Tema 3

Tema 3
Álgebra y Matemática discreta
Operaciones con matrices

Índice
Esquema. . . . . . . . . . . . . . . . . . . . . . . 2
Ideas clave . . . . . . . . . . . . . . . . . . . . . . 3
3.1 Introducción y objetivos . . . . . . . . . . . . . 3
3.2 Operaciones fundamentales con matrices . . . . . . 5
3.3 Operaciones con matrices . . . . . . . . . . . . 9
3.4 Matrices cero-uno. . . . . . . . . . . . . . . . 23
3.5 Referencias bibliográficas . . . . . . . . . . . . . 27
3.6 Cuaderno de ejercicios . . . . . . . . . . . . . . 28
3.7 Soluciones cuaderno de ejercicios . . . . . . . . . 30
3.8 A fondo . . . . . . . . . . . . . . . . . . . . 30
3.9 Test . . . . . . . . . . . . . . . . . . . . . 33
Esquema

2
Tema 3. Esquema
Ideas clave
3.1 Introducción y objetivos
El lenguaje matricial es fundamental en el estudio del Álgebra Lineal, donde las ideas
principales se expresan por medio de operaciones entre matrices. En este tema se ex-
ponen los principales tipos de matrices, sus características y las operaciones y trans-
formaciones que se pueden hacer sobre ellas. Veremos que las matrices se pueden
sumar y multiplicar, y por tanto conforman un sistema algebraico de alguna forma
análogo al conjunto de los números reales R, propiedad estudiada por primera vez de
forma sistemática en 1858 a manos del matemático Arthur Cayley.
El manejo de matrices es una herramienta fundamental para resolver sistemas de

ecuaciones lineales, tal y como veremos en la siguiente unidad. Además, destacamos
otras aplicaciones como la caracterización de transformaciones geométricas o la fá-
cil manipulación de información que proporcionan en el área de computación. Más
concretamente, los objetivos que trataremos de alcanzar en este tema serán los si-
guientes:
I Conocer el concepto de vector, matriz y las operaciones sobre ellos de suma, pro-
ducto y producto por un escalar.
I Realizar operaciones elementales sobre una matriz.
I Estudiar las relaciones Binarias.
I Calcular la matriz inversa de una matriz utilizando bien operaciones elementales o

bien la fórmula que incluye la matriz adjunta.
I Conocer el concepto de matriz cero-uno.

3
Tema 3. Ideas clave
I Calcular las matrices Meet, Join y producto boleano.
Para alcanzar estos objetivos, se propone la siguiente subdivisión del contenido de

este tema:
I Operaciones fundamentales con matrices.
I Matriz potencia, transpuesta y matriz inversa.
I Determinante de una matriz.
I Matrices cero-uno.
I Cierre de una relación.

4
Tema 3. Ideas clave
3.2 Operaciones fundamentales con matrices
Las operaciones con matrices son importantes porque permiten realizar cálculos ma-
temáticos y resolver problemas que de otra manera serían difíciles o imposibles de
abordar. Además, tienen aplicaciones prácticas en diversas áreas de la ciencia y la in-
geniería. Las operaciones fundamentales con matrices son la suma, la resta y la mul-
tiplicación.
La suma y la resta de matrices se realizan sumando o restando los elementos corres-

pondientes de las matrices y, para que estas operaciones estén definidas, es necesario
que las matrices involucradas tengan las mismas dimensiones.
Por otro lado, la multiplicación de matrices es una operación más compleja que re-
quiere el uso de reglas específicas. En general, para que la multiplicación de matrices
esté definida, el número de columnas de la matriz izquierda debe ser igual al número
de filas de la matriz derecha. La matriz resultante de la multiplicación tiene un número
de filas igual al número de filas de la matriz izquierda y un número de columnas igual
al número de columnas de la matriz derecha.
Definición 1
Llamaremos matriz de orden m×n a una tabla de m filas y n columnas expresada

de la siguiente manera:
 
a11 a12 · · · a1n
 
a21 a22 · · · a2n
 
 
A= .. .. . . ..

.
 
 . . . 
 
an1 an2 · · · amn
Las entradas o coeficientes de la matriz A se denotan por aij , indicando que son el
elemento de la matriz A en la fila i y columna j. Generalmente los coeficientes aij

5
Tema 3. Ideas clave
serán números, es decir, aij ∈ K donde K puede ser el conjunto de números reales R
o imaginarios C.
Como notación abreviada de matriz usaremos A = (aij )i=1,··· ,m,j=1,··· ,n o simplemente

A = (aij ), y llamaremos Mmxn al conjunto de matrices mxn, o Mmxn (K) si quere-
mos indicar el conjunto al que pertenecen los coeficientes de la matriz.
Diremos que dos matrices A y B son matrices iguales si tienen el mismo orden aij =
bij para todo i, j.
Definición 2
Dada una matriz A, una submatriz de A es una matriz obtenida a partir de A

eliminando una o varias filas o columnas.
Ejemplo 1.
La matriz:  
3 4 1
A= 
0 2 −1
es de orden 2 × 3, en donde a12 = 4 y a23 = −1. Por tanto A ∈ M2×3 (R).
Las matrices:
 
