  1 3 n − 1  1 3 n − 1 + 2·3 n   1 3 n +1 − 1
A n +1 = A·A n =    =   ⇒ A n +1
=  
 0 3  0 3 n   0 3·3 n 

0
 3 n +1 

[Link] José María Martínez Mediano

Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 9

6. Algunas propiedades relacionadas con la matriz traspuesta

Dada la matriz A = aij ( )n×m , su traspuesta es la matriz ( )m×n .

At = a ji
La trasposición de matrices se comporta, respecto de las operaciones algebraicas, como sigue:
• Traspuesta de la matriz traspuesta: At = A ( ) t

Traspuesta de la suma de matrices: ( A + B ) = At + B t

t
•

Traspuesta de un número por una matriz: (kA) = kAt

t
•

Traspuesta de un producto de matrices: ( A·B ) = B t ·At , siendo An× m y Bm× p

t
•

• Matriz ortogonal. La matriz A es ortogonal si A·At = I .

Ejemplos:
7 0   2 − 1
a) Para A =   y B =   puede comprobarse que ( A + B )t = At + B t .
1 − 3 4 5 
En efecto:
7 0   2 − 1  9 − 1  9 5
A + B =   +   =   → ( A + B ) =   .
t

1 − 3  4 5   5 2   −1 2
Por otra parte:
7 1   2 4  9 5
At + B t =  + = .
0 − 3   − 1 5   − 1 2 
7 0 
b) Para A =   y k = −2 puede comprobarse que (kA)t = kAt .
1 − 3
 7 0   − 14 0   − 14 − 2 
En efecto: − 2A = −2·  =   → (− 2 A) =  .
t

 1 − 3  − 2 6   0 6 
 7 0   − 14 0 
Por otra parte: − 2·At = −2·  =   .
 1 − 3  − 2 6 

7 0  2 −1 3 
c) Para A =   y B =   puede comprobarse que ( A·B )t = B t ·At .
 1 − 3  0 4 − 5
En efecto:
 14 2 
 7 0   2 − 1 3  14 − 7 21  
A·B =  ·  =   → ( A·B ) =  − 7 − 13  .
t

 1 − 3   0 4 − 5   2 − 13 18   21 18 
 
Por otra parte:
2 0   14 2 
  7 1   
B ·A =  − 1 4 
t t
 =  − 7 − 13  .
 3 − 5  0 − 3   15 18 
   

 0 − 1  0 − 1 0 1   1 0 
d) La matriz A =   es ortogonal, pues A·At =    =   .
1 0   1 0  − 1 0   0 1 

[Link] José María Martínez Mediano

Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 10

7. Álgebra de matrices (I)

Como se viene advirtiendo, el producto de matrices no verifica todas las propiedades usuales;
ello induce a la comisión de errores frecuentes al operar con matrices. Para que el lector
adquiera cierta destreza en estas operaciones se proponen los siguientes ejercicios.

Ejercicio 1. Resolver ecuaciones en las que intervienen matrices

x 1   0 1
Sean las matrices A =   , B =   e I la identidad de orden 2.
 1 x + 1   1 1 
a) Encuentra el valor o valores de x de forma que B 2 = A .
b) Determina x para que A·B = I .
Solución:
 0 1 0 1 1 1  1 1   x 1 
a) B 2 = B·B =    =   → B 2 = A ⇒   =   ⇒ x = 1.
 1 1 1 1 1 2   1 2   1 x + 1
x 1   0 1  1 x +1  1 x +1 1 0
b) A·B =  ·  =   → A·B = I ⇒   =   ⇒ x = −1
 1 x + 1  1 1  x + 1 x + 2   x +1 x + 2 0 1

Ejercicio 2. Imponer que el producto sea conmutativo

 1 2 a b
Dadas las matrices A =   y P =   , determina a, b y c para que AP = PA.
 − 2 3 2 c
Solución:
Si se desea que AP = PA, entonces:
 1 2  a b  a b  1 2  a+4 b + 2c   a − 2b 2a + 3b 
  ·   =   ·   ⇒   =  
 − 2 3  2 c   2 c   − 2 3  − 2a + 6 − 2b + 3c   2 − 2c 4 + 3c 
Igualando los elementos correspondientes:
a + 4 = a − 2b → b = −2
b + 2c = 2a + 3b → c = a − 2
 a − 2   5 − 2
 ⇒ P =   → Una de ellas es: P =  
− 2a + 6 = 2 − 2c  2 a − 2 2 3 
− 2b + 3c = 4 + 3c

Ejercicio 3. Resolver sistemas lineales de dos ecuaciones matriciales con dos incógnitas
3 X + 2Y = A 8 3 1 2 
Resuelve el siguiente sistema  , siendo A =   , B =   , y X e Y
2 X − 3Y = B 5 4  −1 − 6
matrices desconocidas.
Solución:
Aplicando el método de reducción para la resolución de sistemas:
3 X + 2Y = A 2 E1 6 X + 4Y = 2 A
 ⇔  ⇒ Restando: 13Y = 2 A − 3B ⇒
2 X − 3Y = B 3E 2  6 X − 9Y = 3B
8 3  1 2  13 0  1 0 
⇒ 13Y = 2  − 3  ⇒ 13Y =   ⇒ Y =  
5 4  −1 − 6 13 26  1 2 
Sustituyendo en la primera ecuación:
1 0   8 3  8 3  2 0  6 3 2 1
3X + 2  =   ⇒ 3X =   −   =   ⇒ X =  
1 2   5 4  5 4  2 4  3 0 1 0

