7.

01
Capı́tulo 5

,2
ft
Matrices

ra
D
o.
En este capı́tulo estudiaremos una clase de objetos que tiene utilidad en muy diversos contextos,

ra
las matrices. Presentamos su definición en el capı́tulo anterior con el objetivo de usar las matrices
aumentadas en la resolución de sistemas de ecuaciones y en el presente capı́tulo continuamos su estudio

A
en forma más detallada, incluyendo sus operaciones y propiedades.

ra
5.1. Suma y Producto por Escalar
d
Definición 5.1. 1. Sean A, B ∈ Mm×n (R). Definimos su suma como la matriz C ∈ Mm×n (R) tal
en
que cij = aij + bij para todos los pares de ı́ndices, es decir, para todo 1 ≤ i ≤ m y 1 ≤ j ≤ n.
lm

2. Dada A ∈ Mm×n (R) y r ∈ R. Definimos el producto por escalar rA como la matriz obtenida
multiplicando cada entrada de A por r.
A

Observación 5.1. La definición anterior limita la suma de matrices solamente a matrices de igual orden
lo cual es por demás natural ya que la matriz suma se obtiene sumando los elementos correspondientes
lix

de ambas matrices. Es decir, la suma de matrices que no son del mismo orden no está definida.
⎡ 1 2 0 −4 ⎤ ⎡ −1 3 −2 4 ⎤
Fé

⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥
Ejemplo 5.1. Consideremos A = ⎢ −2 7 −1 2 ⎥ y B = ⎢ 10 1 −1 −2 ⎥.
⎢ ⎥ ⎢ ⎥
⎢ 5 0 3 −6 ⎥ ⎢ 8 5 7 6 ⎥⎦
⎣ ⎦ ⎣
r.

Calculemos A + B, 2A, 2A + (−B), 3A + (−2)B.

.D

⎡ 0 5 −2 0 ⎤
⎢ ⎥
⎢ ⎥
A + B = ⎢ 8 8 −2 0 ⎥
al

⎢ ⎥
⎢ 13 5 10 0 ⎥
⎣ ⎦
ne

⎡ 2 4 0 −8 ⎤⎥
⎢
⎢ ⎥
Li

2A = ⎢ −4 14 −2 4 ⎥
⎢ ⎥
⎢ 10 0 6 −12 ⎥⎦
⎣
ra

⎡ 3 2 −12 ⎤⎥
⎢ 1
⎢ ⎥
2A + (−B) = ⎢ −14 13 −1 6 ⎥
eb

⎢ ⎥
⎢ 2 −5 −1 −18 ⎥⎦
⎣
lg

⎡ 5 4 −20 ⎤
⎢ 0 ⎥
⎢ ⎥
3A + (−2)B = ⎢ −26 19 −1 10 ⎥
Á

⎢ ⎥
⎢ −1 −10 −5 −30 ⎥
⎣ ⎦
Proposición 5.1. Propiedades de la suma y el producto por escalar.

69
CAPÍTULO 5. MATRICES 70

1. Si A, B ∈ Mm×n (R), entonces A + B ∈ Mm×n (R). (Propiedad de cerradura).

2. Si A, B ∈ Mm×n (R), entonces A + B = B + A. (Propiedad conmutativa).
3. Si A, B, C ∈ Mm×n (R), entonces A + (B + C) = (A + B) + C. (Propiedad asociativa).

7.
4. Existe 0 ∈ Mm×n (R) tal que A + 0 = A para toda A ∈ Mm×n (R). (Existencia de neutro aditivo).

01
5. Para cada A ∈ Mm×n (R), existe −A ∈ Mm×n (R) tal que A + (−A) = 0. (Existencia de inversos

,2
aditivos).

ft
6. si r ∈ R, A ∈ Mm×n (R) entonces rA ∈ Mm×n (R). (Propiedad de cerradura).

ra
7. si r ∈ R, A, B ∈ Mm×n (R) entonces r(A + B) = rA + rB. (Propiedad distributiva).
8. si r, s ∈ R, A ∈ Mm×n (R) entonces (r + s)A = rA + sA. (Propiedad distributiva).

D
9. si r, s ∈ R, A ∈ Mm×n (R) entonces r(sA) = (rs)A. (Propiedad asociativa).

o.
10. 1A = A para toda A ∈ Mm×n (R). (Producto por el neutro multiplicativo).

ra
Demostración. La demostración se sigue directamente de las propiedades de campo de los números
reales. Para la propiedad del neutro aditivo basta tomar como neutro aditivo a la matriz tal que

A
todos sus elementos son cero. Para la propiedad del inverso aditivo tomar como −A a la matriz cuyos
elementos son los respectivos inversos aditivos de los elementos de A, es decir, −A = [−aij ].

ra
Proposición 5.2. (Unicidad del neutro aditivo).
El neutro aditivo es único.
d
en
Demostración. Supongamos que existen dos neutros aditivos, digamos 0 y 0′ , entonces tenemos que
A + 0 = A y A + 0′ = A para toda matriz A ∈ Mm×n (R). En particular tenemos que 0 + 0′ = 0, además
lm

0 + 0′ = 0′ + 0 = 0′ de donde tenemos que 0′ = 0. Por lo tanto hemos demostrado que el neutro aditivo
es único.
A

Definición 5.2. La matriz en Mm×n (R) tal que todas sus entradas son cero es llamada matriz cero
de orden m × n y se denota como 0m×n , cuando se sobreentiende el orden simplemene se escribe 0. La
lix

matriz cero de orden n se denota por 0n .

Fé

Notemos que esta matriz es el neutro aditivo usado en la demostración de la existencia de neutro
aditivo.
r.

Proposición 5.3. (Unicidad del inverso aditivo).

El inverso aditivo de cada matriz es único.
.D

Demostración. Supongamos que una matriz A tiene dos inversos aditivos digamos A′ y A′′ , entonces
tenemos que A+A′ = 0 y A+A′′ = 0, entonces A′ = A′ +0 = A′ +(A+A′′ ) = (A′ +A)+A′′ = (A+A′ )+A′′ =
al

0 + A′′ = A′′ .
ne

Observación 5.2. Denotaremos a A + (−B) por A − B.

Li

5.2. Multiplicación de Matrices

ra

Para multiplicar dos matrices se procede de la siguiente forma.

Dadas dos matrices
eb

⎡ a11 a12 ... a1n ⎤

⎢ ⎥
⎢ ⎥ ⎡ a11 a12 ... a1j ⎤
lg

⎢ a21 a22 ... a2n ⎥ ⎢ ... a1p ⎥

⎢ ⎥ ⎢ ⎥
⎢ ⋮ ⋮ ⋮ ⎥
A = ⎢⎢ ⎥ y B = ⎢⎢ a21 a22 ... a2j ... a2p ⎥
Á

⎥ ⎥
⎢ ai1 ai2 ... ain ⎥ ⎢ ⋮ ⋮ ... ⋮ ⎥
⎢ ⎥ ⎢ ⎥
⎢ ⋮ ⋮ ⋮ ⎥ ⎢ ak1 ak2 ... akj ⎥
⎢ ⎥ ⎣ ... akp ⎦
⎢ am1 am2 ... amn ⎥
⎣ ⎦
CAPÍTULO 5. MATRICES 71

en la entrada ij de la matriz producto se coloca el número que se obtiene multiplicando los elementos
del renglón i de A con los elementos correspondientes de la columna j de B y realizando la suma de
todos estos productos. Para garantizar que todos los elementos del renglón i de A tengan un elemento

7.
correspondiente en la columna j de B se requiere que el número de columnas de A (n) sea igual al
número de renglones de B (k), ası́ debemos tener n = k. De esta forma se obtendrá una matriz de orden

01
m × p. Expresamos lo anterior en la siguiente definición.

,2
Definición 5.3. Sean A ∈ Mm×n (R), B ∈ Mn×p (R). Se define el producto AB como aquella matriz C
tal que cij = ai1 b1j + ai2 b2j + ... + ain bnj o más brevemente, cij = ∑nk=1 ai,k bk,j .

ft
ra
Notemos que en la definición anterior se requiere, como habı́amos notado arriba, que el número de
columnas de la primera matriz sea igual al número de renglones de la segunda matriz. Además, de la

D
definición anterior se tiene que A ∈ Mm×n (R), B ∈ Mn×p (R) implica que AB ∈ Mm×p (R).
⎡ 1 4 ⎤⎥

o.
⎢ 2 1 −4
⎢ ⎥
Ejemplo 5.2. A = ⎢ −1 3 ⎥ y B = [ ], entonces

ra
⎢ ⎥ 0 1 −1
⎢ 2 −5 ⎥
⎣ ⎦

A
⎡ 1 4 ⎤⎥ ⎡ 2 5 −8 ⎤⎥
⎢ ⎢
⎢ ⎥ 2 1 −4 ⎢ ⎥
AB = ⎢ −1 3 ⎥ [ ] = ⎢ −2 2 1 ⎥

ra
⎢ ⎥ 0 1 −1 ⎢ ⎥
⎢ 2 −5 ⎥ ⎢ 4 −3 −3 ⎥
⎣ ⎦ ⎣d ⎦
⎡ 1 4 ⎤⎥
en
2 1 −4 ⎢⎢ ⎥ −7 31
BA = [ ] ⎢ −1 3 ⎥ = [ ]
0 1 −1 ⎢⎢ ⎥ −3 8
−5 ⎥
lm

⎣ 2 ⎦
Observación 5.3. En relación al ejemplo anterior, notemos que AB ∈ M3 (R), en tanto que BA ∈
A

M2 (R) y en consecuencia AB ≠ BA. Ası́ tenemos que el producto de matrices no es conmutativo.

Además es fácil ver que puede suceder que un producto de dos matrices esté definido pero el producto
lix

en orden inverso no lo esté (dé el lector un ejemplo de ello).

Fé

Dada una matriz cuadrada A ∈ Mn (R), los elementos de su diagonal principal o simplemente dia-
gonal son a11 , a22 , ..., ann .
Una matriz cuadrada A ∈ Mn (R), se dice matriz diagonal si todos los elementos fuera de su diagonal
r.

son 0, es decir, si aij = 0, para i ≠ j, en otras palabras, es una matriz de la forma

.D

⎡ d1 0 ... 0 ⎤⎥
⎢
⎢ 0 d2 ... 0 ⎥⎥
⎢
al

⎢ ⎥
⎢ ⋮ ⋮ ⋮ ⎥⎥
⎢
⎢ 0 0 ... dn ⎥⎦
ne

⎣
En tal caso, simplemente escribiremos A = diag(d1 , d2 , ..., dn ).
Li

Proposición 5.4. Propiedades del producto de matrices.

ra

1. Si A ∈ Mm×n (R), B ∈ Mn×p (R) y C ∈ Mp×q (R), entonces A(BC) = (AB)C. (Propiedad asocia-
eb

tiva).
2. Si A, B ∈ Mm×n (R) y C ∈ Mn×p (R), entonces (A + B)C = AC + BC. (Propiedad distributiva por
lg

la derecha).
Á

3. Si A ∈ Mm×n (R) y B, C ∈ Mn×p (R), entonces A(B + C) = AB + AC. (Propiedad distributiva por
la izquierda).
CAPÍTULO 5. MATRICES 72

4. Existe una matriz I ∈ Mn (R) tal que AI = IA = A para toda A ∈ Mn (R). (Existencia de
identidad).
5. 0p×m A = 0p×n para cada A ∈ Mm×n (R)

7.
6. A0n×p = 0m×p para cada A ∈ Mm×n (R)

01
Demostración. 1) Notemos primero que ambos productos A(BC) y (AB)C están definidos. Además,

,2
A(BC), (AB)C ∈ Mm×q (R). Sean X = A(BC) y Y = (AB)C.
Como BC(i, j) = bi1 c1j + bi2 c2j + ... + bip cpj , entonces la columna j-ésima de BC es

ft
ra
b11 c1j + b12 c2j + ... + b1p cpj
b21 c1j + b22 c2j + ... + b2p cpj

D
...
bn1 c1j + bn2 c2j + ... + bnp cpj

o.
ra
de donde

X(i, j) = ai1 (b11 c1j + b12 c2j + ... + b1p cpj ) + ai2 (b21 c1j + b22 c2j + ... + b2p cpj )

A
(5.1)
+... + ai n (bn1 c1j + bn2 c2j + ... + bnp cpj )

ra
Análogamente, como AB(i, j) = ai1 b1j + ai2 b2j + ... + ain bnj , entonces el rengón i-ésimo de AB es
ai1 b11 + ai2 b21 + ... + ain bn1 , ai1 b12 + ai2 b22 + ... + ain bn2 , ..., ai1 b1p + ai2 b2p + ... + ain bnp .
d
en
Por lo tanto

Y (i, j) = (ai1 b11 + ai2 b21 + ... + ain bn1 ) c1j + (ai1 b12 + ai2 b22 + ... + ain bn2 ) c2j
lm

(5.2)
(ai1 b1p + ai2 b2p + ... + ain bnp ) cpj
A

De las expresiones (5.1) y (5.2) se sigue de inmediato que X(i, j) = Y (i, j) ∀ 1 ≤ i ≤ m, 1 ≤ j ≤ q, ası́
hemos probado la igualdad deseada A(BC) = (AB)C.
lix

2) Notemos primero que ambas expresiones (A + B)C y AC + BC están definidas. Además, (A +

B)C, AC + BC ∈ Mm×p (R). Sean X = (A + B)C y Y = AC + BC.
Fé

El renglón i-ésimo de A + B es ai1 + bi1 , ai2 + bi2 , ..., ain + bin y la columna j-ésima de C es

c1j
r.

c2j
.D

...
cnj
al

ası́ tenemos que X(i, j) = (ai1 + bi1 )c1j + (ai2 + bi2 )c2j + ... + (ain + bin )cnj .
ne

Por otra parte, AC(i, j) = ai1 c1j + ai2 c2j + ... + ain cnj y BC(i, j) = bi1 cij + bi2 c2j + ... + bin cnj de donde
tenemos que Y (i, j) = (ai1 c1j + bi1 c1j ) + (ai2 c2j + bi2 c2j ) + ... + (ain cnj + bin cnj ). En consecuencia hemos
Li

probado que X(i, j) = Y (i, j) ∀ 1 ≤ i ≤ m, 1 ≤ j ≤ p con lo cual hemos probado la igualdad deseada.
3) Análogo a 2).
ra

4) Basta tomar I = diag (1, 1, ..., 1).