4 1
B= y C= 3 4
2 −1
son submatrices de la matriz A.
A continuación se definen una serie de tipos de matrices que se utilizarán a lo largo

del tema:

6
Tema 3. Ideas clave
Definición 3
Una matriz fila es aquella que solo tiene una fila y una matriz columna es aque-
lla que solamente tiene una columna. Son lo que usualmente se conoce como
vectores.
Ejemplo 2.  
3
 
La matriz A = 0 −1 0 2 es una matriz (o vector) fila, y B =  4 
 
 
−1
es una matriz (o vector) columna.
Definición 4
Una matriz cuadrada es aquella matriz A ∈ Mn×n que tiene el mismo número
de filas que de columnas. Al conjunto de matrices cuadradas de orden n × n lo
denotaremos por Mn .
Ejemplo 3.  
2 −1 0
 
La matriz A =  0 8 1  es una matriz cuadrada de orden 3.
 
 
2 −1 5
Definición 5
Una matriz diagonal es una matriz cuadrada que únicamente tiene coeficientes
no nulos en la diagonal, es decir, aquella matriz A tal que aij = 0, ∀i 6= j.
Decimos que una matriz A estriangular superior si todos los coeficientes que se
encuentran por debajo de la diagonal son cero, es decir, si aij = 0, ∀i > j.
De la misma manera, decimos que una matriz A es triangular inferior si todos

los coeficientes que se encuentran por encima de la diagonal son cero, es decir,

7
Tema 3. Ideas clave
si aij = 0, ∀i < j.
Ejemplo 4.
De las siguientes matrices A es diagonal, B es triangular superior y C triangular
inferior.
   
a11 0 0 0 a11 a12 a13 a14
   
   
 0 a22 0 0   0 a22 a23 a24 
A=

;
 B=



 0 0 a33 0   0 0 a33 a34 
   
0 0 0 a44 0 0 0 a44
 
a11 0 0 0
 
 
 a21 a22 0 0 
=



 a31 a32 a33 0 
 
a41 a42 a43 a44
Como caso particular de matriz diagonal está la matriz identidad In , la cual se carac-
teriza por tener todos los coeficientes de la diagonal aij igual a 1. Por ejemplo:
 
1 0 0
 
A= 0 1 0
 

 
0 0 1
Es la matriz identidad de orden 3.
Definición 6
Una matriz simétrica es una matriz A tal que aij = aji para todo i, j. Es decir,
es una matriz en la que los coeficientes son simétricos con respecto a la diagonal
principal.

8
Tema 3. Ideas clave
Ejemplo 5.
La matriz:  
1 4 0
 
A =  4 −3 6
 

 
0 6 9
Es una matriz simétrica.
3.3 Operaciones con matrices
En esta sección vamos a describir las distintas operaciones aritméticas que podemos
realizar con matrices.
Suma de matrices
Definición 7: Suma de matrices
Dadas dos matrices del mismo orden A, B ∈ Mm×n la suma de A y B se define

como la matriz obtenida al sumar los coeficientes correspondientes a la misma
posición. Es decir:
 
a + b11 a12 + b12 ··· a1n + b1n
 11 
 a21 + b21 a22 + b22 ··· a2n + b2n
 

A + B := (aij + bij ) =  .. .. .. ..

.
 
 . . . 
 
an1 + bn1 an2 + bn2 · · · amn + bmn
Se observa por tanto que para que la suma esté definida es necesario que las matrices

9
Tema 3. Ideas clave
tengan el mismo orden.
Ejemplo 6.
     
1 4 0 2 0 3 3 4 3
     
 4 −3 6 + 1 3 1 = 5 0 7
     

     
0 6 9 1 2 0 1 8 9
La suma de matrices cumple las siguientes propiedades:
I Asociativa: A + (B + C) = (A + B) + C, para cualesquiera A, B, C ∈ Mm×n
I Conmutativa: A + B = B + A, para cualesquiera A, B ∈ Mm×n .
I Elemento neutro: Existe una matriz 0 ∈ Mm×n tal que A + 0 = A para cualquier
A ∈ Mm×n .
I Elemento opuesto: Para toda A ∈ Mm×n existe la matriz −A ∈ Mm×n tal que
A + (−A) = 0.
Estas propiedades hacen que el conjunto de matrices junto con la operación suma,
denotado por (Mm×n , +), forman un grupo Abeliano (ver Castellet y Llerena (1996)
para más información sobre teoría de grupos).
Producto de un escalar por una matriz
Definición 8: Producto por escalar
Dada una matriz A inMm×n y un escalar k ∈ K, definimos la multiplicación de

10
Tema 3. Ideas clave
k por A como la matriz:
 
ka11 ka12 · · · ka1n
 
 ka21 ka22 · · · ka2n
 

kA := (kaij ) = 
 .. .. ... ..


 . . . 
 
kan1 kan2 · · · kamn
Al igual que A, la matriz kA es de orden m × n.
Ejemplo 7.    
2 −1 0 4 −2 0
   
Dada la matriz A =  0 8 1 , se tiene que 2A =  0 16 2
   

   
2 −1 5 4 −2 10
Producto de dos matrices
El producto AB de dos matrices se define de manera algo más elaborada ya que para
que la operación esté definida, se requiere que A ∈ Mm×p y B ∈ Mp×n , es decir:
Número de columnas de A igual al número de filas de B
Existen diversas formas de realizar la multiplicación de matrices, como puede ser el

producto de matrices usual, el producto por columnas (y por filas) y el producto por
bloques, cada una de estas formas de multiplicación tiene sus aplicaciones y su impor-
tancia. En este capítulo, nos detendremos en el producto usual.

