Ministerio de Cultura y Educación Sistemas Dinámicos I

Universidad Tecnológica Nacional

Facultad Regional San Rafael Matemática

2008
Aspectos Teóricos
Tema: MATRICES
1. Concepto
Las matrices son herramientas convenientes para la sistematización de cálculos
laboriosos, proveyendo una notación compacta para almacenar información y describir
relaciones complicadas. Su uso está sumamente extendido en distintas ramas de la ciencia y
aún en aplicaciones no tan científicas, como puede ser la tabla de posiciones de un
campeonato deportivo o un listado de precios.

2. Definición
En una forma simple podríamos decir simplemente que una matriz1 es un arreglo o
disposición rectangular de números, dispuestos en filas y columnas.
Una matriz A de m x n es un arreglo rectangular de m.n números dispuestos en m
filas y n columnas. Cada uno de los números que componen a una matriz se llaman elementos
de la matriz. Estos números pueden ser reales o complejos.

3. Notación
Las matrices se pueden indicar de muchas maneras, dependiendo en general del texto
o autor. Las más comunes son indicar la matriz con una letra mayúscula o minúscula, en
negrita, A o a. Por ejemplo:
⎡2 i 3 4 − 2i ⎤ ⎡1 0 0⎤
A= [a 3 −2 7] B =⎢ 1 ⎥ ⎢
I= 0 1 0
⎥
⎢6 0 ⎥ ⎢ ⎥
⎣ 3 ⎦ ⎢⎣0 0 1⎥⎦
En muchas oportunidades es necesario indicar en forma genérica una matriz, y usamos
la siguiente notación:
para indicar que la matriz A se forma a partir de un término genérico aij ,
A = [ ai j ] donde “i” indica la fila la y “j” la columna. Dicho de otra manera aij
indica el elemento de la matriz que está en la “i-ésima” fila y en la “j-
ésima” columna.
Así, una matriz genérica podía escribirse:

1
El término “matriz” fue introducido por primera vez por el matemático inglés James J. Sylvester (1814-1897)
con el propósito de distinguir entre matrices y determinantes. La idea era que matriz significaba madre de los
determinantes.
//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 1
 ⎡ a 11 " acolumna
a 12 j- ésima 1j " a 1n ⎤
⎢a a 22 " a 2 j " a 2n ⎥
⎢ 21 ⎥
⎢ # # # # # # ⎥
A= [ aij ] = ⎢ ⎥
⎢ a i1 a i 2 " a ij " a in ⎥ i- ésima fila
⎢ # # # # # # ⎥
⎢ ⎥
⎢⎣a m1 a m2 " a mj " a mn ⎥⎦

En algunos casos es útil indicar el “tamaño” de la matriz, o sea el número de filas y

columnas. Una forma de hacerlo es decir A (m x n ) o simplemente decir que A es una matriz de
(m x n). Por ejemplo si decimos que A (3 x 2) = [ aij ] estaremos hablando de una matriz
genérica de 3 filas y 2 columnas:
⎡a 11 a 12 ⎤
⎢
A = a 21 a 22
⎥
⎢ ⎥
⎢⎣a 31 a 32 ⎥⎦
a. Notación y escritura en Math
Para Mathematica, una matriz es solamente una lista de listas.

A={{2,3,4},{-I, 2-I, 3 }}
{{2, 3, 4}, {-I, 2 - I, 3 }}

Si deseamos ver la matriz en la distribución habitual debemos usar el comando:

MatrixForm[A]
2 3 4
-I 2 - I 3

También podríamos haber usado la opción indicada para modificar la salida:

A={{2,3,4},{-I, 2-I, 3 }}//MatrixForm

2 3 4
-I 2 - I 3

La diferencia entre una opción y la otra es que en el segundo caso la salida transforma
a la matriz en un elemento “no operable”. Para evitar esto y además ver la matriz en forma
cómoda la opción sería:

A={{2,3,4},{-I, 2-I, 3 }};MatrixForm[A]

2 3 4
-I 2 - I 3

La definición de una matriz genérica se hace a través del comando:

M= Array[a,{m,n}]

En este comando m representa el número de filas y n el de columnas. Ambos deben

ser números naturales.

//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 2

M= Array[m,{2,3}];MatrixForm[M]
m[1, 1] m[1, 2] m[1, 3]

m[2, 1] m[2, 2] m[2, 3]

3.2.Elementos de una matriz

En muchas oportunidades es importante indicar un elemento de una matriz. Esto lo
hacemos usando el doble subíndice. Así el elemento a24 será el elemento de la matriz A que
está en la fila 2 y columna 4. Por ejemplo:

⎡−2 9 0 −7⎤
si A = ⎢
8 −6 −1⎥⎦
entonces a24= - 1; a21 = 1; etc.
⎣1
a. Math
En el uso de Math la determinación de elementos de una matriz (o lista) es importante
y con muchas opciones. Por ejemplo podemos extraer una fila, o un elemento, o una
submatriz.
Definamos como ejemplo una matriz genérica de 3 filas y 4 columnas.

A= Array[a,{3,4}];MatrixForm[A]
a[1, 1] a[1, 2] a[1, 3] a[1, 4]
a[2, 1] a[2, 2] a[2, 3] a[2, 4]
a[3, 1] a[3, 2] a[3, 3] a[3, 4]

Extraigamos por ejemplo la primera fila:

A[[1]]
{a[1, 1], a[1, 2], a[1, 3], a[1, 4]}

Obtengamos el elemento que está en la fila 1, columna 3.

A[[1,3]]
a[1, 3]

Si deseamos una submatriz, por ejemplo la segunda y tercera fila, a partir de la tercera
columna utilizamos la siguiente estructura. La primera llave indica las filas a considerar y la
segunda las columnas.