´¹¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¸¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¶
m veces
eb

5) Basta tomar I = diag (1, 1, ..., 1).

´¹¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¸¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¶
lg

n veces
6) Basta tomar I del inciso anterior.
Á

7) y 8) Inmediatos.
La matriz In ∈ Mn (R) dada por In = diag(1, 1, ..., 1) se llama matriz identidad de orden n. Muchas
veces se omite el ı́ndice n cuando se sobreentiende el orden de la matriz.
CAPÍTULO 5. MATRICES 73

Ejemplo 5.3.
⎡ ⎤
⎡ 1 0 0 ⎤ ⎢ 1 0 0 0 ⎥
⎢ ⎥ ⎢ ⎥
1 0 ⎢ ⎥ ⎢ 0 1 0 0 ⎥
I2 = [ ], I3 = ⎢ 0 1 0 ⎥ , I4 = ⎢ ⎥.
⎢ ⎥ ⎢ ⎥

7.
0 1 ⎢ 0 0 1 ⎥ ⎢ 0 0 1 0 ⎥
⎣ ⎦ ⎢ ⎥
⎣ 0 0 0 1 ⎦

01
Observación 5.4. Notemos que la matriz identidad es una matriz en forma escalonada reducida por

,2
renglones.

ft
El producto de matrices nos permite representar los sistemas de ecuaciones lineales de una forma alterna

ra
a la presentada en el capı́tulo anterior, esta forma alterna tiene varias ventajas que serán evidentes en
lo que sigue.

D
Consideremos un sistema de ecuaciones lineales
a11 x1 + a12 x2 + ... + a1n xn = b1

o.
a21 x1 + a22 x2 + ... + a2n xn = b2

ra
⋮ ⋮ ... ⋮ ⋮
am1 x1 + am2 x2 + ... + amn xn = bm

A
Dado que dos matrices son iguales si sus elementos correspondientes son iguales, podemos representar

ra
el sistema anterior mediante la igualdad de dos matrices columna de la siguiente forma
d
⎡ a11 x1 + a12 x2 + ... + a1n xn ⎤ ⎡ ⎤
⎢ ⎥ ⎢ b1 ⎥
⎢ a x + a x + ... + a x ⎥ ⎢ ⎥
en
⎢ 21 1 ⎥ ⎢ b2 ⎥
⎢ 22 2 1n n
⎥=⎢ ⎥
⎢ ⋮ ⎥ ⎢ ⋮ ⎥
⎢ ⎥ ⎢ ⎥
lm

⎢ am1 x1 + am2 x2 + ... + amn xn ⎥ ⎢ ⎥

⎣ ⎦ ⎣ bm ⎦
A

Por otra parte, como

⎡ a11 a12 ... a1n ⎤⎡ ⎤ ⎡ a11 x1 + a12 x2 + ... + a1n xn ⎤
lix

⎢ ⎥⎢ x1 ⎥ ⎢ ⎥
⎢ a ⎥⎢ ⎥ ⎢ a x + a x + ... + a x ⎥
⎢ 21 a22 ... a2n ⎥⎢ x2 ⎥ ⎢ 21 1 ⎥
⎢ ⎥⎢ ⎥=⎢ 22 2 1n n
⎥
⎢ ⋮ ⋮ ⋮ ⎥⎢ ⋮ ⎥ ⎢ ⋮ ⎥
⎢ ⎥⎢ ⎥ ⎢ ⎥
Fé

⎢ am1 am2 ... amn ⎥⎢ ⎥ ⎢ am1 x1 + am2 x2 + ... + amn xn ⎥

⎣ ⎦⎣ xn ⎦ ⎣ ⎦
r.

entonces tenemos que

.D

⎡ a11 a12 ... a1n ⎤⎡ ⎤ ⎡ ⎤

⎢ ⎥⎢ x1 ⎥ ⎢ b1 ⎥
⎢ a ⎥⎢ ⎥ ⎢ ⎥
⎢ 21 a22 ... a2n ⎥⎢ x2 ⎥ ⎢ b2 ⎥
⎢ ⎥⎢ ⎥=⎢ ⎥
⎢ ⋮ ⋮ ⋮ ⎥⎢ ⋮ ⎥ ⎢ ⋮ ⎥
al

⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢ am1 am2 ... amn ⎥⎢ ⎥ ⎢ ⎥
⎣ ⎦⎣ xn ⎦ ⎣ bm ⎦
ne

si denotamos las matrices de esta ecuación matricial mediante

Li

⎡ a11 a12 ... a1n ⎤ ⎡ x1 ⎤ ⎡ ⎤

⎢ ⎥ ⎢ ⎥ ⎢ b1 ⎥
⎢ a ⎥ ⎢ x ⎥ ⎢ ⎥
⎢ a22 ... a2n ⎥ ⎢ 2 ⎥ ⎢ b2 ⎥
ra

A = ⎢ 21 ⎥, X = ⎢ ⎥y B = ⎢ ⎥
⎢ ⋮ ⋮ ⋮ ⎥ ⎢ ⋮ ⎥ ⎢ ⋮ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ am1 am2 ... amn ⎥ ⎢ xn ⎥ ⎢ ⎥
⎣ ⎦ ⎣ ⎦ ⎣ bm ⎦
eb

entonces tenemos que el sistema dado se puede representar de manera sencilla mediante la ecuación
lg

matricial AX = B. A será llamada matriz del sistema. La utilidad de esta representación matricial
Á

será clara a más adelante.

Proposición 5.5. La matriz identidad es única con la propiedad de neutro multiplicativo, es decir, la
matriz identidad es la única matriz de orden n tal que AIn = In A = A para toda matriz A ∈ Mn (R).
CAPÍTULO 5. MATRICES 74

Demostración. Supongamos que existe otra matriz de orden n con la misma propiedad que la matriz
In , es decir, supongamos que existe digamos In′ ∈ Mn (R) tal que AIn′ = In′ A = A para toda matriz
A ∈ Mn (R). Entonces en particular tenemos que In In′ = In , además In In′ = In′ de donde tenemos que
In′ = In . Por lo tanto hemos demostrado que la matriz identidad es única con la propiedad de neutro

7.
multiplicativo.

01
Observación 5.5. Si tenemos la afirmación “∀x ∈ X, P (x) ”, como vimos en el capı́tulo 1, su negación

,2
es “∃x ∈ X, ∼ (P (x)) ”en otras palabras si la afirmación inicial es “para toda x ∈ X, se cumple P (x)
”, su negación es “existe x ∈ X tal que no se cumple (P (x)) ”; dicho de otra forma para negar la

ft
proposición inicial basta con exhibir la existencia de un elemento x ∈ X el cual no cumple la propiedad

ra
P (x).

D
Es decir, la existencia de un elemento que no cumple la propiedad en cuestión muestra que la afirmación
inicial es falsa, esto nos conduce a la noción de contraejemplo.

o.
Un contraejemplo es un ejemplo de que no se cumple una afirmación, con ello se demuestra que la

ra
afirmación es falsa.
Lo anterior muchas veces es motivo de confusión para el estudiante que se inicia con el manejo de

A
la lógica. A riesgo de ser reiterativos pero con la intención de aclarar un poco más la perspectiva
describiremos la forma de proceder según el caso de la siguiente manera:

ra
Observación 5.6. 1. Si se va a demostrar que es verdadera la afirmación “para toda x ∈ X, se
d
cumple P (x) ”. Lo que se debe hacer es demostrar que P (x) es verdadera para toda x en el
en
conjunto X.
2. Si se va a demostrar que es falsa la afirmación “para toda x ∈ X, se cumple P (x) ”. Lo que
lm

se debe hacer es dar un valor x ∈ X para el cual P (x) sea falsa. Esto último se conoce como
contraejemplo.
A

Partiendo de nuestra experiencia previa con los números reales, estamos acostumbrados a que se cum-
lix

plan ciertas propiedades como por ejemplo la propiedad conmutativa del producto. Sin embargo cuando
trabajamos con matrices, puede que haya propiedades que no se cumplan como esperarı́amos. Ejemplo
Fé

de ello es, como ya vimos antes, que el producto de matrices no es conmutativo.

Por ello es natural preguntarse si hay otras propiedades que se cumplen para los números reales pero no
se cumplen para matrices. Para prevenir sobre posibles errores, en la siguiente observación enunciamos
r.

algunas diferencias importantes.

.D

Observación 5.7. 1. No se cumple la propiedad conmutativa para la multiplicación, es decir, en

general no se tiene que AB = BA para cualquier par de matrices A y B.
al

2. El producto de dos matrices diferentes de cero no siempre es diferente de cero. (Ver más adelante
ne

el concepto de divisor de cero).

Li

3. No se cumple la propiedad de cancelación para la multiplicación, es decir, en general no se cumple

que si AB = AC con A ≠ 0 entonces B = C. En los ejercicios se pide que dé un contraejemplo.
ra

4. La afirmación “para todo par de matrices A, B ∈ Mn (R) se cumple (A + B)2 = A2 + 2AB + B 2 ”

no es verdadera. En los ejercicios se pide que dé un contraejemplo.
eb

5. La afirmación “para todo par de matrices A, B ∈ Mn (R) se cumple (A + B)(A − B) = A2 − B 2 ”

lg

es falsa. En los ejercicios se pide que dé un contraejemplo.

Á

Para proporcionar contraejemplos a la observación anterior, el lector podrá fijar el valor de n que le
parezca conveniente en cada caso, por ejemplo por simplicidad podrı́a considerar n = 2 o cualquier valor
de su elección.
CAPÍTULO 5. MATRICES 75

5.3. Propiedades Adicionales de Matrices

Definición 5.4. Dada una matriz A ∈ Mn (R) definimos su traza como tr(A) = a11 + a22 + ... + ann .

7.
⎡ 2 0 −4 ⎤⎥
⎢ 1
⎢ 7 −1 2 ⎥⎥

01
⎢ −2
Ejemplo 5.4. Sea A = ⎢ ⎥ entonces tr(A) = 1 + 7 + (−3) + 0 = 5.
⎢ 5 0 −3 −6 ⎥⎥
⎢

,2
⎢ −7 0 ⎥⎦
⎣ 8 2

ft
Definición 5.5. Dada A ∈ Mm×n (R), su transpuesta, denotada por At es la matriz en Mn×m (R)

ra
que se obtiene al intercambiar los renglones por columnas, es decir, el primer rengón de A es la primera
columna de At , el segundo rengón de A es la segunda columna de At . En sı́mbolos puede expresarse

D
mediante At (i, j) = A(j, i).
⎡ 1 −2 5 ⎤⎥

o.
⎡ 1 2 0 −4 ⎤ ⎢
⎢ ⎥ ⎢ 0 ⎥⎥
⎢ ⎥ t ⎢ 2 7

ra
Ejemplo 5.5. Consideremos A = ⎢ −2 7 −1 2 ⎥, entonces A = ⎢ ⎥.
⎢ ⎥ ⎢ 0 −1 3 ⎥⎥
⎢ 5 0 3 −6 ⎥ ⎢
⎣ ⎦ ⎢ −4 2 −6 ⎥⎦
⎣

A
Proposición 5.6. Propiedades de la traza.

ra
Si A, B ∈ Mn (R) y k ∈ R, entonces

1. tr(A + B) = tr(A) + tr(B)

d
en
2. tr(kA) = ktr(A)
lm

3. tr(At ) = tr(A)
4. tr(AB) = tr(BA)
A

Demostración. 1. (A+B)(i, i) = A(i, i)+B(i, i) de donde tr(A+B) = ∑ni=1 (A+B)(i, i) = ∑ni=1 A(i, i)+
lix

∑i=1 B(i, i) = tr(A) + tr(B).

n

2. tr(kA) = ∑ni=1 kA(i, i) = k ∑ni=1 A(i, i) = ktr(A).