11
Tema 3. Ideas clave
Definición 9: Producto de dos matrices
Dadas A ∈ Mn×p y B ∈ Mp×m , definimos la matriz AB = (cij ) ∈ Mm×n

mediante la fórmula:
p
X
cij = aik bkj = ai1 b1j + ai2 b2j + ...aip bpj
k=1
Es decir, en la matriz producto AB la entrada en el lugar i, j se obtiene multiplicando

los elementos de la fila i-ésima de A por los elementos de la columna j-ésima de B.
A continuación, se puede ver con detalle las operaciones que se deben realizar:
Para n = 3, m = 4, p = 2:
 
a a  
 11 12  b11 b12 b13 b14
· =
 
 a21 a22  
  b21 b22 b23 b24
a31 a32 p×m
n×p
 
a b + a12 b21 a11 b12 + a12 b22 a11 b13 + a12 b23 a11 b14 + a12 b24
 11 11 
=  a21 b11 + a22 b21 a21 b12 + a22 b22 a21 b13 + a22 b23 a21 b14 + a22 b24
 

 
a31 b11 + a32 b21 a31 b12 + a32 b22 a31 b13 + a32 b23 a31 b14 + a32 b24
n×m
Como se puede ver, la matriz resultante AB tiene en número de filas de A y el número

de columnas de B, es decir:
Am×p · Bp×n = ABm×n
Ejemplo 8.
       
1 2 0 1 1·0+2·2 1·1+2·3 4 7
 · = = 
0 1 2 3 0·0+1·2 0·1+1·3 2 3

12
Tema 3. Ideas clave
El producto de matrices cumple las siguientes propiedades:
I Asociativa A(BC) = (AB)C siempre que los productos AB y BC estén definidos.
I Elemento neutro Dada una matriz A ∈ Mm×n , se verifica que Im A = A y AIn = A
I Distributiva respecto a la suma (A + B)C = AC + BC
I k(AB) = (kA)B
Es importante tener en cuenta que la multiplicación de matrices en general no es con-

mutativa. Por ejemplo, si tomamos las matrices
   
2 1 1 2
A=  y B= 
0 −1 −1 1
tenemos que:
    
2 1 1 2 1 5
AB =   = 
0 −1 −1 1 1 −1
    
1 2 2 1 2 −1
BA =   = 
−1 1 0 −1 −2 −2
Si consideramos las matrices cuadradas Mn entonces el producto de dos matrices

cualesquiera vuelve a ser una matriz cuadrada de orden n.
Este hecho junto con las operaciones que de suma y producto que acabamos de ver,
hacen que (Mn , +, ·) sea un anillo no conmutativo (Castellet y Llerena, 1996).
Producto de matrices por bloques
En muchas ocasiones, en las que las matrices que se desean multiplicar son grandes,
resulta práctico realizar la multiplicación pro bloques: Sean A ∈ Mn×p y B ∈ Mp×m

13
Tema 3. Ideas clave
podemos realizar el producto de matrices por bloques siempre que sean posibles sus
productos en cuanto a dimensiones.
 
a11 a12 a13 a14  
  b11 b12 b13
 a21 a22 a23 a24
   

 b21 b22 b23
   

· =
 
 a31 a32 a33 a34  





  b31 b32 b33 
 a41 a42 a43 a44   
  b41 b42 b43
a51 a52 a53 a54 4×3
5×4
 
a11 a12 a13 a14  
  b11 b12 b13
 a21 a22 a23 a24
   
  
   b21 b22 b23 
· =
 
 a31 a32 a33 a34  





  b31 b32 b33 
 a41 a42 a43 a44   
  b41 b42 b43
a51 a52 a53 a54 1×3|3×3
5×1|5×3
   
a11 a12 a13 a14
     
 a21  a a23 a24 b b b
   
 22   21 22 23
 
  
=  a31  · b11 b12 b13 +  a32  ·  b31 b32 b33
     
a33 a34 
     
   
 a41   a42 a43 a44  b41 b42 b43
   
a51 a52 a53 a54
Ejemplo 9.  
  0 0
0 0 2 −1  
0 0
   
 
Sean A =  0 0 0 0  y B =  . Realicemos el producto por bloques.
 