A[[{2,3},{3,4}]]//MatrixForm
a[2, 3] a[2, 4]
a[3, 3] a[3, 4]

Si necesitamos los elementos de la fila 1, que están en las columnas 2 y 4:

A[[{2},{2,4}]]//MatrixForm
a[2, 2] a[2, 4]

3.3.Definición mediante una regla

En algunos casos se puede o es necesario definir los elementos de una matriz a través
de una expresión de tipo funcional, en función de i (número de fila) y j (número de columna).
Por ejemplo, si deseamos definir una matriz en la que cada elemento se obtenga según
la siguiente función:
V (2 x 3) = [vi j ] / vij = i2 + j

//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 3

el elemento v11 se obtendrá: 12 + 1 = 2. El elemento v21 presenta un valor de i=2, por lo que i2
= 4, y un valor de j =1, por lo que el elemento v21 resulta igual a 5.
Para obtenerla con Math recurrimos a la notación utilizada en funciones cuando
deseamos establecer dependencia de una o más variables, de asignación inmediata.

v[i_,j_]=N[i^2+ j]
2
i + j

V=Array[v,{2,3}]
{{2, 3, 4}, {5, 6, 7}}

V1=MatrixForm[V]
2 3 4
5 6 7
4. Matrices especiales
Es importante conocer algunas matrices especiales.

4.1. Matriz fila

Es una matriz que consta exclusivamente de una fila. Será por ejemplo una matriz A(1 x
n), indicando esto que será una matriz de una fila y “n” columnas.
A = [ a1 1 ... a1 j ... a1 n ]

4.2. Matriz columna

Es una matriz que consta exclusivamente de una columna. Será por ejemplo una
matriz A(m x 1), indicando esto que será una matriz de “m” filas y sólo una columna.
⎡ a 11 ⎤
⎢ # ⎥
⎢ ⎥
A = ⎢ a i1 ⎥
⎢ ⎥
⎢ # ⎥
⎢⎣a m1 ⎥⎦

4.3.Matrices cuadradas
Cuando una matriz tiene el mismo número de filas y de columnas se llama cuadrada,
o sea toda matriz A(m x n ) tal que m = n o sea A(n x n ).
⎡ a 11 " a 1n ⎤
A= #
⎢ a 11 # ⎥⎥
⎢
⎢⎣a n1 " a nn ⎥⎦
a. Matrices triangulares
Algunos casos de matrices cuadradas tienen interés especial, como las llamadas
triangulares (superior e inferior):
⎡a 11 " a 1 j a 1n ⎤ Esta matriz se llama triangular superior, y su
⎢0 a " a 2n ⎥ característica principal es que todos los elementos que
A= ⎢ ⎥
22
se encuentran por debajo de la diagonal principal ( aij
⎢0 # # # ⎥ tales que i = j) valen 0. También se pueden definir
⎢ ⎥
⎣ 0 " 0 a nn ⎦ diciendo que son matrices:
A(n x n) = [ ai j ] / ai j = 0 si i > j

//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 4

 ⎡ a 11 0 " 0 ⎤ Esta matriz se llama triangular inferior, y su
⎢ # a 22 " 0 ⎥ característica principal es que todos los elementos que
A= ⎢ ⎥ se encuentran por encima de la diagonal principal valen
⎢ a i1 # # # ⎥ 0. También se pueden definir diciendo que son matrices:
⎢ ⎥
⎢⎣a n1 " a nj a nn ⎥⎦ A(n x n) = [ ai j ] / ai j = 0 si i < j

b. Matrices diagonales
Un caso especial de matrices triangulares son las diagonales. Se caracterizan por que
todos los elementos que están por encima y por debajo de la diagonal valen 0.
⎡a 11 0 " 0 ⎤ También se pueden definir diciendo que son matrices:
⎢ # a 0 ⎥ A(n x n) = [ ai j ] / ai j = 0 si i ≠ j
22 "
A= ⎢ ⎥
⎢0 # # # ⎥
⎢ ⎥
⎣ 0 " 0 a nn ⎦
c. Matrices escalares
Un caso especial de matrices diagonales son las escalares. Se caracterizan por ser una
matriz diagonal en la que todos los elementos de la diagonal son iguales.
⎡k 0 " 0⎤ También se pueden definir diciendo que son matrices:
⎢ # k " 0⎥ A(n x n) = [ ai j ] / ai j = 0 si i ≠ j y aij = k si i = j
A= ⎢ ⎥
⎢0 # # # ⎥
⎢ ⎥
⎣0 " 0 k⎦

d. Matrices identidad
Representan un caso particular de matrices escalares. Los elementos de la diagonal
valen 1.
⎡1 0 " 0⎤ También se pueden definir diciendo que son matrices:
⎢ # 1 " 0⎥ I(n x n) = [ ai j ] / ai j = 0 si i ≠ j y ai j = 1 si i = j
I= ⎢ ⎥
⎢0 # # # ⎥
⎢ ⎥
⎣0 " 0 1⎦
Math permite definir matrices identidad fácilmente, ya que son importante en el
álgebra de matrices.
El comando es el siguiente:

IdentityMatrix[n]

En este comando “n” indica el orden de la matriz.

I1=IdentityMatrix[3];MatrixForm[I1]

1 0 0

0 1 0

0 0 1

//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 5

e. Matrices simétrica, antisimétrica:
Matriz simétrica es aquella en la cual sus elementos aij son iguales para i≠j; mientras que los a ij son
iguales a sí mismos para i=j.
Matriz antisimétrica es la que tiene los elementos aij son opuestos para i≠j y son cero (0) para i=j.
Matriz conjugada:
Matriz conjugada de A es aquella que tiene como elementos los conjugados de la matriz A.
Obviamente para que una matriz tenga conjugada debe poseer elementos (al menos uno) que
pertenezcan a los números complejos.

5. Transpuesta de una matriz

En muchas oportunidades resulta de interés utilizar el concepto de matriz transpuesta
o transpuesta de una matriz.
Dada una matriz A( m x n ) y una matriz B( n x m ) se dice que B es la transpuesta de A si
cumple con la condición:

B( n x m ) es transpuesta de A(m x n) ⇔ [aij ] = [ bji ] para todo “i “, “j”

Se dice que B = AT o simplemente que AT es la matriz transpuesta de A.

