—

© Asturias Corporación Universitaria

1
Introducción al Cálculo con Matrices
El contenido de esta publicación se puede citar o reproducir con propósitos
académicos siempre y cuando se dé la fuente o procedencia.
Las imágenes contenidas en el presente documento respetan los derechos de
autor de sus creadores, las cuales fueron desarrolladas o citadas por los autores.
Autor: Alirio Sanabria Mejía
©Corporación Universitaria de Asturias.
Bogotá, D.C.
2024.
Esta publicación no refleja las opiniones de la Corporación Universitaria de
Asturias, instituciones de la RED SUMMA o de las afiliaciones de los autores.
Citar este documento.
Apellido del docente, Iniciales nombre. (Año). Título del tema. Corporación
Universitaria de Asturias
Sanabria, A. (2024). Introducción al Cálculo con Matrices. Corporación
Universitaria de Asturias.

ASTURIAS CORPORACIÓN UNIVERSITARIA®

Nota Técnica preparada por Asturias Corporación Universitaria. Su difusión, reproducción o
uso total o parcial para cualquier otro propósito queda prohibida. Todos los derechos
reservados.
Índice

1 Fundamentos de las Matrices: Conceptos Básicos y Definiciones

Fundamentales .................................................................................................................................... 4
1.1 Definición y estructura de matrices ........................................................................ 4
1.2 Tipos de matrices y sus propiedades. .................................................................... 5
2 Operaciones Básicas con Matrices: Suma, Resta y Multiplicación ......................... 7
2.1 Suma y resta de matrices ............................................................................................. 7
2.2 Multiplicación de matrices y sus propiedades. ............................................... 9
3 Propiedades y Características de las Matrices: Simetría, Inversibilidad y
Determinantes .................................................................................................................................... 11
3.1 Propiedades de simetría en matrices. .................................................................. 11
3.2 Inversibilidad de matrices y cálculo de determinantes. ............................ 12
4 Aplicaciones del Cálculo Matricial: Resolución de Sistemas de Ecuaciones
Lineales .................................................................................................................................................13
4.1 Uso de matrices para resolver sistemas de ecuaciones lineales. ..............13
4.2 Interpretación geométrica de las soluciones de sistemas lineales
mediante matrices .................................................................................................................. 14
5 Introducción al Álgebra Lineal: Conceptos y Herramientas Fundamentales ... 16
5.1 Espacios vectoriales y subespacios ...................................................................... 16
5.2 Transformaciones lineales y sus representaciones matriciales. ............. 17
6 Conclusiones ............................................................................................................................. 18
7 Bibliografía Recomendada .................................................................................................. 19

ASTURIAS CORPORACIÓN UNIVERSITARIA®

Nota Técnica preparada por Asturias Corporación Universitaria. Su difusión, reproducción o
uso total o parcial para cualquier otro propósito queda prohibida. Todos los derechos
reservados.
Objetivos
• Comprender los fundamentos de las matrices, incluyendo conceptos
básicos y definiciones fundamentales, para establecer una base sólida en
álgebra matricial.
• Dominar las operaciones básicas con matrices, como la suma, resta y
multiplicación, para realizar cálculos matriciales de manera efectiva y
precisa.
• Explorar las propiedades y características de las matrices, como la simetría,
inversibilidad y determinantes, para comprender cómo afectan estas
propiedades a las operaciones matriciales y su aplicabilidad en diferentes
contextos matemáticos.

1 Fundamentos de las Matrices: Conceptos Básicos y

Definiciones Fundamentales
En el vasto campo del álgebra lineal, las matrices emergen como una
herramienta esencial para representar y manipular datos de manera
estructurada. Se sumerge en los conceptos básicos y las definiciones
fundamentales que sustentan el estudio de las matrices, explorando su papel
central en la resolución de problemas matemáticos y su relevancia en diversas
disciplinas científicas y tecnológicas.

1.1 Definición y estructura de matrices

Las matrices son estructuras fundamentales en el álgebra lineal, utilizadas para

organizar datos de manera ordenada y eficiente. En su forma más básica, una
matriz es una colección bidimensional de números dispuestos en filas y columnas.
Cada número en la matriz se denomina elemento, y su posición se especifica por
su fila y columna. Por ejemplo, en una matriz 𝐴, el elemento en la fila 𝑖 y la
columna 𝑗 se denota como 𝑎𝑖𝑗
Estructura y Notación
Una matriz se representa entre corchetes, con las filas separadas por comas y las
columnas separadas por espacios o tabulaciones. Por ejemplo, la siguiente matriz
es una matriz 2×3 (dos filas y tres columnas):