[Link] José María Martínez Mediano

Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 11

Ejercicio 4. Resolver otras ecuaciones no lineales

0 1 0 0 1
Halla todas las matrices X que satisfacen la ecuación  ·X =   .
0 2 0 0 2
Solución:
El producto de matrices exige que las dimensiones de las matrices que intervienen sean como
se indican: An×m ·Bm× p = Pn× p .
En este caso: A2× 2·X m× p = P2×3 ⇒ m = 2 y p = 3.
a b c 
Por tanto, la matriz X debe ser de dimensión 2 × 3. Si se supone que X =   ⇒
d e f 
d = 0
0 1  a b c  0 0 1 d e f  0 0 1 
⇒  ·  =   ⇒   =   ⇒  e = 0 ,
0 2  d e f  0 0 2  2d 2e 2 f   0 0 2   f =1

mientras que los valores de a, b y c pueden ser cualesquiera.
a b c
En consecuencia, las matrices X que satisfacen la ecuación dada son: X =   .
 0 0 1 

Ejercicio 6. Aplicar algunas regularidades para abreviar cálculos

 −1 − 2 − 2
 
Comprueba que la matriz A =  1 2 1  es periódica de periodo 3. Esto es, que
 0 −1 −1
 
verifica la igualdad A = A . Utilizando ese resultado, calcula A14 , A231 , A232 y A233 .
4

Solución:
Multiplicando, se tiene que:
 −1 − 2 − 2  −1 − 2 − 2  −1 0 2
    
A = 1
2
2 1 · 1 2 1  =  1 1 − 1
 0 −1 −1  0 −1 −1 −1 −1 0 
    
 −1 − 2 − 2  −1 0 2  1 0 0
    
A = A·A =  1
3 2
2 1 · 1 1 − 1 =  0 1 0  = I ⇒ A·A3 = A·I ⇔ A4 = A .
 0 −1 −1  −1 −1 0  0 0 1
    
Luego, efectivamente es periódica de periodo 3.
( ) 4
Como A 3 = I ⇒ A12 = A3 = I 4 = I ⇒ A13 = A12·A = I ·A = A ⇒ A14 = A12·A2 = I ·A2 = A2 .

En general, puede observarse que las potencias de exponente un múltiplo de 3:

( ) n
A3n = A3 = I n = I
Por tanto: A3n +1 = A3n ·A = I ·A = A ; A3n + 2 = A2 .

Como A231 = A3·77 , A232 = A3·77 +1 y A233 = A3·77 + 2 , entonces:

1 0 0  −1 − 2 − 2  −1 0 2 
     
A = I = 0 1
231
0 ; A = A =  1
232
2 1  ; A = A =· 1 1 − 1 .
233 2

0 0 1   0 −1 −1  −1 −1 0 
    

[Link] José María Martínez Mediano

Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 12

8. Rango de una matriz

8.1. Definición de dependencia lineal entre filas de una matriz.
Cuando los elementos de una fila son proporcionales a los correspondientes de cualquier otra
se dice que ambas filas son linealmente dependientes. Si, por ejemplo, esas filas son la
primera y segunda, F1 y F2, entonces existirá un número k ≠ 0 tal que F 2 = kF1 .
Dos filas son linealmente independientes cuando no hay relación de proporcionalidad entre
sus elementos correspondientes; esto es, cuando una fila no puede obtenerse multiplicando la
otra por un constante: Fi ≠ kF j .
• Si lo extendemos a tres filas, pongamos la primera, segunda y tercera, si existen dos
números p y q, tales que F 3 = pF1 + qF 2 , entonces la tercera fila depende linealmente de las
dos primeras; en caso contrario son linealmente independientes.
• El mismo concepto puede definirse para las columnas de una matriz. Si existen dos
números p y q, tales que C 3 = pC1 + qC 2 , entonces la tercera columna depende linealmente
de las otras dos. En caso contrario las columnas serán linealmente independientes.

Ejemplos:
Para las matrices
 1 − 2 3  1 −1 3  1 − 3 −1 −1  1 −1 3
       
A =  3 − 6 9 , B =  2 1 6 , C =  2 1 − 2 5  y D =  0 1 6 .
 2 0 5  1 2 3 −1 0 1 − 2   2 0 0
      
puede observarse:

a) En la matriz A, la fila segunda es el triple de la primera: F 2 = 3F1 . Ambas filas son

linealmente dependientes. (Puede observarse que F 2 = 3F1 ⇔ F1 = F1 / 3 ).
b) En la matriz B se cumple que F 3 = F 2 − F1 : la fila 3 depende de las dos primeras. (Puede
observarse que F 3 = F 2 − F1 ⇔ F 2 = F1 + F 3 ⇔ F1 = F 2 − F 3 ).
c) En la matriz C se cumple que C 3 = −C1 : las columnas primera y tercera son linealmente
dependientes. Además, C 4 = 2C1 + C 2 : la columna cuarta depende de las dos primeras.
d) En la matriz D, las tres filas son linealmente independientes: ninguna fila o columna puede
expresarse en función de las otras.

