Вы находитесь на странице: 1из 38

Indice general

1. Matrices 2
1.1. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1. Orden de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2. Tipos de Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1. Matriz Fila . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.2. Matriz Columna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.3. Matriz Nula o matriz cero . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3. Producto de una matriz fila con una matriz columna . . . . . . . . . . . . . . 7
1.4. Multiplicacion de un escalar por una matriz . . . . . . . . . . . . . . . . . . 8
1.4.1. Propiedades del producto de un escalar por una matriz . . . . . . . . 8
1.4.2. Suma de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4.3. Diferencia o Resta de matrices. . . . . . . . . . . . . . . . . . . . . . . 9
1.5. Producto de matrices. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.5.1. Propiedades del producto de matrices. . . . . . . . . . . . . . . . . . . 14
1.6. Tipos especiales de matrices. . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.6.1. Matrices idempotentes e involutivas . . . . . . . . . . . . . . . . . . . 26
1.6.2. Matrices divididas por bloques . . . . . . . . . . . . . . . . . . . . . . 27
1.6.3. Matrices semejantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.6.4. Problemas Resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.6.5. Problemas (Matrices) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

1
Captulo 1

Matrices

1.1. Matrices
Introduccion. El termino matriz fue introducido por primera vez en el ano 1 850 por
despues Cayley iniciaba un estudio matematico
Sylvester, un ano de las mismas. Aunque
una matriz no es mas que un conjunto de numeros
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 acti-
vidades variadas se presenten en forma de tabla, tabla que no es sino una matriz.

Una matriz es un conjunto de datos organizados en filas y columnas, una hoja Excel
tiene forma de una gran matriz porque esta divida en filas y columnas.
Tipos:

Excel trabaja con matrices unidimensionales, es decir de una fila o de una columna, y
matrices bidimensionales formadas por filas y columnas. Tambien existen matrices
formadas por filas, columnas y profundidad, pero que
tridimensionales que estan
Excel no entiende.

Aplicacion: Un formula matricial es una formula que se aplica a todas las celdas de
una matriz. Las formulas matriciales permiten un ahorro de trabajo.


Las formulas matriciales permiten trabajar de forma rapida y comoda.

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 abando-
narlas.
es el secreto? El secreto es que siendo tan poca cosa un punado
Cual
de nume-
ros 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
se puede pedir a una
facilidad de manejo lo que les da versatilidad y potencia. Que mas
2

Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 3

herramienta?


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.

Definicion 1.1. Una matriz A es un arreglo rectangular compuesto de m renglones o


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

a11 a12 a13 . . . a1n

a21 a22 a23 . . . a2n

A=
a31 a32 a33 . . . a3n

.. .. .. ..
. . . .
am1 am2 am3 . . . amn

u orden m n y simbolicamente se escribe


Se dice que A es una matriz de tamano

A = [aij ],

a11 a12 a13 . . . a1n

a21 a22 a23 . . . a2n

.. .. .. .. ..

. . . . .

... ... aij ... ...
A= . i e sima fila

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

am1 am2 am3 . . . amn





i e sima columna
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.

m n se le denota por Mmn (K), donde


Al conjunto de todas las matrices de tamano
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

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 4
" #
1 3 5
Ejemplo 1.1. En la matriz: A= sus elementos o componentes 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. 

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
2. aij = bij
" # " #
a11 a12 b11 b12
Ejemplo 1.3. Si A = , B= M22 , entonces
a21 a22 b21 b22

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

Si A y B no son iguales, escribiremos as

A 6= B aij 6= bij , i = 1, 2, . . . , m, j = 1, 2, . . . , n

Ejemplo 1.4. De acuerdo con la definicion anterior


" # " #
1 3 9 1 3 9
A= 6= =B 
5 7 2 5 6 2

Pues existen dos componentes, una de la matriz A el cual es a22 = 7, y la otra componente de
la matriz B en la misma posicion como es b22 = 7 no son iguales, por lo tanto las matrices
A y B son diferentes.

Ejemplo 1.5. Es posible determinar el valor de k para que las matrices


" # " #
k 1 2 1
A= y B= 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. 

