Вы находитесь на странице: 1из 31

Indice

general
1. Matrices, Sistemas Lineales y Determinantes
1.1. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2. Tipos de Matrices . . . . . . . . . . . . . . . . . . . . .
1.3. Producto de una Matriz Fila con una Matriz Columna
1.4. Multiplicacion de un escalar por una matriz . . . . .
1.5. Suma de matrices. . . . . . . . . . . . . . . . . . . . . .
1.5.1. Propiedades de la suma de matrices. . . . . . .
1.5.2. Diferencia o Resta de matrices. . . . . . . . . .
1.6. Producto de matrices. . . . . . . . . . . . . . . . . . . .
1.7. Tipos especiales de matrices. . . . . . . . . . . . . . . .
1.7.1. Matrices idempotentes e involutivas . . . . . .
1.7.2. Matrices divididas por bloques . . . . . . . . .
1.7.3. Matrices semejantes . . . . . . . . . . . . . . .
1.7.4. Problemas resueltos . . . . . . . . . . . . . . .
1.7.5. Problemas (Matrices) . . . . . . . . . . . . . . .

. . .
. . .
. .
. . .
. . .
. . .
. . .
. . .
. . .
. . .
. . .
. . .
. . .
. . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

2
2
5
6
6
7
8
8
10
12
21
22
25
25
27

Captulo 1
Matrices, Sistemas Lineales y
Determinantes
1.1. Matrices
1850 por
El termino matriz fue introducido por primera vez en el ano
Introduccion.
despues Cayley iniciaba un estudio matematico

Sylvester, un ano
de las mismas. Aunque
que un conjunto de numeros

una matriz no es mas


reales dispuestos de forma ordenada
(formando filas que son las lneas horizontales y las columnas son las lneas verticales)

esta sencilla idea se ha mostrado muy util.


Es muy frecuente que los datos sobre las actividades variadas se presenten en forma de tabla, tabla que no es sino una matriz.
Desde el punto de vista que nos concierne podramos decir que las matrices han inun
dado el Algebra
Lineal, hasta el punto de que muchas veces se llama Teora de Matrices.
Solo cuando tratamos con dimension finita, las de dimension infinita hemos de abandonarlas.
es el secreto? El secreto es que siendo tan poca cosa - un punado

Cual
de numeros
escritos ordenadamente - una matriz puede representar muchas cosas: un sistema de ecuaciones lineales como los veremos, transformaciones lineales, productos escalares, formas

cuadraticas,
conicas, etc. Es la forma de ver la matriz lo que le da sentido, y su facilidad de
se puede pedir a una herramienta?
manejo lo que les da versatilidad y potencia. Que mas

En este captulo se introducen los conceptos basicos


que se requieren para estudiar el

curso del algebra


lineal. Comenzamos en la primera seccion con el tema fundamental de
Matrices.
1.1. Una matriz A es un arreglo rectangular compuesto de m renglones o
Definicion

Algebra lineal.

Matrices, sistemas lineales y determinantes

filas (lneas horizontales) y n columnas (lneas verticales), de m n numeros

reales

a11 a12 a13 . . . a1n


a21 a22 a23 . . . a2n

a
a
.
.
.
a
32
33
3n
A = 31
.
..
..
..
..
.
.
.
am1 am2 am3 . . . amn
Se dice entonces que A es una matriz de tamano
u orden m n y simbolicamente se escribe
A = [aij ],

a11
a21
..
.

a12
a22
..
.

... ...

A= .
..
..
.

am1 am2

a13
a23
..
.
aij
..
.
am3

i e sima columna

. . . a1n
. . . a2n
..
..
.
.
... ...
..
..
.
.
. . . amn

i e sima fila

i = 1, 2, . . . , m; j = 1, 2, . . . , n. Esto es, aij representa el numero

que se encuentra en la fila i


y en la columna j. A los elementos aij se les llaman las componentes (entradas) de la matriz
A.
Nota.
Los parentesis rectangulares se pueden suplir por parentesis circulares en notaciones
matriciales. En este curso emplearemos parentesis rectangulares.
En el caso particular de que una matriz tenga tamano
11 escribiremos simplemente
a en lugar de [a]; es decir, identificaremos toda matriz [a] con el numero

real a.
Al conjunto de todas las matrices de tamano
m n se le denota por Mmn (K), donde
K es el campo de los escalares, en nuestro caso solo utilizaremos el campo de los
numeros

reales K = IR o el campo de los numeros

complejos K = C,
I o simplemente
denotaremos por Mmn
[
]
1 3 5
Ejemplo 1.1. En la matriz: A =
sus elementos son:
2 4 6
a11 = 1, a12 = 3, a13 = 5, a21 = 2, a22 = 4, a23 = 6.
Esta es una matriz de orden 2 3, es decir: A M23 .

[
]
2 3 5
Ejemplo 1.2. Si A =
4 2 1
A es una matriz de tamano
2 3 y, para este caso sus elementos son:
a11 = 2, a12 = 3, a13 = 5, a21 = 4, a22 = 2, a23 = 1.


J. R. Ticona Parisaca

Algebra lineal.

Matrices, sistemas lineales y determinantes

1.2. (Igualdad de Matrices) Dos matrices A = [aij ] y B = [bij ] son iguales


Definicion
(A = B) si y solo si:
1. A y B tienen el mismo tamano
y
i = 1, 2, . . . , m, j = 1, 2, . . . , n
]
[
]
[
b11 b12
a11 a12
M22 , entonces
, B=
Ejemplo 1.3. Si A =
b21 b22
a21 a22
2. aij = bij

A = B a11 = b11 a12 = b12 a21 = b21 a22 = b22


Si A y B no son iguales, escribiremos as
A = B aij = bij ,

i = 1, 2, . . . , m, j = 1, 2, . . . , n
[

Ejemplo 1.4. De acuerdo con la definicion anterior

]
1 3 9
5 7 2

[
=

]
1 3 9
5 6 2

Ejemplo
1.5. ]
Determinar
[
[ el valor
] de k para que las matrices
k 1
2 1
A=
yB=
sean iguales.
1 2k
1 4
Dado que ambas matrices tienen el mismo tamano
Solucion.
ellas seran
iguales si y solo
si coinciden componente a componente; para lo cual es suficiente que k = 2 y 2k = 4; esto
se cumple para k = 2.

[
]
[
]
k 0
1 0
Ejemplo 1.6. Determinar el valor de k para que las matrices A =
yB=
3 3k
3 4
sean iguales.
Para que las matrices sean iguales se requiere, en este caso que k = 1 y 3k = 4,
Solucion.
4
luego se debe tener simultaneamente

k = 1 y k = ; lo cual es imposible. Por lo tanto A = B


3
para cualquier valor de k.