8.2. Rango de una matriz. ¿Cómo se calcula?

El rango de una matriz se define como el número de filas linealmente independientes que
tiene dicha matriz. (Ese número coincide con el número de columnas linealmente
independientes de esa misma matriz). Por tanto, para calcular su rango hay que ir eliminando
(quitando) las filas o columnas que dependan de otras; las que queden linealmente
independientes son las que determinan el rango.

Ejemplos:
Para las matrices del ejemplo anterior, y atendiendo a lo dicho allí, se tiene:

 1 − 2 3
 
a) En la matriz A puede eliminarse la F2, A =  3 − 6 9  → quedan 2 filas independientes
 2 0 5
 
⇒ rango de A = 2.

[Link] José María Martínez Mediano

Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 13

 1 − 1 3
 
b) En la matriz B puede eliminarse la F3, B =  2 1 6  → rango de B = 2.
 1 2 3
 
 1 − 3 −1 −1
 
c) En la matriz C pueden eliminarse las columnas C3 y C4, C =  2 1 −2 5  →
−1 0 1 − 2 

rango de C = 2. (C3 se tacha porque depende de C1; C4, por ser C 4 = 2C1 + C 2 )
 1 −1 3
 
d) El rango de la matriz D =  0 1 6  es 3, pues ninguna fila depende de otras.
 2 0 0
 
Observación: El rango de una matriz es independiente de cómo se calcule, por filas o por
columnas. Por tanto, el rango es como máximo igual al menor número que determina la
( )
dimensión de la matriz: el rango de A = aij n×m es menor o igual que el mínimo de n y m.
Así, para la matriz C de más arriba, que es de dimensión 3 × 4, su rango no puede ser mayor
que 3. (Se ha visto que es 2).

• Transformaciones de Gauss.
Las transformaciones de Gauss (Alemania, 1777–1855) son cambios que se realizan en la
matriz para simplificarla y poder determinar su rango con facilidad, pues habitualmente las
combinaciones lineales no se descubren de manera inmediata. El objetivo de este proceso es
conseguir que aparezcan el mayor número de ceros entre los elementos de la matriz. Estas
transformaciones no varían su rango, siendo algunas de ellas las siguientes:
1) Una matriz no cambia su rango si las filas (o columnas) cambian de orden.
2) Una matriz no cambia su rango si todos los elementos de una fila (o columna) se
multiplican por un mismo número distinto de 0.
3) Una matriz no cambia su rango si a los elementos de una fila (o columna) se les suma o
resta los elementos correspondientes de cualquier otra fila (o columna) multiplicados por
cualquier número.

Al realizar estas transformaciones elementales, si se obtiene una fila de ceros, o dos filas
iguales, o dos filas proporcionales, se suprime la fila nula o una de las dos proporcionales.
Finalizado el proceso, el número de filas no nulas que queden en la matriz es el
correspondiente a su rango.
Así, el rango de una matriz puede definirse también como el número de filas no nulas que
tiene dicha matriz. (Una fila es nula cuando todos sus elementos son ceros).

Ejemplos:
Para las matrices del ejemplo anterior, pueden realizarse las transformaciones siguientes:

a) En la matriz A: 1) Restar a la segunda fila el triple de la primera; 2) Restar a la tercera fila

 1 − 2 3 1 − 2 3 
   
el doble de la primera. Esto es: A =  3 − 6 9  → A = F 2 − 3F1 0 0 0 .
 2 0 5 F 3 − 2 F1 0 4 − 1
 
Quedan 2 filas no nulas ⇒ rango de A = 2. (Si se observa la proporcionalidad inicial no es
necesario hacer las transformaciones. Bastaría con decir: se suprime F2, pues F 2 = 3F1 ).

[Link] José María Martínez Mediano

Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 14

b) En la matriz B: 1) A F2 se le resta 2 · F1; 2) A F3 se le resta F1. Esto es:

 1 − 1 3  1 −1 3
     1 − 1 3
B =  2 1 6  → B = F 2 − 2 F1 0 3 0  → Queda B =   . Su rango es 2.
 1 2 3    0 3 0 
  F 3 − F1  0 3 0 

c) En la matriz C: 1) La columna 2 se sustituye por C 2 + 3C1 ; 2) C3 por C 3 + C1 ; 3) C4 por

 1 − 3 −1 −1 1 0 0 0  1 0 
     
C 4 + C1 → C =  2 1 −2 5  → C = 2 7 0 7  → Queda C =  2 7 .
 −1 0 1 − 2   − 1 − 3 0 − 3  − 1 − 3
    
Su rango es 2.
 1 −1 3
 
d) En la matriz D =  0 1 6  ninguna de las transformaciones posibles genera una fila de
 2 0 0
 
ceros. Su rango es 3.

Observaciones:
1) Una buena estrategia consiste en "hacer" el máximo número de ceros en alguna fila o
columna.
2) En el tema de determinantes se verá otra técnica para calcular el rango.

9. Inversa de una matriz

Una matriz cuadrada A es inversible (o invertible) si existe otra matriz, de igual tamaño, que
se denota por A–1 y se llama matriz inversa de A, tal que: A · A–1 = A–1 · A = I, siendo I la
matriz identidad del mismo orden que A.

Observación. No toda matriz tiene inversa. Para que una matriz tenga inversa es necesario
que sea cuadrada y que su rango coincida con su orden.

