Matrices MATEMÁTICA I Pág.

ESTUDIOS GENERALES

DEPARTAMENTO DE CIENCIAS BÁSICAS Y AFINES

SEMANA Nº 09

MATRICES
Matrices Pág. 2

1.- Matrices. Definición y primeros ejemplos

Una matriz es una tabla rectangular de números reales dispuestos en filas y

columnas del modo:

 a11 a12  a1n 

a a22 
 a2 n 
A   21 Filas de la matriz A
     
a  amn 
 m1 am 2
Columnas de la matriz A

Abreviadamente se puede expresar A = (aij ).

Cada elemento de la matriz lleva dos subíndices:
- El primero de ellos “i”, indica la fila en la que se encuentra el elemento,
- y el segundo, “j”, la columna.
Así el elemento a23 está en la fila 2 y columna 3.
Las matrices siempre se representarán con letras mayúsculas ( A, B, C, …).
Matrices Pág. 3

1.- Matrices. Definición y primeros ejemplos

EJEMPLOS Son ejemplos de matrices los siguientes:

3 1 0
 2 4 0 
2 1 6  4 0 C 
A  B 
 3 4   1 2 1   1 5 2
1 0 
 0
A tiene 2 filas y 2
B tiene 2 filas y 3
columnas, diremos que C tiene 4 filas y 3
columnas, diremos que
su dimensión 2 x 2. columnas, diremos que
su tamaño es 2 x 3.
¿Qué elemento es a21? su dimensión 4 x 3.
¿Qué elemento es b23?
¿Qué elemento es c32?
Matrices Pág. 4

1.- Matrices. Definición y primeros ejemplos

En general, si una matriz A tiene m filas y n columnas, diremos que su

tamaño o dimensión es m x n (se lee “m por n”), siempre en primer lugar el
nº de filas y en segundo lugar el de columnas.

Igualdad
Dos matrices A y B son iguales cuando contienen los mismos elementos,
dispuestos en los mismos lugares:

A = B  aij = bij  i, j

Lógicamente, para que dos matrices sean iguales es necesario que tengan
la misma dimensión.
Matrices Pág. 5

2.- Tipos de matrices

 Según su dimensión:
Se llama matriz fila a la que sólo tiene una fila, es decir su dimensión es 1 x n.

Por ejemplo, B  1 0  4 9 es una matriz fila de dimensión 1 x 4.

Se llama matriz columna a la que sólo consta de una columna, es decir su

dimensión será m x 1.
 1 
Por ejemplo, C   0  es una matriz columna de dimensión 3 x 1.
 
  8
Una matriz es cuadrada cuando tiene el mismo número de filas que de
columnas, es decir su dimensión es n x n.

 2 1  es una matriz cuadrada  1 2 3  matriz

 3 4  de dimensión 2 x 2 o
  D   6 5 4  cuadrada de
simplemente de orden 2.   3  4 0  orden 3.
 
Matrices Pág. 6

2.- Tipos de matrices

Dentro de las matrices cuadradas llamaremos diagonal principal a la formada

por los elementos a11, a22, a33, . . ., ann, siendo la matriz:

 a11 a12  a1n 

a a22  a2 n 
A   21
     
a  ann 
 n1 an 2
Diagonal principal

En la matriz D, la diagonal principal está formada por 1, 5, 0.

 1 2 3
D   6 5 4 
La diagonal secundaria es la formada por los
elementos a1n, a2,n−1, a3,n−2, . . ., an1.
  3  4 0
 
En la matriz D está formada por 3, 5, -3.
Matrices Pág. 7

2.- Tipos de matrices

 Según sus elementos:
Una clase especial de matrices cuadradas son las matrices triangulares.
Una matriz es triangular superior si todos los elementos por debajo de la
diagonal principal son nulos y triangular inferior si son nulos todos los
elementos situados por encima de dicha diagonal.

1 0 0 0  1 4 3 
0  4 0 
E 
0  F   0 9  5 
3 4 5 0  0 0 3 
 1 3 16  78   
  Triangular superior
Triangular inferior

Si una matriz es a la vez triangular superior e

inferior, sólo tiene elementos en la diagonal 1 0 0 0
principal.  0  45 0 0 
Una matriz de este tipo se denomina matriz G 
diagonal. 0 0 3 0
0 0 
Un ejemplo de matriz diagonal es:  0 0
Matrices Pág. 8

2.- Tipos de matrices

Si una matriz diagonal tiene en su diagonal principal sólo unos, se denomina

matriz unidad o identidad. Se suelen representar por I n , donde n es el
orden o tamaño de la matriz. Algunas matrices identidad son:

1 0 0 0
1 0 0 0 0 
1 0
I2    I 3   0 1 0  I4  
1 0
 0 1  0 0 1 0 0 1 0
  0
 0 0 1 

Se llama matriz nula a la que tiene todos los elementos cero.

0 0 0 0 0
Por ejemplo, A    es una matriz nula de tamaño 2x5.
 0 0 0 0 0 
Matrices Pág. 9

2.- Tipos de matrices

Matrices escalonadas

Fíjate en las siguientes matrices:

 1 5 0  4 6
 1 5 0 
0 0 

A
3  1 1


 B 0 3 2


 C  D   0 3 2 
0 2 6  0 0 2  0 0  0 0 0
  0 0   

En ellas se cumple que:

 Si hay filas nulas, están situadas en la parte inferior de la matriz.