Orden de una matriz


El orden de una matriz es el producto indicado del numero

de filas (lneas horizontales)


por el numero

de columnas (lneas verticales) de la matriz


[
]
1 4 8
Ejemplo 1.7. La matriz dada: A =
tiene dos filas y tres columnas, entonces
3 5 7
la matriz A es de orden 2 3, es decir, A M23 .
A las matrices usualmente se denota por las letras mayusculas
Notacion.

A, B, C, etc. y
a sus elementos con letras minusculas:

aij , bij , cij , etc, respectivamente.

J. R. Ticona Parisaca

Algebra lineal.

Matrices, sistemas lineales y determinantes

Ejemplo 1.8. Las siguientes matrices se escriben as:

[
]
a11 a12 a13
b
b
b

11
12
13
A = a21 a22 a23 M33 , B =
M23 ,
b21 b22 b23
a31 a32 a33

c11 c12

C = c21 c22 M32


c31 c32

1.2. Tipos de Matrices


Matriz Fila
A las matrices de orden 1 n se les llama matriz fila, es decir es de la forma siguiente:
A = [ a11 a12 a1n ] M1n
tambien se le conoce con el nombre de vector fila.

Matriz Columna
A las matrices de orden m 1 se les llama matriz columna, es decir es de la forma
siguiente:

a11
a21

a
A = 31 Mm1
.
..
am1
tambien se le conoce con el nombre de vector columna.

Matriz Nula o matriz cero


Matriz nula, es la matriz cero de orden m n, se define como aquella matriz que tiene
las m n componentes nulas; esto es
= [aij ]
donde aij = 0

i, j. As, por ejemplo

[
=

]
0 0 0
0 0 0

es la matriz cero de orden 2 3.


Ejemplo 1.9. .

]
0 0
0 0

Si A M22 A es una matriz nula donde A =

Si A M33

0 0 0

A es una matriz nula donde A = 0 0 0


0 0 0

J. R. Ticona Parisaca

Algebra lineal.

Matrices, sistemas lineales y determinantes

1.3. Producto de una Matriz Fila con una Matriz Columna


Sean A M1n y B Mn1 , el producto de estas matrices es una matriz de orden 1 1
y esta dado, as:

b11
[
] b21

A B = a11 a12 . . . a1n . = [a11 b11 + a12 b21 + a13 b31 + + a1n bn1 ]
..
bn1
Nota. Para que este producto de matrices existe debe cumplirse que el numero

de columnas
de la primera matriz coincida con el numero

de filas de la segunda matriz.

[
]
2
Ejemplo 1.10. Sean las siguientes matrices A = 4 3 6 7 y B =
. Halle A B
5
6

Solucion.

3
[
] 2

AB= 4 3 6 7
= [ 4(3) + 3(2) + 6(5) + 7(6) ] = [ 12 6 + 30 + 42 ] = [ 78 ]
5
6

3
2
[
]

Ejemplo 1.11. Sean las siguientes matrices A = 4 3 6 7 3 y B =


. Halle
5
6
AB
En este caso no existe el producto de estas matrices, pues el numero
Solucion.

de columnas
de A es 5, mientras que el numero

de filas de la matriz B es 4, como estos numeros

no son
iguales, entonces no existe el producto entre dichas matrices.

de un escalar por una matriz


1.4. Multiplicacion
Dada una matriz A Mmn y un escalar K, el producto del escalar por la matriz se
define por:

a11 a12 a13 . . . a1n


a11 a12 a13 . . . a1n
a21 a22 a23 . . . a2n a21 a22 a23 . . . a2n

a
a
a
a
.
.
.
a
a
a
.
.
.
a
31
32
33
3n
32
33
3n =
A = 31
.
.
..
..
..
..
..
..
..
.
.
.
.
.
. ..
am1 am2 am3 . . . amn

am1 am2 am3 . . . amn

J. R. Ticona Parisaca

Algebra lineal.

Matrices, sistemas lineales y determinantes

como cada elemento de la matriz A es multiplica por , el producto A es por lo tanto


tambien una matriz de orden m n, es decir A Mmn .
[
]
3 5 7
Ejemplo 1.12. Si = 2 y A =
. Halle: A
2 4 6

Solucion.
]
]
[
] [
[
6 10 14
6 10 14
3 5 7
, entonces A =
=
A = 2
4 8 12
4 8 12
2 4 6


1
0
1
2

2
0

2
2

2

Ejemplo 1.13. 2 2 4
1 3 = 2 2 42
2 32
2 4
0 5
2 4 2
0 5 2

Propiedades del producto de un escalar por una matriz


Sean y dos escalares arbitrarios de K y A, B Mmn , entonces:
1. ()A = (A)

3. ( + )A = A + A

2. (A + B) = A + B

4. 1.A = A

5. 0.A =

Matriz nula

1.5. Suma de matrices.


1.3. Sean las siguientes matrices arbitrarias de orden m n, es decir, A, B
Definicion
Mmn , donde A = [aij ], B = [bij ], la suma de las matrices A y B es otra matriz C = [cij ]
Mmn , en donde cada elemento de la matriz C es la suma de los elementos correspondientes
de A y B, es decir:
[cij ] = [aij ] + [bij ] = [aij + bij ],
Ejemplo 1.14. Calcular A + B s:

4 5 3

A = 2 1 0 ,
3 1 6

Solucion.

i = 1, 2, . . . , m, j = 1, 2, . . . , n

2 6 1

B= 4 0 7
5 3 8

4 5 3
2 6 1
4+2
5+6 3+1
6 11 4

A+B= 2 1 0 + 4 0 7 = 2+4
1+0 0+7 = 6 1 7
3 1 6
5 3 8
3 + 5 1 + 3 6 + 8
8 2 14

Nota. La suma de matrices se define solamente cuando las matrices tienen el mismo nume
ro de filas y mismo numero

de columnas, es decir ambas matrices tienen que ser del mismo


orden.

J. R. Ticona Parisaca

Algebra lineal.

Matrices, sistemas lineales y determinantes

1.5.1. Propiedades de la suma de matrices.


Sean A, B, C Mmn y IR, entonces:
a) A + B = B + A, conmutativa
b) A + (B + C) = (A + B) + C, asociativa
c) (A + B) = A + B
d) Existe una matriz nula Mmn tal que: A : A + = A

1.5.2. Diferencia o Resta de matrices.


Sean A, B Mmn , entonces la diferencia de las matrices A y B se define:
A B = A + (1)B

1 3 7

Ejemplo 1.15. Calcular A B si: A = 2 4 5 , B =


4 6 8

Solucion.