Ejemplos:
1 5   − 4 − 5
a) La inversa de la matriz A =   es A −1 =   . Para comprobarlo basta con
 −1 − 4  1 1 
 1 5   −4 −5   −4 + 5 −5 + 5   1 0 
ver que A·A −1 = I . En efecto: = A·A−1  · =   =  =  I.
 −1 −4   1 1   4 − 4 5 − 4   0 1 

 4 − 3 − 3 4 − 3 0 
   
b) La inversa de la matriz A =  5 − 4 − 4  es A −1 = 4 − 3 1  .
−1 1 0   1 − 1 − 1
  
En efecto:
 4 − 3 − 3  4 − 3 0  1 0 0
−1
     
A·A =  5 − 4 − 4  ·  4 − 3 1  =  0 1 0 .
−1 1
 0   1 − 1 − 1  0 0 1 

[Link] José María Martínez Mediano

Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 15

9.1. Cálculo de la matriz inversa

• Método directo
Consiste en partir de una matriz A–1 genérica e imponer que cumpla la condición de que sea
la inversa de A; esto es, que A · A–1 = I. Los pasos a seguir son:
1) Se escribe A–1 en función de tantas incógnitas como sea necesario: 4, si es una matriz de
orden 2; 9, si es de orden 3;...
2) Se hace el producto A · A–1 y se iguala a la matriz I del mismo tamaño.
3) Resolviendo el sistema de ecuaciones resultante se obtienen los elementos de A–1.

Ejemplo:
1 5  a b 
Si A =   , se supone que A −1 =   .
 −1 − 4 c d 
1 0
Haciendo el producto A · A–1 e igualando a I =   se tiene:
0 1
 a + 5c = 1
5  a b   a + 5c b + 5d   1 0   − a − 4c = 0
−1 1 
A·A =    =   =   = I ⇒  ⇒
 − 1 − 4  c d   − a − 4c − b − 4d   0 1   b + 5d = 0
 − b − 4d = 1
⇒ a = –4, c = 1; b = –5, d = 1.
 − 4 − 5
Luego, la matriz inversa buscada es A −1 =  .
 1 1 

• Método de Gauss–Jordan
El método de Gauss–Jordan (W. Jordan, Alemania, 1842–1899) para el cálculo de la matriz
inversa consiste en la resolución esquemática del sistema de arriba. Para aplicar el método:
1) Se añade, a la derecha de la matriz A, la matriz identidad. Se forma así la matriz ( A I ) .
2) Se transforma esa matriz ampliada, mediante sumas y restas de filas, hasta llegar a la
( )
matriz I A−1 . Esto es, la matriz obtenida a la derecha es la inversa buscada.
Para ello hay que conseguir sucesivamente que, en la matriz izquierda, inicialmente A, los
valores de sus términos sean: a 11 = 1; a 21 = 0; a 22 = 1; a 12 = 0. Eso para matrices de tamaño 2
× 2. Para las de tamaño 3 × 3, hay que buscar, sucesivamente, que: a 11 = 1; a 21 = 0; a 31 = 0;
a 22 = 1; a 32 = 0; a 33 = 1; a 23 = 0; a 13 = 0; a 12 = 0.

Ejemplos:
Observación: En los casos que siguen, F1, F2 y F3 indican las filas 1ª, 2ª o 3ª de la matriz
precedente. (Así se hará siempre).
1 5  1 5 1 0
a) Para la matriz A =   , se forma la matriz ampliada ( A I ) =  .

 − 1 − 4   − 1 − 4 0 1 
Se hacen las siguientes transformaciones:

(A I ) =  1 5 1 0  → 1 5 1 0


 →

F1 − 5 F 2  1 0 − 4 − 5 

 1 
(
 = I A −1 )
 −1 − 4 0 1 F 2 + F1 0 1 1 1  0 1 1
 − 4 − 5
La matriz inversa de A es A −1 =  .
 1 1 

[Link] José María Martínez Mediano

Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 16

 4 − 3 − 3
 
b) Para hallar la inversa de la matriz A =  5 − 4 − 4  se puede proceder como sigue:
−1 1 0 

 4 − 3 − 3 1 0 0 F 2 − F1  1 − 1 − 1 − 1 1 0 
   
(A I ) =  5 − 4 − 4 0 1 0  →  5 − 4 − 4 0 1 0 →
−1 1 0 0 0 1   −1 1 0 0 0 1 
 
 1 −1 −1 −1 1 0 1 −1 −1 −1 1 0
   
→ F 2 − 5 F1  0 1 1 5 − 4 0  → 0 1 1 5 − 4 0  →
F 2 + F1  0 0 − 1 − 1 1 1  − F 3  0 0 1 1 − 1 − 1
F1 + F 3  1 − 1 0 0 0 − 1 F1 + F 2  1 0 0 4 − 3 0 
   
→ F 2 − F3 0 1 0 4 − 3 1  → 0 1 0 4 − 3 1  ⇒
 0 0 1 1 − 1 − 1  0 0 1 1 − 1 − 1
   
4 − 3 0 
−1
 
La matriz inversa buscada es A =  4 − 3 1  .
 1 − 1 − 1
 
Observación: Si en la matriz izquierda, la A inicial, se generase una fila de ceros, la matriz A
no tendría inversa. Se termina el proceso.