 
   5 0 
0 0 0 0  
1 0
 
  0 0
0 0 2 −1  
 0 0 
   
· =
 
 0 0 0 0   

   5 0 
0 0 0 0  
3×2|3×2 1 0
2×2|2×2
   
0 0   2 −1  
  0 0   5 0
= 0 0 · + 0 · =
  
 0
  0 0   1 0
0 0 0 0

14
Tema 3. Ideas clave
     
0 0 9 0 9 0
     
= 0 0 + 0 0 = 0 0 
     
     
0 0 0 0 0 0
Antes de terminar la sección de la multiplicación de matrices, cabe decir que el algoritmo para
obtener la multiplicación de matrices puede ser escrito y ejecutado de forma sencilla, aunque
no de forma única. A continuación se presenta el pseudocódigo del algoritmo basado en la
definición del producto de dos matrices.
Algoritmo para la multiplicación de matrices
para i := 1, 2, . . . , n
paraj := 1, 2, . . . , m
hacer
cij := 0
para q := 1, 2, ..., k
cij := cij + aiq bqj
fin
fin
C = [cij ] es el producto de A por B
Potencia de una matrices
Definición 10
Sea A una matriz cuadrada de orden n y sea k un número entero no negativo, podemos
definir la potencia de A como Ak = A
| · .{z
. . · A} ·In
k veces
En la definición incluimos en caso k = 0 en donde A0 = In .

15
Tema 3. Ideas clave
Matrices inversa, traspuesta y determinante de una matriz
Existen muchas otras operaciones que se realizan con matrices, o trasformaciones de matrices
con sus aplicaciones en distintos ámbitos. A continuación destacamos tres de las mas impor-
tantes, la trasposcición de matrices, la inversa de una matriz y el determinante de una matriz
cuadrada
Definición 11: Inversa de una matriz
Dadas dos matrices cuadradas A y B, ∈ Mn , es decir, matrices cuadradas, decimos que

B es la matriz inversa de A si se cumple:
AB = BA = In
En caso de existir esta pareja de matrices, decimos que A es una matriz invertible y escri-
bimos B = A−1 .
Ejemplo 10.
   
1 1 2 −1
Sea A =   es inversible y su matriz inversa es A−1 =  
1 2 −1 1
Ya que se puede ver que se cumple que:
    
1 1 2 −1 1 0
AA−1 =   = y
1 2 −1 1 0 1
    
2 −1 1 1 1 0
A−1 A   = 
−1 1 1 2 0 1
Veamos algunas propiedades de las matrices inversas:

16
Tema 3. Ideas clave
Proposición 1
Sean A, B ∈ Mn . Entonces,
I Si A es invertible, entonces A−1 es única.
I (AB)−1 = B −1 A−1 .
I Si A es invertible entonces su traspuesta (AT ) también lo es y se tiene que

(AT )−1 = (A−1 )T .
Demostración
1. Si existieran dos inversas B y C, tendríamos que AB = BA = AC = CA = In y

por tanto B = BIn = B(BA)C = In = C, lo cual no es cierto. Por tanto la matriz
inversa es única.
2. Comprobamos que ambas matrices cumplen la definición:

(AB)(B −1 A−1 ) = A(BB −1 )A−1 = AIn A−1 = AA−1 = In y de la misma forma,
(B −1 A−1 )(AB) = In , cumpliéndose así los dos miembros de la igualdad.
3. AL igual que en la demostración (2), AT (A−1 )T = (A−1 A)T = InT = In y por otra
parte, (A−1 )T AT = In .
En el siguiente vídeo puedes ver un ejemplo del cálculo de la inversa de una matriz de tamaño
2 × 2.
� Accede al vídeo: Calculo de matrices inversas en matrices de 2 x 2

17
Tema 3. Ideas clave
Definición 12: Traspuesta de una matriz
Dada una matriz A ∈ Mn×m , se define la matriz traspuesta de A como la matriz AT

obtenida escribiendo (por orden) las filas de A como columnas. Es decir:
   
a11 a12 · · · a1m a11 a21 ··· an1
   
 a21 a22 · · · a2m  a a22 · · · an2
   
 entonces AT =  12
 
A=
 .. .. .. ..   .. .. .. ..


 . . . .   . . . . 
   
an1 an2 · · · anm a1m a2m · · · anm
Obsérvese que la matriz traspuesta es de orden m × n, es decir AT ∈ Mm×n .
Ejemplo 11.  
  2 0
2 1 −1  
La traspuesta de la matriz A =   es AT = 
 1 −1 

0 −1 0  
−1 0
La traspuesta de una matriz (o

vector)
 fila es una matriz (o vector) columna y viceversa. Por
2  
T   5
ejemplo: 2 1 −1 = 1  y A= = 5 0
 
  0
−1
Las matrices traspuestas cumplen las siguientes propiedades:
I (A + B)T = AT + B T
I (AT )T = A
I (kA)T = kAT , ∀k ∈ K
I (AB)T = B T AT

18
Tema 3. Ideas clave
Determinante de una matriz
Vamos a definir el determinante de una matriz cuadrada A ∈ Mn , que representaremos por

det(A) o |A|, de manera inductiva. Primero para el caso inicial n = 1, seguido de los casos
más comunes n = 2 y n = 3, para terminar con la definición para una matriz general.
I Si A es de orden 1, es decir A = (a), entonces det(A) = a.

 
a11 a12
I Si A es de orden 2, es decir A =  , entonces:
a21 a22
a11 a12
det(A) = = a11 a22 − a12 a21
a21 a22
 
a11 a12 a12
 
I Si A es de orden 3, es decir A =  a21 a22 a23 , entonces:
 
 
a31 a32 a33
a11 a12 a12

det(A) = a21 a22 a23 = a11 a22 a33 + a13 a21 a32 + a12 a23 a31
a31 a32 a33
− a11 a23 a32 − a12 a21 a33 − a13 a22 a31 .
El determinante de una matriz 3 × 3 se obtiene de manera gráfica mediante la conocida Regla

de Sarrus, que indica los sumandos negativos y positivos:

19
Tema 3. Ideas clave
Ejemplo 12.  
  1 0 4
1 −1  
Para las matrices A =   y B=
 −1 2 −1  se tiene que:

2 3  
0 3 1
I det(A) = 3 − (−2) = 5
I det(B) = 2 + (−12) + 0−0−0−(−3) = −7
Definición 13: Menor adjunto de una matriz
Dada una matriz cuadrada de orden n:
 
a11 a12 · · · a1m
 
 a21 a22 · · · a2m
 

A=
 .. .. .. ..


