¿Qué es una matriz traspuesta?

| Última modificación: 10 de junio de 2025 | Tiempo de Lectura: 2 minutos
Premios Blog KeepCoding 2025

Business Intelligence & Big Data Advisor & Coordinadora del Bootcamp en Data Science, Big Data & Machine Learning.

¿Sabes qué es una matriz traspuesta y cómo identificarla? En este artículo te enseñaremos a qué hace referencia este concepto, el cual cobra relevancia en el mundo de la informática cuando lo unimos al machine learning.

Matriz traspuesta: ¿Qué es y para qué sirve?

Dada una matriz A de mxn, la transpuesta de A es la matriz nxm, denotada mediante AT, cuyas columnas se forman a partir de las filas correspondientes de A. En resumen, la matriz transpuesta es aquella que se obtiene al transformar las filas en columnas y las columnas en filas. Esto se realiza del siguiente modo:

Matriz traspuesta
Matriz traspuesta

Tenemos aquí un ejemplo con 2 filas por 3 columnas (2×3). Su matriz traspuesta es coger la primera fila y convertirla en una columna. Es decir, la primera fila [5, 1, 7] quedaría convertida en una columna [5, 1, 7]. Se procedería de la misma manera con la segunda fila [3, -2, 5], que se convertiría en una columna del mismo tipo.

Esto lo podemos hacer en Python usando np.transpose () para calcular la traspuesta de una matriz A:

#Matriz traspuesta
A = np.array ([[5,  1,  7],
                         [3,  -2,  5]])

At = np.transpose (A)
print (At)

[[5 3]
[1 -2]
[7 5]]

¿Qué sucede si volvemos a realizar la traspuesta?

#Matriz traspuesta
att = np.transpose (At)
print (Att)

[[5, 1, 7]

[3, -2, 5]]

Obtenemos de nuevo la matriz A, como era de esperar. Aquí lo que hemos hecho ha sido transformar la primera fila [5 3], la segunda fila [1 -2] y la tercera fila [7 5] en columnas, respectivamente.

Matriz cuadrada

Una matriz cuadrada va a ser simétrica si AT= A, es decir, si A es igual a su propia matriz traspuesta. Por ejemplo:

#Matriz cuadrada/matriz traspuesta
C = np.array ([[126,  -66,  88],
                         [-66,  58,  -50],
                         [88,  -50,  46]])

Ct = np.transpose (C)
Ct

array (

[[126, -66, 88],
[-66, 58, -50],
[88, -50, 46]])

¿Quieres seguir aprendiendo?

Ahora que sabes cómo identificar matrices traspuestas, puedes seguir aprendiendo sobre Big Data para convertirte en un experto en el sector IT. Podrás acceder a una de las disciplinas más demandadas y mejor pagadas del mercado laboral en pocos meses gracias al Big Data, Inteligencia Artificial & Machine Learning Full Stack Bootcamp. Se trata de una formación íntegra y de alta intensidad en la que adquirirás todos los conocimientos teóricos y prácticos que te ayudarán a obtener el trabajo de tus sueños. ¡Entra ya para solicitar información y anímate a cambiar tu futuro!

Noticias recientes del mundo tech

¡CONVOCATORIA ABIERTA!

Big Data & Data Science

Full Stack Bootcamp

Clases en Directo | Acceso a +600 empresas | 98% de empleabilidad

Descárgate también el informe de tendencias en el mercado laboral 2026.

Fórmate con planes adaptados a tus objetivos y logra resultados en tiempo récord.
KeepCoding Bootcamps
Resumen de privacidad

Esta web utiliza cookies para que podamos ofrecerte la mejor experiencia de usuario posible. La información de las cookies se almacena en tu navegador y realiza funciones tales como reconocerte cuando vuelves a nuestra web o ayudar a nuestro equipo a comprender qué secciones de la web encuentras más interesantes y útiles.