Fé

3. At (i, i) = A(i, i) de donde tr(At ) = tr(A).

4. AB(i, i) = ai1 b1i + ai2 b2i + ... + ain bni = ∑nj=1 aij bji , además BA(i, i) = a1i bi1 + a2i bi2 + ... + ani bin =
r.

∑nj=1 aji bij de donde tr(AB) = ∑ni=1 ∑nj=1 aij bji y tr(BA) = ∑ni=1 ∑nj=1 aji bij , ası́ tenemos que
.D

tr(AB) = tr(BA).
al

Proposición 5.7. Propiedades de la transpuesta.

ne

Si A, B ∈ Mn (R) y k ∈ R, entonces
Li

1. (At )t = A

2. (A + B)t = At + B t
ra

3. (kA)t = kAt
eb

4. (AB)t = B t At
lg
Á

Demostración. Se deja como ejercicio.

Definición 5.6. Una matriz A ∈ Mn (R), A ≠ 0 se dice divisor de cero en Mn (R) si existe otra
matriz B ∈ Mn (R), B ≠ 0 tal que AB = 0 o BA = 0. En tal caso también B se dice divisor de cero.
CAPÍTULO 5. MATRICES 76

4 2
Ejemplo 5.6. Determine si la matriz A = [ ] es o no divisor de cero.
2 1

Solución. Busquemos, entre las matrices cuadradas de orden 2, si existe una matriz, digamos B, tal

7.
que AB = 0.

01
Sea
a b
B=[ ]

,2
c d

ft
tal que
4 2 a b 0 0

ra
[ ][ ]=[ ]
2 1 c d 0 0

D
entonces
4 2 a b 4a + 2c 4b + 2d 0 0
[ ][ ]=[ ]=[ ]

o.
2 1 c d 2a + c 2b + d 0 0

ra
ası́ obtenemos el sistema

A
4a + 2c = 0
4b + 2d = 0

ra
2a + c = 0
2b + d = 0
d
en
resolviendolo obtenemos a = − 21 c, b = − 12 d, de tal manera que si tomamos por ejemplo c = −2, d = 6
obtenemos a = 1, b = −3, c = −2, d = 6, es decir,
lm

1 −3
A

B=[ ].
−2 6
lix

Por lo tanto
4 2 1 −3 0 0
[ ][ ]=[ ].
−2 6
Fé

2 1 0 0
Concluı́mos de esta forma que la matriz A es divisor de cero.
r.

Adicionalmente notamos que

.D

1 −3 4 2 −2 −1 0 0
[ ][ ]=[ ]≠[ ].
−2 6 2 1 4 2 0 0
al

Definición 5.7. Una matriz A ∈ Mn (R) se dice simétrica si At = A, y antisimétrica si At = −A.

ne

Definición 5.8. Una matriz A ∈ Mn (R) se dice triangular superior si todo elemento abajo de la
Li

diagonal principal es cero, es decir, si aij = 0 para i > j. Similarmente, A es triangular inferior si todo
elemento arriba de la diagonal principal es cero, es decir, si aij = 0 para i < j. A se dice triangular si
ra

es triangular superior o triangular inferior.

eb

Ejemplo 5.7. Las matrices

⎡ 2 −3 −5 6 ⎤
⎡ −2 3 5 ⎤⎥ ⎢⎢ ⎥
lg

2 −1 ⎢ ⎥ 2 −1
⎢ ⎥⎢ 0 4 5 3 ⎥
[ ] , ⎢ 0 −4 −5 ⎥ ⎢ ⎥[ ]
Á

0 1 ⎢ ⎥ ⎢ 0 0 −4 1 ⎥ 0 1
⎢ 0 0 0 ⎥⎦ ⎢⎢ ⎥
⎣ ⎥
⎣ 0 0 0 7 ⎦
CAPÍTULO 5. MATRICES 77

son triangulares superiores, mientras que las matrices

⎡ 0 0 ⎤⎥
⎡ 8 0 0 ⎤ ⎢ 2 0
⎢ ⎥ ⎢ −3 0 0 0 ⎥⎥
0 0 ⎢ ⎥ ⎢

7.
[ ] , ⎢ 2 −4 0 ⎥ , ⎢ ⎥
−1 3 ⎢ ⎥ ⎢ −7 3 −4 0 ⎥⎥
⎢ 5 −1 3 ⎥ ⎢

01
⎣ ⎦ ⎢ 6 −2 1 5 ⎥⎦
⎣

,2
son triangulares inferiores.
Las siete matrices de este ejemplo son triangulares.

ft
ra
A continuación definimos dos tipos de matrices que son casi triangulares.

Definición 5.9. Una matriz cuadrada A se dice superior de Hessenberg si aij = 0 para i > j + 1,

D
es decir, si todos los elementos abajo de la primera subdiagonal son cero. A de dice inferior de
Hessenberg si aij = 0 para j > i + 1, es decir, si todos los elementos arriba de la primera superdiagonal

o.
son cero.

ra
Ejemplo 5.8. Las matrices

A
⎡ 2 −3 −5 6 ⎤⎥ ⎡ 0 0 ⎤⎥
⎢ ⎢ 2 4
⎢ 5 3 ⎥⎥ ⎢ −3 0 −2 0 ⎥⎥

ra
⎢ 5 4 ⎢
⎢ ⎥y ⎢ ⎥
⎢ 0 −3 −4 1 ⎥⎥ ⎢ −7 3 −4 1 ⎥⎥
⎢ ⎢
⎢ 2 7 ⎥⎦ ⎢ 6 −2 1 5 ⎥⎦
⎣ 0 0
d ⎣
en

son matrices de Hessenberg superior e inferior, respectivamente.

lm

Definición 5.10. Una matriz cuadrada A se dice tridiagonal si aij = 0 para ∣i − j∣ > 1, es decir, si
todos los elementos fuera de la diagonal, de la superdiagonal y de la subdiagonal son cero.
A

Ejemplo 5.9. Las siguientes dos matrices son tridiagonales

lix

⎡ 2 −3 0 0 ⎤⎥ ⎡ 4 0 0 ⎤⎥
⎢ ⎢ 2
⎢ 5 0 ⎥⎥ ⎢ −3 0 −2 0 ⎥⎥
⎢ 5 4 ⎢
Fé

⎢ ⎥, ⎢ ⎥
⎢ 0 −3 −4 1 ⎥⎥ ⎢ 0 3 −4 1 ⎥⎥
⎢ ⎢
⎢ 2 7 ⎥⎦ ⎢ 0 0 5 ⎥⎦
⎣ 0 0 ⎣ 0
r.

Observación 5.8. Toda matriz tridiagonal es matriz de Hessenberg tanto superior como inferior.
.D

Definición 5.11. Una matriz cuadrada se dice ortogonal si AAt = At A = I.

al

Ejemplo 5.10. La matriz

−1 0
ne

A=[ ]
0 1
Li

es ortogonal ya que
ra

t
−1 0 −1 0 −1 0 −1 0 1 0
[ ][ ] =[ ][ ]=[ ]
0 1 0 1 0 1 0 1 0 1
eb

Definición 5.12. Sean A ∈ Mn (R) y k ∈ N definimos la potencia k-ésima de la matriz A mediante

lg

Ak = AA⋯A
Á

´¹¹ ¹ ¹ ¹¸ ¹ ¹ ¹ ¹ ¶
k veces

Además se define A0 = I.
CAPÍTULO 5. MATRICES 78

Proposición 5.8. Leyes de los exponentes.

Sean A ∈ Mn (R), r, s ∈ N y k ∈ R. Entonces

1. Ar As = Ar+s

7.
01
2. (Ar )s = Ars

,2
3. (kA)r = k r Ar

ft
Demostración. 1. Ar As = AA...A AA...A = AA...A = Ar+s .
´¹¹ ¹ ¹ ¹ ¸¹ ¹ ¹ ¹ ¹¶ ´¹¹ ¹ ¹ ¹ ¸¹ ¹ ¹ ¹ ¹¶ ´¹¹ ¹ ¹ ¹ ¸¹ ¹ ¹ ¹ ¹¶

ra
r veces s veces r+s veces

2. (Ar )s = Ar Ar ...Ar = AA...A AA...A ... AA...A = AA...A = Ars .

D
´¹¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹¸ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¶ ´¹¹ ¹ ¹ ¹ ¸¹ ¹ ¹ ¹ ¹¶ ´¹¹ ¹ ¹ ¹ ¸¹ ¹ ¹ ¹ ¹¶ ´¹¹ ¹ ¹ ¹ ¸¹ ¹ ¹ ¹ ¹¶ ´¹¹ ¹ ¹ ¹ ¸¹ ¹ ¹ ¹ ¹¶
s veces r veces r veces r veces rs veces
´¹¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¸¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¶

o.
s veces

ra
3. (kA)r = (kA)(kA)...(kA) = k r Ar .
´¹¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¸¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¶
rveces

A
ra
Definición 5.13. Una matriz A ∈ Mn (R) se dice

1. idempotente si A2 = A.
d
en
2. nilpotente de ı́ndice p, con p entero positivo, si p es el menor entero positivo tal que Ap = 0.
lm

La matriz identidad de orden n ası́ como la matriz nula de orden n son idempotentes.
2
A

0 0 0 0 0 0
Ejemplo 5.11. La matriz [ ] es idempotente pues [ ] =[ ].
1 1 1 1 1 1
lix

Ejemplo 5.12. La matriz

⎡ 0 4 1 ⎤
⎢ ⎥
Fé

⎢ ⎥
A = ⎢ 0 0 −5 ⎥
⎢ ⎥
⎢ 0 0 0 ⎥
⎣ ⎦
r.

es nilpotente de ı́ndice 3 ya que

.D

⎡ 0 4 1 ⎤2 ⎡ 0 0 −20 ⎤
⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥
⎢ 0 0 −5 ⎥ = ⎢ 0 0 0 ⎥
al

⎢ ⎥ ⎢ ⎥
⎢ 0 0 0 ⎥ ⎢ 0 0 0 ⎥
⎣ ⎦ ⎣ ⎦
ne

y
⎡ 0 4 1 ⎤3 ⎡ 0 0 0 ⎤
⎢ ⎥ ⎢ ⎥
Li

⎢ ⎥ ⎢ ⎥
⎢ 0 0 −5 ⎥ = ⎢ 0 0 0 ⎥
⎢ ⎥ ⎢ ⎥
⎢ 0 0 0 ⎥ ⎢ 0 0 0 ⎥
ra

⎣ ⎦ ⎣ ⎦
eb

5.4. Inversa de una Matriz

lg

Definición 5.14. Una matriz A ∈ Mn (R) se dice invertible o no singular si existe una matriz
B ∈ Mn (R) tal que AB = BA = I. La matriz B se llama una inversa de A.
Á

Una matriz que no tiene inversa se llama no invertible o singular.

Ejemplo 5.13. La matriz 0n es singular.

CAPÍTULO 5. MATRICES 79

2 1
Ejemplo 5.14. La matriz A = [ ] es invertible pues
1 1

1 −1 1 −1

7.
2 1 1 0 2 1 1 0
[ ][ ]=[ ] y [ ][ ]=[ ].
1 1 −1 2 0 1 −1 2 1 1 0 1

01
,2
2 2 a b
Ejemplo 5.15. La matriz A = [ ] no es invertible pues si B = [ ] es tal que AB = I,
1 1 c d

ft
entonces
2 2 a b 2a + 2c 2b + 2d 1 0
[ ][ ]=[ ]=[ ]

ra
1 1 c d a+c b+d 0 1

D
de inmediato observamos que el sistema correspondiente no tiene solución ya que tiene las ecuaciones
2a + 2c = 1 y a + c = 0.

o.
Con esto probamos que no existe alguna matriz B tal que AB = I y por lo tanto A no es invertible.

ra
Definición 5.15. Una matriz A ∈ Mn (R) se llama matriz escalar si es de la forma λIn para algún
λ ∈ R.

A
Ejemplo 5.16. Toda matriz escalar diferente de la matriz cero es invertible.

ra
En efecto, sea A = λIn . con λ ∈ R, como A ≠ 0 entonces se tiene que λIn ≠ 0, entonces A(λ−1 In ) =
(λIn )(λ−1 In ) = In además, (λ−1 In )A = (λ−1 In )(λIn ) = In .
d
Proposición 5.9. Si A ∈ Mn (R) es invertible, entonces tiene una única inversa.
en

Demostración. Sea A ∈ Mn (R) invertible. Supongamos que A posee dos inversas, digamos B y C,
lm

entonces tenemos que AB = BA = I y también AC = CA = I, por lo tanto tenemos B = BI = B(AC) =

(BA)C = IC = C.
A

La inversa de una matriz invertible A se denota mediante A−1 .