 . . . . 
 
an1 an2 · · · anm
Llamamos Aij a la matriz que se obtiene de A eliminando la fila i y la columna j. Defini-

mos el ij-ésimo menor adjunto de una matriz A como:
αij = (−a)i+j det(Aij )
Y el determinante de A como:
det(A) = a11 α11 + a21 α21 + ... + an1 αn1
Esta fórmula también es conocida como el desarrollo de Laplace del determinante de A por
su primera columna.
El cálculo del determinante de una matriz de orden n se realiza a partir de los menores adjuntos
de orden n − 1. La operación puede expresarse en términos de determinantes de orden 2 o
3, que pueden ser resueltos por la regla de Sarrus.

20
Tema 3. Ideas clave
Ejemplo 13.
Vemos en este ejemplo cómo podemos calcular el determinante de una matriz de orden
4 a partir de sus menores de orden 3.
 
1 0 −1 2 1 0 −1 2
 
 0 0 0 1  0 0 0 1
 
det 

=
 =
 2 1 0 1  2 1 0 1
 
1 −1 1 −1 1 −1 1 −1
0 0 1 1 −1 2 0 −1 2 0 −1 2
= 1· 1 0 1 −0· 1 0 1 +2· 0 0 1 −1· 0 0 1 =
−1 1 −1 −1 1 −1 −1 1 −1 1 0 1
= 1 · 1 + 2 · 1 − 1(−1) = 4
A continuación, se presentan las propiedades más importantes de los determinantes (Castellet

y Llerena, 1996, 46-48):
I Si tres matrices cuadradas A, A0 y A00 son idénticas salvo en que la i-ésima fila (o columna)
de A es la suma de las filas (o columnas) correspondientes de A0 y A00 , entonces:
det(A) = det(A0 ) + det(A00 )
I Si una matriz A tiene dos filas o columnas iguales entonces det(A) = 0.
I Si se intercambian dos filas o columnas de la matriz A, entonces su determinante cambia

de signo.
I Si se multiplican los elementos de una fila o columna de la matriz A por un escalar k, en-
tonces el determinante queda multiplicado por k.
I Si a una fila o columna de una matriz cuadrada A se le suma otra multiplicada por un escalar
k, entonces su determinante no varía.

21
Tema 3. Ideas clave
I Una matriz cuadrada A es regular si y solamente si det(A) 6= 0.
I Producto: det(AB) = det(A)det(B).
I Traspuesta: det(A) = det(AT ).
I El determinante de una matriz puede obtenerse desarrollando cualquiera de sus filas o

columnas:
det(A) = ai1 + ... + ain αin = a1j α1j + ... + anj αnj
EL calculo de los determinantes de una matriz, resulta de gran utilidad para obtener la inversa
de esta. Para ello, en primer lugar definimos la matriz adjunta de una matriz cuadrada:
Dada una matriz A ∈ Mn , se define la matriz adjunta de A como:
A∗ := (αij )
A∗ es la matriz en la que cada posición de la matriz se encuentra el correspondiente menor

adjunto de dicho elemento.
Se cumple que si A es una matriz regular (se puede obtener la matriz inversa de A), entonces;
(A+ )T
A−1 =
det(A)
En el siguiente vídeo puedes ver un ejemplo del cálculo de la inversa de una matriz utilizando
el cálculo de los determinantes.
� Accede al vídeo: Calculo de matrices inversas en matrices de 3 x 3

22
Tema 3. Ideas clave
3.4 Matrices cero-uno
Para finalizar este tema, se profundiza en el estudio de las matrices cero-uno o matrices bolea-
nas, introducido en el Tema 4 y que son de gran utilidad para la representación de estructuras
discretas, tal como se verá en el tema 9, en el que se utilizan las matrices cero-uno para repre-
sentar grados.
Definición 14: Matrices cero-uno
Se llama matriz cero-uno o matriz boleana a aquella matriz en la que todos los elemen-
tos que la forman son 0 ó 1 y los algoritmos que trabajan con ellas, están basados en la
aritmética boleana sobre matrices de ceros y unos. Esta aritmética se construye con las
operaciones boleanas ∨, ∧e = sobre pares de bits que se vieron en el Tema 1:

 1 si b1 = b2 = 1
b1 ∧ b2 =
 0 otro caso

 1 si b1 = 1 ó b2 = 1
b1 ∨ b2 =
 0 otro caso
Además, se pueden realizar las operaciones unión e intersección de matrices boleanas:
Definición 15: Unión e intersección
Sean A = (aij ) y B = (bij ) matrices boleanas m × n.