ASTURIAS CORPORACIÓN UNIVERSITARIA®

Nota Técnica preparada por Asturias Corporación Universitaria. Su difusión, reproducción o
uso total o parcial para cualquier otro propósito queda prohibida. Todos los derechos
reservados.
 1 2 3
𝐴=[ ]
4 5 6

En esta matriz, el elemento en la primera fila y la segunda columna es 𝑎12 = 2 y el

elemento en la segunda fila y la tercera columna es 𝑎23 = 6.
Ejemplo: Aplicación en Finanzas
Imaginemos que una empresa tiene información sobre el número de unidades
vendidas de tres productos durante cuatro trimestres del año. Esta información se
puede organizar en una matriz, donde cada fila representa un producto y cada
columna representa un trimestre. Por ejemplo, la matriz V podría representar esta
información:

100 150 200 175

𝑉 = [ 80 90 100 110]
120 130 140 150

En esta matriz, el elemento en la primera fila y la segunda columna 𝑎12 sería el

número de unidades vendidas del segundo trimestre del primer producto, que es
150. Este tipo de organización de datos en forma matricial facilita el análisis y la
manipulación de la información en áreas como las finanzas, la ingeniería, la
ciencia de datos y más.

1.2 Tipos de matrices y sus propiedades.

En el álgebra lineal, las matrices se clasifican en diversos tipos según ciertas

características específicas. Cada tipo de matriz tiene propiedades únicas que las
distinguen y les otorgan aplicaciones particulares en diferentes campos de
estudio. Exploraremos algunos de los tipos de matrices más comunes y sus
propiedades asociadas.
Matriz Cuadrada
Una matriz cuadrada es aquella que tiene el mismo número de filas que de
columnas. Es decir, su dimensión es 𝑛 × 𝑛. Por ejemplo, una matriz cuadrada A de
tamaño 3 × 3 se vería así:

ASTURIAS CORPORACIÓN UNIVERSITARIA®

Nota Técnica preparada por Asturias Corporación Universitaria. Su difusión, reproducción o
uso total o parcial para cualquier otro propósito queda prohibida. Todos los derechos
reservados.
 1 2 3
𝐴 = [4 5 6]
7 8 9

Matriz Diagonal
Una matriz diagonal es aquella en la que todos los elementos fuera de la diagonal
principal son cero. Por ejemplo, la siguiente matriz es diagonal:

2 0 0
𝐷 = [0 5 0]
0 0 9

Una propiedad destacada de las matrices diagonales es que la multiplicación de

dos matrices diagonales es otra matriz diagonal, y la potencia de una matriz
diagonal también es diagonal.
Matriz Identidad
La matriz identidad es una matriz cuadrada en la que todos los elementos de la
diagonal principal son unos y todos los demás elementos son cero. Se denota
comúnmente como I. Por ejemplo, la matriz identidad 3 × 3 se ve así:

1 0 0
𝐼 = [0 1 0]
0 0 1

Una propiedad esencial de la matriz identidad es que cualquier matriz

multiplicada por la matriz identidad da como resultado la misma matriz.
Ejemplo: Aplicación en Transformaciones Lineales
Supongamos que tenemos una matriz de transformación lineal T que aplica una
rotación de 90° en sentido antihorario en el plano 𝑥𝑦. Esta matriz se representa
como:

0 −1
𝑇=[ ]
1 0

ASTURIAS CORPORACIÓN UNIVERSITARIA®

Nota Técnica preparada por Asturias Corporación Universitaria. Su difusión, reproducción o
uso total o parcial para cualquier otro propósito queda prohibida. Todos los derechos
reservados.
Esta matriz es cuadrada y su propia inversa, lo que significa que aplicarla dos
veces equivale a la identidad. Esto refleja una propiedad importante de las
transformaciones lineales: algunas pueden deshacerse aplicando la
transformación inversa.

2 Operaciones Básicas con Matrices: Suma, Resta y

Multiplicación
Las operaciones básicas con matrices constituyen los cimientos sobre los
cuales se construye el edificio del álgebra lineal. Desde la simple suma y
resta hasta la más compleja multiplicación, esta introducción destaca la
importancia de comprender y dominar estas operaciones, mostrando cómo se
aplican en la resolución de problemas prácticos y en la manipulación de datos en
diferentes contextos.