El conjunto {A ∈ Mn (R) ∶ A es invertible} es llamado grupo lineal general de rango n sobre R y es
lix

denotado por GLn (R).

Fé

⎡ a b ⎤
⎢ ⎥
⎢ ⎥
Proposición 5.10. Una matriz A = ⎢ c d ⎥ es no singular si y sólo si ∆ = ad − bc ≠ 0. Además, si
⎢ ⎥
⎢ ⎥
r.

⎣ ⎦
d −b
.D

−1
∆ ≠ 0, la inversa está dada por A = ∆ [
1
].
−c a
al

x y
Demostración. Dada la matriz A, analicemos bajo que condiciones existe una matriz X = [ ] tal
z w
ne

que AX = XA = I. La igualdad AX = I se puede escribir como

Li

ax + bz ay + bw 1 0
[ ]=[ ]
cx + dz cy + dw 0 1
ra

de donde obtenemos el sistema

ax + bz =
eb

1
ay + bw = 0
lg

cx + dz = 0
cy + dw =
Á

1
−b −c
resolviendo este sistema obtenemos x = d
∆, y = ∆,z = ∆,w = a
∆.
CAPÍTULO 5. MATRICES 80

⎡ d −b ⎤
⎢ ⎥
⎢ ⎥
Es decir, la única solución para AX = I se obtiene cuando X = ⎢ −c a ⎥. 1
⎢ ⎥ ∆
⎢ ⎥
⎣ ⎦
⎡ d −b ⎤

7.
⎢ ⎥
1 ⎢ ⎥
Además, simplemente multiplicando se puede comprobar que ∆ ⎢ −c a ⎥ A = I.

01
⎢ ⎥
⎢ ⎥
⎣ ⎦

,2
Observación 5.9. ∆ es llamado determinante de A. En el siguiente capı́tulo estudiaremos detalla-

ft
damente los determinantes de matrices cuadradas de orden arbitrario.

ra
Ejemplo 5.17. Sea
⎡ 0 1 0 ⎤

D
⎢ ⎥
⎢ ⎥
A=⎢ 0 0 1 ⎥
⎢ ⎥
⎢ −2 0 0 ⎥

o.
⎣ ⎦
.

ra
Verifique que A3 = −2I. ¿Es A no singular? En caso afirmativo, determine A−1 .

A
Solución.
⎡ 0 1 0 ⎤3 ⎡ 0 1 0 ⎤ ⎡ 0 1 0 ⎤2 ⎡ 0 1 0 ⎤ ⎡ 0 0 1 ⎤⎥ ⎡⎢ −2 0 0 ⎤⎥

ra
⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥⎢
⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢ 0 0 1 ⎥ = ⎢ 0 0 1 ⎥ ⎢ 0 0 1 ⎥ = ⎢ 0 0 1 ⎥ ⎢ −2 0 0 ⎥ = ⎢ 0 −2 0 ⎥ = −2I
⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ d ⎥
⎢ −2 0 0 ⎥ ⎢ −2 0 0 ⎥ ⎢ −2 0 0 ⎥ ⎢ −2 0 0 ⎥ ⎢ 0 −2 0 ⎥ ⎢ 0 0 −2 ⎥⎦
⎣ ⎦ ⎣ ⎦⎣ ⎦ ⎣ ⎦⎣ ⎦ ⎣
en

además A(− 12 A2 ) = I = (− 12 A2 )A, de donde tenemos que A es no singular y A−1 = − 21 A2 , es decir,

lm

⎡ 0 1 0 ⎤2 ⎡ 0 0 1 ⎤⎥ ⎡⎢ 0 0 − 21 ⎤
−1 1 ⎢⎢ ⎥
⎥ 1 ⎢⎢ ⎥ ⎢
⎥
⎥
A

A = − ⎢ 0 0 1 ⎥ = − ⎢ −2 0 0 ⎥ = ⎢ 1 0 0 ⎥
2⎢ ⎢ ⎥ 2⎢ ⎢ ⎥ ⎢ ⎥
⎥ ⎥ ⎢ ⎥
⎣ −2 0 0 ⎦ ⎣ 0 −2 0 ⎦ ⎣ 0 1 0 ⎦
lix

Proposición 5.11. El producto de dos matrices no singulares es no singular.

Si A, B ∈ GLn (R), entonces AB ∈ GLn (R). Además (AB)−1 = B −1 A−1 .
Fé

Demostración. (AB)(B −1 A−1 ) = A(BB −1 )A−1 = AIA−1 = AA−1 = I.

Similarmente (B −1 A−1 )(AB) = I.
r.
.D

Observación 5.10. El resultado anterior puede generalizarse a un producto de k matrices no singula-

res:
El producto de un número finito de matrices invertibles es invertible.
al

Si A1 , ..., Ak ∈ GLn (R), entonces A1 ⋯Ak ∈ GLn (R) y (A1 ⋯Ak )−1 = A−1 −1
k ⋯A1 .
ne

Ejemplo 5.18. Sean A, B ∈ Mn (R). Demuestre que si A2 = B 2 = (AB)2 = I, entonces A y B conmutan.

Li

Solución. X 2 = I implica que X es no singular y X −1 = X. Ası́ tenemos que A, B y AB son no

singulares y A−1 = A, B −1 = B y (AB)−1 = AB. Por lo tanto AB = (AB)−1 = B −1 A−1 = BA.
ra

Sean A ∈ GLn (R) y n ∈ N. Las potencias enteras negativas se definen como A−n = A−1 ⋯A−1 .
´¹¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¸¹¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¶
eb

n veces
lg

Proposición 5.12. Leyes de los exponentes.

Sea A ∈ GLn (R), entonces
Á

1. A−1 ∈ GLn (R) y (A−1 )−1 = A.

2. Ak ∈ GLn (R) y (Ak )−1 = (A−1 )k ∀k ∈ N ∪ 0.
CAPÍTULO 5. MATRICES 81

3. rA ∈ GLn (R)∀r ∈ R − {0} y (rA)−1 = 1r A−1 .

Demostración. 1. Sabemos que AA−1 = I = A−1 A, de donde A−1 es invertible y (A−1 )−1 = A.

7.
2. Ak (A−1 )k = (AA−1 )k = I k = I, similarmente (A−1 )k Ak = I de donde Ak es invertible y (Ak )−1 =
(A−1 )k .

01
3. (rA) 1r A−1 = 1r (rA)A−1 = ( 1r r)(AA−1 ) = 1I = I, similarmente 1r A−1 (rA) = I de tal manera que rA

,2
es invertible y (rA)−1 = 1r A−1 .

ft
ra
Proposición 5.13. Si A ∈ GLn (R), entonces el sistema AX = B tiene una única solución.

D
Demostración. Supongamos que la matriz A es no singular y consideremos el sistema AX = B. Como A
es no singular, entonces existe A−1 , multiplicando por la izquierda ambos miembros por A−1 obtenemos

o.
que A−1 (AX) = A−1 B de donde tenemos X = A−1 B, ası́ el sistema dado tiene una única solución, a
saber, X = A−1 B.

ra
Proposición 5.14. Si A ∈ GLn (R), entonces el sistema AX = 0 tiene solamente la solución trivial.

A
Demostración. De la proposición anterior tenemos que la única solución es X = A−1 0 = 0, es decir, la

ra
solución trivial.
d
Observación 5.11. Note que la proposición anterior es equivalente a:
en
Si el sistema AX = 0 tiene una solución no trivial, entonces A es singular.

Demostración. Sean
lm

P ∶ A es no singular y Q: AX = 0 tiene solamente la solución trivial.

Entonces tenemos que
A

∼ P ∶ A es singular y ∼ Q: AX = 0 tiene una solución no trivial.

Como la proposición anterior tiene la forma P ⇒ Q y por la proposición 1.6 (P ⇒ Q) ≡ (∼ Q ⇒∼ P ),
lix

entonces tenemos que la proposición anterior es equivalente a

Si AX = 0 tiene una solución no trivial, entonces A es singular.
Fé

Dado cualquier polinomio p(x) = a0 + a1 x + a2 x2 + ⋯ + an xn , se define el correspondiente polinomio

matricial mediante p(A) = a0 Im + a1 A + a2 A2 + ⋯ + an An para cualquier matriz A ∈ Mm (R). Notemos
r.

que p(A) es una matriz cuadrada del mismo orden que A.

.D

2 −1
Ejemplo 5.19. Sean p(x) = x2 − 3x + 2 y A = [ ]. Calcule P (A).
3 0
al

Solución.
ne

2
2 −1 2 −1 1 0 −3 1
p(A) = [ ] − 3[ ] + 2[ ]=[ ]
3 0 3 0 0 1 −3 −1
Li

Proposición 5.15. A ∈ Mn (R) es invertible, entonces At también es invertible y (At )−1 = (A−1 )t .
ra

Demostración. At (A−1 )t = (A−1 A)t = I t = I y (A−1 )t At = (AA−1 )t = I t = I.

eb

5.5. Matrices Elementales e Inversión de Matrices

lg
Á

Una clase muy importante de matrices invertibles está constituı́da por las matrices elementales.

Definición 5.16. Una matriz A ∈ Mn (R) se dice matriz elemental si puede obtenerse a partir de la
matriz In mediante una sola operación elemental sobre los renglones.
CAPÍTULO 5. MATRICES 82

Como vimos antes, las operaciones elementales de renglón sobre una matriz (4.3) son de tres tipos:
1. Intercambiar dos renglones. (Rr ↔ Rs ).
2. Multiplicar un renglón por un número real diferente de cero. (cRs → Rs ), c ≠ 0.

7.
01
3. Sumar un múltiplo de un renglón a otro. (Rr + cRs → Rr ), r ≠ s.

,2
Las matrices elementales correspondientes a las operaciones elementales que acabamos de enunciar,
serán denotadas respectivamente por

ft
1. Ers .

ra
2. Es (c).

D
3. Ers (c).

o.
Ejemplo 5.20. Determine todas la posibles matrices elementales de orden 2.

ra
Solución. 1. Aplicando el intercambio de renglones a I2 obtenemos
0 1
E12 = [ ].

A
1 0
2. Multiplicando los renglones por una constante c ≠ 0 obtenemos

ra
c 0 1 0
E1 (c) = [ ] , E2 (c) = [ ]. d
0 1 0 c
en
3. Sumando un múltiplo de un renglón a otro obtenemos
1 c 1 0
lm

E12 (c) = [ ] , E21 (c) = [ ].

0 1 c 1
Proposición 5.16. Sea e ∶ Mn (R) →∶ Mn (R) una operación elemental de renglón y sea E ∈ Mn (R)
A

la matriz elemental E = e(In ), entonces para toda matriz A ∈ Mm×n (R), e(A) = EA.
lix

Demostración. Realizaremos la prueba para cada tipo de operación elemental.

1. Intercambiar dos renglones.
Fé

Sea e ∶ Rr ↔ Rs , con r ≠ s. Entonces e(A)(i, j) = A(i, j)∀i, j ∈ [n] con i ≠ r, i ≠ s e(A)(r, j) =

A(s, j)∀j ∈ [n] y e(A)(s, j) = A(r, j)∀j ∈ [n], es decir,
r.

⎡ a ⎤
⎢ 11 a12 . . . a1n ⎥
.D

⎢ ⎥
⎢ ⋮ ⎥
⎢ ⎥
⎢ as1 as2 . . . asn ⎥
⎢ ⎥
⎢ ⎥
al

⎢ ⋮ ⎥
e(A) = ⎢ ⎥.
⎢ ar1 ar2 . . . arn ⎥
⎢ ⎥
ne

⎢ ⋮ ⎥
⎢ ⎥
⎢ a ⎥
⎢ n1 an2 . . . ann ⎥
Li

⎢ ⎥
⎢ ⎥
⎣ ⎦
ra

Por otra parte, como

⎡ 1 ⎤
⎢ ⎥
⎢ ⎥
⎢ ⋱ ⎥
eb

⎢ ⎥
⎢ ⎥
⎢ 0 . . . 1 ⎥
⎢ ⎥
lg

⎢ ⋮ ⋮ ⎥
E=⎢ ⎥ = Eij
⎢ 1 0 ⎥
⎢ ⎥
Á

⎢ ⋱ ⎥
⎢ ⎥
⎢ 0 1 ⎥⎥
⎢
⎢ ⎥
⎢ ⎥
⎣ ⎦
CAPÍTULO 5. MATRICES 83

entonces tenemos que

⎡ a ⎤
⎢ 11 a12 . . . a1n ⎥
⎢ ⎥
⎢ ⋮ ⎥
⎢ ⎥

7.
⎢ as1 as2 . . . asn ⎥
⎢ ⎥
⎢ ⎥

01
⎢ ⋮ ⎥
EA = ⎢ ⎥.
⎢ ar1 ar2 . . . arn ⎥
⎢ ⎥

,2
⎢ ⋮ ⎥
⎢ ⎥
⎢ a ⎥
⎢ n1 an2 . . . ann ⎥

ft
⎢ ⎥
⎢ ⎥
⎣ ⎦

ra
Por lo tanto hemos demostrado que e(A) = EA para el caso de esta operación elemental.