Se define la unión de A y B y se denota por A ∨ B a la matriz boleana cuyo elemento
(ij) es aij ∨ bij .
Se llama matriz intersección de A y B y se denota A∧B a la matriz boleana cuyo elemento
(i, j) es aij ∧ bij
Es habitual encontrar las operaciones de unión e intersección bajo terminología inglesa como
meet para denotar a la matriz unión de A y B y join para la matriz intersección de A con B.

23
Tema 3. Ideas clave
Ejemplo 14.
Dadas las matrices A y B, calcular las matrices A ∨ B y A ∧ B.
   
1 0 1 0 1 0
A=  y B= 
0 1 0 1 1 0
solución:
   
1∨0 0∨1 1∨0 1 1 1
A∨B = = 
0∨1 1∨1 0∨0 1 1 0
   
1∧0 0∧1 1∧0 0 0 0
A∧B = = 
0∧1 1∧1 0∧0 0 1 0
Definición 16: Producto boleano
Sean A y B dos marices boleanas de orden m × k y k × n. El producto boleano, de A y

B, que se denota por A B, es la matriz Cm×n cuyo elemento (ij) se obtiene como:
n
_
cij = aik ∧ bkj
k=1
cij = (ai1 ∧ bi1 ) ∨ (ai2 ∧ bi2 ) ∨ ... ∨ (aik ∧ bik )
Es decir, el producto boleano de matrices se realiza de forma análoga al producto usual de

matrices, cambiando las operaciones suma por unión (+ −→ ∨) y producto por intersección
(· −→ ∧).

24
Tema 3. Ideas clave
Ejemplo 15.
Calcular el producto boleano de las matrices:
 
1 0  
  1 1 0
A= 0 1  y B=
  
  0 1 1
1 0
Solución:
 
(1 ∧ 1) ∨ (0 ∧ 0) (1 ∧ 1) ∨ (0 ∧ 1) (1 ∧ 0) ∨ (0 ∧ 1)
 
A B =  (0 ∧ 1) ∨ (1 ∧ 0) (0 ∧ 1) ∨ (1 ∧ 1) (0 ∧ 0) ∨ (1 ∧ 1)
 

 
(1 ∧ 1) ∨ (0 ∧ 0) (1 ∧ 1) ∨ (0 ∧ 1) (1 ∧ 0) ∨ (0 ∧ 1)
 
(1 ∨ 0) (1 ∨ 0) (0 ∨ 0)
 
=  (0 ∨ 0) (0 ∨ 1) (0 ∨ 1)
 

 
(1 ∨ 0) (1 ∨ 0) (0 ∨ 0)
 
1 1 0
 
= 0 1 1
 

 
1 1 0
Al igual que en el caso del producto usual, se puede implementar el algoritmo para el producto
boleano en base al siguiente pseudocódigo:

25
Tema 3. Ideas clave
Algoritmo para el producto boleano de matrices
para i := 1, 2, . . . , n
paraj := 1, 2, . . . , m
hacer
cij := 0
para q := 1, 2, ..., k
cij := cij ∨ (aiq ∧ bqj )
fin
fin
C = [cij ] es el producto boleano de A por B
Potencia de una boleana
Definición 17
Sea A una matriz cuadrada cero-uno de orden n y sea k un número entero positivo, po-
demos definir la potencia boleana de A como Ak = A
| .{z
.. A} ·In
k veces
Este producto está bien definido ya que el producto boleano es asociativo. Por definición
A0 = In .

26
Tema 3. Ideas clave
3.5 Referencias bibliográficas
Rosen, K. H., & Morales, J. M. P. (2004). Matemática discreta y sus aplicaciones.
Koshy, T. (2004). Discrete mathematics with applications. Elsevier.
Grimaldi, R. P. (2006). Discrete and Combinatorial Mathematics, 5/e. Pearson Education India.
Merino, L. M., & Santos Aláez, E. (2006). Álgebra lineal con métodos elementales. Madrid: Ed.
Thomson.
Castellet, M., & Llerena, I. (1996). Álgebra Lineal y Geometría. Barcelona: Reverte.

27
Tema 3. Ideas clave
3.6 Cuaderno de ejercicios
Ejercicio 1.
Hallar la matriz A resultante del producto:
 
1
 
A =  −5  3 4 1
 
 
2
Ejercicio 2.
¿Para qué valores de α ∈ R la matriz no es invertible?.
Ejercicio 3.
Calcular AB si:
   
1 1 0 4
a) A =   y B= 
3 2 3 1
 
1 −1  
  3 −2 −1
b) A =  0 1  y B = 
  
  1 0 2
2 3
Ejercicio 4.   
1 0 1 0 1 1
   
Sean A =  1 1 0  y B =  1 0 1 .
   