2.1 Suma y resta de matrices

Las operaciones de suma y resta son fundamentales en el álgebra lineal y se

aplican ampliamente en diversos campos científicos y tecnológicos. Estas
operaciones permiten combinar matrices de manera coherente y proporcionan
herramientas poderosas para el análisis y la manipulación de datos.
Suma de Matrices
La suma de dos matrices se lleva a cabo sumando los elementos
correspondientes en las mismas posiciones en cada matriz. Para que la suma sea
válida, las matrices deben tener la misma dimensión, es decir, el mismo número
de filas y columnas. Por ejemplo, consideremos las matrices A y B:

1 2
𝐴=[ ]
3 4

5 6
𝐵=[ ]
7 8

La suma de estas dos matrices, denotada como 𝐴 + 𝐵, sería:

ASTURIAS CORPORACIÓN UNIVERSITARIA®

Nota Técnica preparada por Asturias Corporación Universitaria. Su difusión, reproducción o
uso total o parcial para cualquier otro propósito queda prohibida. Todos los derechos
reservados.
 1+5 2+6
𝐴+𝐵 =[ ]
3+7 4+8

6 8
𝐴+𝐵 =[ ]
10 12

Resta de Matrices
De manera similar a la suma, la resta de matrices implica restar los elementos
correspondientes en las mismas posiciones en cada matriz. Las matrices
involucradas también deben tener la misma dimensión. Usando las mismas
matrices 𝐴 y 𝐵 del ejemplo anterior, la resta de 𝐴 y 𝐵, denotada como 𝐴 − 𝐵, sería:

1−5 2−6
𝐴−𝐵 =[ ]
3−7 4−8
−4 −4
𝐴−𝐵 =[ ]
−4 −4
5−1 6−2
𝐵−𝐴 =[ ]
7−3 8−4
4 4
𝐵−𝐴 =[ ]
4 4
𝐴−𝐵 ≠𝐵−𝐴

Propiedades Importantes

• La suma de matrices es conmutativa, es decir,

𝐴+𝐵 =𝐵+𝐴
• La suma de matrices es asociativa, lo que significa que (𝐴 + 𝐵) + 𝐶 = 𝐴 +
(𝐵 + 𝐶)
• Existe una matriz especial llamada matriz nula, denotada como O, que actúa
como el elemento neutro en la suma y la resta de matrices.

ASTURIAS CORPORACIÓN UNIVERSITARIA®

Nota Técnica preparada por Asturias Corporación Universitaria. Su difusión, reproducción o
uso total o parcial para cualquier otro propósito queda prohibida. Todos los derechos
reservados.
Ejemplo: Aplicación en Finanzas
Supongamos que una empresa tiene dos sucursales y desea calcular la cantidad
total de ventas combinadas en un trimestre. Las ventas de cada sucursal se
registran en una matriz donde cada fila representa una sucursal y cada columna
representa un mes. La suma de estas matrices dará como resultado la matriz que
representa las ventas totales de la empresa. Este tipo de análisis es esencial para
la toma de decisiones financieras informadas.

2.2 Multiplicación de matrices y sus propiedades.

La multiplicación de matrices es una operación central en el álgebra lineal que

encuentra aplicaciones en una amplia gama de campos, desde la informática
hasta la física y la economía. Exploraremos cómo se realiza la multiplicación de
matrices y destacaremos algunas de sus propiedades fundamentales.
Multiplicación de Matrices
La multiplicación de matrices no es tan directa como la suma o la resta. Para que
dos matrices 𝐴 y 𝐵 puedan multiplicarse, el número de columnas de la matriz 𝐴
debe ser igual al número de filas de la matriz 𝐵. Si 𝐴 es de tamaño 𝑚 × 𝑛 y 𝐵 es
de tamaño 𝑛 × 𝑝, entonces el resultado de la multiplicación será una nueva matriz
𝐶 de tamaño 𝑚 × 𝑝.
La entrada 𝑐𝑖𝑗 de la matriz resultante 𝐶 se obtiene multiplicando cada elemento
de la fila 𝑖 de la matriz 𝐴 por el correspondiente elemento de la columna 𝑗 de la
matriz 𝐵, y sumando los productos.
Por ejemplo, consideremos las matrices 𝐴 y 𝐵:

1 2
𝐴=[ ]
3 4

5 6
𝐵=[ ]
7 8

Para calcular el producto 𝐴𝐵, primero multiplicamos la primera fila de 𝐴 por la

primera columna de 𝐵, y luego la segunda fila de 𝐴 por la segunda columna de 𝐵.
Así obtenemos:

ASTURIAS CORPORACIÓN UNIVERSITARIA®

Nota Técnica preparada por Asturias Corporación Universitaria. Su difusión, reproducción o
uso total o parcial para cualquier otro propósito queda prohibida. Todos los derechos
reservados.
 (1 ∙ 5) + (2 ∙ 7) (1 ∙ 6) + (2 ∙ 8)
𝐴∙𝐵 =[ ]
(3 ∙ 5) + (4 ∙ 7) (3 ∙ 6) + (4 ∙ 8)