Expresado esto de otra forma diríamos que una matriz es transpuesta de otra si se
obtiene al cambiar “filas por columnas”.
Simbólicamente:
⎡a 11 a 12 "⎤
⎢a ⎡ a 11 a 21 a 31 "⎤
a 22 "⎥
A=⎢
21 ⎥ ⇒ A = ⎢a 12 a 22 a 32 "⎥
T
⎢a 31 a 32 "⎥ ⎢ ⎥
⎢ ⎥ ⎢⎣ # # # # ⎥⎦
⎣# # # ⎦

En Math:
A={{a11,a12,a13},{a21,a22,a23}};MatrixForm[A]

a11 a12 a13

a21 a22 a23

At=Transpose[A];MatrixForm[At]
a11 a21
a12 a22
a13 a23

En el caso particular de usar Math, esta operación permite efectuar una tarea que en
otra forma sería engorrosa, y es el poder seleccionar una columna de una matriz. Esto se hace
fácilmente si en lugar de tomar la columna de una matriz, tomamos la fila correspondiente de
la transpuesta.
Así, si deseamos la primera columna de la matriz A:

Transpose[A][[1]]
{a11, a21}

Este resultado en realidad no es una matriz, sino un vector, pero conociendo el hecho
se puede utilizar sin problema.

//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 6

6. Álgebra de matrices
El álgebra de matrices implica varias operaciones similares a las que ya conocemos de
los números reales, pero con otras profundamente distintas.

6.1. Igualdad de matrices

Dos matrices, A y B son iguales si son del mismo tamaño y sus elementos
correspondientes son iguales:
A(m x n ) = B(m x n ) ⇔ aij = bij para todo i, j

Por ejemplo, si deseamos verificar la igualdad de dos matrices, cuyos elementos en su

mayoría son iguales.
A={{2,3,1},{-2,1,4}};MatrixForm[A]
2 3 1
-2 1 4
B={{2,3,1},{2,1,4}};MatrixForm[B]
2 3 1
2 1 4

A==B
False

B1={{2,3,1},{-2,1,4}};MatrixForm[B1]
2 3 1
-2 1 4

A==B1
True

6.2.Suma de matrices
La suma de matrices se puede realizar (o es conformable) sólo cuando ambas son del
mismo tamaño.
A(m x n ) = [aij] y B(m x n ) = [bij] ⇒ A + B = C / cij = aij + bij para todo i, j

A=Array[a,{2,3}];MatrixForm[A]
a[1, 1] a[1, 2] a[1, 3]
a[2, 1] a[2, 2] a[2, 3]

B=Array[b,{2,3}];MatrixForm[B]
b[1, 1] b[1, 2] b[1, 3]
b[2, 1] b[2, 2] b[2, 3]

S=A+B;MatrixForm[S]
a[1, 1] + b[1, 1] a[1, 2] + b[1, 2] a[1, 3] + b[1, 3]
a[2, 1] + b[2, 1] a[2, 2] + b[2, 2] a[2, 3] + b[2, 3]

Escrito simbólicamente:

//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 7

 ⎡a 11 a 12 a 13 ⎤ ⎡ b 11 b 12 b 13 ⎤ ⎡ a 11 + b 11 a 12 + b 12 a 13 + b 13 ⎤
⎢a a 22 a 23 ⎥⎥ + ⎢⎢ b 21 b 22 b 23 ⎥⎥ = ⎢⎢a 21 + b 21 a 22 + b 22 a 23 + b 23 ⎥⎥
⎢ 21
⎢⎣a 31 a 32 a 33 ⎥⎦ ⎢⎣ b 31 b 32 b 33 ⎥⎦ ⎢⎣a 31 + b 31 a 31 + b 32 a 33 + b 33 ⎥⎦

a. Propiedades de la suma:
1. Asociativa

Dadas las matrices A(m x n ) ; B(m x n ) ; C (m x n ) se verifica:

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

A=Array[a,{3,3}];

B=Array[b,{3,3}];

F=Array[f,{3,3}];

(A+B)+F==A+(B+F)

True

Nota: hemos usado F en lugar de C , D o E porque estos últimos símbolos están protegidos
para Math .

2. Existencia de elemento neutro para la suma

Existe una matriz nula, para cada tamaño que verifica:

∀A(m x n) , ∃ 0(m x n ) / A + 0 = A

o = {{0,0,0},{0,0,0},{0,0,0}}
{{0, 0, 0}, {0, 0, 0}, {0, 0, 0}}

MatrixForm[o]
0 0 0
0 0 0
0 0 0

A+o//MatrixForm
a[1, 1] a[1, 2] a[1, 3]
a[2, 1] a[2, 2] a[2, 3]
a[3, 1] a[3, 2] a[3, 3]
Nota: hemos usado “o” en lugar de 0 porque este último símbolo está protegido para Math .

3. Existencia de matrices opuestas

Dada una matriz A(m x n) , existe una matriz B(m x n )

∀A(m x n) ∃B(m x n ) / A + B = 0

Esa matriz, llamada opuesta se la designa como -A y verifica entonces:

A + (-A) = 0

//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 8

A=Array[a,{3,3}]; MatrixForm[A]
a[1, 1] a[1, 2] a[1, 3]
a[2, 1] a[2, 2] a[2, 3]
a[3, 1] a[3, 2] a[3, 3]

B= -A;MatrixForm[B]
-a[1, 1] -a[1, 2] -a[1, 3]
-a[2, 1] -a[2, 2] -a[2, 3]
-a[3, 1] -a[3, 2] -a[3, 3]

S=A+B;MatrixForm[S]
0 0 0
0 0 0
0 0 0

4. Conmutativa

Dada dos matrices A(m x n) y B(m x n ) se verifica:

A+B=B+A

A=Array[a,{3,3}];
B=Array[b,{3,3}];

A+B==B+A
True

6.3.Producto de un escalar por una matriz (múltiplo escalar de una matriz)

Sea un escalar k, y una matriz A(m x n ) , se define el producto del escalar por la matriz
a la matriz resultante de multiplicar cada elemento de la matriz por el escalar.

k. A(m x n ) = k. [aij] = [ k. a ij]

A=Array[a,{3,3}];

P=k*A;MatrixForm[P]
k a[1, 1] k a[1, 2] k a[1, 3]
k a[2, 1] k a[2, 2] k a[2, 3]
k a[3, 1] k a[3, 2] k a[3, 3]

Nota:
Para indicar el producto en Math debe usarse el asterisco *, o espacio en blanco y no
el punto (en este caso la operación es otra, que ya veremos oportunamente).