9.2. Algunas propiedades relacionadas con la matriz inversa

Las más usadas son:
1) Si la matriz A tiene inversa, su inversa es única.
2) Si una fila o una columna de la matriz A es nula, entonces A no es inversible.
3) Si A y B son invertibles y del mismo tamaño, entonces su producto también tiene inversa,
y se cumple que: ( A·B ) = B −1·A−1 .
−1

4) Si A es inversible, entonces su traspuesta también lo es, y se cumple que: At( ) = (A ) .

−1 −1 t

10. Álgebra de matrices (II)

Como ya se viene advirtiendo, el producto de matrices no verifica las propiedades
acostumbradas; ello induce a la comisión de errores frecuentes al operar con matrices.
A
Tampoco puede hablarse de división de matrices. No existe el cociente , ni siquiera
B
−1 −1
debería escribirse; existen los productos A·B y B ·A , que no son iguales.
Para que el lector adquiera cierta destreza en estas operaciones se proponen en este apartado
algunos ejercicios complementarios.

Ejercicio 1. Potencia de un producto

Si A y B son matrices cuadradas del mismo orden, ¿es cierto que ( A·B ) = A2·B 2 ?
2

Solución:
Para que se verifique la igualdad ( AB ) = A2 B 2 es necesario que las matrices sean
2

conmutables, que AB = BA, pues:

( AB )2 = ( AB )(· AB ) = A·B·A·B = A·(B·A)·B = (si AB = BA) = A·( A·B )·B = A·A·B·B = A2·B 2
Nuevamente se observa que el producto de matrices no cumplen las propiedades habituales.

[Link] José María Martínez Mediano

 Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 17

Ejercicio 2. Una aplicación

Una perfumería ha vendido en los últimos años las cantidades que se indican en la matriz A, a
los precios (en euros) que se dan en la matriz B.
Hombre Mujer
2013 2014 2015
 34 43  2013
 890 750 970  Hombre  
A =  Mujer B =  32 40  2014
 1230 1100 1320   35 45  2015

a) Halla la matriz B·A . ¿Cuánto se ingresó cada año por la venta de perfumes? ¿Qué
elementos de la matriz B·A dan esa información?
b) ¿En qué orden hay que multiplicar las matrices para obtener los ingresos por venta de
perfumes de hombre y de mujer durante esos tres años? ¿Qué ingresos se obtienen?
Solución:
 34 43   83150 72800 89740 
   890 750 970   
a) B·A  32 40 = ·1230 1100 1320  = 77680 68000 83840  C
    86500 75750 93350 
 35 45   
Los elementos = = 34·890 + 43·1230 €,
c11 83150 = = 32·750 + 40·1100 € y
c22 68000
= = 35·970 + 45·1320 € indican los ingresos de los años 2013, 2014 y 2015,
c33 93350
respectivamente. (Los demás elementos de C no tienen ningún significado en este contexto.

b) Hay que multiplicar A por B.

 34 43 
 890 750 970     88210 111920 
= A·B  = · 32 40  =  D
1230 1100 1320   35 45  123220 156290 
 
El elemento d11 = 890·34 + 750·32 + 970·35 = 88210 € da los ingresos obtenidos por la venta
de los perfumes para hombre en esos tres años.
El elemento d 22 = 1230·43 + 1100·40 + 1320·45 = 156290 € da los ingresos obtenidos por la
venta de los perfumes para mujer en esos tres años.
Los demás elementos de la matriz D no tienen ningún significado en este contexto.
Observación: Pueden verse más problemas de este estilo pinchado aquí: números 19 a 24.

Ejercicio 3. Ecuaciones matriciales

Despeja la matriz X en cada una de las siguientes ecuaciones:
a) A·X = B b) X ·A = B c) X ·A + X = B d) A−1·X ·A = B
Solución:
a) Hay que multiplicar ambos miembros, por la izquierda, por A−1 . Queda:
( )
A·X = B ⇔ A−1 ( A·X ) = A−1B ⇒ A−1 A ·X = A−1B ⇒ I ·X = A−1B ⇒ X = A−1B
b) Hay que multiplicar ambos miembros, por la derecha, por A−1 . Queda:
( )
X ·A = B ⇔ ( X ·A)A−1 = BA−1 ⇒ X · AA−1 = BA−1 ⇒ X ·I = BA−1 ⇒ X = BA−1
c) Primero se saca factor común; a continuación se multiplica por la inversa que proceda. Así:
X ·A + X = B ⇔ X ·A + X ·I = B ⇒ X ( A + I ) = B ⇒ X ( A + I )( A + I ) = B( A + I ) ⇒
−1 −1

⇒ X = B( A + I )
−1

d) Se multiplican ambos miembros, por la izquierda, por A; y por la derecha, por A−1 . Así:
( ) ( ) (
A−1·X ·A = B ⇔ A A−1 XA A−1 = ABA−1 ⇒ AA−1 X AA−1 = ABA−1 ⇒ X = ABA−1)