5 + 14 6 + 16
𝐴∙𝐵 =[ ]
15 + 28 18 + 32

19 22
𝐴∙𝐵 =[ ]
43 50

Propiedades Importantes

• La multiplicación de matrices no es conmutativa, es decir, en general, AB

no es igual a BA. 𝐴 ∙ 𝐵 ≠ 𝐵 ∙ 𝐴
• La multiplicación de matrices es asociativa, lo que significa que (𝐴 ∙ 𝐵) ∙
𝐶 = 𝐴 ∙ (𝐵 ∙ 𝐶) para cualquier conjunto de matrices 𝐴, 𝐵, y 𝐶 compatibles
para multiplicación.
• La multiplicación de matrices distribuye sobre la adición, es decir, 𝐴 ∙ (𝐵 +
𝐶) = 𝐴 ∙ 𝐵 + 𝐴 ∙ 𝐶 y (𝐴 + 𝐵) ∙ 𝐶 = 𝐴 ∙ 𝐶 + 𝐵 ∙ 𝐶.
• Si 𝐼 es la matriz identidad apropiada, entonces 𝐴𝐼 = 𝐼𝐴 = 𝐴 para cualquier
matriz 𝐴.
Ejemplo: Aplicación en Transformaciones Lineales
En gráficos por computadora, las transformaciones lineales se representan
comúnmente como multiplicaciones de matrices. Supongamos que queremos
aplicar una transformación que escala un objeto por un factor de dos en el eje x y
un factor de tres en el eje y. Podemos representar esta transformación como una
matriz S:
2 0
𝑆=[ ]
0 3
.
Si tenemos un punto (1,1) en el plano, la multiplicación de esta matriz por el
vector columna (1,2) nos dará el nuevo punto escalado (2,3). Esto ilustra cómo la
multiplicación de matrices se utiliza para realizar transformaciones geométricas
en gráficos por computadora y en otras aplicaciones similares.

ASTURIAS CORPORACIÓN UNIVERSITARIA®

Nota Técnica preparada por Asturias Corporación Universitaria. Su difusión, reproducción o
uso total o parcial para cualquier otro propósito queda prohibida. Todos los derechos
reservados.
3 Propiedades y Características de las Matrices: Simetría,
Inversibilidad y Determinantes
Simetría, Inversibilidad y Determinantes: Más allá de sus operaciones básicas,
las matrices poseen propiedades y características intrínsecas que las hacen
objetos matemáticos fascinantes. En el mundo de la simetría, la inversibilidad y
los determinantes, explorando cómo estas cualidades fundamentales influyen en
el comportamiento y la aplicación de las matrices en una variedad de situaciones,
desde la geometría hasta la resolución de sistemas de ecuaciones lineales.

3.1 Propiedades de simetría en matrices.

Las matrices son estructuras fundamentales en el álgebra lineal que representan

relaciones entre conjuntos de números. Entre las propiedades que pueden exhibir
las matrices, se destacan aquellas relacionadas con la simetría, las cuales
proporcionan información importante sobre su estructura y comportamiento.
Una propiedad de simetría común en las matrices es la simetría respecto a la
diagonal principal. Una matriz simétrica es aquella en la que los elementos son
simétricos respecto a dicha diagonal. Es decir, si la matriz es denotada como A,
entonces 𝐴𝑖𝑗 = 𝐴𝑗𝑖 para todos los elementos 𝐴𝑖𝑗 donde 𝑖 es diferente de 𝑗. Por
ejemplo, la siguiente matriz es simétrica:

1 2 3
𝐴 = [2 4 5]
3 5 6

Otra propiedad de simetría importante es la antisimetría, la cual se observa en

matrices antisimétricas. Estas matrices tienen la propiedad de que los elementos
opuestos a la diagonal principal tienen valores negativos iguales y opuestos.
Formalmente, una matriz 𝐵 es antisimétrica si 𝐵𝑖𝑗 = −𝐵𝑗𝑖 para todo 𝑖 y 𝑗. Por
ejemplo, la matriz siguiente es antisimétrica:

0 1 −2
𝐵 = [−1 0 3]
2 −3 0

ASTURIAS CORPORACIÓN UNIVERSITARIA®

Nota Técnica preparada por Asturias Corporación Universitaria. Su difusión, reproducción o
uso total o parcial para cualquier otro propósito queda prohibida. Todos los derechos
reservados.
Las propiedades de simetría en las matrices son esenciales en diversas áreas de
las matemáticas y la ciencia, desde la física hasta la ingeniería y la informática.
Estas propiedades proporcionan herramientas poderosas para analizar y
comprender la estructura de los datos representados por matrices, lo que permite
resolver una variedad de problemas en diferentes disciplinas.