1 3 7

A B = A + (1)B = 2 4 5 + (1)
4 6 8


1 3 7
7


= 2 4 5 + 4
4 6 8
2

6 2
8

= 2 10 4
2
3
0

7
5 1

4 6
9
2
3
8

7
5 1

4 6
9
2
3
8

5
1

6 9
3 8

Ejemplo 1.16. Hallar la matriz X tal que:


[
]
[
]
1 1 0
2 1 3
+X=
1 2 1
0
1 2
Podemos proceder de dos formas diferentes:
Solucion.
Metodo 1 . Sea X = [xij ] una matriz de orden 2 3, por lo tanto
]
] [
[
] [
1 1 0
2 1 3
x11 x12 x13
=
+
1 2 1
x21 x22 x23
0
1 2

J. R. Ticona Parisaca

Algebra lineal.

Matrices, sistemas lineales y determinantes

de donde se deduce que:


2 + x11 = 1,
1 + x12 = 2,
3 + x13 = 0,
0 + x21 = 1,
1 + x22 = 2,
2 + x23 = 1
y resolviendo estas ecuaciones se obtiene
[
]
1 1 3
X=
1 3 1
Metodo 2 . Utilizando las propiedades de la suma de matrices
[
]
[
]
[
] [
]
2 1 3
1 1 0
1 1 0
2 1 3
+X=
X =

0
1 2
1 2 1
1 2 1
0
1 2
[

entonces
X=

]
1 1 3
1 3 1

Ejemplo 1.17. Hallar X e Y sabiendo que:


[
X+Y =
[
2X 3Y =

]
3 1 4
7 1
5

4 3
2
6
2 5

Podemos multiplicar a la primera igualdad por 2 y sumar a la segunda igualSolucion.


dad, entonces
[
]
10 5
10
5Y =
20
0 15
de donde se deduce que:
1
Y=
5

]
10 5
10
20
0 15

[
=

]
2 1 2
4 0
3

Finalmente
[
]
[
] [
] [
]
3 1 4
3 1 4
2 1 2
1 0 2
X=
Y =

=
.
7 1
5
7 1
5
4 0
3
3 1
2

Otra propiedad importante en la que se recoge en el siguiente teorema


Teorema 1.1. (Productos nulos) Cualesquiera que sean las matrices A y el escalar t R,
se cumple:
1. 0 A = y t =
2. Si t A = entonces t = 0 A =

J. R. Ticona Parisaca

Algebra lineal.

Matrices, sistemas lineales y determinantes

10

1.6. Producto de matrices.


1.4. Sea A Mmn y B Mnp , definimos el producto entre las matrices A
Definicion
por B como la matriz C Mmp , donde cij es el producto escalar de la i-esima fila de A por
la j-esima columna de B, es decir:
cij =

aik bkj ,

i = 1, 2, . . . , m, j = 1, 2, . . . , p

k=1

Nota. El producto de dos matrices AB esta definido solo cuando el numero

de columnas
de la matriz A es igual al numero

de filas de la matriz B.

1 2 3
2 0

Ejemplo 1.18. Calcular AB si: A = 4 5 6 , B = 1 2


0 1 0
0 1

Solucion.

1 2 3
2 0

AB = 4 5 6 1 2
0 1 0
0 1

2
(
) 0
(
)

1 2 3 2
1 2 3 1

1
0

(
) 2
(
) 0

= 4 5 6 1
4 5 6 2

0
1

(
) 2
(
) 0



1
2
0
1
0
0
1
0



0
1

2+2+0 0+4+3
4 7

= 8 + 5 + 0 0 + 10 + 6 = 13 16
0+1+0 0+2+0
1 2
Nota. Para este ejemplo, BA no esta definido de acuerdo a la observacion. Pues el numero

de columnas de B no coincide con el numero

de filas de A.
[
]
[
]
1 1
1 0
Ejemplo 1.19. Sean A =
yB=
. Calcular AB y BA
3 2
2 4

Solucion.
[
][
] [
]
1 1
1 0
3 4
1. AB =
=
3 2
2 4
7 8
[
][
] [
]
1 0
1 1
1 1
2. BA =
=
2 4
3 2
14 10

J. R. Ticona Parisaca

Algebra lineal.

Matrices, sistemas lineales y determinantes

11

vemos que AB = BA. En conclusion el producto de matrices no es conmutativo.


[
]
[
]
2 1
1 2
Ejemplo 1.20. Sea A =
yB=
calculemos su producto
0
2
1 3
[
][
] [
]
2 1
1 2
2 1 + (1)(1) 2(2) + (1)3
=
0
2
1 3
0 1 + 2(1)
02+23
[
]
3 1
=

2 6

1
2
[
]

2 1 1
0
2 1
Ejemplo 1.21. Sean A =
yB=
. El producto de A por B es:
2 1
2 1
1 1
1 0

1
2
[
]
[
]

2 1 1
0
3 4
2 1

=
2 1
2 1 1 1
5 7
1 0
pues:
3 = 2 1 + 1 2 + (1)1 + 0 1
4 = 2 2 + 1 1 + (1)1 + 0 0
5 = 2 1 + 1 2 + 2 1 + (1)1
7 = 2 2 + 1 1 + 2 1 + (1)0
Vale la pena observar que las matrices no deben ser necesariamente del
Observacion.
mismo tamano
para poder multiplicarlas. De hecho si se mira con cuidado la definicion
se observa que para poder hacerlo la cantidad de filas de la primera matriz debe coincidir
con la cantidad de columnas de la segunda matriz. Cuando esto ocurre se dice que las
matrices son conformables.


Propiedades del producto de matrices.


1. AB = BA

3. A(B + C) = AB + AC

2. (AB)C = A(BC)

4. (B + C)A = BA + CA

5. k(AB) = A(kB), k IR

Ejemplo 1.22. Simplificar las expresiones:


1. A(2B C) + (2A B)C + 2A(B 2C).
2. A(B C)D + ABD A(2B + C)D + 2ACD.
donde A, B, C y D son matrices cuadradas del mismo tamano

Solucion.

J. R. Ticona Parisaca

Algebra lineal.

Matrices, sistemas lineales y determinantes

12

1. Utilizando propiedades del producto se obtiene


A(2B C) + (2A B)C + 2A(B 2C) = 2AB AC + 2AC BC + 2AB 4AC
= 4AB 5AC BC
2. Aplicando propiedades del producto se obtiene
A(B C)D + ABD A(2B + C)D + 2ACD = ABD ACD + ABD 2ABD ACD + 2ACD
=
Ejemplo 1.23. Probar que dos matrices cuadradas A y B conmutan si, y solo si
(A + B)(A B) = A2 B2 .
Si AB = BA, se tiene
Solucion.
(A + B)(A B) = A(A B) + B(A B)
= A2 AB + BA B2
= A2 AB + AB B2
= A2 B2 .
Recprocamente, como
(A + B)(A B) = A2 AB + BA B2
si (A + B)(A B) = A2 B2 , entonces
AB + BA = ,


de donde se deduce que AB = BA.