   
0 0 1 1 0 1
Obtener: a) A ∨ B; b) B ∧ A y c)A B

28
Tema 3. Ideas clave
Ejercicio 5.
 
1 0 0
 
Sea A =  1 0 1 , calcular:a) A2 B; b) A3 y c)A ∨ A2 ∨ A3
 
 
0 1 0
Ejercicio 6.
Sean A y B matrices boleanas de orden m × n. Demostrar que:
a) A ∨ B = B ∨ A; b) A ∧ B = B ∧ A

29
Tema 3. Ideas clave
3.7 Soluciones cuaderno de ejercicios
Solución 1.
 
3 4 −1
 
A =  −15 −20 5
 

 
6 8 −2
Solución 2.
Tuna matriz es no invertible si su determinante es igual a cero. Por tanto, como |A| = 0
para cualquier valor de α ∈ R, la matriz A no es invertible para todo valor de α ∈ R
Solución 3.
 
  2 −2 −3
1 11  
a= ; b= 1 0
 
2 
2 18  
9 −4 4
Solución 4.
     
1 1 1 0 0 1 1 1 1
     
a)  1 1 1  ; b)  1 0 0  ; c)  1 1 1
     

     
1 0 1 0 0 1 1 0 1
Solución 5.
     
1 0 0 1 0 0 1 0 1
     
a)  1 1 0  ; b)  1 0 1  ; c)  1 1 1
     

     
1 0 1 1 1 0 1 1 1

30
Tema 3. Ideas clave
Solución 6.
a) A ∨ B = (aij ∨ bij ) = (bij ∨ aij ) = B ∨ A
b) A ∧ B = (aij ∧ bij ) = (bij ∧ aij ) = B ∧ A

31
Tema 3. Ideas clave
3.8 A fondo

32
Tema 3. Ideas clave
A fondo
Vectores y matrices
En este curso de Ricardo Ruiz Rodríguez se explica cómo la herramienta Octave

permite operar con matrices..
Accede al documento desde el aula virtual o a través de la siguiente dirección web:
http://www.utm.mx/~rruiz/cursos/Octave/VyM.pdf¡
Curso Matlab: Introduccion
La alternativa comercial a Octave es MatLab. En este curso se describe la herramienta

MatLab y su operativa mediante operaciones con matrices.
Accede al vídeo desde el aula virtual o a través de la siguiente dirección web:

http://www.youtube.com/watch?v=w3M6Pu6tcic
Introduction to Matrix Analysis
Bellman, R. (1960). Introduction to Matrix Analysis. New York: McGraw Hill.
Considerado durante mucho tiempo como un clásico en su género, este fue el primer libro
en inglés para incluir tres campos básicos del análisis de matrices, matrices simétricas y
formas cuadráticas, matrices y ecuaciones diferenciales, y las matrices positivas y su uso en
la teoría de probabilidades y matemáticas economía. Escrito en términos lúcidos y concisos,
este volumen abarca todos los aspectos clave de la matriz de análisis y presenta una gran
variedad de métodos fundamentales.
Publicado originalmente en 1960, este libro se sustituye la primera edición publicada
previamente por SIAM en la serie Classics. Aquí encontrarás una guía básica para las
operaciones con matrices y la teoría de matrices simétricas, además de la comprensión de
las matrices cuadradas generales, orígenes de matrices de Markov y matrices no negativas,
en general, la caracterización, la mínima-máxima de raíces características, productos de
Kronecker, funciones de matrices, y mucho más. Estas ideas y métodos servirán como
herramientas analíticas.
Accede al libro desde el aula virtual o a través de la biblioteca de la Universidad:
http://unir.summon.serialssolutions.com /

33
Tema 3. Ideas clave
Recursos externos
MatLab
MatLab es una herramienta muy utilizada para el cálculo de operaciones con matrices. En esta
herramienta las variables son matrices y el lenguaje proporciona ayuda para las operaciones
básicas con matrices. Además proporciona multitud de funciones para operar con estas
matrices. MatLab es de pago pero puedes utilizar la versión de prueba.
http://www.mathworks.es/programs/nrd/matlab-trial-request.html?region=es&s_eid=ppc_1817
Manual: http://www.mathworks.es/academia/student_center/tutorials/
Octave
Octave es la alternativa GNU a la herramienta comercial MatLab. Octave actualmente no

implementa tantas librerías como MatLab, pero puede ser suficiente si no buscamos realizar
operaciones complicadas.
http://www.gnu.org/software/octave/
Manual: http://en.wikibooks.org/wiki/Octave_Programming_Tutorial

34
Tema 3. Ideas clave
3.9 Test

35
Tema 3. Ideas clave
Test
1. Las matrices se suelen indexar:
A. Primero fila y luego columna.
B. Primero columna y luego fila.
C. No está definido.
D. En inglés al revés que en español.
2. Para que dos matrices se puedan sumar:

A. Deben tener el mismo tamaño.
B. El número de filas de la primera debe de ser igual al número de columnas de la
segunda.
C. El número de columnas de la primera debe de ser igual al número de filas de la
segunda.
D. El número de columnas de la primera debe de ser igual al número de
columnas de la segunda.
3. Para que dos matrices se puedan multiplicar:

A. Deben tener el mismo tamaño.
B. El número de filas de la primera debe de ser igual al número de columnas de la
segunda.
C. El número de columnas de la primera debe de ser igual al número de filas de la
segunda.
D. El número de columnas de la primera debe de ser igual al número de
columnas de la segunda.