3.2 Inversibilidad de matrices y cálculo de determinantes.

La inversibilidad de matrices es un concepto fundamental en el álgebra lineal que

juega un papel crucial en una variedad de aplicaciones en matemáticas y ciencias
aplicadas. Una matriz es considerada inversible, o invertible, si existe otra matriz
tal que su producto con la original sea la matriz identidad. La matriz identidad,
denotada por I, es una matriz cuadrada con unos en la diagonal principal y ceros
en el resto de los elementos.
Para determinar si una matriz es inversible, una herramienta esencial es el cálculo
de su determinante. El determinante de una matriz cuadrada A, denotado como
𝑑𝑒𝑡(𝐴) ó ∣ 𝐴 ∣, es un número que proporciona información crucial sobre las
propiedades de la matriz.
Una matriz es inversible si y solo si su determinante es distinto de cero.
Para calcular el determinante de una matriz, existen diferentes métodos, como el
método de Laplace, la expansión por cofactores o el método de eliminación de
Gauss. En cada caso, el objetivo es simplificar la matriz original mediante
operaciones elementales sin alterar el valor del determinante.
Por ejemplo, consideremos la matriz 𝐴:

2 1
𝐴=[ ]
4 3

Para calcular su determinante, podemos utilizar la regla

𝑑𝑒𝑡(𝐴) = 𝑎𝑑 − 𝑏𝑐, donde 𝑎, 𝑏, 𝑐, y 𝑑 son los elementos de la matriz. Aplicando esta
fórmula a la matriz 𝐴, obtenemos:
(2 ∙ 3) − (1 ∙ 4) = 6 − 4 = 2

𝑑𝑒𝑡(𝐴) = (2 ∙ 3) − (1 ∙ 4) = 6 − 4 = 2

ASTURIAS CORPORACIÓN UNIVERSITARIA®

Nota Técnica preparada por Asturias Corporación Universitaria. Su difusión, reproducción o
uso total o parcial para cualquier otro propósito queda prohibida. Todos los derechos
reservados.
Dado que el determinante de 𝐴 𝑒𝑠 2, que es diferente de cero, concluimos que 𝐴
es una matriz inversible.
La inversibilidad de matrices y el cálculo de determinantes son herramientas
esenciales en una amplia gama de áreas, desde la resolución de sistemas de
ecuaciones lineales hasta la diagonalización de matrices y la teoría de
transformaciones lineales. Estos conceptos son fundamentales para comprender y
resolver una variedad de problemas en matemáticas y disciplinas relacionadas.

4 Aplicaciones del Cálculo Matricial: Resolución de Sistemas

de Ecuaciones Lineales
El cálculo matricial es una herramienta poderosa que encuentra
aplicaciones en numerosos campos, desde la ingeniería hasta la economía.
Examina cómo las matrices se utilizan para resolver sistemas de ecuaciones
lineales, ofreciendo ejemplos concretos y demostrando cómo esta técnica
proporciona soluciones eficientes y elegantes a problemas complejos en diversas
áreas del conocimiento.

4.1 Uso de matrices para resolver sistemas de ecuaciones lineales.

Los sistemas de ecuaciones lineales son conjuntos de ecuaciones lineales que

comparten un conjunto común de variables. Resolver estos sistemas es un
problema común en matemáticas y ciencias aplicadas, y las matrices
proporcionan un enfoque poderoso y eficiente para abordar este desafío.
Un sistema de ecuaciones lineales puede representarse de manera matricial
utilizando matrices. Consideremos un sistema lineal general de m ecuaciones y 𝑛
incógnitas, que puede escribirse en forma matricial como 𝐴𝑋 = 𝐵, donde 𝐴 es una
matriz de coeficientes, 𝑋 es el vector de incógnitas y 𝐵 es el vector de términos
constantes.
Resolver un sistema de ecuaciones lineales implica encontrar el vector de
incógnitas 𝑋 que satisface todas las ecuaciones simultáneamente. Este proceso
se simplifica al utilizar operaciones matriciales, como la eliminación gaussiana o
el método de inversión de matrices.
Por ejemplo, consideremos el siguiente sistema de ecuaciones lineales:

ASTURIAS CORPORACIÓN UNIVERSITARIA®

Nota Técnica preparada por Asturias Corporación Universitaria. Su difusión, reproducción o
uso total o parcial para cualquier otro propósito queda prohibida. Todos los derechos
reservados.
 2𝑥 + 3𝑦 = 7
4𝑥 − 𝑦 = 2

Podemos escribir este sistema en forma matricial como:

2 3 𝑥 7
[ ][ ] = [ ]
4 −1 𝑦 2

Para resolver este sistema, primero representamos la matriz de coeficientes como

𝐴, el vector de incógnitas como 𝑋, y el vector de términos constantes como 𝐵.
Luego, podemos aplicar la inversión de matrices o la eliminación gaussiana para
encontrar el valor de 𝑋.
Utilizando eliminación gaussiana, podemos transformar la matriz 𝐴 en una matriz
triangular superior y luego despejar las incógnitas. Después de los pasos de
eliminación, obtenemos:

2 3 𝑥 13
[ ] [𝑦 ] = [ ]
1 −6 −15

Resolviendo este sistema, encontramos que 𝑥 = 2 y 𝑦 = 3 , lo que representa la

solución única del sistema de ecuaciones lineales.
El uso de matrices para resolver sistemas de ecuaciones lineales proporciona un
enfoque sistemático y eficiente para encontrar soluciones precisas en una amplia
gama de problemas, desde la ingeniería hasta la física y la economía. Este
enfoque es fundamental en el estudio y la aplicación de las matemáticas en
diversas disciplinas.

4.2 Interpretación geométrica de las soluciones de sistemas lineales

mediante matrices

La interpretación geométrica de las soluciones de sistemas lineales mediante

matrices proporciona una perspectiva visualmente intuitiva que ayuda a
comprender la relación entre las ecuaciones lineales y las soluciones que
representan en el espacio vectorial.

ASTURIAS CORPORACIÓN UNIVERSITARIA®

Nota Técnica preparada por Asturias Corporación Universitaria. Su difusión, reproducción o
uso total o parcial para cualquier otro propósito queda prohibida. Todos los derechos
reservados.
En términos geométricos, las ecuaciones lineales representan hiperplanos en un
espacio vectorial. Cada ecuación lineal reduce la dimensionalidad del espacio en
uno, dividiéndolo en dos semiespacios. La solución de un sistema de ecuaciones
lineales corresponde a la intersección de estos hiperplanos, si es que existe.
Por ejemplo, consideremos un sistema de dos ecuaciones lineales con dos
incógnitas:

2𝑥 + 3𝑦 = 6
−4𝑥 + 2𝑦 = 8

Podemos escribir este sistema en forma matricial como 𝐴𝑋 = 𝐵, donde:

2 3 𝑥 6
𝐴=[ ] , 𝑋 = [𝑦] , 𝐵 = [ ]
−4 2 8

La interpretación geométrica de este sistema implica encontrar la intersección de

los hiperplanos representados por las ecuaciones 2𝑥 + 3𝑦 = 6 y −4𝑥 + 2𝑦 = 8 en
el plano cartesiano. El primer hiperplano tiene una pendiente negativa, mientras
que el segundo tiene una pendiente positiva. La solución del sistema corresponde
al punto donde estos dos hiperplanos se cruzan. En este caso, la solución es un
único punto, que podemos encontrar algebraicamente utilizando métodos de
resolución de sistemas lineales.
En general, la interpretación geométrica de las soluciones de sistemas lineales
permite visualizar cómo las ecuaciones lineales definen relaciones espaciales
entre vectores en un espacio multidimensional. Esta perspectiva no solo facilita la
comprensión conceptual, sino que también proporciona herramientas visuales
poderosas para analizar y resolver sistemas de ecuaciones lineales en problemas
de ingeniería, física, y otras disciplinas aplicadas.

ASTURIAS CORPORACIÓN UNIVERSITARIA®

Nota Técnica preparada por Asturias Corporación Universitaria. Su difusión, reproducción o
uso total o parcial para cualquier otro propósito queda prohibida. Todos los derechos
reservados.
5 Introducción al Álgebra Lineal: Conceptos y Herramientas
Fundamentales
El álgebra lineal se erige como una piedra angular en la estructura de las
matemáticas, proporcionando un marco conceptual sólido para comprender
y analizar una amplia gama de fenómenos cuantitativos. En los conceptos y
herramientas fundamentales del álgebra lineal, delineando su importancia en la
modelización de sistemas, la optimización y la resolución de problemas del
mundo real.