D
2. Multiplicar un renglón por un número real c diferente de cero.
Sea e ∶ cRs → Rs . Entonces

o.
⎡ a11 a12 . . . a1n ⎤
⎢ ⎥
⎢ ⎥

ra
⎢ ⋮ ⎥
⎢ ⎥
⎢ as1 as2 . . . asn ⎥
⎢ ⎥.

A
e(A) = ⎢ ⎥
⎢ ⋮ ⎥
⎢ ⎥
⎢ an1 an2 . . . ann ⎥
⎢ ⎥

ra
⎢ ⎥
⎣ ⎦
Además en este caso
d
⎡ 1 0 ⎤⎥
en
⎢
⎢ ⎥
⎢ ⋱ ⎥
⎢ ⎥
⎢ ⎥
lm

⎢ c ⎥ = Es (c).
E=⎢ ⎥
⎢ ⋱ ⎥
⎢ ⎥
A

⎢ 0 1 ⎥
⎢ ⎥
⎢ ⎥
⎣ ⎦
lix

⎡ a11 a12 . . . a1n ⎤

⎢ ⎥
⎢ ⎥
⎢ ⋮ ⎥
⎢ ⎥
Fé

⎢ as1 as2 . . . asn ⎥

De donde tenemos que EA = ⎢⎢ ⎥.
⎥
⎢ ⋮ ⎥
⎢ ⎥
⎢ an1 an2 . . . ann ⎥
r.

⎢ ⎥
⎢ ⎥
⎣ ⎦
.D

En consecuencia tenemos que para esta operación elemental e(A) = EA.

al

3. Sumar un múltiplo de un renglón a otro.

Sea e ∶ Rr + cRs → Rr . Entonces e(A)(i, j) = A(i, j)∀i ∈ [n] con i ≠ r y ∀j ∈ [n] y e(A)(r, j) =
ne

arj + casj ∀j ∈ [n], es decir,

⎡ ⎤
Li

⎢ a11 a12 ... a1n ⎥

⎢ ⎥
⎢ ⋮ ⎥
⎢ ⎥
⎢ ar1 + cas1 ar2 + cas2 . . . arn + casn ⎥
ra

⎢ ⎥
⎢ ⋮ ⎥
⎢ ⎥
e(A) = ⎢ ⎥.
eb

⎢ a a . . . a ⎥
⎢ s1 s2 sn ⎥
⎢ ⋮ ⎥
⎢ ⎥
lg

⎢ ⎥
⎢ an1 an2 ... ann ⎥
⎢ ⎥
⎢ ⎥
Á

⎣ ⎦
Por otra parte, en este caso tenemos que
CAPÍTULO 5. MATRICES 84

⎡ 1 ⎤
⎢ ⎥
⎢ ⎥
⎢ ⋱ ⎥
⎢ ⎥
⎢ ⎥
⎢ 1 ... c ⎥
⎢ ⋮ ⋮ ⎥

7.
⎢ ⎥
E=⎢ ⎥ = Ers (c) de donde obtenemos que
⎢ 0 1 ⎥

01
⎢ ⎥
⎢ ⋱ ⎥
⎢ ⎥
⎢ 0 1 ⎥⎥

,2
⎢
⎢ ⎥
⎢ ⎥
⎣ ⎦

ft
⎡ ⎤
⎢ a11 a12 ... a1n ⎥
⎢ ⎥

ra
⎢ ⋮ ⎥
⎢ ⎥
⎢ ar1 + cas1 ar2 + cas2 . . . arn + casn ⎥
⎢ ⎥

D
⎢ ⋮ ⎥
⎢ ⎥
EA = ⎢ ⎥
⎢ a a . . . a ⎥
⎢ s1 s2 sn ⎥

o.
⎢ ⋮ ⎥
⎢ ⎥
⎢ ⎥

ra
⎢ an1 an2 ... ann ⎥
⎢ ⎥
⎢ ⎥
⎣ ⎦

A
es decir, tenemos en este caso que e(A) = EA.

ra
Ası́ hemos probado que para cualquiera de los tres tipos de operaciones elementales se cumple
que e(A) = EA con lo cual concluı́mos nuestra prueba.
d
en

La proposición anterior nos dice que tiene el mismo efecto realizar una operación elemental de renglones
lm

sobre una matriz que premultiplicar (multiplicar por la izquierda) una matriz por la matriz elemental
correspondiente a dicha operación elemental de renglones.
A

Proposición 5.17. Toda matriz elemental es invertible y la inversa también es una matriz elemental.
lix

Demostración. Sea E una matriz elemental, entonces existe una operación elemental de renglón e tal
que E = e(I), por la proposición 4.3 e es invertible y e−1 es también una operación elemental, sea
Fé

E ′−1 (I), entonces por la proposición 4.3 tenemos que EE ′ = I y E ′ E = I, de donde tenemos que la
matriz elemental E ′ es la inversa de la matriz elemental E.
r.

1 −2 0
Ejemplo 5.21. Para ilustrar la proposición anterior, consideremos la matriz A = [ ].
.D

−3 4 7
1 −2 0
Efectuemos sobre A la operación R2 + 2R1 → R2 de esta forma obtenemos [ ]
−1 0 7
al

La proposición anterior nos dice que hay una forma alterna de hacer esto, para ello primero debemos
ne

identificar la matriz elemental correspondiente a la operación R2 + 2R1 → R2 .

Tomamos entonces la matriz identidad de orden 2 y le aplicamos dicha operación elemental, es decir,
Li

1 0 1 0
[ ] R2 + 2R1 → R2 [ ]
ra

0 1 2 1

note que esta matriz es precisamente la matriz E21 (2).

eb

Ahora premultiplicamos la matriz A por E21 (2), ası́

lg

1 0 1 −2 0 1 −2 0
Á

[ ][ ]=[ ]
2 1 −3 4 7 −1 0 7

como vemos esto ilustra la proposición previa.

CAPÍTULO 5. MATRICES 85

En la siguiente proposición se vinculan algunas relaciones importantes de las matrices cuadradas con
los sistemas de ecuaciones.
Proposición 5.18. Sea A ∈ Mn (R), entonces las siguientes afirmaciones son equivalentes, es decir,

7.
todas son verdaderas o todas son falsas.

01
1. A es invertible.

,2
2. AX = 0 tiene solamente la solución trivial.

ft
3. La forma escalonada reducida de A es In .

ra
4. A se puede expresar como un producto de matrices elementales.

D
Demostración. Realizaremos la demostración siguiendo el esquema 1) ⇒ 2) ⇒ 3) ⇒ 4) ⇒ 1).
1) ⇒ 2). Es la proposición 5.14.

o.
2) ⇒ 3). Supongamos que el sistema AX = 0 tiene solamente la solución trivial. Resolviendo el sistema

ra
mediante el método de reducción de Gauss-Jordan, tenemos que el sistema correspondiente a la matriz
en forma escalonada reducida es In X = 0. Es decir, la matriz aumentada [A∣0] ∼ [In ∣0], eliminando la

A
última columna de ambas matrices aumentadas obtenemos A ∼ In .
3) ⇒ 4). Supongamos que la forma escalonada reducida de A es In , ası́ por la proposición 5.16 existen

ra
matrices elementales E1 , . . . Ek tales que I = Ek ⋯E1 A, además por la proposición 5.17, toda matriz
elemental es invertible, entonces multiplicando por la izquierda ambos miembros de la ecuación anterior
d
por E1−1 , ..., Ek−1 , obtenemos E1−1 , ..., Ek−1 I = E1−1 , ..., Ek−1 Ek ⋯E1 A, es decir, E1−1 , ..., Ek−1 = A, ası́ hemos
en
expresado a la matriz A como un producto de matrices elementales.
4) ⇒ 1). Supongamos que A se puede expresar como un producto de matrices elementales, entonces por
lm

la proposición 5.17 A es producto de matrices invertibles y ası́ por la observación 5.10 A es invertible.
A

Proposición 5.19. A es invertible si y sólo si el sistema AX = B tiene solución única para toda matriz
B ∈ Mn×1 (R.
lix

Demostración. (⇒). Supongamos que A es invertible, entonces multiplicando ambos miembros de AX =

B por A−1 obtenemos X = A−1 B, ası́ el sistema tiene solución única para toda matriz B ∈ Mn×1 (R).
Fé

(⇐). Supongamos ahora que el sistema AX = B tiene solución única para toda matriz B ∈ Mn×1 (R,
en particular para B = 0, el sistema tiene solución única, esta necesasiamente debe ser la trivial, es
r.

decir, tenemos que el sistema AX = 0 tiene solamente la solución trivial, ası́ por la proposición 5.18 A
.D

es invertible.
Notemos que las dos proposiciones anteriores se pueden agrupar para formar la siguiente.
al

Proposición 5.20. Sea A ∈ Mn (R), entonces las siguientes afirmaciones son equivalentes
ne

1. A es invertible.
2. AX = 0 tiene solamente la solución trivial.
Li

3. AX = B tiene solución única para toda matriz B ∈ Mn×1 (R).

ra

4. La forma escalonada reducida de A es In .

eb

5. A se puede expresar como un producto de matrices elementales.

lg

Apoyados en los resultados anteriores, se puede obtener el siguiente método para invertir matrices.
Á

Dada una matriz invertible A, por la proposición 5.18, existen matrices elementales E1 , . . . Ek tales que

I = Ek ⋯E1 A
CAPÍTULO 5. MATRICES 86

multiplicando por la derecha ambos miembros de esta expresión por A−1 obtenemos

A−1 = Ek ⋯E1 I

7.
Aplicando la sucesión correspondiente de operaciones elementales a A e I simultáneamente obtenemos

01
Ek ⋯E1 [A∣I] = [I∣A−1 ]

,2
Evidentemente que si A no es invertible, por la proposición 5.18 no existe tal sucesión de matrices

ft
elementales.

ra
A manera de resumen, el procedimiento para obtener la inversa de una matriz no singular es el siguiente:

1. Escribir la matriz aumentada [A∣I].

D
2. Llevar [A∣I] a la forma escalonada reducida por renglones, sea ésta [C∣B].

o.
3. Si C = I, entonces B es la inversa de A.

ra
4. Si C ≠ I, entonces la matriz A no es invertible.

A
⎡ −1 2 1 ⎤
⎢ ⎥
⎢ ⎥
Ejemplo 5.22. Determine la inversa de A = ⎢ 0 4 3 ⎥, si existe.

ra
⎢ ⎥
⎢ 1 −2 0 ⎥
⎣ ⎦ d
Solución.
⎡ −1 2 1 ∣ 1 0 0 ⎤
en
⎢ ⎥
⎢ ⎥
⎢ 0 4 3 ∣ 0 1 0 ⎥
⎢ ⎥
lm

⎢ 1 −2 0 ∣ 0 0 1 ⎥
⎣ ⎦
la forma escalonada reducida correspondiente es
A

⎡ 1 0 0 ∣ −3 1
− 12 ⎤
⎢ ⎥
⎢ 2 2 ⎥
lix

⎢ 0 1 0 ∣ − 34 1
− 34 ⎥
⎢ 4 ⎥
⎢ 0 0 1 ∣ 1 0 1 ⎥
⎣ ⎦
Fé

por lo tanto la matriz A es invertible y

⎡ −3 − 12 ⎤
r.