1.7. Tipos especiales de matrices.


1 Matriz cuadrada. Se dice que una matriz A es cuadrada cuando el numero

de
filas es igual numero

de columnas. El conjunto de estas matrices lo denotaremos por


nn
Mn = Mnn o IR
Si A Mn , la diagonal principal es la lnea formada por los elementos:
a11 , a22 , . . . , ann
es decir

A=

a11
a22
..
..
.
.

..
.

..
.

ann

J. R. Ticona Parisaca

Algebra lineal.

13

Matrices, sistemas lineales y determinantes

La suma de los elementos de la diagonal de una matriz cuadrada se le llama


traza de la matriz, y se le denota:
Tr(A) = a11 + a22 + . . . + ann
Ejemplo 1.24. .
[
a11
Si A =
a21

a11

Si A = a21
a31

a11
a21

Si A = .
..

]
a12
a22

M2 , su traza es: Tr(A) = a11 + a22

a12 a13

a22 a23 M3 , su traza es: Tr(A) = a11 + a22 + a33


a32 a33

a12 a1n
a22 a2n

.. . .
.. Mn , su traza es: Tr(A) = a11 + a22 + + ann
.
.
.

an1 an2 ann


2 Matriz Identidad. Sea I Mn cuyos elementos aij = 0 para i = j y aij = 1 para i = j
entonces se llama matriz identidad. Es decir:
{
1, si i = j
I=
0, si i = j
Ejemplo 1.25. .

Si I M2 I es una matriz identidad, donde I =

]
1 0
0 1

1 0 0

Si I M3 I es una matriz identidad, donde I = 0 1 0


0 0 1

1 0 0
0 1 0

Si I Mn I es una matriz identidad, donde I = 0 0 1


. . .
.. .. ..

...
...
...
..
.

0
0
0
..
.

0 0 0 ... 1
3 Matriz triangular superior. Sea A Mn cuyos elementos aij = 0 para i > j,
entonces se llama matriz triangular superior. Es decir:

a11 a12 a13 a1n


0 a22 a23 a2n

0 a33 a3n
A= 0
es una matriz triangular superior

.
.
..

..
0

ann

J. R. Ticona Parisaca

Algebra lineal.

Matrices, sistemas lineales y determinantes

14

Ejemplo 1.26. Efectuemos el producto de las matrices triangulares A, B M3 , tales


que:
aij = 0 si i > j, aij = i + j si i j
bij = 0 si i > j, bij = i 2j si i j
entonces

2 3 4
1 3 5
2 12 34

A B = 0 4 5 0 2 4 = 0 8 31
0 0 6
0
0 3
0
0 18

Nota. El producto de matrices matrices triangulares superiores es una matriz triangular superior.
4 Matriz triangular inferior. Sea A Mn cuyos elementos aij = 0 para i < j,
entonces se llama matriz triangular inferior. Es decir:

A=

a11 0
0
a21 a22 0
a31 a32 a33
..
..
.
.
an1 an2 an3

0
0
0

es una matriz triangular inferior

ann

5 Matriz diagonal. Sea A Mn cuyos elementos son aij = 0 para i = j se llama


matriz diagonal, es decir que se expresa en la forma:

A=

a11 0
0
0 a22 0
0
0 a33
..
..
.
.
0
0
0

0
0
0

= diag(a11 , a22 , . . . , ann )

ann

6 Matriz escalar. Sea A Mn una matriz diagonal en la que ademas


se verifica
a11 = a22 = = ann = k,
es decir es de la forma:

A=

k
0
0
..
.

0 0 0
k 0 0

0 k 0
= kI

..

0 0 0 k
Ejemplo 1.27. Veamos algunas matrices

J. R. Ticona Parisaca

Algebra lineal.

15

Matrices, sistemas lineales y determinantes

1 2 6

A = 0 4 3 M3 es una matriz triangular superior.


0 0 5

1
0 0

B= 2
4 0 M3 es una matriz triangular inferior.
6 7 5

10 0 0

C = 0 4 0 M3 es una matriz diagonal.


0 0 5

5 0 0

D = 0 5 0 M3 es una matriz escalar.


0 0 5

1 0 0

I = 0 1 0 M3 es una matriz identidad.


0 0 1
7 Matriz transpuesta. Dada una matriz A Mmn , la transpuesta de A es la
matriz de orden n m denotada por AT , cuyas columnas se forman a partir de las
filas correspondientes de A.

a11 a12 a13 . . . a1n


a11 a21 a31 . . . am1
a21 a22 a23 . . . a2n
a12 a22 a32 . . . am2

A = 31 a32 a33 . . . a3n Mmn B = AT = a13 a23 a33 . . . am3 Mnm


.
.
..
..
..
..
..
..
..
..
.
.
.
.
.
.
am1 am2 am3 . . . amn
Ejemplo 1.28. Sean
[
A=

]
a b
c d

a1n a2n a3n . . . amn

5
2

B = 1 3 ,
0
4

[
C=

entonces las matrices transpuestas respectivamente son:


[
T

A =

]
a c
b d

[
,

B =

]
5
1 0
2 3 4

]
1 1
1 1
3 5 2 7

C =

1 3

1
5

1 2
1
7

Ejemplo 1.29. .

2 1
3
2
4 2

Si A = 1
5 1 M3 , entonces AT = 4 5 2 M3
2 1
0
3 2 0

J. R. Ticona Parisaca

Algebra lineal.
[
Si B =

16

Matrices, sistemas lineales y determinantes


]
1 3 5
2 4 6

1 2

M23 , entonces BT = 3 4 M32


5 6

Propiedades de la matriz transpuesta.


a) IT = I

c) (kA)T = k AT

b) (AT )T = A

d) (A + B)T = AT + BT

e) (AB)T = BT AT

8 Matriz simetrica. Sea A Mn , se dice que es una matriz simetrica si A = AT ,


es decir:
Si A Mn es simetrica A = AT aij = aji , i = 1, . . . , n; j = 1, . . . , n.
Ejemplo 1.30. Sean las matrices:

1 0 1
1 0 1

Si A = 0 2 4 M3 AT = 0 2 4 M3
1 4 3
1 4 3
como AT = A, entonces la matriz A es simetrica.