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 5
" # " #
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 6= B
3
para cualquier valor de k. 

1.1.1. 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, se denota el tamano por el
producto de filas multiplicado por el numero
de filas, es decir m n.
" #
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.

Ejemplo 1.8. Las siguientes matrices se escriben as:



a11 a12 a13 " # c11 c12
b11 b12 b13
A = a21 a22 a23 M33 , B = M23 , C = c21 c22 M32

b21 b22 b23
a31 a32 a33 c31 c32

1.2. Tipos de Matrices


Segun
el aspecto de las matrices, e stas pueden clasificarse en:

1.2.1. Matriz Fila


Una matriz fila es aquella que esta constituida por una sola fila. Es decir, 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.

Ejemplo 1.9. Sean las siguientes matrices filas:


h i
A = 1 4 , de orden 1 2,
h i
B= 0 2 3 , de orden 1 3,

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 6
h i
C= 2 5 6 7 , de orden 1 4.
h i
En general, D = d11 d12 d13 d1n , de orden 1 n.

1.2.2. Matriz Columna


La matriz columna que tiene una sola columna, o aquellas 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.
Ejemplo 1.10. Sean las siguientes matrices columnas:

8 6
A = 4 , de orden 3 1.

7

C = 11 , de orden 5 1.

2

2
3 0
2

B= , de orden 4 1.
" #
0 1
D= , de orden 2 1.
1 3

1.2.3. Matriz Nula o matriz cero


La Matriz nula o la matriz cero de orden m n, se define como aquella matriz que
tiene todas las m n componentes nulas; esto es, y se denota:

= [aij ]

donde aij = 0 i, j. As, por ejemplo


" #
0 0 0
Ejemplo 1.11. La matriz = es la matriz cero de orden 2 3.
0 0 0
Ejemplo 1.12. Sean las siguientes matrices nulas:
" #
0 0
A es una matriz nula donde A = de orden 2 2.
0 0

0 0 0
B es una matriz nula, donde B = 0 0 0 de orden 3 3.

0 0 0

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 7
" #
0 0 0 0
C es una matriz nula, donde C = de orden 2 4.
0 0 0 0

1.3. Producto de una matriz fila con una matriz colum-


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

b11
h i 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.

3
2
h i
Ejemplo 1.13. Sean las siguientes matrices A = 4 3 6 7 y B =
5

6
Determine A B


Solucion.

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

5


6

3
h i 0
Ejemplo 1.14. Sean las siguientes matrices A = 4 3 6 7 3 yB= .

5
7
Determine si es posible: A B

En este caso no existe el producto de estas matrices, pues el numero


Solucion. de co-
lumnas 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.

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 8

1.4. de un escalar por una matriz


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 =
a31 a32 a33 . . . a3n =
a31 a32 a33 . . . a3n

.. .. .. .. .. .. .. ..
. . . . . . . .
am1 am2 am3 . . . amn am1 am2 am3 . . . amn

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


tambien una matriz de orden m n, es decir ( A) Mmn .
" #
3 5 7
Ejemplo 1.15. Si = 2 y A = . Halle: A
2 4 6

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

En este caso, a cada componente de la matriz A se le esta duplicando.



1 0 1 2 2 0 2 2 2

Ejemplo 1.16. 2 2 4 1 3 = 2 2 42 2 32
2 4 0 5 2 4 2 0 5 2

1.4.1. Propiedades del producto de un escalar por una matriz


I y A, B Mmn , entonces:
Sean y dos escalares arbitrarios de K (K = IR o K = C)

1. ()A = (A) 4. 1.A = A

2. (A + B) = A + B
3. ( + )A = A + A 5. 0.A = Matriz nula

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

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 9

Ejemplo 1.17. Calcular A + B s:



4 5 3 2 6 1
A = 2 1 0 , B= 4 0 7

3 1 6 5 3 8


Solucion.

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
tamano.

Propiedades de la suma de matrices.

Sean A, B, C Mmn y K, 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 Mmn : A + = A

1.4.3. 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 7 5 1
Ejemplo 1.18. Calcular A B, si: A = 2 4 5 , B = 4 6 9

4 6 8 2 3 8

Solucion.