Simbólicamente:
⎡a 11 a 12 a 13 ⎤ ⎡ k. a 11 k. a 12 k. a 13 ⎤
A = ⎢⎢a 21 a 22 a 23 ⎥⎥ ⇒ k ⋅ A = ⎢ k. a
⎢ 21 k. a 22 k. a 23 ⎥⎥
⎢⎣a 31 a 32 a 33 ⎥⎦ ⎢⎣ k. a 31 k. a 32 k. a 33 ⎥⎦

a. Propiedades del producto de escalar por matriz

1. Distributiva con respecto a la suma de matrices

Sea el escalar k y las matrices A(m x n) y B(m x n ) se verifica:

//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 9

 k . (A +B) = k. A + k. B

A=Array[a,{3,2}];

B=Array[b,{3,2}];

PE1=k*(A+B)//Expand;MatrixForm[PE1]
k a[1, 1] + k b[1, 1] k a[1, 2] + k b[1, 2]
k a[2, 1] + k b[2, 1] k a[2, 2] + k b[2, 2]
k a[3, 1] + k b[3, 1] k a[3, 2] + k b[3, 2]

PE2=k*A+k*B;MatrixForm[PE2]
k a[1, 1] + k b[1, 1] k a[1, 2] + k b[1, 2]
k a[2, 1] + k b[2, 1] k a[2, 2] + k b[2, 2]
k a[3, 1] + k b[3, 1] k a[3, 2] + k b[3, 2]

2. Distributiva con respecto a la suma de escalares

Sean los escalares k y m y la matriz A(m x n) se verifica:

(k + m) A = k A + m A

A=Array[a,{3,2}];

PE=(k+l)*A; MatrixForm[PE]

(k + l) a[1, 1] (k + l) a[1, 2]
(k + l) a[2, 1] (k + l) a[2, 2]
(k + l) a[3, 1] (k + l) a[3, 2]

Expand[PE]//MatrixForm
k a[1, 1] + l a[1, 1] k a[1, 2] + l a[1, 2]
k a[2, 1] + l a[2, 1] k a[2, 2] + l a[2, 2]
k a[3, 1] + l a[3, 1] k a[3, 2] + l a[3, 2]

PE1=k*A+l*A;MatrixForm[PE1]
k a[1, 1] + l a[1, 1] k a[1, 2] + l a[1, 2]
k a[2, 1] + l a[2, 1] k a[2, 2] + l a[2, 2]
k a[3, 1] + l a[3, 1] k a[3, 2] + l a[3, 2]

3. Asociativa mixta

Sean los escalares k y m y la matriz A(m x n) se verifica:

(k . m) A = k (m A )

A=Array[a,{3,2}];

PE=(k*l)*A;MatrixForm[PE]

k l a[1, 1] k l a[1, 2]
k l a[2, 1] k l a[2, 2]
k l a[3, 1] k l a[3, 2]

PE1=k*(l*A);MatrixForm[PE1]
k l a[1, 1] k l a[1, 2]
k l a[2, 1] k l a[2, 2]
k l a[3, 1] k l a[3, 2]

//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 10

6.4. Producto de matrices
Esta operación entre matrices es bastante singular. En realidad es posible definir
distintos tipos de productos entre matrices, dependiendo esto de la aplicación en la que se va a
usar. En nuestro caso, dado que estamos haciendo una introducción al álgebra de matrices, y
que estamos abordando los aspectos básicos de ella, nos ocuparemos del producto tradicional,
y analizaremos sus propiedades.

a. Definición

La definición establece en primer lugar que las dos matrices a multiplicar, para que
sean conformables para el producto no deben ser del mismo tamaño, sino que el número de
columnas de la primera sea igual al número de filas de la segunda. También se establece en
la definición que la matriz producto debe tener el mismo número de filas de la primera y el de
columnas de la segunda.

Esta definición, si bien parece absolutamente arbitraria y sin sentido tiene su origen en
un problema de transformaciones lineales (que no hacen al fondo de la cuestión). Fue
establecido por Cayley (1821-1895) en 1857, al igual que el resto del álgebra de matrices.

Cada elemento de la matriz producto se obtiene como resultado de una suma

algebraica formada a partir de los elementos de una fila de la primer matriz por los elementos
de una columna de la segunda, como vemos en el siguiente esquema:

⎡ b 11 b 12 b13 "⎤
⎢ b 21 b 22 b 23 "⎥
⎢ ⎥
⎢ b 31 b 32 b 33 "⎥
⎢ ⎥
⎣ # # # # ⎦
⎡a 11 a 12 a 13 "⎤ ⎡c11 c12 c13 "⎤
⎢a a 22 a 23 "⎥ ⎢c c 22 c 23 "⎥
⎢ 21 ⎥ = ⎢ 21 ⎥
⎢a 31 a 32 a 33 "⎥ ⎢c 31 c 32 c 33 "⎥
⎢ ⎥ ⎢ ⎥
⎣# # # # ⎦ ⎣# # # # ⎦

Donde:
c11 = a11 . b11 + a12 . b21 + a13 .b31 c12 = a11 . b12 + a12 . b22 + a13 .b32 c13 = a11 . b13 + a12 . b23 + a13 .b33

Como quedaría la matriz producto lo podemos ver en el esquema siguiente:

⎡ a 11 . b 11 + a 12 . b 21 + a 13 . b 31 a 11 . b 12 + a 12 . b 22 + a 13 . b 32 a 11 . b 13 + a 12 . b 23 + a 13 . b 33 "⎤
⎢a . b + a . b + a . b a 21 . b 12 + a 22 . b 22 + a 23 . b 32 a 21 . b13 + a 22 . b 23 + a 23 . b 33 "⎥
⎢ 21 11 22 21 23 31 ⎥
⎢a 31 . b 11 + a 32 . b 21 + a 33 . b 31 a 31 . b 12 + a 32 . b 22 + a 33 . b 32 a 31 . b13 + a 32 . b 23 + a 33 . b 33 "⎥
⎢ ⎥
⎣ # # # ⎦

Analicemos el concepto haciendo uso de Mathematica . Consideremos dos matrices,

conformables para el producto según el esquema antes mencionado:

A={{a11,a12},{a21,a22},{a31,a32}};MatrixForm[A]
a11 a12
a21 a22
a31 a32
//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 11
B={{b11,b12},{b21,b22}};MatrixForm[B]
b11 b12
b21 b22

P=A.B;MatrixForm[P]
a11 b11 + a12 b21 a11 b12 + a12 b22
a21 b11 + a22 b21 a21 b12 + a22 b22
a31 b11 + a32 b21 a31 b12 + a32 b22

Como se ve en el producto el resultado corresponde a la definición, que trataremos a

continuación de formalizar simbólicamente:

Sean las matrices A (m x n ) y B (n x r) se define el producto A x B como la matriz C

(m x r), en la cual cada elemento se obtiene como sigue:
n
c ij = a i1 ⋅ b 1 j + a i 2 ⋅ b 2 j +"+ a ik ⋅ b kj +"+ a in ⋅ b nj = ∑ a ik ⋅ b kj
k =1
n
A. B = C = [ ci j ] / cij = ∑ a ik ⋅ b kj
k =1
En el caso de hacer uso de Mathematica es importante aclarar que está preparado para
desarrollar dos productos, uno llamado “elemento a elemento”, en el cual se multiplica cada
elemento de la primera matriz por cada uno de la segunda. Este tipo de producto se desarrolla
en algunas aplicaciones y no es el que estamos estudiando.

A={{a11,a12,a13},{a21,a22,a23}};MatrixForm[A]
a11 a12 a13
a21 a22 a23

B={{b11,b12,b13},{b21,b22,b23}};MatrixForm[B]
b11 b12 b13
b21 b22 b23

A*B;MatrixForm[A*B]
a11 b11 a12 b12 a13 b13
a21 b21 a22 b22 a23 b23

Igual resultado obtenemos si usamos un espacio en blanco:

A B;MatrixForm[A B]
a11 b11 a12 b12 a13 b13
a21 b21 a22 b22 a23 b23

Si para estas dos matrices intentamos el producto tradicional, no podrá ejecutarlo.

A.B
Dot::dotsh:
Tensors {{a11, a12, a13}, {a21, a22, a23}} and
{{b11, b12, b13}, {b21, b22, b23}}
have incompatible shapes.

{{a11, a12, a13}, {a21, a22, a23}} .

{{b11, b12, b13}, {b21, b22, b23}}

La respuesta indica que no puede resolver la operación indicada por no ser de “formas
compatibles”.

//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 12

Ejemplos:
⎡−1 0⎤ ⎡0 2 −9⎤ ⎡0 -2 9⎤
⎢ 2 7⎥. ⎢1 −2 5 ⎥ = ⎢7 - 10 - 81⎥⎦
⎣ ⎦⎣ ⎦ ⎣

A={{-1,0},{2,7}};
B={{0,2,-9},{1,-2,-9}};

A.B;MatrixForm[A.B]
0 -2 9
7 -10 -81

Si verificamos la operación según la definición, veremos que A es de (2 x 2) y B es de

(2 x 3), por lo tanto A.B debe ser de 2 x 3.
Los elementos del producto serán los siguientes. Recordemos que para poder
multiplicar por una columna de B debemos tomar la fila correspondiente de la transpuesta.

c11= A[[1]].Transpose[B][[1]]
0

c12= A[[1]].Transpose[B][[2]]
-2

c13= A[[1]].Transpose[B][[3]]
9
Así sucesivamente.
b. Propiedades del producto
a- Asociativa
Sean las matrices A( m x n), B(n x r) y C( r x p ) entonces se verifica:
( A B ) C = A (B C)

Es obvio decirlo, pero para poder verificar la propiedad enunciada es necesario que B
tenga el mismo número de filas que columnas tiene A, y C el mismo número de filas que
columnas el producto de A por B, o sea el número de columnas de B en definitiva.
A=Array[a,{2,3}];MatrixForm[A]
B=Array[b,{3,2}];MatrixForm[B]
F=Array[f,{2,2}];MatrixForm[F]
a[1, 1] a[1, 2] a[1, 3]
a[2, 1] a[2, 2] a[2, 3]

b[1, 1] b[1, 2]
b[2, 1] b[2, 2]
b[3, 1] b[3, 2]

f[1, 1] f[1, 2]
f[2, 1] f[2, 2]

(A.B).F==A.(B.F)
True
No se han mostrado ambos miembros de la igualdad en virtud de que las expresiones
obtenidas son algo complicadas para visualizar lo que se desea. No obstante los interesados
podrán verificarlo manualmente o con Math.
Podemos ver un ejemplo.

A={{-1,2,3},{3,2,0}};MatrixForm[A]
B={{2},{-1},{2}};MatrixForm[B]

//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 13

F={{-1,2,4}};MatrixForm[F]
-1 2 3
3 2 0

2
-1
2

-1 2 4

P1=A.B;MatrixForm[P1]
2
4

P1.F//MatrixForm
-2 4 8
-4 8 16

P2=B.F;MatrixForm[P2]
-2 4 8
1 -2 -4
-2 4 8

A.P2//MatrixForm
-2 4 8
-4 8 16

A.(B.F)==(A.B).F
True

b- Distributiva con respecto a la suma de matrices

Sean A( m x n) , B(n x r ); C( r x p) se verifica:

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

En el enunciado de esta propiedad se establecen las características de las matrices para

que puedan ser conformables para ambas operaciones, esto significa que B y C deben tener el
mismo “tamaño” para que podamos sumarlas y tener el mismo número de filas que columnas
tiene A.