 En las filas no nulas, el primer elemento diferente de cero de una fila
está situado más a la derecha que el primer elemento diferente de cero
de la fila inmediatamente superior.

De ellas se dice que son matrices escalonadas.

Matrices Pág. 10

3.-Transformaciones elementales
Existen una serie de operaciones que se pueden hacer con las filas de una
matriz y que permiten convertirla en una matriz escalonada: las
transformaciones elementales.
En general, si llamamos Fi a la fila i-ésima y Fj a la fila j-ésima, las
transformaciones elementales son:
Ejemplo
 2 0 2  F2  F3
 2 0 2 
 Intercambiar dos filas. Fi  Fj.  4 2  1  1 5 3
   
 1 5 3  4 2  1
 Sumar a una fila los elementos
  2 0 2  F1  F1 + 2F3  0 10 8 
correspondientes de otra fila  4 2  1  4 2  1
multiplicada por un nº real k.    
Fi  Fi + kFj  1 5 3 1 5 3 
 Multiplicar todos los elementos  2 0 2  F2  2F2   2 0 2
de una fila por un número real no  4 2  1   8  4 2
nulo.
   
 1 5 3  1 5 3
Fi  kFi
Matrices Pág. 11

3.-Transformaciones elementales
Estas transformaciones permiten definir una equivalencia entre las matrices
de igual dimensión.
Dos matrices son equivalentes si una de ellas se obtiene a partir de
la otra mediante transformaciones elementales.

EJEMPLO 2 1 3 1
A   1 1 2 2 
Reducir a forma escalonada la matriz
  1 4 3  1
Para facilitar los cálculos posteriores,  
hacemos que el elemento a11 sea 1:
F2  F2 – 2F1
 2 1 3 1  F F 1 1 2 2 F3  F3 + F1
1 1 2 2 1 2 2 1 3 1
   
  1 4 3  1   1 4 3  1 Hacemos que los demás elementos
de la primera fila sean 0:
1 1 2 2  1 1 2 2 
 0 1 1  3 F3  F3 + 5F2  0 1 1  3  Que está en
    forma
0 5 5 1   0 0 0  14  escalonada
Hacemos que el
elemento a32 sea 0:
Matrices Pág. 12

3.-Transformaciones elementales

EJERCICIO Reduce a forma escalonada las matrices:

1 2 3   2 3 4 9
A   2 5 7  B    4 1 0 1 
 3 6 10   3 1 2 0
   

 1 3 1 5   2 1 5 1 8 
C    1 2 6 4  D    1 2 3 4 5 
 0 8 8 2  1 3 10 11 13
   
Matrices Pág. 13

4.- Operaciones con matrices 4. 1. Suma y diferencia

Dadas dos matrices A y B de la misma dimensión m  n, la matriz suma,

A + B, es la que se obtiene sumando los elementos que en cada una de
ellas ocupan la misma posición.

 a11 ... a1n   b11 ... b1n   a11  b11 ... a1n  b1n 
A  B   ... ... ...    ... ... ...    ... ... ... 

a    
 m1 ... amn   bm1 ... bmn   am1  bm1 ... amn  bmn 

De forma abreviada: (aij) + (bij) = (aij + bij)

 2 1 3  2 0 4   4 1 7 
EJEMPLO   4 2 1   3 2 5     1 4 6 
     
23 23 23

Si las matrices tienen diferente tamaño, no se pueden sumar o restar entre sí.
Matrices Pág. 14

4.- Operaciones con matrices 4. 1. Suma y diferencia

Propiedades de la suma de matrices:

a) Conmutativa: A + B = B + A
b) Asociativa: A + (B + C) = (A + B) + C

c) Elemento neutro: La matriz nula del tamaño correspondiente. A + 0 = 0 + A

d) Elemento opuesto de A: La matriz –A, que resulta de cambiar de signo a
los elementos de A.
A + (– A) = (– A) + A = 0

La existencia de elemento opuesto permite definir la matriz diferencia

(resta), A – B. Es la que se obtiene al sumar A con – B:

A – B = A + (– B)

 2 1 3  2 0 4   0 1  1 
EJEMPLO   4 2 1   3 2 5     7 0  4 
     
23 23 23
Matrices Pág. 15

4.- Operaciones con matrices 4. 1. Suma y diferencia

EJEMPLO Opuesta de una matriz

 0 1   0 1
Si A    4  2    A   4 2 
 3  9  3 9
   
32 32
porque:

 0 1   0 1   0 0 
  4  2   4 2    0 0 
     
 3  9   3 9 0 0
32 32 32
Matrices Pág. 16

4.- Operaciones con matrices 4. 1. Suma y diferencia

EJERCICIOS
1. Las exportaciones, en millones de euros, de 3 países A, B, C a otros tres X,
Y, Z, en los años 2000 y 2001 vienen dadas por las matrices:
X Y Z X Y Z
 11 6,7 0,5  A  13,3 7 1  A
 
A2000   14,5 10 1,2  B 
A2001  15,7 11,1 3,2  B
 20,9 3,2 2,3  C  21 0,2 4,3  C
   
Calcula y expresa en forma de matriz el total de exportaciones para el
conjunto de los dos años.
¿Cuántos millones ha exportado el país B al Z en total?
Calcula el incremento de las exportaciones del año 2000 al 2001.