1
⎢ 2 ⎥
−1 ⎢ 2 ⎥
A = ⎢ − 34 1
− 34 ⎥
.D

⎢ 4 ⎥
⎢ 1 0 1 ⎥
⎣ ⎦
⎡ −1 2 0 ⎤
al

⎢ ⎥
⎢ ⎥
Ejemplo 5.23. Determine la inversa de A = ⎢ 0 4 3 ⎥, si existe
⎢ ⎥
ne

⎢ 1 −2 0 ⎥
⎣ ⎦
Li

Solución.
⎡ −1 2 0 ∣ 1 0 0 ⎤
⎢ ⎥
⎢ ⎥
⎢ 0 4 3 ∣ 0 1 0 ⎥
ra

⎢ ⎥
⎢ 1 −2 0 ∣ 0 0 1 ⎥
⎣ ⎦
eb

la correspondiente forma escalonada reducida es

lg

⎡ 1 0 3 ∣ 0 1 1 ⎤
⎢ ⎥
⎢ 2 2 ⎥
⎢ 0 1 34 ∣ 0 14 0 ⎥
Á

⎢ ⎥
⎢ 0 0 0 ∣ 1 0 1 ⎥
⎣ ⎦
por lo tanto la matriz A no es invertible.
CAPÍTULO 5. MATRICES 87

5.6. Matrices en Bloques

Muchas veces es útil ver a las matrices como formadas por piezas de un rompecabezas, donde cada

7.
pieza es a su vez una matriz, ya que ello puede facilitar la realización de operaciones entre las matrices.
Dada una matriz es posible separarla o fraccionarla en submatrices llamadas bloques o celdas, esto

01
puede hacerse de diferentes formas, por ejemplo las siguientes son algunas descomposiciones diferentes

,2
en bloques de la matriz
⎡ 1 0 −2 4 0 2 1 ⎤⎥
⎢
⎢ 0 1 5 7 8 −4 0 ⎥⎥

ft
⎢
A=⎢ ⎥.
⎢ 0 −3 4 9 1 0 −6 ⎥

ra
⎢ ⎥
⎢ 5 4 −9 2 6 7 −3 ⎥
⎣ ⎦

D
⎡ 1 0 −2 ∣ 4 0 2 1 ⎤⎥
⎢
⎢ ∣ 8 −4 0 ⎥⎥
⎢ 0 1 5 7

o.
⎢ ⎥
⎢ −− −− −− −∣− −− −− −− −− ⎥ ,
⎢ ⎥

ra
⎢ 0 −3 4 ∣ 9 1 0 −6 ⎥⎥
⎢
⎢ 4 −9 ∣ 7 −3 ⎥⎦
⎣ 5 2 6

A
⎡ 1 0 ∣ −2 4 0 2 ∣ 1 ⎤⎥
⎢
⎢ ∣ 8 −4 ∣ 0 ⎥⎥

ra
⎢ 0 1 5 7
⎢ ⎥
⎢−− −− −∣− −− −− −− −− −∣− −− ⎥ ,
⎢ ⎥
⎢ 0 −3 ∣ 4 9
d
1 0 ∣ −6 ⎥⎥
⎢
⎢ ∣ −9 2 ∣ −3 ⎥⎦
en
⎣ 5 4 6 7
⎡ 1 0 −2 ∣ 1 ⎤⎥
⎢ 4 0 2
lm

⎢ ⎥
⎢ 0 1 5 ∣ 7 8 −4 0 ⎥
⎢ ⎥
⎢ −− −− −− −∣− −− −− −− −− ⎥
⎢ ⎥
A

⎢ 0 −3 4 ∣ 0 −6 ⎥⎥
⎢ 9 1
⎢ ⎥
⎢ −− −− −− −∣− −− −− −− −− ⎥
⎢ ⎥
lix

⎢ 5 4 −9 ∣ 2 6 7 −3 ⎥⎦
⎣
Usaremos la notación A = Aij donde Aij representa al bloque en el renglón i y columna j.
Fé

Ası́ por ejemplo en la descomposición

r.

⎡ 1 0 ∣ −2 4 0 2 ∣ 1 ⎤⎥
⎢
⎢ ∣ 8 −4 ∣ 0 ⎥⎥
.D

⎢ 0 1 5 7
⎢ ⎥
⎢ −− −− −∣− −− −− −− −− −∣− −− ⎥
⎢ ⎥
⎢ 0 −3 ∣ 4 9 1 0 ∣ −6 ⎥⎥
⎢
al

⎢ ∣ −9 2 ∣ −3 ⎥⎦
⎣ 5 4 6 7
ne

de la matriz A tenemos que

A11 A12 A13
A=[ ]
Li

A21 A22 A23

donde
ra

1 0 −2 4 0 2 1
A11 = [ ] , A12 = [ ] , A13 = [ ]
0 1 5 7 8 −4 0
eb

0 −3 4 9 1 0 −6
lg

A21 = [ ] , A22 = [ ] , A23 = [ ]

5 4 −9 2 6 7 −3
Á

Además, notemos que el orden de esta matriz en bloques es 2 × 3 y los órdenes de las matrices
Ai1 , Ai,2 , Ai,3 son 2, 2 × 4, 2 × 1, respectivamente.
CAPÍTULO 5. MATRICES 88

Proposición 5.21. Si A = Aij y B = Bij son matrices en bloques, donde los bloques correspondientes
son del mismo orden, entonces A + B = [Aij + Bij ].

Demostración. .....

7.
01
Proposición 5.22. Sea A = Aij una matriz en bloques, y r ∈ R, entonces rA = [rAij ].

,2
Demostración. Se deja como ejercicio.

Proposición 5.23. Si A = Aij y B = Bij son matrices en bloques, de tal forma que el número de

ft
columnas de cada bloque Aik es igual al número de renglones de cada bloque Bkj , entonces A = [Cij ]

ra
donde Cij = Ai1 B1j + Ai2 B2j + ⋯ + At1 Btj .

D
Demostración. Se deja como ejercicio.
Las tres proposiciones anteriores garantizan que las operaciones de suma, producto por escalar y pro-

o.
ducto de matrices para matrices en bloques pueden tratarse de manera idéntica al caso sin bloques,

ra
pensando a cada bloque como un elemento de cada matriz base.

A
Definición 5.17. Diremos que una matriz en bloques A es cuadrada en bloques si cumple:

ra
1. A es una matriz cuadrada.
2. Los bloques de la matriz A forman una matriz cuadrada.
d
en
3. Los bloques diagonales son matrices cuadradas.
lm

Ejemplo 5.24. Decida si las matrices siguientes son matrices cuadradas en bloque o no.
⎡ 1 ∣ −4 ⎤
⎢ 0 ⎥
⎢ ⎥
a) A = ⎢ −− −− −∣− −− ⎥
A

⎢ ⎥
⎢ 5 6 ∣ 2 ⎥
⎣ ⎦
⎡ 1 ∣ ⎤
lix

⎢ 0 0 4 5 ⎥
⎢ 0 ∣ 1 −7 ⎥
⎢ 1 3 ⎥
⎢ ⎥
⎢ −− −− −∣− −− −− −− ⎥
Fé

⎢ ⎥
b) B = ⎢⎢ −4 3 ∣ −2 6 0 ⎥
⎥
⎢ −− −− −∣− −− −− −− ⎥
⎢ ⎥
⎢ ⎥
r.

⎢ −9 5 ∣ 0 0 0 ⎥
⎢ ⎥
⎢ 2 ∣ ⎥
.D

⎣ 8 0 0 0 ⎦
⎡ 1 ∣ ∣ ⎤
⎢ 0 0 4 ⎥ 5
⎢ ⎥
⎢ 0 1 ∣ 3 ∣ 1 ⎥ −7
⎢ ⎥
al

⎢ −− −− −∣− −− −∣− −− ⎥ −−
⎢ ⎥
⎢ −4 3 ∣ −2 ∣ ⎥
ne

⎢ 6 ⎥ 0
c) C = ⎢ ⎥
⎢ −9 5 ∣ 0 ∣ 0 ⎥ 0
⎢ ⎥
⎢ −− −− −∣− −− ⎥
Li

⎢ −∣− −− ⎥ −−
⎢ 2 ∣ ∣ ⎥
⎢ 8 0 0 ⎥ 0
⎢ ⎥
⎢ ⎥
ra

⎣ ⎦
⎡ 1 0 ∣ 0 ∣ 4 5 ⎤⎥
⎢
⎢ 0 1 −7 ⎥⎥
eb

⎢ 1 ∣ 3 ∣
⎢ ⎥
⎢ −− −− −∣− −− −∣− −− −− ⎥⎥
⎢
lg

d) D = ⎢⎢ −4 3 ∣ −2 ∣ 6 0 ⎥⎥
⎢ −− −− −∣− −− −∣− −− −− ⎥⎥
⎢
Á

⎢ ⎥
⎢ −9 5 ∣ 0 ∣ 0 0 ⎥⎥
⎢
⎢ 2 ∣ ∣ 0 ⎥⎦
⎣ 8 0 0
CAPÍTULO 5. MATRICES 89

Solución. De acuerdo con la definición.

a) No es cuadrada en bloques ya que la matriz no es cuadrada.
b) No es cuadrada en bloques debido a que los bloques forman una matriz de orden 3 × 2, es decir, los

7.
bloques no forman una matriz cuadrada.
c) No es cuadrada en bloques porque los bloques diagonales no son matrices cuadradas.

01
d) Sı́ es cuadrada en bloques.

,2
Definición 5.18. Una matriz cuadrada en bloques A = Aij se dirá matriz diagonal en bloques si
Aij = 0 para i ≠ j, en tal caso escribiremos A = diag(A11 , A22 , . . . , Att ).

ft
ra
Ejemplo 5.25. La matriz
⎡ 5 −1 ∣ 0 ∣ 0 0 ⎤⎥
⎢

D
⎢ 3 ∣ ∣ 0 ⎥⎥
⎢ 1 0 0
⎢ ⎥
⎢ −− −− −∣− −− −∣− −− −− ⎥
⎢ ⎥

o.
D = ⎢⎢ 0 0 ∣ −2 ∣ 0 0 ⎥⎥
⎢ −− −− −∣− −− −∣− −− −− ⎥

ra
⎢ ⎥
⎢ ⎥
⎢ 0 0 ∣ 0 ∣ 6 −3 ⎥
⎢ ⎥
⎢ 0 ⎥

A
⎣ 0 ∣ 0 ∣ −7 2 ⎦
es una matriz diagonal en bloques

5.7. Matrices Complejas d ra

en
Apartado en desarrollo.....
Denotaremos mediante Mm×n (C) al conjunto de todas las matrices de orden m × n con elementos en
lm

el campo de los números complejos.

A

Definición 5.19. Dada A ∈ Mm×n (C), la matriz conjugada de A es la matriz A = [aij ], es decir A
es la matriz obtenida de A calculando el conjugado de cada elemento de la matriz A.
lix

transpuesta conjugada A∗ = [aji ], es decir, A∗ = At .

Observación 5.12. Si A ∈ Mm×n (C), entonces A∗ =t .

Fé

Ejercicios Resueltos
r.
.D

1. Considere las matrices

⎡ −2 0 ⎤⎥ ⎡ 1 0 −2 ⎤ ⎡ −1 4 −2 ⎤
⎢ 4 −3 5 0 −1 ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
al

A=⎢ 1 −1 ⎥ B=[ ] C=[ ] D = ⎢ −3 5 1 ⎥ E=⎢ 5 6 1 ⎥

⎢ ⎥ 2 0 1 3 2 ⎢ ⎥ ⎢ ⎥
⎢ 2 3 ⎥⎦ ⎢ 4 2 0 ⎥ ⎢ 1 −2 3 ⎥
⎣ ⎣ ⎦ ⎣ ⎦
ne

calcule lo siguiente (en caso de ser posible).

Li

a) (2Dt − E)t
b) (4B)C + 2B
ra

c) (−AC)t − 3Dt
eb

d ) (BAt − 2C)t
lg

e) B t (CC t − At A)
f ) Dt E t − (ED)t
Á

Solución
CAPÍTULO 5. MATRICES 90

⎡ 2 −6 8 ⎤ ⎡ 3 −10 ⎤ ⎡ 3 −5 −5 ⎤
⎢ ⎥ ⎢ 10 ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥ t ⎢ ⎥
a) 2D = ⎢ 0 10 4 ⎥, 2D − E = ⎢ −5 4
t t
3 ⎥, (2D − E) = ⎢ −10 4
t
4 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ −4 2 0 ⎥ ⎢ −5 4 −3 ⎥ ⎢ 10 3 −3 ⎥⎦
⎣ ⎦ ⎣ ⎦ ⎣

7.
b) El orden de(4B)C es 2 × 3 mientras que 2B es de orden 2, por lo tanto (4B)C + 2B no está

01
definida.
⎡ −10 0 2 ⎤⎥ ⎡ 10 −2 ⎤⎥ ⎡ 10 −4 −13 ⎤⎥
⎢ ⎢ 0 ⎢
⎢ ⎥ ⎢ ⎥ ⎢ ⎥

,2
c) AC = ⎢ 4 −3 −3 ⎥, −AC = ⎢ −4 3 3 ⎥, (−AC) = ⎢ 0
t
3 −9 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ 13 9 4 ⎥⎦ ⎢ −13 −9 −4 ⎥⎦ ⎢ −2 3 −4 ⎥⎦
⎣ ⎣ ⎣

ft
⎡ 3 −9 12 ⎤ ⎡ 7 −25 ⎥⎤
⎢ ⎥ ⎢ 5
t ⎢ ⎥ t ⎢ ⎥

ra
3D = ⎢ 0 15 6 ⎥, (−AC) − 3D = ⎢ 0
t
−12 −15 ⎥
⎢ ⎥ ⎢ ⎥
⎢ −6 3 0 ⎥ ⎢ 4 0 −4 ⎥⎦
⎣ ⎦ ⎣

D
−8 7 −1 10 0 −2 −18 7 1
d ) BAt = [ ] , 2C = [ ], BAt − 2C = [ ]
−4 2 −6 −4

o.
4 2 6 4 0
⎡ −18 −6 ⎤⎥
⎢

ra
⎢ ⎥
(BA − 2C) = ⎢
t t
7 −4 ⎥
⎢ ⎥
⎢ 0 ⎥⎦

A
⎣ 1
26 3 9 5 17 −2
e) CC t = [ ], At A = [ ], CC t − At A = [ ]

ra
3 14 5 10 −2 4
64 0 d
B T (CC t − At A) = [ ]
−51 6
en

f ) Por propiedades de la transpuesta, sabemos que (ED)t = Dt E t , por lo tanto Dt E t −(ED)t =

lm

0.