A=Array[a,{2,3}];
B=Array[b,{3,3}];
F=Array[f,{3,3}];

(A.(B+F)//Expand)==(A.B+A.F//Expand)
True
Es necesario incorporar el comando Expand ya que en caso contrario no las
identifica como iguales.
c- Asociativa con respecto al producto por escalar

Sean las matrices A( m x n ) y B(n x r) y el escalar k, se verifica:

k *(A.B) = (k *A).B = A.(k*B)

Esta propiedad es de simple demostración, por lo que se deja por cuenta del lector.

//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 14

d- La multiplicación de matrices no es conmutativa

Por lo general A.B ≠ B.A. La causa es obvia. Si se puede realizar el producto A.B
implica que el número de filas de B es igual al número de columnas de A, pero en los
requerimientos para este producto no se establecen condiciones para el número de filas de A
ni las columnas de B. Por lo tanto, si intentamos el producto en sentido contrario no siempre
podrá realizarse, y es por esto que decimos que por lo general no se puede hacer.

A continuación veamos algunos casos especiales. Supongamos que A es de (m x n) y

que B es de n x m. Obviamente se puede realizar en ambos sentidos. Sin embargo, (A . B ) es
de m x m y (B. A) es de n x n . Por esta razón ambos productos no son iguales.

Debido a la no conmutatividad del producto es que al hablar de producto de matrices

es necesario indicar si es por izquierda (premultiplicar) o por derecha (posmultiplicar).

¿ Qué sucedería si A y B fuesen matrices cuadradas, por ejemplo de m x m ?. Sin duda

ambos productos serían matrices del mismo tamaño, pero en general no serían iguales. La
razón es que se multiplican distintas filas por columnas, como veremos:

A=Array[a,{2,2}];
B=Array[b,{2,2}];

P1=A.B;MatrixForm[P1]
a[1, 1] b[1, 1] + a[1, 2] b[2, 1] a[1, 1] b[1, 2] + a[1, 2] b[2, 2]

a[2, 1] b[1, 1] + a[2, 2] b[2, 1] a[2, 1] b[1, 2] + a[2, 2] b[2, 2]

P2=B.A;MatrixForm[P2]
a[1, 1] b[1, 1] + a[2, 1] b[1, 2] a[1, 2] b[1, 1] + a[2, 2] b[1, 2]

a[1, 1] b[2, 1] + a[2, 1] b[2, 2] a[1, 2] b[2, 1] + a[2, 2] b[2, 2]

Si comparamos los elementos de las dos matrices, veremos que no son iguales. Esto
también lo asegura Math, al no poder decir ni True, ni False, por no saber que valor pueden
tener estos elementos (verificarlo).
En definitiva, ¿ por qué razón no decimos entonces que nunca es conmutativa ?.
Porque hay algunos casos, muy especiales en los cuales el producto si es conmutativo (todos
ellos para matrices cuadradas). Uno de estos lo veremos en la propiedad siguiente, y los otros
más adelante.

e- Elemento neutro

Sin duda que en este producto tan especial es dado preguntarse si habrá elementos
neutros, esto es que exista alguna matriz que multiplicada por otra no la altere.
Para poder responder a esto debiéramos en primer lugar recordar algunas cosas sobre
otros neutros estudiados, como los de los numeros reales. En esos casos los neutros siempre
resultaron bilaterales, esto es que operados por derecha y por izquierda, actuaban como tales.
En el caso del producto de matrices, por su caracter no conmutativo esto parecería
difícil. Sin embargo analicemos esto un poco más.
Sea una matriz A( m x m), o sea cuadrada ¿ que sucederá ya que existe en ellas una cierta
posibilidad de conmutatividad ?. Veamos esto usando un comando de Math , LinearSolve
como recurso.

?LinearSolve

//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 15

LinearSolve[m, b] gives the vector x which solves the
matrix equation m.x==b.

La ayuda nos dice que este comando permite hallar un “vector” (matriz para nosotros)
que multiplicado por derecha (o posmultiplicado ) de como resultado cierta matriz.

A=Array[a,{2,2}];MatrixForm[A]
a[1, 1] a[1, 2]
a[2, 1] a[2, 2]

n=LinearSolve[A,A];MatrixForm[n]
1 0
0 1

Este resultado es razonable, ya que hemos obtenido una matriz identidad. Veamos si al
multiplicar por izquierda este sigue siendo neutro.

n.A==A.n==A
True

En consecuencia podemos escribir que para matrices cuadradas, se verifica que para
toda A( m x m) existe una matriz I( m x m) tal que:

A.I = I. A = A

En el caso de matrices rectangulares, la situación es distinta, ya que no es posible

multiplicar en ambos sentidos por la misma identidad. En ese caso podemos escribir:

Si A es de (m x n), existen dos matrices, I1(m x m) e I2( n x n) tal que:

I1. A = A
A. I2= A

A=Array[a,{2,3}];

I1=IdentityMatrix[2]
{{1, 0}, {0, 1}}

P1=I1.A;MatrixForm[P1]
a[1, 1] a[1, 2] a[1, 3]
a[2, 1] a[2, 2] a[2, 3]

I2=IdentityMatrix[3]
{{1, 0, 0}, {0, 1, 0}, {0, 0, 1}}

P2=A.I2;MatrixForm[P2]
a[1, 1] a[1, 2] a[1, 3]
a[2, 1] a[2, 2] a[2, 3]

I1.A==A.I2
True

//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 16

 En realidad se puede demostrar que por izquierda en este caso existen infinitas
matrices que satisfagan la condición de multiplicar a A y generarla nuevamente. Será esto un
tema para desarrollar en el taller.

f- No es cancelativa

En general, si A.B = A.C ( o B.A = C.A) esto no implica que B = C

La demostración de esto no es simple, pero podemos decir cuál es el fundamento en el
que se basa (al igual que todas las otras demostraciones). Es en el hecho de poder demostrar o
no que los elementos de ambas matrices, A.B y A.C son iguales.