 x  y 1 2   y 0 z   1 1 3 
2. Calcula x, y, z en  1 y  x     z 2 3   0 4 4 
la suma:      
 0 z 2   2 3 x  2 4 1
3. Calcula a, b, c
para que se cumpla  3  a b  2  2

a  b 4   1 a 2 

la igualdad:  4  c  1 6  1  c 2 0   2 0 6 
Matrices Pág. 17

4.- Operaciones con matrices 4. 2. Producto por un nº real

Dada una matriz cualquiera A de dimensión m  n y un número real k, el

producto k·A se realiza multiplicando todos los elementos de A por k,
resultando otra matriz de igual dimensión. (Evidentemente la misma regla
sirve para dividir una matriz por un número real).

 a11 ... a1n   k  a11 ... k  a1n 

k  A  k   ... ... ...    ... ... ... 
a  k a  
 m1 ... a mn   m1 ... k a mn 

EJEMPLO  2 1 3    10  5  15 
 5    20  10  5 
  4 2 1   
23 23

Propiedades:
a) Distributiva respecto de la suma de matrices: k·(A + B) = k·A + k·B
b) Distributiva respecto de la suma de números: (k + d)·A= k·A + d·A
c) Asociativa: k·(d·A)=(k·d)·A
d) Elemento neutro, el número 1: 1·A=A
Matrices Pág. 18

4.- Operaciones con matrices 4. 2. Producto por un nº real

EJERCICIOS

 1 1  1 0 
1. Si A   0 1 y B   0 2
   
halla una matriz X que verifique la ecuación: 2·X – 4·A = B

2. Determina las matrices X e Y sabiendo que:

1  2
3 X  5Y   
8 1 
 2 4
 X  3Y   
 3 0
Matrices Pág. 19

4.- Operaciones con matrices 4. 3. Producto de matrices

Producto de una matriz fila por una matriz columna.

Sea A una matriz fila y B una matriz columna:

1
A  2  3 1 B   2 
5
1x3  
3x1

Definimos el producto de la matriz A por la matriz B (en este orden):

1
A  B  2  3 1   2   2·1 + (−3)·2 + 1·5 = 2 − 6 + 5 = 1
 5
 
1x3 3x1 Observa que el
resultado es un
Hemos emparejado cada elemento de A con un número
elemento de B, luego el número de estos
elementos (nº de columnas de A y nº de filas de
B) debe coincidir para poder realizar este
producto.
Matrices Pág. 20

4.- Operaciones con matrices 4. 3. Producto de matrices

Hay que dejar claro ya desde el principio que no todas las matrices pueden
multiplicarse. Dos matrices se pueden multiplicar cuando se cumple la
siguiente condición:
“Para multiplicar dos matrices A y B, en este orden, A·B , es condición
indispensable que el número de columnas de A sea igual al número de filas
de B”
Si no se cumple esta condición, el producto A·B no puede realizarse, de
modo que esta es una condición que debemos comprobar previamente a la
propia multiplicación.

Una vez comprobado que el producto A·B se puede realizar, si A es una

matriz m x n y B es una matriz n x p (observa que el nº de columnas de A = n
= nº de filas de B), entonces el producto A·B da como resultado una matriz
C de tamaño n x p del siguiente modo:

“El elemento que se encuentra en la fila i y la columna j de la matriz C = A·B,

se obtiene multiplicando los elementos de la fila i de A por la columna j de B y
sumando los resultados”
Matrices Pág. 21

4.- Operaciones con matrices 4. 3. Producto de matrices

Filas

A · B = A·B
mn np mp

Columnas
Es posible
el producto

La matriz producto, A·B, si existe, es la que se obtiene de la forma siguiente:

C1
F1  a11 ... a1k   b11 ... b1n   F1  C1 ... F1  Cn 
A  B   ... ... ...    ... ... ...    ... ... ... 
a ... amk   bk1 ... bkn   Fm  C1 ... Fm  Cn 
 m1

El elemento de esta matriz que ocupa la fila i-ésima y la columna j-ésima es

el que se obtiene de multiplicar la fila Fi por la columna Cj.
Matrices Pág. 22

4.- Operaciones con matrices 4. 3. Producto de matrices

EJEMPLO Para multiplicar las matrices:

0  4 1
3 2 1 4  1  2 1
A  B 
 2 5 3  2   2 0 2
24 3 2 1
 
43
1º.- Comprobamos que se puede realizar el producto A·B, pues el nº de
columnas de A es 4 y el nº de filas de B también es 4.
2º.- El resultado, según lo dicho será una matriz de dimensión 2 x 3, tiene 2
filas y 3 columnas:
0  4 1
 
 3 2 1 4  1  2 1
 2 5 3  2  =
   2 0 2
3 2 1
24  
43 23

3º.- Sólo nos falta completar los elementos de la matriz producto. Para ello,
seguimos la regla anterior:
Matrices Pág. 23

4.- Operaciones con matrices 4. 3. Producto de matrices

C1
0  4 1
F1   3 2 1 4   1  2 1  16
 2 5 3  2  =
   2 0 2 
3 2 1
24  
43 23

El elemento de la fila 1 y columna 1 de A·B proviene de multiplicar elemento a

elemento la fila 1 de A por la columna 1 de B y sumar, es decir:

0
1
F1 · C1 = (–3 2 1 4) · = (−3)·0 + 2·1 + 1·2 + 4·3 = 0 + 2 + 2 + 12 = 16
2
3
Matrices Pág. 24

4.- Operaciones con matrices 4. 3. Producto de matrices

C2
0  4 1
F1   3 2 1 4   1  2 1  16 16
 2 5 3  2  =
   2 0 2 
3 2 1
24  
43 23

El elemento de la fila 1 y columna 2 de A·B proviene de multiplicar elemento a

elemento la fila 1 de A y la columna 2 de B y sumar:

−4
−2
F1·C2 = (–3 2 1 4) · = (−3)·(−4) + 2·(−2) + 1·0 + 4·2 = 12 − 4 + 0 + 8 = 16
0
2
Matrices Pág. 25

4.- Operaciones con matrices 4. 3. Producto de matrices

C3
0  4 1
F1   3 2 1 4   1  2 1  16 16 5
 2 5 3  2  =
   2 0 2 
3 2 1
24  
43 23

El elemento de la fila 1 y columna 3 de A·B proviene de multiplicar elemento a

elemento la fila 1 de A y la columna 3 de B y sumar:

1
1
F1·C3 = (–3 2 1 4) · = (−3)·1 + 2·1 + 1·2 + 4·1 = − 3 + 2 + 2 + 4 = 5
2
1
Matrices Pág. 26

4.- Operaciones con matrices 4. 3. Producto de matrices

Así sucesivamente se obtienen los demás elementos de la matriz producto:

C1
0  4 1
  3 2 1 4   1  2 1  16 16 5
 2 5 3  2  =
F2    2 0 2 5
3 2 1
24  
23
43
Matrices Pág. 27

4.- Operaciones con matrices 4. 3. Producto de matrices

Así sucesivamente se obtienen los demás elementos de la matriz producto:

C2
0  4 1
  3 2 1 4   1  2 1  16 16 5
 2 5 3  2  =
F2    2 0 2 5 –22
3 2 1
24  
23
43
Matrices Pág. 28

4.- Operaciones con matrices 4. 3. Producto de matrices

Así sucesivamente se obtienen los demás elementos de la matriz producto:

C3
0  4 1
  3 2 1 4   1  2 1  16 16 5
 2 5 3  2  =
F2    2 0 2 5 –22 11
3 2 1
24  
23
43

16 16 5 
Así la matriz producto es: A  B  
 
 5 22 11

Observa que el producto B·A no se puede hacer:

B · A
43 24


Matrices Pág. 29

4.- Operaciones con matrices 4. 3. Producto de matrices

EJERCICIOS

 1  3  3  5
1. Si A    B   2 1  calcula, si es posible, A·B y B·A.
  2 6    ¿Coinciden?

 1 1 
2. Lo mismo si
A   0  2 , 3 0 2
B 
4 1   1  1 5 
 

3. Calcula todos los productos posibles entre las matrices:

1 2 3  1
A   1 1 1  B   2   2 1 0
C  
 0 2  1 1  3 4 5 
   

Además, calcula A2 y A3.

Matrices Pág. 30

4.- Operaciones con matrices 4. 3. Producto de matrices

Propiedades del producto de matrices

a) Asociativa: A·(B·C) = (A·B)·C
b) Distributiva respecto de la suma: A  ( B  C )  A  B  A  C
(B  C)  A  B  A  C  A
c) Elemento neutro: la matriz identidad correspondiente. Si A es m x n:
A In  A
Im  A  A
d) En general el producto de matrices no es conmutativo
A B  B  A Pueden verse ejemplos en los
ejercicios anteriores. Ten
cuidado con esta propiedad.

e) El producto de dos matrices no nulas A y B puede dar lugar a una matriz

nula:
 5  Se dice que el conjunto de las matrices
 2 1 3    0 
 0 2 1   2    0  con la operación producto tiene divisores
    4   de cero, es decir, hay matrices no nulas
23   21 cuyo producto es nulo.
31
Matrices Pág. 31

4.- Operaciones con matrices 4. 3. Producto de matrices

EJERCICIOS

1. Si A y B son dos matrices cuadradas del mismo orden, ¿son ciertas las
propiedades siguientes, que son ciertas para las operaciones con números
reales?:
a) (A + B)2 = A2 + B2 + 2 · A · B
b) (A − B)2 = A2 + B2 − 2 · A · B
c) (A + B) · (A − B) = A2 − B2
 2  1
2. Determina los valores de a y b de la matriz A   
a b 
para que A2 = A.

1 2
3. ¿Qué matrices conmutan con la matriz  ?
 0 1 
Matrices Pág. 32

4.- Operaciones con matrices 4. 4. Trasposición de matrices

Dada una matriz cualquiera A, se llama matriz traspuesta de A, y se representa

por At a la matriz que resulta de intercambiar las filas y las columnas de A.