2 1 3
2 4 1

Si B = 4 3 2 M3 BT = 1 3 4 M3 ,
1 4 3
3 2 3
como BT = B, entonces la matriz B no es simetrica.
Para que una matriz cuadrada A sea simetrica debe cumplir aij = aji
Observacion.
para cada i = j
Ejemplo 1.31. Las siguientes matrices son simetricas.

3 4 5
4
2
1

a) A = 4 7 6
b) B = 2 3 5
5 6 9
1 5
8

1 7 9

c) C = 7 2 11
9 11 10

9 Matriz antisimetrica. Sea A Mn , se dice que es una matriz antisimetrica si


A = AT
es decir:
Si A Mn es antisimetrica A = AT aij = aji , i = 1, . . . , n; j = 1, . . . , n.
Nota. Los elementos de la diagonal de toda matriz antisimetrica son nulos, pues
si la matriz A es antisimetrica aii = aii , para i = j 2aii = 0, i aii = 0, i
Ejemplo 1.32. .

J. R. Ticona Parisaca

Algebra lineal.
[
Si A =

17

Matrices, sistemas lineales y determinantes


]
0 1
1
0

[
AT =

]
0 1
1 0

[
=

]
0 1
1
0

= A

Como A = AT entonces A es una matriz antisimetrica.

0
1 2
0 1 2
0
1 2

Si B = 1
0 3 BT = 1
0 3 = 1
0 3 = B
2 3 0
2
3
0
2 3 0
Como B = BT entonces B es una matriz antisimetrica.
Para que una matriz cuadrada A sea antisimetrica debe cumObservacion.
plirse que aij = aji para cada i = j y los elementos de la diagonal principal
deben ser ceros, es decir aij = 0 para cada i = j.
Ejemplo 1.33. Las siguientes matrices son antisimetricas.

0
4 1
0 3
7
0
1 1

a) A = 4
c) C = 1
0
2 b) B = 3 0 6
0
1
1 2
0
7 6
0
1 1
0
Ejemplo 1.34. Demostremos las siguientes propiedades:

Propiedades de Matrices Simetricas


y Antisimetricas
a) El producto de toda matriz cuadrada por su transpuesta es una matriz simetrica.
En efecto.
(A AT )T = (AT )T AT = A AT


Luego, por ser igual a su transpuesta, as la matriz A AT es simetrica.


No es necesario que A sea una matriz cuadrada para que existan
Observacion.
T
T
AA y A A, las que son, en todos los casos, estas resultan matrices cuadradas.
b) La suma de toda matriz cuadrada y de su traspuesta es simetrica.
En efecto. Sea A Mn , entonces
(A + AT )T = AT + (AT )T = AT + A = A + AT
es decir, A + AT es una matriz simetrica.

c) La diferencia de toda matriz matriz cuadrada con su transpuesta es una matriz


antisimetrica.
En efecto. Sea A Mn , entonces, aplicando propiedades anteriores, se verifica
(A AT )T = AT (AT )T = AT A = (A AT )
en consecuencia, A AT es una matriz antisimetrica.

J. R. Ticona Parisaca

Algebra lineal.

Matrices, sistemas lineales y determinantes

18

d) Toda matriz cuadrada es la suma de una matriz simetrica y de una matriz


antisimetrica.
En efecto. Sea A Mn matriz arbitraria, sabemos que A + AT es una matriz
simetrica y A AT es una matriz antisimetrica, entonces
1
1
A = (A + AT ) + (A AT )
2
2
es la suma de una matriz simetrica y de una antisimetrica.

10 Potencia de una matriz. Sea A Mn , la potencia de una matriz definiremos


como:
A0 = I
A

Matriz Identidad

= A

A2 = AA
A3 = AAA
..
.
An = AA
. . . A}
| {z
nveces

ademas
Ap Aq = Ap+q

(Ap )q = Ap q .

Nota.
Las matrices A, B Mn son conmutativas si, y solo si AB = BA
Si las matrices son conmutativas, entonces cualquier potencia natural de los
mismos son conmutables y (AB)n = An Bn , n IN
11 Matriz ortogonal. Sea A Mn , se llama matriz ortogonal, si se verifica:
A AT = AT A = I
Ejemplo 1.35. Comprobar que la matriz dada es ortogonal.

Cos Sen 0

A = Sen
Cos 0
0
0 1

Solucion

Cos Sen 0
Cos Sen 0
1 0 0

A AT = Sen
Cos 0 Sen Cos 0 = 0 1 0 = I
0
0 1
0
0 1
0 0 1

1 0 0
Cos Sen 0
Cos Sen 0

AT A = Sen Cos 0 Sen


Cos 0 = 0 1 0 = I
0 0 1
0
0 1
0
0 1

J. R. Ticona Parisaca

Algebra lineal.

19

Matrices, sistemas lineales y determinantes

Observacion.
Toda matriz ortogonal es inversible
Como (At )t = A, entonces se deduce que la inversa de una matriz ortogonal es
una matriz ortogonal.
Teorema 1.2. El producto de dos matrices ortogonales es una matriz ortogonal.
En efecto. Sean A, B Mn dos matrices ortogonales, entonces:
At = A1 , Bt = B1 de donde ademas
(AB)t = Bt At
Luego (AB)t = Bt At = B1 A1 = (AB)1
Analogamente

(BA)t = At Bt = A1 B1 = (BA)1
Por lo tanto AB es una matriz ortogonal.
12 Matriz inversa. Sea A Mn se dice que es inversible, si existe una matriz
cuadrada B Mn tal que:
AB = BA = I
entonces a la matriz B se llama matriz inversa de A y se denota por B = A1
Ejemplo 1.36. Sea A M2 una matriz inversible, halle la matriz inversa.
[
]
[
a b
x
Sea A =
Solucion.
y supongamos que la matriz inversa A1 =
c d
z
donde se tiene que determinar los valores de x, y, z y w, entonces se tiene:
[
][
] [
]
[
] [
a
b
x
y
1
0
ax
+
bz
ay
+
bw
1
AA1 = I
=

=
c d
z w
0 1
cx + dz cy + dw
0

]
y
w

,
]

0
1

igualando las componentes, tenemos el sistema lineal:

x=

ad bc

ax + bz = 1,

y=
ay + bw = 0,
ad bc

cx + dz = 0,

z
=

cy + dw = 1

ad bc

w=
ad bc
[
]
a b
Es decir, si la matriz A =
es inversible, entonces es de la forma:
c d
A1

1
=
ad bc

]
d b
c
a

si ad bc = 0

J. R. Ticona Parisaca

Algebra lineal.