A=Array[a,{2,2}];
B=Array[b,{2,2}];
F=Array[f,{2,2}];

Analicemos dos elementos correspondientes, de los productos A.B y A.F.

(A.B)[[1,1]]
a[1, 1] b[1, 1] + a[1, 2] b[2, 1]

(A.F)[[1,1]]
a[1, 1] f[1, 1] + a[1, 2] f[2, 1]

Al analizar ambos elementos podemos decir que para que sean iguales, es cierto que
una posibilidad sería que los elementos de B fueran iguales a los de F, pero por tratarse de una
ecuación de tipo indeterminada, hay infinitas posibilidades además.

Un ejemplo relativamente sencillo puede ilustrar esta propiedad.

A={{1,0},{0,0}};MatrixForm[A]
B={{0,0},{1,0}};MatrixForm[B]
F={{0,0},{0,0}};MatrixForm[F]
1 0
0 0

0 0
1 0

0 0
0 0

A.B==A.F
True
Tal como se ve, no es cierto que B = F, a pesar de serlo los productos.

g- Existencia de elemento inverso

Esta propiedad, como todas las otras tiene sus características particulares. Debiéramos
preguntarnos si dada una matriz A( m x n ) es posible hallar una matriz que multiplicada por ella,
de por resultado el neutro, o sea la identidad.
Simbólicamente diríamos que dada una matriz A, su inversa será la matriz B que
satisfaga:

A.B=B.A =I

En caso de existir esta matriz se indica como A-1 .

//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 17
 En el caso de operaciones con números, cuando era posible definir inversos estos eran
bilaterales. En el caso del producto de matrices esto obviamente no es posible en general.
Comencemos por preguntarnos si es posible hallar entonces una matriz inversa para
las cuadradas, por la posibilidad de conmutar.
Analizaremos un ejemplo. Supongamos que deseamos obtener la inversa de la
siguiente matriz:

A={{2,2},{-2,3}}
{{2, 2}, {-2, 3}}
i=IdentityMatrix[2]
{{1, 0}, {0, 1}}

En primer lugar utilicemos el comando LinearSolve.

inv=LinearSolve[A,i];MatrixForm[inv]
3 1
-- -(-)
10 5

1 1
- -
5 5

Como vemos, hemos obtenido una matriz que satisface nuestro requisito:

A.inv==inv.A==i
True
La matriz hallada es la inversa de A:
inv = A-1

¿ Qué procedimiento permitió obtener esta matriz inversa ?. Para comprenderlo

utilicemos otro procedimiento.
Definamos una matriz X, que deseamos conocer, y que cumpla con el requisito de
inversa.

X={{x1,x2},{x3,x4}}

Si esta matriz es inversa de A, debe satisfacer la ecuación:

A.X = X.A = i

Analicemos el primer miembro:

MatrixForm[A.X]==MatrixForm[i]
2 x1 + 2 x3 2 x2 + 2 x4 1 0
==
-2 x1 + 3 x3 -2 x2 + 3 x4 0 1

Por igualdad de matrices, esa igualdad será cierta si los elementos correspondientes
son iguales. Para resolver esto en realidad es necesario plantear dos sistemas de ecuaciones:

sis1={2 x1 + 2 x3 ==1, -2 x1 + 3 x3==0}

sis2={2 x2 + 2 x4 ==0, -2 x2 + 3 x4==1}

Los valores de las incógnitas que satisfagan a las ecuaciones, serán los elementos de
X. Esto podemos también resolverlo directamente con Math.

//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 18

inv1=Solve[A.X==i,{x1,x2,x3,x4}]
3 1 1 1
{{x1 -> --, x2 -> -(-), x3 -> -, x4 -> -}}
10 5 5 5

x1=inv1[[1,1,2]];x2=inv1[[1,2,2]];
x3=inv1[[1,3,2]];x4=inv1[[1,4,2]];

X;MatrixForm[X]
3 1
-- -(-)
10 5

1 1
- -
5 5

Verificamos si actúa como inversa:

A.X
{{1, 0}, {0, 1}}

X.A
{{1, 0}, {0, 1}}

Efectivamente es una inversa. Afortunadamente Math tiene un comando que da en

forma directa la inversa:

Inverse[A]//MatrixForm

3 1
-- -(-)
10 5

1 1
- -
5 5

Este es el mismo resultado que ya habíamos obtenido por dos caminos.

Ahora bien, ¿ toda matriz cuadrada tiene inversa ?. Veamos otro ejemplo.

B={{1,-2},{2,-4}};MatrixForm[B]
1 -2
2 -4

Clear[X,x1,x2,x3,x4]

X={{x1,x2},{x3,x4}}
{{x1, x2}, {x3, x4}}

inv2=Solve[B1.X==I2,{x1,x2,x3,x4}]
{}

Inverse[B]

//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 19

LinearSolve::nosol:
Linear equation encountered which has no solution.

Inverse[{{1, -2}, {2, -4}}]

LinearSolve[B,i]
LinearSolve::nosol:
Linear equation encountered which has no solution.

LinearSolve[{{1, -2}, {2, -4}}, {{1, 0}, {0, 1}}]

Como vemos, por ninguno de los métodos antes usados hemos logrado el resultado
esperado, por lo que debemos suponer que la matriz B no admite inversa. ¿Por qué...? veamos
algunas características de ella.