 2 1 0 7
EJEMPLO Si A   
  3 4 2 1  24  2  3
1 4 
entonces la matriz traspuesta de A es: A  
t

0 2 
7 1 
 42

Si A es una matriz de dimensión m x n, su traspuesta At tendrá dimensión

n x m, pues el número de columnas pasa a ser el de filas y viceversa.
Si la matriz A es cuadrada, su traspuesta tendrá la misma dimensión.
Propiedades:
a) (At)t = A, es decir, la traspuesta de la traspuesta es la matriz inicial.
b) (A + B)t = At + Bt
c) (k ・ A)t = k ・ At
d) (A · B)t = Bt · At
Matrices Pág. 33

4.- Operaciones con matrices 4. 4. Trasposición de matrices

En base a esta nueva operación, podemos definir otras dos clases de matrices:
Matriz simétrica: matriz cuadrada que coincide con su traspuesta; es decir,
una matriz cuadrada es simétrica si se cumple que At = A.

2 1 3 
A   1 0  2  es simétrica
3  2 7 
 
En una matriz simétrica, los elementos son simétricos respecto a la diagonal
principal.

Matriz antisimétrica: matriz cuadrada cuya opuesta coincide con su traspuesta;

es decir, si cumple que At = −A.
Por ejemplo:
 0 1 3 
B    1 0  2  es antisimétrica (comprueba).
3 2 0 
 
En una matriz antisimétrica, los elementos de la diagonal principal son siempre
nulos (¿por qué?), y los restantes son opuestos respecto a dicha diagonal.
Matrices Pág. 34

4.- Operaciones con matrices 4. 4. Trasposición de matrices

EJERCICIOS
1 3 3   1 1 2
1. Dadas las matrices A  1 4 3  B   2 0 1 
1 3 4    6 1 0 
   
calcula 3At − Bt .

2. Obtener las matrices X e Y que verifiquen los sistemas:

1 5  2 1 3 1 
2 X  3Y    X Y    2X Y   
 4 2  3 0  0  2
a) b) c)
 1 0 6 2  1 0
X Y    X Y    X  2Y   
 3 6 0 1   2 4
Matrices Pág. 35

5.- La matriz inversa

En el caso particular de que tratemos con matrices cuadradas del mismo orden
A y B, es claro que podemos efectuar los productos A·B y B·A, que darán
como resultado otra matriz del mismo orden, aunque, como ya se ha dicho, las
matrices resultantes serán, en general, distintas.
Sabemos también que el elemento neutro del producto de matrices es la matriz
identidad In.

Recordemos que ocurría con los números reales:

Esto nos permite
El inverso del número 2 para el producto es un número resolver ecuaciones
real x tal que del tipo:
2·x = 1, a·x = b
el producto de 2 por x es igual al elemento neutro, el 1.
2·x = 6
En el caso de los números
x=
1
reales es bien fácil despejar x: 1 ·2·x = 1 ·6
2
2 2
El inverso de un número real es otro número que 1
multiplicado por él da el elemento neutro, el 1. x=3
Todo número real, salvo el 0, tiene inverso.
Matrices Pág. 36

5.- La matriz inversa

Trasladando esto a las matrices, nos podemos plantear si dada una matriz
cuadrada A de orden n, cualquiera, existe su inversa X para el producto de
matrices, tal que
A X  In

es decir, el producto de A por su inversa produce el elemento neutro matricial,

la matriz identidad In.
Sin embargo, hay algunas diferencias con respecto al caso de los números
reales:
1) No podemos “despejar” la matriz X del modo X = In/A, porque no hemos
definido la división de matrices.
2) No todas las matrices cuadradas no nulas tienen matriz “inversa” (sea lo
que sea, por analogía con los números).
Matrices Pág. 37

5.- La matriz inversa

Si A es una matriz cuadrada, se dice que B es la inversa de A si

A·B = B·A = I ,
siendo I la matriz unidad o identidad.
La matriz inversa de A se representa por A–1.

Si una matriz cuadrada de orden n , A, tiene inversa se dice que A es

invertible (o que posee inversa o que es no singular o que es regular).
Por tanto, si una matriz cuadrada de orden n , A, tiene inversa, A−1 , se
cumple que:
A  A1  I n y A1  A  I n

Si A no tiene inversa, se dice que es singular o no invertible.

Si una matriz tiene inversa, dicha matriz inversa es única (sólo hay una). Para
calcular dicha matriz inversa, podemos utilizar varios métodos. A continuación
veremos dos métodos. En el tema 3 veremos otro.
Matrices Pág. 38

5.- La matriz inversa 5. 1. Método directo

Consiste en determinar A−1 planteando un sistema de ecuaciones, es decir, si

por ejemplo queremos determinar la inversa de la matriz

 1 2
A 
  1 1 
1 x y

t 
lo que buscamos es otra matriz de igual tamaño (orden 2) A
z
que debe cumplir A · A−1 = I 2 y A−1 · A = I 2,

 1 2  x y  1 0  x  2z y  2t   1 0 
A A  I2   1 1    z
1

t   0 1 
  x  z 
 y  t   0 1 
   

x + 2z = 1
y + 2t = 0 Es decir, hemos de resolver un sistema de 4 ecuaciones
–x + z = 0 con 4 incógnitas, aunque en realidad son 2 sistemas de
–y + t = 0 dos incógnitas cada uno (uno con x y z y otro con y y t ).
Matrices Pág. 39

5.- La matriz inversa 5. 1. Método directo

x + 2z = 1
y + 2t = 0
Resolviendo el sistema se obtiene que
–x + z = 0
–y + t = 0
x= 1 y = –2 z= 1 t= 1
3 3 3 3