[Link] José María Martínez Mediano

Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 18

Ejercicio 4. Resolver ecuaciones matriciales

a) Despeja la matriz X en función de A e I en la ecuación ( X + A) 2 = X 2 + X ·A + I , siendo X
y A matrices cuadradas de orden dos, e I la matriz identidad de orden dos.
1 1 
b) Resuelve la ecuación B·X + B 2 = I , si B =   .
1 0 
Solución:
a) Operando se tiene:
( X + A) 2 = X 2 + X ·A + I ⇔ X 2 + A·X + X ·A + A2 = X 2 + X ·A + I ⇔
⇔ A·X + A2 = I ⇔ A·X = I − A2 ⇒ A−1·A·X = A−1 ( I − A2 ) ⇒ X = A −1 − A

b) De B·X + B 2 = I ⇒ B·X = I − B 2 ⇒ B −1·B·X = B −1 ( I − B 2 ) ⇒ X = B −1 − B

Cálculo de la inversa;

(B I ) = 1 1 1 0  → 1 1 1 0

 0 −1 −1 1
 →
1 11 0 
 
 0 1 1 − 1 →
 1 0 0 1  F 2 − F 1   − F 2  
F1 − F 2  1 0 0 1  0 1 
→   ⇒ B −1 =   .
 0 1 1 − 1
   1 − 1
 0 1  1 1   − 1 0 
Por tanto: X =   −   =   .
 1 − 1 1 0   0 − 1

Ejercicio 5. Resolver ecuaciones matriciales

1 2   0 1 1 2   3 − 1
a) Dadas A =   y B =   , comprueba que A −1 =   y B −1 =   .
 0 − 1  − 1 3  0 − 1 1 0 
 0 2
b) Para esas matrices halla la matriz X, que es solución de la ecuación BXA =   .
 − 3 0
Solución:
a) Debe cumplirse que A·A−1 = I y B·B −1 = I .
En efecto:
1 2  1 2  1 0  0 1   3 − 1  1 0 
A·A−1 =  ·  =   = I ; B·B −1 =  ·  =   = I .
 0 − 1   0 − 1  0 1   − 1 3  1 0   0 1 

 0 2  0 2  −1  3 − 1  0 2   1 2 
b) Si BXA =   ⇒ X = B −1   A ⇒ X =  · ·  ⇒
 − 3 0  − 3 0  1 0   − 3 0   0 − 1
3 6 1 2  3 0 
⇒ X =  ·  =   .
 0 2   0 − 1  0 − 2 

Ejercicio 6. Una demostración

Demuestra que si A y B son matrices invertibles del mismo orden, entonces ( A·B ) = B −1·A−1 .
−1

Solución:
Si X es la inversa de A·B : X = ( A·B ) ⇒ ( A·B )·X = I ⇒ A·B·X = I ⇒ X = ? →
−1

(Para despejar X se multiplica, primero por A−1 por la izquierda; y a continuación por B −1 ,
también por la izquierda).
→ A·B·X = I ⇒ A−1·A·B·X = A−1·I ⇒ B·X = A−1 ⇒ B −1·B·X = B −1·A−1 ⇒ X = B −1·A−1 .

[Link] José María Martínez Mediano

Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 19

Problemas propuestos

Operaciones con matrices

 2 3  5 − 2  − 11 12 
1. Dadas A =   , B =   y C =   , halla dos números a y b para que
−1 7 4 − 9  − 14 41
se verifique que a·A + b·B = C .

1 − 2  2 − 6
2. Dadas las matrices A =   y B =   , halla otras dos matrices del mismo
 2 − 4  1 − 3
 2X − Y = A
orden, X e Y, que cumplan:  .
 X + 3Y = 2 B

1 0  1 1   2 − 3
3. Para las matrices A =   , B =   y C =   , comprueba que se
 2 − 1   3 − 2   0 5 
cumplen las siguientes propiedades:
a) A + (B + C ) = ( A + B ) + C b) A(B + C ) = AB + AC
c) ( A − B )C = AC − BC d) A(BC ) = ( AB )C

4. Calcula, si es posible, los productos AB y BA para las matrices siguientes:

3 −1
1 0  1 1     − 2 0 1
a) A =   , B =   b) A =  2 0  , B =  
 2 − 1 3 − 2  4 − 2  4 − 1 3
 
 1 − 1 1 1   2   3 − 2
c) A =   , B =   d) A =   , B =  
 2 − 1  4 − 1  − 3 4 1 
 − 4 1 − 2 3   0 −2 3 
     
e) A = (2 3 − 1) , B =  0  f) A =  4 0 − 1 , B =  − 1 0 4 
 3  7 − 3 1  2 0 − 3 
    

5. Calcula todos los productos posibles de dos factores con las matrices:
1 0 
  0 2
1 −1 0   0 − 2  , C =  −1 4 
A= ; B =  
 0 3 −2  3 4   
   2 3 
 −5 6 

1 − 2  2 − 6
6. Dadas las matrices A =   y B =   , halla los productos AB y BA. Además de
 2 − 4  1 − 3
que no se cumple la propiedad conmutativa, ¿qué otro comentario puede hacerse?

[Link] José María Martínez Mediano

Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 20

1 − 2  − 2 − 1  − 2 5
7. Dadas las matrices A =   , B =   y C =   , comprueba que AB =
 2 − 4  − 1 − 3  −1 0
AC, y sin embargo, B ≠ C.

a 1  12 − 1
8. Para la matriz A =   , calcula el valor de a para que A 2 − A =   .
0 − a  0 20 

0 a
9. a) Halla las matrices A =   que cumplen que A 3 = A .
b 0
b) Para esas matrices y para el valor a = –2, calcula A10 + A11 + A12 .