20

Matrices, sistemas lineales y determinantes


[

Nota.
El numero

= ad bc es llamado la determinante de la matriz A =

]
a b
c d

[
4 3
Ejemplo 1.37. Halle la matriz inversa de la matriz A =
5 4
Vemos que, = 4(4) 5(3) = 16 15 = 1, entonces
Solucion.
[
] [
]
1
4 3
4 3
1
A =
=
4
5
4
5

Una matriz cuadrada A inversible, se llama matriz regular o maObservacion.


triz no singular, en caso contrario la matriz A recibe el nombre de matriz singular.
Propiedades.
a) Sea In Mn , entonces I1
n = In
b) Sean A, B Mn matrices inversibles, entonces la matriz AB es inversible y
(AB)1 = B1 A1
En efecto
(AB)(B1 A1 ) = A[BB1 ]A1
= AIA1
= AA1
=I
Por lo tanto, (AB)1 = B1 A1
c) Si A Mn es una matriz inversible, A1 es tambien inversible y (A1 )1 = A.
En efecto A1 A = I, por lo tanto, (A1 )1 = A.
d) Si A Mn es una matriz inversible, entonces AT es tambien inversible y ademas

T 1
1 T
(A ) = (A )
e) Si k = 0 y A Mn es una matriz inversible, entonces kA es inversible y (kA)1 =
1 1
A
k
13 Propiedades
Dadas las matrices A, B IRnn matrices triangulares superiores (inferiores) y IR,
entonces:

J. R. Ticona Parisaca

Algebra lineal.

Matrices, sistemas lineales y determinantes

21

a) Las matrices A + B y A son matrices triangulares superiores (inferiores).


b) La matriz AB es tambien una matriz triangular superior (inferior).
c) Si A tiene inversa, entonces A1 es una matriz triangular superior (inferior).

1.7.1.

Matrices idempotentes e involutivas

1.5. (Matriz idempotente) Una matriz cuadrada es idempotente si, y


Definicion
solo si es igual a su cuadrado, es decir:
A Mnn es idempotente A2 = A
Ejemplo 1.38. Sea la matriz A M22 , donde
[
]
A=

1
2
1
2

1
2
1
2

verifica A2 = A, es decir, es una matriz idempotente.


1.6. Matriz involutiva Una matriz cuadrada es involutiva si, y solo si
Definicion
cuadrado es la matriz identidad, es decir:
A Mnn es involutiva A2 = I
Ejemplo 1.39. Sea la matriz A M22 , donde
[
]
1
0
A=
0 1
[
]
1
0
es involutiva, pues A2 =
=I
0 1
1
Ejemplo 1.40. Suponiendo que la matriz A es involutiva. Demostrar que (I A) es
2
idempotente.
Como A es involutiva, se cumple: A2 = I, luego calculemos:
Solucion.
)2
(
1
1
(I A) = (I2 2IA + A2 )
2
4
1 2
= (I 2IA + I)
4
1
= (I 2IA + I)
4
1
= (2I 2IA)
4
1 2
= (I A)
2
1
Por lo tanto (I A) es idempotente.
2
J. R. Ticona Parisaca

Algebra lineal.

1.7.2.

Matrices, sistemas lineales y determinantes

22

Matrices divididas por bloques

En muchas ocasiones se considera que una matriz esta formada por otras matrices
mas
pequenas.

Esto ocurre, por ejemplo, en aplicaciones en las que aparecen grandes matrices con un elevado numero

de ceros matrices vacas que ademas


estan

agrupados, o incluso con estructuras que se repiten. Por lo general estas aplicaciones quedan fuera del alcance de este trabajo. Tambien es conveniente considerar que
una matriz esta formada por submatrices para establecer algunos resultados de tipo
teorico.
Ilustremos la situacion con el siguiente ejemplo.
Ejemplo 1.41. Dadas las matrices

1 0

0 1
A=
0 0
0 0

2 1
3
5
1
0
1
2 1
2
3
5

y B=

2
3
4
5
1
1
2 1
1
1

calcular el producto AB
Antes de hacer el producto observemos que la matriz A tiene como submaSolucion.
trices a la matriz identidad de orden 2 2 y a la matriz nula del mismo orden, es
decir

1 0 2 1
3
0 1 5
1
0

A=

0 0 1
2 1
0 0 2
3
5
[

Llamando
P=

]
2 1 3
5
1 0

[
y

Q=

]
1 2 1
2 3
5

Podemos considerar que la matriz A esta formada por cuatro submatrices


[
]
I2 P
A=
2 Q
el producto de I2 y 2 por otras matrices de tamano
adecuado es muy sencillo. Para realizar el producto de AB solo que obtener en B las submatrices que debemos
multiplicar por I2 , 2 y por P y Q. De hecho si consideramos

2
3
4
5

B= 1
1

2 1
1
1

J. R. Ticona Parisaca

Algebra lineal.

23

Matrices, sistemas lineales y determinantes

siendo

2 3
4 5

R=

1
1

S = 2 1
1
1

]
y

tendremos
[
AB =

][
I2 P
2 Q

]
R
S

[
=

R + PS
QS

5
9
11
9
4 2
13
4

Notese que se realizan productos de matrices de tamano


inferior al de las originales.
En general diremos que una matriz A de orden m n esta dividida en bloques si se
considera la matriz A formada por submatrices.

A11 A12 . . . A1s


A21 A22 . . . A2s

A= .
..
..
.
.
.
.
Ar1 Ar2 . . . Ars
siendo A11 la submatriz de orden m1 n1 formada por los elementos de A que ocupan
las m1 primeras filas y las n1 columnas, A12 la submatriz de orden m1 n2 formada
por los elementos de A que ocupan las m1 primeras filas y las columnas n1 +1, , n1 +
n2 y as sucesivamente. en general Aij es la submatriz de orden mi nj formado por
los elementos de A que ocupan las filas
m1 + + mi1 + 1, m1 + + mi1 + 2, . . . , m1 + + mi1 + mi
y las columnas
n1 + + nj1 + 1, n1 + + nj1 + 2, . . . , n1 + + nj1 + nj .
Siendo mi numeros

naturales tales que


m1 + m2 + mr = m

naturales cuya suma es


y los nj numeros
n1 + n2 + ns = n.
Indicaremos la division diciendo que A es de tamano

(m1 + m2 + mr ) (n1 + n2 + ns )
Ejemplo 1.42. Sea la matriz

A=

1
5
7 0 1
2
3
5 4 1
0
2 3 7 5
4 1
2 3 5
0 2
3 5 2

Hallar las divisiones en bloques de A de tamanos

J. R. Ticona Parisaca

Algebra lineal.