1 –2 1 1  2 
3 3
por lo que la matriz inversa es: A−1 =   
1 1 3 1 1 
3 3

Se puede comprobar que también se cumple que A−1 · A = I 2, luego A es

invertible, tiene inversa.
Matrices Pág. 40

5.- La matriz inversa 5. 1. Método directo

No todas las matrices tienen inversa.
Si el sistema no tiene solución, la matriz no tiene inversa.
1 1
Por ejemplo, si A   2 2
 
1 1  x y  1 0  xz y  t  1 0
1
A A  I2   2 2  z 
t   0 1 
  2x  2z 
2 y  2t   0 1 
   

x+z=1 Y por ejemplo de 2x + 2z = 0 se obtiene x = –z, si

y+t=0 se sustituye en la primera ecuación es –z + z = 1,
2x + 2z = 0 es decir 0 = 1 (imposible). El sistema no tiene
2y + 2t = 0 solución.

Por tanto A no es invertible, es singular.

Este método directo sólo se suele utilizar para matrices cuadradas de tamaño
2, puesto que para las de tamaño 3 obtenemos un sistemas de !9 ecuaciones
con 9 incógnitas! que realmente es difícil de resolver.
Matrices Pág. 41

5.- La matriz inversa 5. 2. Método de Gauss-Jordan

Consiste en hacer transformaciones elementales en las filas de la matriz para

llegar a obtener la matriz identidad. Realizando estas mismas transformaciones
con la matriz identidad llegamos a la matriz A−1.
Sea A = (aij) la matriz dada e I3 la matriz unidad. Se parte del siguiente esquema:

 a11 a12 a13 1 0 0 

a a23 0 1 0 
 21 a22 (A | I3)
 a31 a32 a33 0 0 1 
Aplicar transformaciones
elementales hasta llegar a
la forma:

 1 0 0 b11 b12 b13 

0 1 0 b b22 b23  (I3 | A–1)

b33 
21

 0 0 1 b31 b32
Si en el proceso aparece en el lugar de la matriz A (en la parte izquierda)
alguna fila nula, la matriz no tiene inversa.
Matrices Pág. 42

5.- La matriz inversa 5. 2. Método de Gauss-Jordan

EJEMPLO
 1 2
Calcula por el método de Gauss-Jordan la inversa de la matriz A   
  1 1 

i) Consideramos la matriz formada por A y la matriz identidad correspondiente:

1 2 1 0
(A | I2) =
–1 1 0 1
ii) Se hace la matriz A triangular superior (es decir, hacemos ceros por debajo
de la diagonal principal) usando transformaciones elementales en filas.

En nuestro caso, basta sumar la fila 2 con la fila 1, y se obtiene:

1 2 1 0 F2  F2 + F1 1 2 1 0
(A | I2) =
–1 1 0 1 0 3 1 1
Matrices Pág. 43

5.- La matriz inversa 5. 2. Método de Gauss-Jordan

iii) Una vez hecha la matriz triangular superior, se hace la matriz triangular
inferior, haciendo ceros a los elementos por encima de la diagonal. El proceso
es parecido al anterior:
1 2 1 0 F1  3F1 – 2F2 3 0 1 –2
0 3 1 1 0 3 1 1
iv) Ya tenemos una matriz diagonal. Lo único que falta es dividir a cada fila
entre el número adecuado para obtener unos en la diagonal principal, es decir,
para obtener la matriz identidad en la parte izquierda:
3 0 1 –2 (F1)/3 , (F2)/3 1 0 1/3 –2/3
0 3 1 1 0 1 1/3 1/3

v) Una vez se tiene la matriz identidad en la parte de la izquierda, la parte

derecha es la matriz inversa, es decir, llegamos a:

1 0 1/3 –2/3 1/3 –2/3 1 1  2 

(I2 | A–1) = A–1 =   
0 1 1/3 1/3 1/3 1/3 3 1 1 
matriz que habíamos obtenido antes por el método directo.
Matrices Pág. 44

5.- La matriz inversa 5. 2. Método de Gauss-Jordan

Condición para que una matriz tenga inversa

(según el método de Gauss)
Si al realizar el método de Gauss-Jordan en algún momento alguna fila es de
ceros, la matriz no tiene inversa.

EJEMPLO
1 1
Si calculamos por este método la inversa de A   2 2  resulta:
 

1 1 1 0 F2  F2 – 2F1 1 1 1 0
(A | I2) =
2 2 0 1 0 0 –2 1
Como aparece una fila de ceros, la matriz A no tiene inversa.