1 3 7 7 5 1
A B = A + (1)B = 2 4 5 + (1) 4 6 9

4 6 8 2 3 8

1 3 7 7 5 1
= 2 4 5 + 4 6 9

4 6 8 2 3 8

6 2 8
= 2 10 4

2 3 0

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 10

Ejemplo 1.19. Determine la matriz X tal que:


" # " #
2 1 3 1 1 0
+X=
0 1 2 1 2 1

Podemos proceder de dos formas diferentes:


Solucion.

Metodo 1 . Sea X = [xij ] una matriz de orden 2 3, por lo tanto


" # " # " #
2 1 3 x11 x12 x13 1 1 0
+ =
0 1 2 x21 x22 x23 1 2 1

de donde se deduce que:

2 + x11 = 1 x11 = 1,
1 + x12 = 1 x12 = 0,
3 + x13 = 0 x13 = 3,
0 + x21 = 1 x21 = 1,
1 + x22 = 2 x22 = 3,
2 + x23 = 1 x23 = 1.

As, la matriz X tiene componentes:


" #
1 0 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 " #
1 0 3
X= 
1 3 1

Ejemplo 1.20. Hallar X e Y sabiendo que:


" #
3 1 4
X+Y =
7 1 5
" #
4 3 2
2X 3Y =
6 2 5

Podemos multiplicar a la primera igualdad por 2 y sumar a la segunda igual-


Solucion.
dad, entonces " #
10 5 10
5Y =
20 0 15

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 11

de donde se deduce que:


 " # " #
1 10 5 10 2 1 2
Y= =
5 20 0 15 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 K,
se cumple:

1. 0 A = y t =

2. Si t A = entonces t = 0 A =

1.5. Producto de matrices.


Definicion 1.4. Sean A Mmn y B Mnp , definimos el producto entre las matrices A
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:

X
n
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 1.21. Calcular AB si: A = 4 5 6 , B = 1 2

0 1 0 0 1
En este ejemplo vemos que A es una matriz de orden 3 3 donde el numero
Solucion. de
columnas es 3, y la matriz B es de orden 3 2 y el numero
de filas es 3, como estos dos
numeros
son iguales, entonces existe el producto entre A B y esta determinado:

a11 a12 a13 b11 b12 F1 C1 F1 C2
A B = a21 a22 a23 b21 b22 = F2 C1 F2 C2

a31 a32 a33 b31 b32 F3 C1 F3 C2

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 12

1 2 3 2 0
AB = 4 5 6 1 2

0 1 0 0 1

  2   0
1 2 3 1 1 2 3 2


0 1


  2   0

= 4 5 6 1 4 5 6 2


0 1


  2   0

0 1 0 1 0 1 0 2

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.

Usando la tecnologa, podemos utilizar el sotfware como el Mathematica, ingresar


las matrices A y B

Figura 1.1: Producto entre las matrices A y B

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, y se puede comprobar con
el sotfware el Mathematica

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 13

Figura 1.2: Producto entre las matrices B y A, no existe

" # " #
2 1 1 2
Ejemplo 1.22. Sean las matrices de orden 2 2, A = y B=
0 2 1 3
Calculemos su producto:
" #" # " #
2 1 1 2 2 1 + (1)(1) 2(2) + (1)3
AB= =
0 2 1 3 0 1 + 2(1) 02+23
" #
3 1
= 
2 6
" # " #
1 1 1 0
Ejemplo 1.23. Sean las matrices de orden 2 2, A = yB= .
3 2 2 4
Calcular AB y BA


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

vemos que AB 6= BA. En conclusion el producto de matrices no es conmutativo.


" # 1 2
2 1 1 0 2 1

Ejemplo 1.24. Sean A = M24 y B= M42 . El producto

2 1 2 1 1 1
1 0

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 14

de A por B existe, y es una matriz de orden 2 2, calculado as:



" # 1 2 " #
2 1 1 0 2 1 3 4

=
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
El producto entre B por A existe y es una matriz de orden 4 4. Veamos en el sotfware
Mathematica.

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. 