Matrices, sistemas lineales y determinantes

24

a) (2 + 3) (2 + 2 + 1)
b) (1 + 2 + 2) (2 + 3)
En el primer caso
Solucion.

A11 A12 A13


A21 A22 A23

[
A=

siendo

[
A11 =

1 5
2 3

0
2

A21 = 4 1 ,
0 2

1
5
7 0 1
2
3
5 4 1
0
2 3 7 5
4 1
2 3 5
0 2
3 5 2
]

A12 =

7 0
5 4

[
,

3 7

A22 = 2 3 ,
3 5

]
1
1

A13 =

5

A33 = 5
2

En el segundo caso,

A11
A12

A = A21 A22 =

A31
A32

7 0 1
1
5
2
3
5 4 1
0
2 3 7 5
4 1
2 3 5
0 2
3 5 2

siendo

A11
= [1 5], A12
= [7 0 1]
[
]
[
]
2
3
5
4
1

A11
=
, A22
=
0 2
3 7 5
[
]
[
]
4
1
2
3
5

A31
=
, A32
=
,
0 2
3 5 2

Este ejemplo ilustra el hecho de que una matriz puede ser dividida en bloques de
formas distintas.
Las distintas operaciones entre matrices pueden realizarse con matrices divididas
en bloques, siempre y cuando las operaciones puedan realizarse entre los distintos
bloques.
a) Para la suma de dos matrices del mismo orden, sean A, B Mmn sera necesario
que las subdivisiones sean iguales, as A y B son de tamano
(m1 + m2 + mr )

J. R. Ticona Parisaca

Algebra lineal.

25

Matrices, sistemas lineales y determinantes

(n1 + n2 + ns ),

A+B=

A11 A12 . . . A1s


A21 A22 . . . A2s
..
..
..
.
.
.
Ar1 Ar2 . . . Ars

B11 B12 . . . B1s


B21 B22 . . . B2s
..
..
..
.
.
.
Br1 Br2 . . . Brs

A1s + B1s
A2s + B22

..

A11 + B11 A12 + B12 . . .


A21 + B21 A22 + B22 . . .

=
..
..

.
.
Ar1 + Br1 Ar2 + Br2 . . . Ars + Brs

b) El producto por un escalar no tiene complicacion ya que solo aparece una matriz

A11 A12 . . . A1s


tA11 tA12 . . . tA1s
A21 A22 . . . A2s tA21 tA22 . . . tA2s

tA = t .
..
.. = ..
..
..
.
.
.
. .
.
.
Ar1 Ar2 . . . Ars

tAr1 tAr2 . . . tArs

c) En el producto de matrices divididas por bloques, queremos que los bloques hagan el papel de elementos, es decir, que si A = [Aij y B = [Bjk , entonces
[ s
]

AB =
Aij Bjk
j=1

para ello los bloques Aij y Bjk deben multiplicarse, es decir Aij ha de tener el
mismo numero

de columnas que Bjk de filas. Por lo tanto, si (m1 + m2 + mr )


(n1 + n2 + ns ) es la division de A, y la de B = (n1 + n2 + ns ) (p1 + p2 +
pt ), es decir si la division de las columnas de A coincide con las filas de B,
puede realizarse el producto. En este caso se dice que las divisiones de A y B son
compatibles para el producto por bloques. Se tiene

1.7.3.

Matrices semejantes

1.7. Sean A, B Mn , se dice que las matrices A y B son semejantes si


Definicion
existe una matriz inversible P Mn , tal que: B = P1 AP

1.7.4. Problemas resueltos

1 2 a

1. Determinar los valores de a y b, si es que existen, para que las matrices A = 3


2 2
4 5 1

1 2 2b

y B = 3 a 2 sean iguales.
4 5 1

J. R. Ticona Parisaca

Algebra lineal.

Matrices, sistemas lineales y determinantes

26

Solucion.
Las matrices A y B seran
iguales si a = 2b y a = 2, y esto sucede si
a = 2 y b = 1.

2. Calcular:
[
] [
1 0
1
2 3 1
a)
+
2 3 4
5 3 8

]
[
1 1 0
2 3 1

+ 0 1 1
b)
2 6 5
2 3 1
[
]
2 3 1 1
c) 4
0 1 1 2

Solucion.
[
] [
] [
] [
]
1 0
1
2 3 1
1 + 2 0 3
1+1
1 3 2
+
=
=
a)
2 3 4
5 3 8
2 5 3 3 4 + 8
3 0 4
b) La suma de estas matrices no esta definida porque no tienen distintos tamanos;

la primera tiene tamano


3 3 mientras que la segunda tiene tamano
2 3.
[
] [
][
]
2 3 1 1
2(4) 3(4) 1(4) 1(4)
8 12
4 4
c) 4
=
0 1 1 2
0(4) 1(4) 1(4) 2(4)
0
4 4 8
3. Suponer que A y B son matrices cuadradas del mismo orden. Es cierto que (A+B)2 =
A2 + 2A B + B2 para todo par de matrices A y B?

Solucion.
[
a) Si A =

]
1 0
0 1

]
[
]2 [
]
0 1
1
1
2
2
, entonces (A + B)2 =
=
y
1 0
1 1
2 2
[
]
][
] [
] [
]
1 0
0 1
1 0
2 2
+2
+
=
0 1
1 0
0 1
2 2
]
[
]
[
]2
1
1 0
1
1
=
yB=
, entonces (A + B)2 =
1
1 1
1 1

yB=
[
1 0
A2 + 2A B + B2 =
0 1
[
1
b) Sin embargo, si A =
1
[
]
2 2
.
2 2
[
] [
][
] [
]2 [
]
1
1
1
1
1
0
1
0
3
4
=
Pero A2 +2A B+B2 =
+2
+
.
1
1
1
1
1 1
1 1
2
3
Es decir, en general se tiene: (A + B)2 = A2 + 2A B + B2

J. R. Ticona Parisaca

Algebra lineal.

27

Matrices, sistemas lineales y determinantes

4. Determinar,
[
] si es[ que existe,
] el valor que debe tener x para que las matrices A =
3 2
3 4
yB=
conmuten; esto es, para que AB = BA.
1 4
2
x
Para que AB = BA se debe tener
Solucion.
[
][
] [
][
]
3 2
3 4
3 4
3 2
=
1 4
2
x
2
x
1 4
es decir,

[
13 2x + 12
5 4x 4

[
=

13
10
x + 6 4x 4

Por lo tanto, se debe cumplir:


{
12 + 2x = 10,
6 + x = 5.
Lo cual sucede unicamente

si x = 11.