1 a
10. Dada la matriz A =   , encuentra la expresión general de A n . ¿Cuál es la matriz
 0 1 
A − 10 A ?
10

Comprobación de algunas propiedades

11. Una matriz A se llama nilpotente si A·A·...·A = O . Comprueba que la matriz

 1 1 3 
 
A= 5 2 6  es nilpotente.
 − 2 − 1 − 3
 

12. Una matriz A se llama involutiva si cumple que A2 = A·A = I . Comprueba que la matriz
 7 6 
A =   es involutiva.
− 8 − 7

13. Una matriz A se llama idempotente si cumple que A2 = A·A = A . Comprueba que la
 −1 2 − 6
 
matriz A =  2 − 1 6  es idempotente.
 1 −1 4 
 

14. Una matriz A se llama periódica de período p si A p +1 = A . Comprueba que la matriz

 4 − 3 − 3
 
A =  5 − 4 − 4  es periódica de periodo 3.
−1 1 0 


 1 − 1 1 1 
15. Dadas las matrices A =   y B =   .
 2 − 1  4 − 1
a) Calcula A·B y B·A . ¿Se cumple que A·B = B·A ?
b) Comprueba que ( A + B ) = A 2 + B 2 .
2

[Link] José María Martínez Mediano

Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 21

16. Una matriz A es ortogonal si cumple que A·At = I ; esto es, cuando su inversa coincide
a 0 a 
 
con su traspuesta. Halla el valor de a para que sea ortogonal la matriz A =  a 0 − a  ,
0 1 0 
 

1 − 2  3 − 3
   
17. Para las matrices A =  3 0  y B =  − 5 2  comprueba las siguientes propiedades:
 4 − 5  1 0 
  
( ) t
a) At = A b) ( A + B ) = At + B t
t
c) (kA) = kAt
t

1 − 2
   2 −1 0
18. Para las matrices A =  3 0  y B =   comprueba que ( A·B )t = B t ·At .
 4 − 5  − 4 − 6 3
 

19. (Propuesto en Selectividad 2006, Castilla y León)

1 0  1 0 
Halla las matrices A cuadradas de orden 2, que verifican la igualdad: A  =   A .
1 1  1 1 

Rango de una matriz

20. Utilizando transformaciones de Gauss halla el rango de las siguientes matrices:

 1 − 2 3  1 0 2  1 − 3 − 1 − 1
     
a) A =  − 2 0 1  b) B =  2 − 1 1  c) C =  2 − 6 − 2 0 
 5 − 2 1 1 2 8 −1 3 2 
     1

21. Determina, en función de los valores de a, el rango de las matrices:

1 1 1 1 1 1  1 1 1 
     
a) A =  2 2 1  b) A = 1 2 1  c) A =  0 1 1 
1 1 a 1 1 a  1 1 a2 
     

22. Determina, en función de los valores de a, b y c, el rango de la matriz

 1 1 1 
 
A= a b c .
b + c a + c a + b
 

Inversa de una matriz

 2 −3 
23. Dada la matriz A =   , comprueba que su inversa es ella misma; esto es, que
 1 −2 
A−1 = A .

[Link] José María Martínez Mediano

Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 22

24. Halla por dos métodos distintos (directamente y aplicando el método de Gaus–Jordan) la
inversa de cada una de las siguientes matrices, si existe.
 1 3  3 1  1 3
a) A =   b) B =   c) C =  
 2 5  − 2 2  2 6

25. Aplicando el método de Gaus–Jordan halla, cuando exista la inversa de cada una de las
siguientes matrices.
1 1 1 1 1 1   1 − 1 1
     
a) A =  0 1 1  b) B =  1 2 − 1 c) C =  − 1 2 1 
1 1 2 2 1 0  1 0 3 
    

1 3  2 1
26. Calcula la matriz A que haga que   = A  . Halla la solución de dos maneras:
 4 2  5 3
1) Sin calcular la matriz inversa; 2) Calculándola.

27. (Propuesto en Selectividad 1997, Madrid)

λ − 2
Calcula los valores del parámetro λ para que la inversa de la matriz A =   coincida
5 − λ
con su opuesta.

Otros problemas

−1 0 1   2 − 1 1
2 X − 3Y = A    
28. Resuelve el sistema  , siendo A =  3 1 − 1 y B =  0 1 3  .
3 X + 4Y = B 2 1 0  2 − 2 1
   

 1 −4   x −2   1 8
29. Dadas las matrices: A =  , B =   y C = .
0 1  0 x   0 1
a) Encuentra el valor de x para que B 2 = A .
b) Encuentra el valor de x para que A + 2 B + C =I , siendo I la identidad de orden 2.

 4 −3 
 1 1  
30. Resuelve la ecuación matricial: X ·  = 0 5 .
 −1 1  −1 7 
 

31. Una fábrica de electrodomésticos ha vendido en los últimos tres años lavadoras (L) y
secadoras (S). La matriz A expresa las unidades vendidas; la matriz B da el precio de venta,
en euros, de cada electrodoméstico.
L S
2013 2014 2015
 480 370  2013
 3500 7500 4200  L  
A =  S B =  460 360  2014
 2200 6000 5300   500 340  2015
 

[Link] José María Martínez Mediano

Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 23

a) Halla la matriz B·A . ¿Cuánto se ingresó cada año por la venta de esos electrodomésticos?
¿Qué elementos de la matriz B·A dan esa información?
b) ¿En qué orden hay que multiplicar las matrices para obtener los ingresos por venta de cada
electrodoméstico durante esos tres años? ¿Qué elementos de esa matriz dan esa información?