1.5.1. Propiedades del producto de matrices.

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 15

1. AB 6= BA no es conmutativo el produc- 3. A(B + C) = AB + AC


to de matrices
4. (B + C)A = BA + CA

2. (AB)C = A(BC) 5. k(AB) = A(kB), k K

Ejemplo 1.25. 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.

1. Utilizando propiedades del producto se obtiene

A(2B C) + (2A B)C + 2A(B 2C) = 2AB AC + 2AC BC + 2AB 4AC


= 4AB 3AC BC

2. Aplicando propiedades del producto se obtiene

A(B C)D + ABD A(2B + C)D + 2ACD = ABD ACD + ABD 2ABD ACD + 2ACD
= (matriz nula)

Ejemplo 1.26. 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. 

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 16

1.6. Tipos especiales de matrices.


1 Matriz rectangular. Es aquella matriz que tiene distinto numero
de filas que de
m n, y el conjunto de matrices se denotara por Mmn .
columnas, siendo su tamano
Ejemplo 1.27. Sean las siguientes matrices rectangulares:
" #
1 2 3
A= matriz de orden 2 3, donde A M23 .
5 7 8

0 2 2 5
B = 1 6 4 8 matriz de orden 3 4, , donde B M34

6 5 2 1

9 7
C = 5 0 matriz de orden 3 2, , donde C M32

4 1

2 Matriz cuadrada. La matriz A es cuadrada cuando el numero de filas es igual


numero
de columnas. El conjunto de estas matrices lo denotaremos simplemente por
Mn = Mnn .

Si A Mn , la diagonal principal es la lnea formada por los elementos:

a11 , a22 , . . . , ann

es decir
a11
a22
A=

.. .. .. ..
. . . .
ann
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 1.28. Veamos algunas matrices cuadradas:


" #
a11 a12
Si A = M2 , su traza es: Tr(A) = a11 + a22
a21 a22

a11 a12 a13
Si A = a21 a22 a23 M3 , su traza es: Tr(A) = a11 + a22 + a33

a31 a32 a33

a11 a12 a1n
a21 a22 a2n
Si A = . .. Mn , su traza es: Tr(A) = a11 + a22 + + ann

. .. . .
. . . .
an1 an2 ann

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 17

1 2 3
Si A = 0 1 6 es una matriz cuadrada de orden 3 3, y su traza es:

5 7 8
Tr(A) = 1 + 1 + 8 = 10.

3 Matriz Identidad. Sea I Mn cuyos elementos aij = 0 para i 6= j y aij = 1 para


i = j entonces se llama matriz identidad. Es decir:

1, si i = j
I = [ aij ] =
0, si i 6= j

Ejemplo 1.29. .
" #
1 0
Si I M2 I es una matriz identidad, donde I =
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
0 1 0 ... 0

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


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

. .
0 0 0 ... 1
En el programa el Mathematica se escribe una matriz identidad del modo
siguiente: Matriz identidad de orden 3 3 y matriz identidad de orden 4 4

Figura 1.3: Matrices Identidad de orden 3 3 y 4 4, respectivamente

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 18

4 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

A= 0
0 a33 a3n es una matriz triangular superior.
. .
.. ..


0 0 0 ann
Ejemplo 1.30. Efectuemos el producto de las matrices triangulares superiores 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 trian-
gular superior.

5 Matriz triangular inferior. Sea A Mn cuyos elementos aij = 0 para i < j,


entonces se llama matriz triangular inferior. Es decir:
0 0

a11 0
a21 a22 0 0

a
A = 31 a 32 a 33 0 es una matriz triangular inferior.

. ..
..

.
an1 an2 an3 ann

6 Matriz diagonal. Sea A Mn cuyos elementos son aij = 0 para i 6= j se llama


matriz diagonal, es decir que se expresa en la forma:
0 0

a11 0
0 a22 0 0

A= 0
0 a33 0 = diag(a11 , a22 , . . . , ann )
. .
.. ..