1 1
A

2. Determine todas las matrices de orden 2 que conmutan con A = [ ].

0 1
lix

Solución.
a b
Sea X = [ ] tal que AX = XA, es decir
Fé

c d

1 1 a b a b 1 1
r.

[ ][ ] =[ ][ ]
0 1 c d c d 0 1
.D

equivalentemente
al

a+c b+d a a+b

ne

[ ] =[ ]
c d c c+d
Li

de donde
ra

a+c = c
eb

b+d = a+b
lg

d = c+d
Á

resolviendo obtenemos a = 0, c = 0, d = 0, en otras palabras las matrices buscadas tienen la forma

0 b
[ ] donde b es cualquier número real.
0 0
CAPÍTULO 5. MATRICES 91

3. Encuentre una matriz A ∈ M4 (R) tal que

1, ∣i − j∣ > 1
a) aij = i − j b) aij = j i+1 c) aij = {
−1, si ∣i − j∣ ≤ 1

7.
Solución

01
⎡ 1−1 1−2 1−3 1 − 4 ⎤⎥ ⎡⎢ 0 −1 −2 −3 ⎤
⎢ ⎥
⎢ 2−1 2−2 2−3 2 − 4 ⎥⎥ ⎢⎢ 1 0 −1 −2 ⎥
⎢ ⎥

,2
a) ⎢ ⎥=⎢ ⎥
⎢ 3−1 3−2 3−3 3 − 4 ⎥⎥ ⎢⎢ 2 1 0 −1 ⎥
⎢ ⎥
⎢ 4−1 4−2 4−3 4 − 4 ⎥⎦ ⎢⎣ 3 2 ⎥

ft
⎣ 1 0 ⎦
⎡ 11+1 21+1 41+1 ⎤⎥ ⎡⎢ 1 4 16 ⎤⎥

ra
⎢ 31+1 9
⎢ 12+1 22+1 42+1 ⎥⎥ ⎢⎢ 1 8 27 64 ⎥⎥
⎢ 32+1
b) ⎢ 3+1 3+1 ⎥=⎢ ⎥

D
⎢ 1 33+1 43+1 ⎥⎥ ⎢⎢ 1 16 81 256 ⎥⎥
⎢ 4+1 24+1
⎢ 1 34+1 44+1 ⎥⎦ ⎢⎣ 1 32 243 1024 ⎥⎦
⎣ 2

o.
⎡ −1 −1 1 ⎤
⎢ 1 ⎥
⎢ −1 −1 −1 ⎥

ra
⎢ 1 ⎥
c) ⎢ ⎥
⎢ 1 −1 −1 −1 ⎥
⎢ ⎥

A
⎢ 1 1 −1 −1 ⎥
⎣ ⎦
2 −1

ra
4. Determine si la matriz A = [ ] es o no divisor de cero.
3 1
d
Solución. Veamos si existe o no una matriz, digamos
en

a b
B=[ ]
lm

c d
tal que AB = 0. Entonces
A

2 −1 a b 2a − c 2b − d 0 0
[ ][ ]=[ ]=[ ]
lix

3 1 c d 3a + c 3b + d 0 0
de aquı́ obtenemos el sistema
Fé

2a − c = 0
r.

2b − d = 0
3a + c = 0
.D

3b + d = 0
al

cuya única solución es a = 0, b = 0, c = 0, d = 0, en otras palabras, la única matriz B tal que AB = 0

ne

es la matriz 0.
Falta ver si existe una matriz que tenga el efecto buscado al multiplicarla por el lado izquierdo de
Li

A. Es decir habrá que buscar si existe alguna matriz B tal que BA = 0, en este caso tendrı́amos
a b 2 −1 2a + 3b b − a 0 0
ra

[ ][ ]=[ ]=[ ]
c d 3 1 2c + 3d d − c 0 0
eb

por lo tanto
lg

2a + 3b = 0
Á

b−a = 0
2c + 3d = 0
d−c = 0
CAPÍTULO 5. MATRICES 92

este sistema tiene solamente la solución trivial.

Resumiendo, hemos visto que no existe alguna matriz B no nula tal que AB = 0 o BA = 0. Por
lo nuestra conclusión es que la matriz A no es un divisor de cero.

7.
⎡ −2 0 1 ⎤

01
⎢ ⎥
⎢ ⎥
5. Determine si la matriz A = ⎢ 4 −1 3 ⎥ es o no divisor de cero.
⎢ ⎥

,2
⎢ 2 −1 4 ⎥
⎣ ⎦

ft
Solución. Queremos ver si existe una matriz

ra
⎡ a b c ⎤
⎢ ⎥
⎢ ⎥
⎢ d e f ⎥

D
⎢ ⎥
⎢ g h i ⎥
⎣ ⎦

o.
tal que
⎡ −2 0 1 ⎤ ⎡ a b c ⎤ ⎡ 0 0 0 ⎤

ra
⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢ 4 −1 3 ⎥ ⎢ d e f ⎥ = ⎢ 0 0 0 ⎥
⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢ 2 −1 4 ⎥ ⎢ g h i ⎥ ⎢ 0 0 0 ⎥

A
⎣ ⎦⎣ ⎦ ⎣ ⎦
es decir

ra
⎡ g − 2a h − 2b i − 2c ⎤ ⎡ 0 0 0 ⎤
⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥
⎢ 4a − d + 3g 4b + 3h − e 4c − f + 3i ⎥=⎢ 0 0 0 ⎥
⎢ ⎥ ⎢ ⎥
d
⎢ 2a − d + 4g 2b + 4h − e 2c − f + 4i ⎥ ⎢ 0 0 0 ⎥
⎣ ⎦ ⎣ ⎦
en

esta igualdad conduce al sistema

lm

g − 2a = 0
h − 2b = 0
A

i − 2c = 0
lix

4a − d + 3g = 0
4b + 3h − e = 0
Fé

4c − f + 3i = 0
2a − d + 4g = 0
r.

2b + 4h − e = 0
.D

2c − f + 4i = 0

del cual obtenemos a = 12 g, b = 12 h, c = 12 i, d = 5g, e = 5h, f = 5i.

al

Con esto es suficiente como para concluir que la matriz dada efectivamente es un divisor de cero.
ne

Adicionalmente, busquemos explı́citamente una matriz que cumpla la condición requerida.

Li

Si por ejemplo asignamos los valores g = 2, h = −2, i = 2 tenemos que a = 1, b = −1, c = 1, d = 10, e =
−10, f = 10, g = 2, h = −2, i = 2, es decir, obtenemos la matriz
ra

⎡ 1 −1 1 ⎤
⎢ ⎥
⎢ ⎥
eb

⎢ 10 −10 10 ⎥ .
⎢ ⎥
⎢ 2 −2 2 ⎥
⎣ ⎦
lg
Á

n
0 a
6. Encuentre una fórmula para [ ] con n ∈ N y demuéstrela por inducción.
b 0
Solución.
CAPÍTULO 5. MATRICES 93

Con el objetivo de descubrir algún patrón de comportamiento desarrollamos algunas potencias

de A
2
0 a ab 0
[ ] =[ ] = abI

7.
b 0 0 ab

01
3
0 a 0 a2 b
[ ] =[ 2 ] abA

,2
b 0 ab 0
4
a2 b2

ft
0 a 0
[ ] =[ ] = a2 b2 I
b 0 0 a2 b2

ra
5
0 a 0 a3 b2
[ ] =[ 2 3 ] = a2 b2 A

D
b 0 a b 0
6
a3 b3

o.
0 a 0
[ ] =[ 3 3 ]=a b I
3 3
b 0 0 a b

ra
Notamos que tales expresiones las podemos acomodar de la forma siguiente

A
A2 = A2⋅1 = a1 b1 I
A3 = A2⋅1+1 = a1 b1 A

ra
A4 = A2⋅2 = a2 b2 I d
A5 = A2⋅2+1 = a2 b2 A
en
A6 = A2⋅3 = a3 b3 I
lm

ahora estamos en condiciones de establecer la siguiente conjetura para n ∈ N

A2n+1 = an bn A
A

A2n = an bn I
lix

Para determinar la veracidad de nuestra conjetura la idea es realizar su demostración por induc-
ción.
Fé

Notemos que en este caso en realidad tendremos que demostrar dos fórmulas.
Veamos si es posible demostrar la primera de las fórmulas por inducción, es decir, probemos
r.

A2n+1 = an bn A con n número natural.

.D

Caso base.
P (1) ∶ A2⋅1+1 = abA.
al

Arriba vimos que esta expresión es verdadera.

ne

Paso de inducción.
Nuestra suposición (hipótesis de inducción) es: A2n+1 = an bn A
Li

debemos probar que A2(n+1)+1 = an+1 bn+1 A, en otros términos, debemos probar que A2n+3 =
ra

an+1 bn+1 A.
En efecto,
eb

A2n+3 = A2n+1 A2 = (an bn A)A2 = an bn A3 = an bn (abA) = an+1 bn+1 A.

lg

Lo anterior prueba la primera de las fórmulas que habı́amos conjeturado.

Á

Ahora es momento de probar la segunda de las fórmulas de nuestra conjetura, es decir, A2n =
an bn I.
Procedemos igualmente por inducción.
CAPÍTULO 5. MATRICES 94

Caso base.
P (1) ∶ A2⋅1 = abI. Arriba hemos visto que esta expresión es verdadera.
Paso de inducción.

7.
Nuestra suposición (hipótesis de inducción) es: A2n = an bn I

01
debemos probar que A2(n+1) = an+1 bn+1 I, dicho de otra forma, tenemos que demostrar que A2n+2 =

,2
an+1 bn+1 I.
A2n+2 = A2n A2 = (an bn I)A2 = an bn A2 = an bn (abI) = an+1 bn+1 I.

ft
ra
Con esto queda demostrada la segunda de las fórmulas de nuestra conjetura y por lo tanto hemos
probados las dos fórmulas.

D
En resumen hemos demostrado que para cualquier número natural n se tiene
A2n+1 = an bn A

o.
A2n = an bn I

ra
en otros términos

A
0 an+1 bn
A2n+1 = [ n n+1 ]
a b 0

ra
an bn 0
A2n = [ n n ] d
0 a b
en
7. Dé un contraejemplo a la afirmación “la suma de matrices nilpotentes es nilpotente ”
lm

Solución.
0 1 0 0 0 0 0 0
Consideremos las matrices A = [ ] y B=[ ], entonces A2 = [ ], B 2 = [ ].
A

0 0 1 0 0 0 0 0
Es decir, A y B son nilpotentes de ı́ndice 2.
lix

0 1
A+B =[ ]
1 0
Fé

2
0 1 1 0
(A + B) 2
=[ ] =[ ]=I
1 0 0 1
r.

(A + B)3 = (A + B)(A + B)2 = (A + B)I = A + B

.D

(A + B)4 = (A + B)3 (A + B) = (A + B)(A + B) = (A + B)2 = I

al

Ası́ se puede probar por inducción que

A + B si n es impar
ne

(A + B)n = {
I si n es par
y como (A + B)n ≠ 0 para todo natural n, concluı́mos que la suma no es nilpotente.
Li
ra

Ejercicios Propuestos
eb

8. Hemos definido la suma, el producto de matrices y el producto por escalar. Pero ¿que puede usted
lg

decir de la resta y de la división?

Á

9. Encuentre una matriz A ∈ M4 (R) tal que

0, ∣i − j∣ > 1
a) aij = i + j − 1 b) aij = j i−1 c) aij = { d) aij = (−1)i−j+1
1, si ∣i − j∣ ≤ 1
CAPÍTULO 5. MATRICES 95

2 1 a b
10. Sean A = [ ] y B=[ ]. Demuestre que A y B conmutan si a − d = 7b
1 −5 c d
11. Dé un contraejemplo para ilustrar que la propiedad 2) de la observación 5.7 no se cumple.

7.
12. Dé un ejemplo de un par de matrices tales que su producto en un orden esté definido pero en el

01
orden opuesto no esté definido

,2
13. Dé un contraejemplo a la afirmación “para todo par de matrices A, B ∈ Mn (R) se cumple (A +
B)2 = A2 + 2AB + B 2 ”.

ft
14. ¿Cuál es el desarrollo correcto de (A + B)2 ?

ra
15. Dé un contraejemplo a la afirmación “para todo par de matrices A, B ∈ Mn (R) se cumple (A +
B)(A − B) = A2 − B 2 ”.

D
16. ¿Cuál es el desarrollo correcto de (A + B)(A − B)?

o.
17. ¿Será cierta la igualdad (A + B)(A − B) = A2 − B 2 para matrices A, B ∈ Mn (R). Si es cierta,

ra
demuéstrela. Si es falsa, dé un contraejemplo.
18. Sean A, B ∈ Mn (R). ¿ es (AB)2 = A2 B 2 una igualdad matricial válida? Justificar la respuesta.