Det[B]
0
El determinante de la matriz vale 0. recordando lo que dijéramos cuando se habló de
sistemas de ecuaciones lineales, esto implica que una fila es múltiplo o combinación lineal de
otra u otras. en nuestro caso sólo puede ser la primera. Si observamos la matriz B, vemos que
efectivamente, una fila es múltiplo de la otra.
¿ En qué afecta esto a la obtención de la inversa ? Si planteamos de nuevo la ecuación
matricial observaremos la aparición de sistemas de ecuaciones incompatibles.

MatrixForm[B.X]==MatrixForm[i]
x1 - 2 x3 x2 - 2 x4 1 0
==
2 x1 - 4 x3 2 x2 - 4 x4 0 1

Los sistemas que involucran a cada par de variables son incompatibles:

sis1 = { x1 - 2 x3 == 1, 2 x1 - 4 x3 ==0 }
sis2 = { x2 - 2 x4 == 0, 2 x2 - 4 x4 ==1 }

Otro problema pendiente es el de las matrices rectangulares. El planteo en este caso es

si dada A( m x n ) , será posible hallar inversas laterales, a similitud de lo que ocurre en el caso
de las matrices identidad. la respuesta es afirmativa, se pueden hallar, y en algunos casos son
infinitas, a diferencia del caso de las cuadradas, que cuando existe, es única.

Así, si una matriz satisface:

L.A = I L es inversa izquierda

A.D= I D es inversa derecha
A. U = U. A = I U es inversa de A y U = A-1.
Matriz Ortogonal
Se define matriz ortogonal a aquella matriz A de n x n en la cual se verifica que su inversa es
igual a su transpuesta. Es decir:

A es matriz ortogonal ⇔ A - 1 = A t

//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 20

Por ejemplo dada una matriz m en forma numérica (aproximada), el comando
SchurDecomposition[m], descompone a la matriz m que debe ser invertible, en dos matrices
:q y t . Siendo q una matriz ortogonal y t una triangular superior.

Si q es matriz ortogonal se debe verificar que su inversa es igual a su transpuesta .

O se debe cumplir que q por su transpuesta debe ser igual a la matriz identidad

Matriz nilpotente
A es nilpotente si es de n x n y si Ak = (0) para algún entero K≥ 1

Matriz idempotente:
A es idempotente si es de n x n y si A2 = A
Conjunto Linealmente Independiente
Un conjunto de vectores es linealmente independiente sí y solo sí la única combinación lineal
entre los mismos (cuyo resultado sea el vector nulo) tiene como solución, la solución trivial.

Matriz No Singular
Es aquella matriz cuyo determinante es distinto de cero. O cuando sus vectores filas o
columnas son linealmente independientes

Matriz Involutiva
A es matriz involutiva si es de n x n y si su cuadrado es la identidad de n x n.

//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 21

Rango De Una Matriz
Es igual al número de vectores fila (o columna) linealmente independientes. El método de
Gauss-Jordan ( Transforma a la matriz dada en otra equivalente que se presenta en la forma
escalonada reducida) opera solo entre filas.
Existe otra definición de rango mediante el concepto de determinante. Se dice que el rango de
una matriz es el orden del mayor determinante no nulo que puede extraerse de una matriz
En Math3.0 se determina el rango de una matriz A a través del comando Dimensions[A]

Operaciones elementales
Son operaciones elementales aquellas que se realizan en una matriz, obteniendo como
resultado matrices llamadas equivalentes. Ellas son las la siguientes:
a) Permutación de dos filas o columnas entre sí.
b) Adición de una fila a otra o adición de una columna a otra.
c) Multiplicación de una fila o columna por un escalar
Estas operaciones elementales no modifican el rango de la matriz.

Matrices elementales
Una matriz elemental E de n x n es elemental si se puede obtener a partir de la matriz
identidad (de n x n ) mediante una sola operación de renglón.

Método de Gauss-Jordan
Este método basado en operaciones elementales entre filas únicamente permite:
a) Determinar el rango de una matriz
b) Obtener la matriz inversa
c) Analizar y resolver sistemas de ecuaciones lineales

⎡1 0 − 1 ⎤
Por ejemplo si se desea obtener la matriz inversa de A= ⎢⎢1 2 − 2⎥⎥
⎢⎣2 − 1 3 ⎥⎦
Se aplica el procedimiento (las mismas transformaciones) a ambas matrices la A y a
continuación la identidad del mismo tamaño

⎡1 0 − 1⎤ ⎡1 0 0⎤
⎢1 2 − 2⎥⎥ ⎢0 1 ⎥
⎢ ⎢ ⎥
⎢⎣2 − 1 3 ⎥⎦ ⎢⎣0 0 1⎥⎦
⎡1 0 − 1⎤ ⎡ 1 0 0⎤
⎢0 2 − 1⎥⎥ ⎢ − 1 1 0⎥
⎢ ⎢ ⎥
⎢⎣0 − 1 3 ⎥⎦ ⎢⎣− 2 0 1⎥⎦

//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 22

 ⎡ ⎤ ⎡ ⎤
⎢1 0 − 1⎥ ⎢ 1 0 0⎥
⎢ − 1⎥ ⎢−1 1 ⎥
⎢0 1 ⎥ ⎢ 0⎥
⎢ 2 ⎥ ⎢ 2 2 ⎥
⎢0 0
5 ⎥ ⎢− 5 1
1⎥
⎢⎣ 2 ⎥⎦ ⎢⎣ 2 2 ⎥⎦
⎡ 1 2⎤
⎡1 0 0⎤ ⎢ 0 5 5⎥
⎢0 1 0 ⎥ ⎢ 3 1⎥
⎢ ⎥ ⎢− 1 ⎥
⎢⎣0 0 1⎥⎦ ⎢ 5 5⎥
⎢− 1 1 2⎥
⎢⎣ 5 5 ⎥⎦

El transformado de 3 es :
(−1)(−1) 1 5
3− = 3− =
2 2 2

1
El transformado de a 25 = es
2
−1 1
( )( )
1 1 1 3
− 2 2 = + =
2 5 2 10 5
2

//SISTEMAS DINÁMICOS I Ing. Silvia Valdivia// Ing. Hugo A .García 23