5.1 Espacios vectoriales y subespacios

Los espacios vectoriales son estructuras matemáticas fundamentales que se

encuentran en diversas ramas de las matemáticas y las ciencias aplicadas. Estos
espacios proporcionan un marco abstracto para el estudio y la manipulación de
vectores, que pueden representar una amplia gama de objetos y fenómenos en el
mundo real.
Un espacio vectorial se define como un conjunto de vectores junto con dos
operaciones, la suma vectorial y la multiplicación por un escalar, que satisfacen
ciertas propiedades fundamentales, como la cerradura bajo estas operaciones y la
existencia de un vector cero y un inverso aditivo para cada elemento.
Un subespacio de un espacio vectorial es un conjunto de vectores que, en sí
mismo, forma un espacio vectorial bajo las operaciones definidas en el espacio
original. Es decir, un subespacio debe ser cerrado bajo la suma vectorial y la
multiplicación por un escalar.
Por ejemplo, consideremos el espacio vectorial tridimensional 𝑅3 , que consiste en
todos los vectores con tres componentes reales. Un subespacio común de 𝑅3 es el
plano que pasa por el origen. Este plano es un subconjunto de 𝑅3 que satisface
las propiedades de un espacio vectorial, ya que la suma de dos vectores en el
plano sigue estando en el plano, y la multiplicación por un escalar también.
Un subespacio de un espacio vectorial es un conjunto de vectores que, en sí
mismo, forma un espacio vectorial bajo las operaciones definidas en el espacio
original. Es decir, un subespacio debe ser cerrado bajo la suma vectorial y la
multiplicación por un escalar.
• Por ejemplo, consideremos el espacio vectorial tridimensional 𝑅3 , que
consiste en todos los vectores con tres componentes reales. Un subespacio
común de 𝑅3 es el plano que pasa por el origen. Este plano es un

ASTURIAS CORPORACIÓN UNIVERSITARIA®

Nota Técnica preparada por Asturias Corporación Universitaria. Su difusión, reproducción o
uso total o parcial para cualquier otro propósito queda prohibida. Todos los derechos
reservados.
 subconjunto de 𝑅3 que satisface las propiedades de un espacio vectorial, ya
que la suma de dos vectores en el plano sigue estando en el plano, y la
multiplicación por un escalar también.

5.2 Transformaciones lineales y sus representaciones matriciales.

Las transformaciones lineales son herramientas fundamentales en el álgebra

lineal que describen la relación entre dos espacios vectoriales de manera lineal.
Estas transformaciones preservan la estructura de los espacios vectoriales, lo que
significa que la suma de vectores y la multiplicación por escalares se conservan
bajo la transformación.
Una transformación lineal 𝑇 de un espacio vectorial 𝑉 a un espacio vectorial 𝑊
satisface dos propiedades principales:

𝑨𝒅𝒊𝒕𝒊𝒗𝒊𝒅𝒂𝒅: 𝑇(𝑢 + 𝑣) = 𝑇(𝑢) + 𝑇(𝑣) 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑢, 𝑣 𝑒𝑛 𝑉.

𝑯𝒐𝒎𝒐𝒈𝒆𝒏𝒆𝒊𝒅𝒂𝒅: 𝑇(𝑘𝑣) = 𝑘𝑇(𝑣)
𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑒𝑠𝑐𝑎𝑙𝑎𝑟 𝑘 𝑦 𝑡𝑜𝑑𝑜 𝑣𝑒𝑐𝑡𝑜𝑟 𝑣 𝑒𝑛 𝑉.

Una de las características más importantes de las transformaciones lineales es su

representación matricial. Dada una transformación lineal 𝑇 del espacio vectorial 𝑉
al espacio vectorial 𝑊, podemos encontrar una matriz 𝐴 tal que la aplicación de 𝑇
a un vector v se pueda expresar como la multiplicación de 𝐴 por 𝑣.
Por ejemplo, consideremos la transformación lineal T definida en 2R2 que rota
cada vector en el plano por un ángulo de 90 grados en sentido antihorario. La
representación matricial de esta transformación es:
0 −1
𝐴=[ ]
1 0
𝑥
𝑣 = [𝑦]

Dado un vector en 𝑅2 , la aplicación de la transformación 𝑇 se puede expresar

como:

ASTURIAS CORPORACIÓN UNIVERSITARIA®

Nota Técnica preparada por Asturias Corporación Universitaria. Su difusión, reproducción o
uso total o parcial para cualquier otro propósito queda prohibida. Todos los derechos
reservados.
 0 −1 𝑥 −𝑦
𝑇(𝑣) = 𝐴 ∙ 𝑣 = [ ] ∙ [𝑦] = [ ]
1 0 𝑥

Esta multiplicación de la matriz 𝐴 por el vector v proporciona las coordenadas del

vector 𝑣 después de aplicar la transformación 𝑇.
Las representaciones matriciales de las transformaciones lineales son
herramientas poderosas que permiten comprender y trabajar con estas
transformaciones de manera eficiente. Proporcionan una conexión importante
entre las transformaciones lineales y el álgebra de matrices, lo que facilita su
análisis y aplicación en una variedad de contextos, desde la geometría hasta la
informática y la ingeniería.