32. En una prueba de pentatlón, que constan de carreras de 200 y 1500 m, de salto de longitud y
lanzamientos de disco y jabalina, de tres atletas A1, A2 y A3 han obtenido las puntuaciones que
200 1500 Lon Dis Jab

A1  8 7 6 5 6
se indican en la matriz A =   . La ponderación de cada prueba varía
A2  6 4 6 3 1  0
A3  9 6 7 2 5 
J1 J 2 J 3
200  2 1 1,5 
 
1500  2 3 2
según el jurado Ji (i = 1, 2, 3) que califique, como muestra la matriz .
J = Lon  2 2 3,5 
 
Dis  2 2 1,5 
Jab  2 2 1,5 
¿Cuál sería la puntuación de cada atleta dependiendo de cada jurado? Si la puntuación definitiva
se halla sumando las de los tres jurados, ¿cómo se establece el podio de la prueba?

 1 0
33. Comprueba que A 2 = 2 A − I , siendo A =   . Utiliza la igualdad anterior para
 3 1
determinar la inversa de A y A6.

34. (Propuesto en Selectividad 2016, Andalucía)

1 2  2 −1 3   −1 1 0 
Sean las matrices A =  , B=  y C = .
 −1 −3   4 0 1  2 3 −2 
Resuelve la ecuación matricial A2 ·X + C =2B .

Soluciones
 1 −18 / 7   1 −22 / 7 
1. a = 2; b = 3. 2. X =  ; Y =  .
 8 / 7 −1 8/ 7   2 / 7 −8 / 7 
 − 10 1 0 
 1 1  3 − 1   − 2 0 
4. a) AB =   ; BA =   . b) AB =  − 4 0 2  ; BA =   .
 −1 4 −1 2   − 16 2 − 2   22 − 10 
 
 − 8 − 12 4 
 − 3 2  3 − 2 12   
c) AB =   ; BA =   .d) BA =   . e) AB = −11 ; BA =  0 0 0 .
 − 2 3  2 − 3 5  6 − 3 
 9
 8 − 2 − 14   13 − 9 5
   
f) AB =  − 2 − 8 15  ; BA =  27 − 10 1  .
 5 − 14 6   − 19 5 3 
   

[Link] José María Martínez Mediano

Matemáticas Aplicadas a las Ciencias Sociales II. Álgebra: Matrices 24

 1 −1 0 
 0 6 −4   
 1 −2     0 −6 4  .
5. A·C =   ; C ·A =  −1 13 −8  ; B·A =
 −7 6   2 7 −6   3 9 −8 
   
 −5 23 −12 
 0 0  − 10 20 
6. AB =   ; BA =   . El producto de dos matrices no nulas da la matriz nula.
 0 0  − 5 10 
0 5  0 5 
7. AB =   ; AC =   . 8. a = 4.
 0 10   0 10 
 0 a  2 − 2  1 na   − 9 0 
9. a) A =   . b)   . 10. A n =   .   .
1 / a 0   − 1/ 2 2  0 1   0 − 9
11. A·A·A = A3 = O . 14. Cumple que A4 = A .
1
15. a) No: A·B = − B·A . 16. a = ± .
2
a 0
19. A =   . 20. a) 2. b) 2. c) 2.
c a
21. a) 2 para cualquier valor de a. b) 2 si a = 1; 3 en los demás casos. c) 2 si a = ±1; 3 en los
demás casos.
22. Si a, b y c son iguales, el rango es 1. Si a, b y c no son iguales, el rango es 2.
− 5 3  1 / 4 − 1 / 8 
24. a) A −1 =   . b) B −1 =   . c) No es invertible.
 2 − 1 1 / 4 3 / 8 
 1 −1 0   − 1/ 4 − 1/ 4 3 / 4 
   
25. a) A −1 =  1 1 − 1 . b) B −1 =  1 / 2 1 / 2 − 1 / 2  . c) No tiene inversa.
−1 0 1   3 / 4 − 1/ 4 − 1/ 4
   
 − 12 5 
26. A =   . 27. λ = ±3.
 2 0
 2 − 3 7  7 − 2 − 1
1   1  
28. X = ·12 7 5  ; Y = · − 9 − 1 9  .
17   17  
14 − 2 3  − 2 − 7 2 
 1/ 2 −7 / 2 
 
29. a) x = –1. b) –1/2. 30. X =  5 / 2 5 / 2  .
 2 3 

31. a) B · A = C. c11 = 2494000 €; c22 = 5610000 €; c33 = 3902000 €.
b) A · B = D. d11 = 7230000 € ; d 22 = 4776000 €, respectivamente.
1 0  1 0  1 0
32. A1, A3 y A2. 33. A6 = 6·  − 5·  =   .
 3 1   0 1  18 1 
 59 −33 58 
34. X =  .
 −16 9 −16 

[Link] José María Martínez Mediano