Cuanto mayor sea el orden de la matriz, mejor es este método frente al directo.
Matrices Pág. 45

5.- La matriz inversa 5. 2. Método de Gauss-Jordan

EJEMPLO
 1 1 0
 
Calcula, por el método de Gauss-Jordan, la inversa de la matriz B    1 1 2 
 1 0 1
 
Siguiendo los pasos anteriores:
F2  F2 + F1
1 1 0 1 0 0 1 1 0 1 0 0
F3  F3 – F1
(B | I3) = –1 1 2 0 1 0 0 2 2 1 1 0
1 0 1 0 0 1 0 – 1 1 –1 0 1

F3  2F3 + F2
1 1 0 1 0 0 F2  2F2 – F3
0 2 2 1 1 0
0 0 4 –1 1 2

1 1 0 1 0 0 F1  4F1 – F2 4 0 0 1 –1 2
0 4 0 3 1 –2 0 4 0 3 1 –2
0 0 4 –1 1 2 0 0 4 –1 1 2
Matrices Pág. 46

5.- La matriz inversa 5. 2. Método de Gauss-Jordan

F1 F2 F3
4 0 0 1 –1 2
4 4 4
0 4 0 3 1 –2
0 0 4 –1 1 2

1 0 0 1/4 –1/4 2/4

0 1 0 3/4 1/4 –2/4 = (I3 | B–1)

0 0 1 –1/4 1/4 2/4
1/4 –1/4 1/2

B–1 = 3/4 1/4 –1/2

–1/4 1/4 1/2

1 –1 2
1
También se puede expresar, sacando factor común: B–1 = 4 · 3 1 –2
–1 1 2
Matrices Pág. 47

5.- La matriz inversa

EJERCICIOS

1. Calcular por el método de Gauss-Jordan la inversa de las matrices:

1 2  3  2 1 4 
 2  1
A  B   3 2  4  C   0 1 2 
 3 1   2 1 0   1 0  1
   

 3 0 0
2. Dada la matriz diagonal D   0  2 0 
0 0 5
 
calcula su inversa. ¿Cómo calcularías de forma rápida la inversa de una
matriz diagonal cualquiera?
Matrices Pág. 48

6.- Rango de una matriz

A continuación veremos cómo asignar a una matriz un parámetro llamado rango.

El concepto de rango se encuentra ligado al de “independencia lineal” de filas o

columnas de una matriz, pero no se introducirá de esta manera porque se
requieren conceptos que no conocemos.
Baste saber que se define el rango de una matriz como el número máximo de
filas o columnas linealmente independientes.
Sin embargo, el cálculo del rango de una matriz lo abordaremos desde otra
perspectiva, utilizando el método de Gauss.

Supongamos que tenemos una matriz cualquiera A a la que aplicamos el

método de Gauss con el fin de simplificarla lo más posible (es decir,
consiguiendo que tenga el mayor número de ceros posible, que esté en forma
escalonada), realizando operaciones elementales en filas.
Llamaremos rango de la matriz A y lo representaremos por Rang(A) al número
de filas no nulas de la matriz tras aplicarle el método de Gauss.
Matrices Pág. 49

6.- Rango de una matriz

Rango de una matriz escalonada

El rango de una matriz escalonada A es el número de filas no nulas

de A. Lo denotamos por rang(A)

EJEMPLOS
4 6
0 0 
 3  1 1  rang(A) = 2
A  C  rang(C) = 1
 0 2 6  0 0
0 0 


 1 5 0   1 5 0 
B   0 3 2  rang(B) = 3 D   0 3 2  rang(D) = 2
 0 0 2  0 0 0
   
Matrices Pág. 50

6.- Rango de una matriz

Rango de una matriz cualquiera
Nos preguntamos ahora cómo podemos definir el rango de una matriz
cualquiera.
Vimos que mediante transformaciones elementales podemos transformar
cualquier matriz en otra equivalente que sea escalonada.

El rango de una matriz A es el rango de una matriz escalonada

equivalente a A.

Así que para obtener el rango de una matriz la transformamos en una

matriz escalonada mediante transformaciones elementales (Las
transformaciones elementales no modifican el rango).
El rango de la matriz será el número de filas no nulas de la matriz
escalonada.
Matrices Pág. 51

6.- Rango de una matriz

EJEMPLOS Calcular el rango de las siguientes matrices:

1 1 F2  F2 – 2·F1 1 1
a) A    0 0 Rg(A)=1 ,sólo una fila distinta de cero.
 2 2   

 0 3 F2  F1  1 1
b) B     0 3 Rg(B)=2 hay 2 filas no nulas.
 1 1   

1 1 0  F2  F2 – 2·F1
1 1 0  1 1 0

c) C  2 1 1
 F3  F3 + F1  0 1 1  F3  F3 + 2·F2  0 1 1 
     
 1 1  2 0 2  2 0 0 0
Rg(C)=2 hay 2 filas
no nulas.

2 4 6  F2  2F2 + F1  2 4 6
d) D     0 0 0  Rg(D)=1, sólo una fila
  1  2  3    no nula.
Matrices Pág. 52

6.- Rango de una matriz

Los ejemplos anteriores ponen de manifiesto que el rango de cualquier matriz
siempre es menor o igual que el número de filas de la matriz.
De hecho se verifica que el rango de cualquier matriz siempre es menor o igual
que su número de filas y de columnas, pues el proceso para hacer el método
de Gauss se puede hacer indistintamente mediante operaciones elementales
en filas o en columnas.
Esto permite, antes de calcular el rango de una matriz, saber entre qué valores
va a estar ese rango.
Por ejemplo, en el caso c) del ejemplo, como la matriz es 3x3 , el rango sólo
puede ser 0, 1, 2 o 3, no hay otras posibilidades.
En el caso del apartado d), como la matriz es 2 x 3, el rango sólo puede ser 0,1
o 2. (De hecho, podemos reducir esto algo más , pues una matriz sólo tiene
rango cero si es la matriz nula).Resumiendo:

Propiedad: Si A es una matriz de tamaño m x n no nula se cumple que:

1  rang(A)  min{m, n}
Matrices Pág. 53

6.- Rango de una matriz

1 1 2 
EJEMPLO Calcular en función de k el rango de la matriz: A 
 3 3 k 
Aplicando Gauss,
1 1 2  F2  F2 – 3·F1 1 1 2 
A   0 0 k  6
 3 3 k   
Ahora es evidente que si k – 6 = 0, la última fila es nula. Por tanto, si k = 6, la
última fila es nula y el rango de A es 1, Rg(A)=1, mientras que si k - 6 es distinto
de cero, es decir si k es distinto de 6, hay 2 filas no nulas y el rango de A es 2,
Rg(A)=2. Resumiendo:
Si k  6, entonces Rg(A) = 2
Si k = 6, entonces Rg(A) = 1

La siguiente propiedad permite relacionar el concepto de rango con el de matriz

inversa visto anteriormente:

Propiedad:
Una matriz cuadrada A tiene inversa  Rg(A) es máximo.
Matrices Pág. 54

6.- Rango de una matriz

EJERCICIOS
1  2 1 

1. Calcula el rango de A según los valores de k: A  1 1 3 
 
 5 1 k 
¿Para qué valores de k tiene A inversa?

2. Calcula el rango de las matrices:

0 2 1 
1 0 1
A  B   1 0  1
 2 1 0  0 4 2 
 
 2 1 1 1
0 0  2 1 5 1 8 
0 
D    1 2 3 4 5 
1
C 
2 1 1 1  1 3 10 11 13
0 0 1   
 0
Matrices Pág. 55

7.- Aplicaciones de las matrices

Las matrices se utilizan en el contexto de las ciencias como elementos que
sirven para clasificar valores numéricos atendiendo a dos criterios o variables.
EJEMPLO Un importador de globos los importa de dos colores, naranja (N)
y fresa (F). Todos ellos se envasan en paquetes de 2, 5 y 10 unidades,
que se venden al precio (en euros) indicado por la tabla siguiente:
2 unid. 5 unid. 10 unid.
Color N 0,04 0,08 0,12
Color F 0,03 0,05 0,08
Sabiendo que en un año se venden el siguiente número de paquetes:
Color N Color F
2 unid. 700000 50000
5 unid. 600000 40000
10 unid. 500000 500000
Resumir la información anterior en 2 matrices A y B, de tamaño respectivo 2x3
y 3x2 que recojan las ventas en un año (A) y los precios (B).
Matrices Pág. 56

7.- Aplicaciones de las matrices

Nos piden que organicemos la información anterior en dos matrices de tamaño

concreto. Si nos fijamos en las tablas, es sencillo obtener las matrices:

2 unid 5 unid 10 unid

N F
 0,04 0,03  2 unid
 700000 600000 500000 N
A  B   0,08 0,05  5 unid
 50000 40000 500000F  0,12 0,08  10 unid
 

Estas matrices se denominan matrices de información, y simplemente

recogen los datos numéricos del problema en cuestión.

Otras matrices son las llamadas matrices de relación, que indican si ciertos
elementos están o no relacionados entre sí. En general, la existencia de
relación se expresa con un 1 en la matriz y la ausencia de dicha relación se
expresa con un 0.
Estas matrices se utilizan cuando queremos trasladar la información dada por
un grafo y expresarla numéricamente.
Matrices Pág. 57

7.- Aplicaciones de las matrices

En Matemáticas, un grafo es una colección cualquiera de puntos conectados

por líneas.
Existen muchos tipos de grafos. Entre ellos, podemos destacar:
* Grafo simple: Es el grafo que no contiene ciclos, es decir, líneas que unan un
punto consigo mismo, ni líneas paralelas, es decir, líneas que conectan el
mismo par de puntos.
* Grafo dirigido: Es el grafo que indica un sentido de recorrido de cada línea,
mediante una flecha.
Estos tipos de grafo pueden verse en la figura:

Grafo Grafo simple Grafo dirigido.

Matrices Pág. 58

7.- Aplicaciones de las matrices

Relacionadas con los grafos se pueden definir algunas matrices. Entre todas
ellas, nosotros nos fijaremos en la llamada matriz de adyacencia, que es
aquella formada por ceros y unos exclusivamente, de tal forma que:
* un 1 en el lugar ( i,j) expresa la posibilidad de ir desde el punto de la fila i
hasta el punto de la columna j mediante una línea que los una directamente.
* un 0 en el lugar ( i,j) expresa la imposibilidad de ir del primer punto al
segundo mediante una línea que los una directamente.

La matriz de adyacencia del grafo dirigido de la figura anterior será:

A B C D
A 0 1 0 1
B
0 0 1 0 

C 1 0 0 0
D 0 0 
 0 0
Matrices Pág. 59

7.- Aplicaciones de las matrices

EJERCICIOS

1. Escribe las correspondientes matrices de adyacencia de los grafos:

2. Dibuja los grafos dirigidos que correspondan a las matrices de adyacencia:

A B C D
A B C
A 0 1 1 1
0 1 0 0 1 
A
1 0 1 B
 0 0
B
  C 1 0 0 0
C 0 0 0 D 0 0 
 1 1
Matrices Pág. 60