6 Conclusiones
• Las matrices son herramientas fundamentales en el álgebra lineal que
proporcionan un marco estructurado para representar y manipular datos en
forma tabular. A lo largo de los diferentes temas, hemos explorado
conceptos básicos como la definición y estructura de matrices, así como
propiedades más avanzadas como la simetría, la inversibilidad y los
determinantes.
• Las operaciones básicas con matrices, como la suma, resta y multiplicación,
son fundamentales para realizar cálculos y manipulaciones en matrices.
Hemos observado cómo estas operaciones tienen propiedades específicas
que las hacen útiles en diferentes contextos matemáticos y aplicaciones
prácticas.
• El cálculo matricial tiene numerosas aplicaciones en la resolución de
sistemas de ecuaciones lineales y la interpretación geométrica de las
soluciones. Estas aplicaciones son fundamentales en diversas áreas, desde
la ingeniería y la física hasta la economía y la informática.
• El álgebra lineal abarca una amplia gama de conceptos y herramientas
fundamentales, como los espacios vectoriales, los subespacios y las
transformaciones lineales. Estos conceptos son esenciales para comprender
y resolver problemas en una variedad de disciplinas y campos de estudio.

ASTURIAS CORPORACIÓN UNIVERSITARIA®

Nota Técnica preparada por Asturias Corporación Universitaria. Su difusión, reproducción o
uso total o parcial para cualquier otro propósito queda prohibida. Todos los derechos
reservados.
7 Bibliografía Recomendada
• Anton, H., & Rorres, C. (2016). Álgebra lineal con aplicaciones (11a ed.).
McGraw-Hill.
• Bretscher, O. (2017). Álgebra lineal con aplicaciones (5a ed.). Pearson
Educación.
• Castañeda Hernández, S., Barrios Sarmiento, A., & Gutiérrez García, I.
(2020). Manual de álgebra lineal. Universidad del Norte.
[Link]
• Costal Costa, D. (2001). El modelo relacional y el álgebra relacional. UOC
Papers.
[Link]
• Egoavil Vera, J. (2014). Fundamentos de matemática: Introducción al nivel
universitario. Universidad Peruana de Ciencias Aplicadas (UPC).
[Link]
• De la Sen, M., & Uso, J. L. (2017). Métodos matriciales y computacionales en
sistemas y control. Editorial Reverte.
• Fraleigh, J. B., & Beauregard, R. A. (2017). Álgebra lineal. Addison-Wesley
Iberoamericana.
• Grossman, S. I., & Flores, J. (2017). Álgebra lineal: Un enfoque moderno (3a
ed.). Grupo Editorial Patria.
• Gómez, M., & Mestre, G. (2019). Introducción al álgebra lineal. Editorial
Universitaria Ramón Areces.
• Halmos, P. R. (2019). Álgebra lineal problemario resuelto. Instituto
Politécnico Nacional.
• Howard, A. (2016). Álgebra lineal aplicada. Cengage Learning.
• Kolman, B., & Hill, D. R. (2017). Álgebra lineal con aplicaciones (9a ed.).
Pearson Educación.
• Larson, R., & Edwards, B. (2017). Cálculo y geometría analítica. Cengage
Learning.
• Martín Mollev, S. (2002). Las ideas básicas del cálculo. UOC Papers.

ASTURIAS CORPORACIÓN UNIVERSITARIA®

Nota Técnica preparada por Asturias Corporación Universitaria. Su difusión, reproducción o
uso total o parcial para cualquier otro propósito queda prohibida. Todos los derechos
reservados.
 [Link]
• Martínez, M. R. (2018). Aplicaciones del álgebra lineal: Geometría, grafos,
sistemas y criptografía. Editorial Universitaria Ramón Areces.
• Montes Lozano, A. (2002). Matrices, vectores y sistemas de ecuaciones
lineales. UOC Papers.
[Link]
• Martínez, H., & Sanabria, A. (2014). Álgebra lineal. Universidad del Valle.
[Link]
• Nering, E. D., & Tucker, H. G. (2019). Álgebra lineal y matrices (2a ed.).
Pearson Educación.
• Poole, D. (2018). Álgebra lineal: Una introducción moderna. Cengage
Learning.
• Rodríguez Vallejo, R. (2013). Matemáticas I. Volumen II. Estructuras
Algebraicas y Fundamentos de Álgebra Lineal: Estructuras Algebraicas y
Fundamentos de Álgebra Lineal. Tebar.
[Link]
• Soler Fajardo, F., Rojas Cortés, L., & Rojas Cárdenas, L. (2013). Matemáticas
conceptos previos al cálculo: Aplicaciones a ingeniería y ciencias
económicas. Ecoe Ediciones.
[Link]
• Strang, G. (2017). Introducción al álgebra lineal. Wellesley-Cambridge Press.
• Taylor, M. (2017). Análisis matricial de sistemas y estructuras. Editorial
Reverte.

ASTURIAS CORPORACIÓN UNIVERSITARIA®

Nota Técnica preparada por Asturias Corporación Universitaria. Su difusión, reproducción o
uso total o parcial para cualquier otro propósito queda prohibida. Todos los derechos
reservados.