5. Que condicion debe cumplir una matriz cuadrada A =

]
a b
c d

para que sea

simetrica?
Para que A sea simetrica se debe tener que A = AT , esto es
Solucion.
[
] [
]
a b
a c
=
c d
b d
y esto sucede si y solo si b = c.

1.7.5. Problemas (Matrices)


1. Escribir explcitamente las siguientes matrices:
(a) A = [aij ]43 , donde aij = i + 3j

(b) A = [aij ]44 , donde aij = 2i + 3j

(c) A = [aij ]34 , donde aij = max{i,


j}

(d) A = [aij ]44 , donde aij = 2i (1)j

2. Sean las siguientes matrices iguales, determine las incognitas.


[
] [
]
[
] [
]
x2
3y
4 16
x2
0
4
w+2
(a)
=
(b)
=
2u (w + 1)2
1 9
1
y+1
1z
0

1 2 2

3. Si A = 2 1 2 . Demuestre que: A2 4A 5I =
2 2 1

J. R. Ticona Parisaca

Algebra lineal.

28

Matrices, sistemas lineales y determinantes

4. Determinar todas las matrices A M2 tales que A2 =


5. Dadas las matrices:

1
1 1

A= 2
0
3 ,
3 1
2

[
]
1 3
1 2
3 4

B= 0 2 y C=
2 0 2
1
1 4

Demostrar que: (AB)C = A(BC)

0 0 3

b) A8 .
6. Sea A = 0 2
0 . Calcular: a) A2 ,
4 0
0


1 2 0
x
1


7. Determine x, y, z s: 0 1 5 y = 5
1 0 1
z
2
[
]n [
]
1 1
1 n
8. Demostrar que:
=
0 1
0 1
[
9. Demostrar que:

a 1
0 a

10. Sabiendo que A = 0


0
[
11. Si B =

Cosx Senx
Senx Cosx

]n

[
=

an nan1
0
an

n(n + 1)
1 1

1 n

1 1 , demostrar que: An =

0 1
n
0 1
0 0
1
]
[
]
Cos(nx)
Sen(nx)
. Demuestre que: Bn =
Sen(nx) Cos(nx)

12. Sean las matrices

1 1 1

A= 0
1 0
3
1 2

1 1

B= 0
0
2
2

[
C=

]
3
2

Obtener: A2 , ABC y Bt At
13. Desarrollar
a) (A + I)(A I)
b) (A + B)(A B)
Sabiendo A, B, I Mn

J. R. Ticona Parisaca

Algebra lineal.

Matrices, sistemas lineales y determinantes

14. Sabiendo que

pq
q2
p2 pq

A=

29

Calcular: A2
15. Demostrar que si A Mn , entonces B = A + At es una matriz simetrica.
]
[
1 1
, calcular: A2 , A3 , A3 , . . ., etc. y vincular los elementos
16. Dada la matriz A =
1 0
resultantes con los terminos de la sucesion de Fibonacci: 1, 1, 2, 3, 5, 8, 13, . . . donde,
a partir del tercero, cada uno es igual a la suma de los dos anteriores.
17. Demostrar por induccion matematica

que:
]n [
]
[
1 1
1 n
=
0 1
0 1
18. Sean A, B Mn matrices simetricas. Hallar una condicion necesaria y suficiente
para que su producto AB sea simetrica.
19. Hallar An , para n IN, donde:

1 1 0

A= 0 1 1
0 0 1
20. Hallar una matriz A tal que:

1 7 1

A3 = 0
8 38
0
0 27
21. Hallar A3 , siendo A la matriz

0 Cos Sen

A = Cos
0
1
Sen
1
0
22. Hallar los numeros

x, y, z, u y v para los que se verifica:

]
x 2 [
5 1

1 v

= 3 0
0 y
u 0
z 1
1 2
23. Sean A, S Mn : S es simetrica. Analice si se verifica que:

J. R. Ticona Parisaca

Algebra lineal.

Matrices, sistemas lineales y determinantes

30

a) At A es simetrica.
b) At SA es simetrica.
c) A es antisimetrica, entonces A2 es simetrica
n IN
[
]
4
5
24. Encuentre la matriz C cuya inversa es C1 =
6 7
d) A es regular, entonces An = (A1 )n

0 0 0

25. Sea A = 1 0 0 . Demuestrese que A3 = . Utilice algebra

de matrices para
1 1 0
calcular el producto (I A)(I + A + A2 )
26. Sea A Mnn que satisface la ecuacion A2 2A + I = . Demuestrese que:
A3 = 3A 2I
A4 = 4A 3I

1 0 0

27. Sea la matriz A = 0 3 0 :


0 0 2

a) Calcular A2 ,

b) Calcular A7

28. Llenar las entradas vacas de la matriz de orden 4 4

2 3  4
 2  5

4 2 
1
 
5 7
de tal manera que se obtenga una matriz simetrica.
29. Diga cuales

de las siguientes matrices son inversibles:


[
[
[
]
]
]
3 9
4 9
6 9
A=
,
B=
,
C=
2
6
0
5
4
6
30. Si las matrices A y B son iguales, hallar la traza de 2A + 3C siendo:
[
]
[
]
[
]
2w 2z 2z
5 w3
2 1
A=
; B=
y C=
3 w
3 2z 1
4
2
{
31. Escribir explcitamente la matriz A = [aij ]23 , donde aij =

3i j, si i j
i j, si i < j

J. R. Ticona Parisaca

Algebra lineal.

31

Matrices, sistemas lineales y determinantes

1 1 1

32. Sea A = 0
1
0 , calcular la traza de A20
0
0
1
[
33. Dado el polinomio P(x) = 2x19 + 2x 4 y la matriz A =

]
1 1
0 0

, halle la traza de:

P(A)
34. Hallar la suma de los elementos
de] la matriz B, donde: B = A + A2 + A3 + + An
[
1 2
n 2, n IN, siendo A =
.
0
1
[
35. Dada la matriz A =

]
2 1
1 2

, entonces la suma de la matriz A20 es:


[
0 1
1 0

36. Sea B = A + A2 + A3 + + A200 , hallar la traza de B, si A =


37. Calcular: (A + B)(A B), si:
[
]
1 0
A 2 = B2 =
,
0 1

]
0 1
1
2

AB =

[
,

BA =

]
2 1
1 0

38. Si A2 = I, hallar la traza de: A6 + A4 + A2 + I, si A M22


39. Hallar la suma de todos los elementos de la matriz A que satisface:

[
]
1 1 0
1 3 2

A 0 1 0 =
0 1 1
0 1 1
40. Dado el sistema matricial

2
1
X+Y =
3 2
[
]
3 2
XY =
1 4
Hallar la traza de XT Y T .

J. R. Ticona Parisaca

Вам также может понравиться