36
Tema 3. Ideas clave
4. La matriz transpuesta es:
A. Una matriz A donde 𝑎𝑎ij=aji.
B. Una matriz A donde 𝑎𝑎ij=-aji
C. Una matriz A donde 𝑨𝑨𝑨𝑨-1=𝑰𝑰
D. Una matriz A donde 𝑨𝑨𝑨𝑨 =𝑨𝑨-1.
5. ¿ La matriz inversa representa:

A. Una matriz A donde 𝑎𝑎ij=aji.
B. Una matriz A donde 𝑎𝑎ij=-aji
C. Una matriz A donde 𝑨𝑨𝑨𝑨-1=𝑰𝑰
D. Una matriz A donde 𝑨𝑨𝑨𝑨 =𝑨𝑨-1.
6. El determinante representa:
A. El valor más importante de la matriz.
B. El valor menos importante de la matriz.
C. Cuando es cero significa que la matriz es invertible.
D. Cuando es cero significa que la matriz no es invertible.
7. La operación meet se relaciona con:

A. La unión.
B. La intersección.
C. La resta.
D. El producto de matrices.
8. Una matriz simétrica:

A. Tiene todos sus elementos son 1.
B. Tiene todos los elementos de su diagonal principal son 1.
C. Es cuadrada.
D. Tiene inverso.

37
Tema 3. Ideas clave
9. La matriz identidad es:
A. Una matriz con todos sus elementos iguales a 1.
B. Una matriz con los elementos de su diagonal principal iguales a 1. (
C. La transpuesta de la matriz.
D. La inversa de la matriz.
10. La operación join se relaciona con:

A. La unión.
B. La intersección.
C. La resta.
D. El producto de matrices.

38
Tema 3. Ideas clave

Tema 3 - Operaciones Con Matrices

Cargado por

Copyright:

Formatos disponibles

Tema 3 - Operaciones Con Matrices

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tema 3 - Operaciones Con Matrices

Cargado por

Copyright:

Formatos disponibles

Álgebra y Matemática discreta

Operaciones con matrices

3.1 Introducción y objetivos . . . . . . . . . . . . . 3

3.2 Operaciones fundamentales con matrices . . . . . . 5

3.3 Operaciones con matrices . . . . . . . . . . . . 9

3.4 Matrices cero-uno. . . . . . . . . . . . . . . . 23

3.5 Referencias bibliográficas . . . . . . . . . . . . . 27

3.6 Cuaderno de ejercicios . . . . . . . . . . . . . . 28

3.7 Soluciones cuaderno de ejercicios . . . . . . . . . 30

Álgebra y Matemática discreta

3.1 Introducción y objetivos

El manejo de matrices es una herramienta fundamental para resolver sistemas de

I Realizar operaciones elementales sobre una matriz.

I Estudiar las relaciones Binarias.

I Calcular la matriz inversa de una matriz utilizando bien operaciones elementales o

I Conocer el concepto de matriz cero-uno.

Álgebra y Matemática discreta

Para alcanzar estos objetivos, se propone la siguiente subdivisión del contenido de

I Operaciones fundamentales con matrices.

I Matriz potencia, transpuesta y matriz inversa.

I Determinante de una matriz.

I Cierre de una relación.

Álgebra y Matemática discreta

La suma y la resta de matrices se realizan sumando o restando los elementos corres-

Llamaremos matriz de orden m×n a una tabla de m filas y n columnas expresada

Álgebra y Matemática discreta

Como notación abreviada de matriz usaremos A = (aij )i=1,··· ,m,j=1,··· ,n o simplemente

Dada una matriz A, una submatriz de A es una matriz obtenida a partir de A

es de orden 2 × 3, en donde a12 = 4 y a23 = −1. Por tanto A ∈ M2×3 (R).

son submatrices de la matriz A.

A continuación se definen una serie de tipos de matrices que se utilizarán a lo largo

Álgebra y Matemática discreta

De la misma manera, decimos que una matriz A es triangular inferior si todos

Álgebra y Matemática discreta

Es la matriz identidad de orden 3.

Álgebra y Matemática discreta

Es una matriz simétrica.

3.3 Operaciones con matrices

Definición 7: Suma de matrices

Dadas dos matrices del mismo orden A, B ∈ Mm×n la suma de A y B se define

Álgebra y Matemática discreta

La suma de matrices cumple las siguientes propiedades:

I Asociativa: A + (B + C) = (A + B) + C, para cualesquiera A, B, C ∈ Mm×n

I Conmutativa: A + B = B + A, para cualesquiera A, B ∈ Mm×n .

Producto de un escalar por una matriz

Definición 8: Producto por escalar

Dada una matriz A inMm×n y un escalar k ∈ K, definimos la multiplicación de

Álgebra y Matemática discreta

Al igual que A, la matriz kA es de orden m × n.

Producto de dos matrices

Número de columnas de A igual al número de filas de B

Existen diversas formas de realizar la multiplicación de matrices, como puede ser el

Álgebra y Matemática discreta

Dadas A ∈ Mn×p y B ∈ Mp×m , definimos la matriz AB = (cij ) ∈ Mm×n

Es decir, en la matriz producto AB la entrada en el lugar i, j se obtiene multiplicando

Como se puede ver, la matriz resultante AB tiene en número de filas de A y el número

Am×p · Bp×n = ABm×n

Álgebra y Matemática discreta