A
19. Demuestre que si AB y BA están definidos, entonces AB y BA son matrices cuadradas. ¿Son AB

ra
y BA necesariamente del mismo orden? En caso afirmativo, demuéstrelo. En el caso contrario,
proporcione un contraejemplo. d
20. Demuestre que no existen matrices A, B ∈ Mn (R) tales que AB − BA = I.
en

21. Demuestre que si A es una matriz escalar, entonces conmuta con todas las matrices en Mn (R).
lm

22. Sean n ∈ N, denotaremos mediante Ep,q a la matriz en Mn (R) cuyo elemento (p, q) es 1 y todos
sus demás elementos son 0.
A

a) Determine AEp,q para A ∈ Mn (R). Describa el efecto de multiplicar Ep,q por la derecha de
lix

A.
b) Determine Ep,q A para A ∈ Mn (R). Describa el efecto de multiplicar Ep,q por la izquierda
Fé

de A.
c) Determine Ep,q Er,s para p, q, r, s ∈ [n].
r.

23. Demuestre que si A ∈ Mn (R) conmuta con todas las matrices en Mn (R), entonces A es una
.D

matriz escalar.
24. Una matriz A ∈ Mn (R) se dice tipo ajedrez si aij = 0 cuando i − j es impar. Demuestre que
al
ne

a) La suma en el conjunto de las matrices tipo ajedrez es cerrada.

b) El producto en el conjunto de las matrices tipo ajedrez es cerrado.
Li

25. Un cuadrado mágico de orden n es una matriz cuadrada de orden n cuyos elementos consisten
ra

en todos los enteros entre 1 y n2 , de tal forma que las sumas de los elementos de cada columna,
renglón o diagonal son iguales.
eb

26. Determine todas las matrices A ∈ M2 (R) tales que A2 = 0.

lg

27. Dé un contraejemplo a la afirmación (AB)t = At B t .

Á

28. Determine todas las matrices A ∈ M2 (R) tales que A2 = I.

1 si i ≤ j
29. Sea A ∈ Mn (R) definida mediante aij = { . Calcule A2 .
0 si i > j
CAPÍTULO 5. MATRICES 96

⎡ 2 a − 2b + 2c 2a + b + c ⎤
⎢ ⎥
⎢ ⎥
30. Encuentre todos los valores de a, b y c para los cuales la matriz ⎢ 3 5 a+c ⎥ es
⎢ ⎥
⎢ 0 −2 7 ⎥
⎣ ⎦

7.
simétrica.
31. Si A ∈ Mn (R) se puede expresar en la forma A = LU con L matriz triangular inferior y U matriz

01
triangular superior, entonces el sistema AX = B se puede expresar como LU X = B y se puede

,2
resolver en dos pasos:
Paso 1.Sea U X = Y , de modo que LU X = B se puede expresar como LY = B. Resuelva este

ft
sistema.

ra
Paso 2. Resuelva el sistema U X = Y para X.
⎡ 1 0 0 ⎤ ⎡ 2 −1 3 ⎤ ⎡ x ⎤ ⎡ 1 ⎤

D
⎢ ⎥⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢ ⎥⎢ ⎥⎢ ⎥ ⎢ ⎥
Usando el método recién descrito, resuelva el sistema⎢ −2 3 0 ⎥ ⎢ 0 1 2 ⎥ ⎢ y ⎥ = ⎢ −2 ⎥
⎢ ⎥⎢ ⎥⎢ ⎥ ⎢ ⎥

o.
⎢ 2 4 1 ⎥⎢ 0 0 4 ⎥⎢ z ⎥ ⎢ 0 ⎥
⎣ ⎦⎣ ⎦⎣ ⎦ ⎣ ⎦

ra
32. Un cuadrado mágico de orden n es una matriz cuadrada de orden n cuyos elementos consisten
en todos los enteros entre 1 y n2 ; de tal forma que las sumas de los elementos de cada columna,

A
renglón o diagonal son iguales.

ra
a) Demuestre que 1 + 2 + ... + k = k(k + 1)/2, para k ∈ N.
b) Demuestre que la suma de los elementos de cualquier renglón, columna o diagonal de un
d
cuadrado mágico de orden n es n(n2 + 1)/2.
en

c) Demuestre que no existen cuadrados mágicos de orden 2.

lm

d ) Determine el cuadrado mágico de orden 3 cuyo primer rengón está formado por 8, 1, 6.
A

33. Sea D ∈ Mn (R) una matriz diagonal tal que di ≠ dj para i ≠ j. Demuestre que si A ∈ Mn (R)
conmuta con D, entonces A también es una matriz diagonal.
lix

34. Demuestre que toda matriz no nula en Mn (R) idempotente y diferente de la identidad es un
divisor de cero.
Fé

35. Determine si las matrices

⎡ 2 −3 −5 ⎤ ⎡ −1 3 5 ⎤⎥
⎢ ⎥ ⎢
⎢ ⎥ ⎢ ⎥
r.

A = ⎢ −1 4 5 ⎥ y B = ⎢ 1 −3 −5 ⎥ son idempotentes.
⎢ ⎥ ⎢ ⎥
⎢ 1 −3 −4 ⎥ ⎢ −1 3 5 ⎥⎦
.D

⎣ ⎦ ⎣
36. Decida si las matrices A y B del ejercicio anterior son divisores de cero. En caso afirmativo,
al

encuentre la matriz que al multiplicar por ella da cero.

37. Demuestre que ningún divisor de cero en Mn (R) es invertible.
ne

38. Demuestre que si A, B ∈ Mn (R) son tales que (A + B)−1 = A−1 + B −1 , entonces AB −1 satisface la
Li

ecuación X 2 + X + I = 0.
39. Sean A, B ∈ Mn (R) con A no singular, demuestre que (A + B)A−1 (A − B) = (A − B)A−1 (A + B)
ra

40. Sean A, B ∈ Mn (R) con A ≠ B. Si A3 = B 3 y A2 B = B 2 A, demuestre que A2 + B 2 no es invertible.

eb

41. Demuestre que una matriz D = diag(d1 , d2 , . . . dn ) es invertible si y sólo si d1 d2 ⋯dn ≠ 0 y su

inversa es D−1 = diag( d11 , d12 , ⋯, d1n ).
lg

42. Si A es nilpotente de ı́ndice p, demuestre que I −A y I +A son invertibles y determine sus inversas.
Á

43. Demuestre que si A es idempotente, entonces (I + A)n = I + (2n − 1)A ∀n ∈ N.

CAPÍTULO 5. MATRICES 97

44. Sean A, B ∈ Mn (R), tales que A + B = AB. Demuestre que A − I es invertible y determine su
inversa.
45. Sea A ∈ Mn (R). Si 3A2 − 2A + I = 0, demuestre que A es invertible y determine su inversa.

7.
46. Sea Jn ∈ Mn (R) tal que todas sus entradas son 1. Demuestre que In −Jn es invertible y (In −Jn )−1 =

01
In − n−1
1
Jn .

,2
47. Sean A, B ∈ M4 (R). Si T r(A2 ) = 3, T r(B 2 ) = 1 y T r((A + B)2 ) = 3. Encuentre tr(BA).
48. Demuestre que no existen matrices A, B, C, D ∈ M4 (R) tales que AC + DB = 0 y CA + BD = I.

ft
ra
49. Demuestre que si A ∈ Mm×n (R) , entonces tr(AAt ) = tr(At A) = s, donde s es la suma de los
cuadrados de los elementos de A.

D
50. Demuestre que si A es tal que AAt = 0 o At A = 0, entonces A = 0.
51. Sean A, B ∈ Mn (R) simétricas. Demuestre que AB es simétrica si y sólo si A y B conmutan.

o.
ra
52. Demuestre que si A y B son antisimétricas, entonces A + B también lo es.
53. Demuestre que toda matriz cuadrada es la suma de una matriz simétrica y una antisimétrica.

A
54. Demuestre que si A ∈ Mn (R), entonces

ra
a) AAT y A + AT son simétricas
b) A − AT es antisimétrica.
d
en

55. Si A ∈ Mn (R) es simétrica, demuestre que A2 y 2A2 − 3A + I son simétricas.

lm

56. Demuestre que si AT A = A, entonces A es simétrica y A2 = A.

57. Demuestre que si A ∈ Mn (R) satisface la ecuación A3 + 4A2 − 2A + 7I = 0, entonces At también
A

la satisface.
lix

58. Demuestre que si A ∈ Mn (R), entonces A puede escribirse como la suma de dos matrices cuya
traza es diferente de cero.
Fé

59. Demuestre que si A, B ∈ Mn (R), entonces

r.

a) (At )t = A
b) (A + B)t = At + B t
.D

c) (kA)t = kAt
d ) (AB)t = B t At
al
ne

60. Si A es idempotente, demuestre que I − A es también idempotente.

61. Sea A ∈ Mn (R) idempotente, demuestre que P −1 AP es también idempotente para toda matriz
Li

P ∈ Mn (R) no singular.
ra

62. Demuestre que 21 (I + A) es idempotente si y sólo si A es involutiva.

eb

a b
63. Si A = [ ]. Demuestre que A2 − (a + d)A + (ad − bc)I2 = 0.
c d
lg

64. Una matriz A ∈ Mn (R) se dice involutiva si A2 = I. Dé un ejemplo de una matriz de orden 2
Á

que sea involutiva.

65. Demuestre que si A ∈ Mn (R) es involutiva, entonces 21 (I + A) y 12 (I − A) son idempotentes y su
producto es cero.
CAPÍTULO 5. MATRICES 98

66. Dé un ejemplo de una matriz cuadrada de orden n que sea nilpotente de ı́ndice n. Para n =
2, 3, 4, 5, 6.
67. Sean A y B matrices cuadradas del mismo orden tales que conmutan y A es nilpotente, demuestre

7.
que AB es nilpotente. ¿ es cierto el recı́proco?

01
n
1 1 1 n
68. Sea n ∈ N. Usando inducción, demuestre que [ ] =[ ].

,2
0 1 0 1
n
−1 −1

ft
69. Encuentre una fórmula para [ ] con n ∈ N y demuéstrela por inducción.
1 0

ra
0 3
70. Sean n ∈ N y A = [ ]. Encuentre una fórmula para Ak válida para todo k ∈ N. Usando la

D
2 0
fórmula obtenida, determine A2016 .

o.
7 4 1 + 6n 4n
71. Sean n ∈ N y A = [ ]. Demuestre que An = [ ].

ra
−9 −5 −9n 1 − 6n
xn+1 = 7xn + 4yn

A
72. Un sistema dado satisface las relaciones de recurrencia .
yn+1 = −9xn − 5yn

ra
Resuelva el sistema para xn y yn en términos de x0 y y0 .
4 −3 d 3n −1 3−3n
73. Sean n ∈ N y A = [ ]. Demuestre que An = 2 A + 2 I2 .
1 0
en

2a −a2 (n + 1)an −nan+1

74. Sean n ∈ N y A = [ ]. Demuestre que An = [ ].
lm

1 0 nan−1 (1 − n)an
⎡ 1 −3 −4 ⎤
⎢ ⎥
A

⎢ ⎥
75. Verifique que A = ⎢ −1 3 4 ⎥ es nilpotente y determine su ı́ndice de nilpotencia.
⎢ ⎥
⎢ 1 −3 −4 ⎥
⎣ ⎦
lix

76. Sean A y B matrices nilpotentes que conmutan entre sı́, demuestre que entonces A + B es nilpo-
Fé

tente.
77. Encuentre una fórmula para J3n con n ∈ N.
⎡ −3 7 0 ⎤
r.

⎢ ⎥
⎢ ⎥
78. Determina la inversa (si existe) de la matriz A = ⎢ 3 ⎥.
.D

4 1
⎢ ⎥
⎢ 5 −1 2 ⎥
⎣ ⎦
⎡ −3 7 0 ⎤
al

⎢ ⎥
⎢ ⎥
79. Encuentre matrices elementales E1 , ..., Ek tales que Ek . . . E1 A = I, para la matriz A = ⎢ 3 4 1 ⎥.
⎢ ⎥
ne

⎢ 5 0 2 ⎥
⎣ ⎦
⎡ −3 7 0 ⎤
Li

⎢ ⎥
−1 ⎢ ⎥
80. Encuentre matrices elementales E1 , ..., Ek tales que Ek . . . E1 I = A , para la matriz A = ⎢ 3 4 1 ⎥.
⎢ ⎥
⎢ 5 0 2 ⎥
ra

⎣ ⎦
⎡ 1 1/2 1/3 1/4 ⎤
⎢ ⎥
eb

⎢ 1/2 1/3 1/4 1/5 ⎥

⎢ ⎥
81. La matriz de Hilbert de orden 4 está dada por H = ⎢ ⎥. Determine su inversa.
⎢ 1/3 1/4 1/5 1/6 ⎥
lg

⎢ ⎥
⎢ 1/4 1/5 1/6 1/7 ⎥
⎣ ⎦
Á