0 0 0 ann
Ejemplo 1.31. Sea la siguiente matriz diagonal

2 0 0 0
0 3 0 0

D= = diag(2, 3, 1, 5)
0 0 1 0
0 0 0 5

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 19

Ejemplo 1.32. En el programa Mathematica se escribe los terminos de la diagonal,


y este automaticamente nos designa la matriz diagonal, veamos:

Figura 1.4: Matrices diagonal de orden 3 3 y 4 4, respectivamente

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


se verifica

a11 = a22 = = ann = k,

es decir es de la forma:
0 0 0

k

0 k 0 0

A=
0 0 k 0
= kI
.. ..
. .
0 0 0 k
se llama matriz escalar.
Ejemplo 1.33. Veamos algunas matrices:

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

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 20

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

8 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= a31 a32 a33 . . . a3n Mmn B = A =
T a13 a23 a33 . . . am3 Mnm

.. .. ... .. .. .. .. ..
. . . . . . .
am1 am2 am3 . . . amn a1n a2n a3n . . . amn

Ejemplo 1.34. Sean



" # 5 2 " #
a b 1 1 1 1
A= , B = 1 3 , C=

c d 3 5 2 7
0 4

entonces las matrices transpuestas respectivamente son:



" # " # 1 3
a c 5 1 0 1 5

AT = , BT = , CT = 

b d 2 3 4 1 2


1 7

Ejemplo 1.35. Sean las siguientes matrices:



2 4 2 2 1 3
T
Si A = 1 5 1 M3 , entonces A = 4 5 2 M3

3 2 0 2 1 0

" # 1 2
1 3 5
Si B = M23 , entonces BT = 3 4 M32

2 4 6
5 6

Propiedades de la matriz transpuesta.

a) IT = I d) (A + B)T = AT + BT
b) (AT )T = A
c) (kA)T = k AT e) (AB)T = BT AT

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 21

9 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 1.36. 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 6= B, entonces la matriz B no es simetrica.

Para que una matriz cuadrada A sea simetrica debe cumplir aij = aji
Observacion.
para cada i 6= j

Ejemplo 1.37. Las siguientes matrices son simetricas.



3 4 5 4 2 1 1 7 9
a) A = 4 7 6 b) B = 2 3 5 c) C = 7 2 11

5 6 9 1 5 8 9 11 10

10 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 1.38. .
" # " # " #
0 1 0 1 0 1
Si A = AT = = = A
1 0 1 0 1 0
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.

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 22

Observacion. Para que una matriz cuadrada A sea antisimetrica debe cum-
plirse que aij = aji para cada i 6= j y los elementos de la diagonal principal
deben ser ceros, es decir aij = 0 para cada i = j.
Ejemplo 1.39. Las siguientes matrices son antisimetricas.

0 4 1 0 3 7 0 1 1
a) A = 4 0 2 b) B = 3 0 6 c) C = 1 0 1

1 2 0 7 6 0 1 1 0

Ejemplo 1.40. Demostremos las siguientes propiedades:


Propiedades de Matrices Simetricas
y Antisimetricas
a) El producto de toda matriz cuadrada por su transpuesta es una matriz simetri-
ca.
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. 

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. 

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 23

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


como:

A0 = I Matriz Identidad
1
A = A
2
A = AA
A3 = AAA
..
.
An = AA . . . A}
| {z
nveces

Ap Aq = Ap+q
ademas y (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

12 Matriz ortogonal. Sea A Mn , se llama matriz ortogonal, si se verifica:

A AT = AT A = I

Ejemplo 1.41. 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


cos sen 0 cos sen 0 1 0 0
AT A = sen cos 0 sen cos 0 = 0 1 0 = I

0 0 1 0 0 1 0 0 1


Observacion.

Toda matriz ortogonal es inversible


Como (At )t = A, entonces se deduce que la inversa de una matriz ortogonal es
una matriz ortogonal.

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 24

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.

13 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 1.42. Sea A M2 una matriz inversible, halle la matriz inversa.


" # " #
a b x y
Sea A =
Solucion. y supongamos que la matriz inversa A1 = ,
c d z w
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 0
AA1 = I = =
c d z w 0 1 cx + dz cy + dw 0 1

igualando las componentes, tenemos el sistema lineal:



d
x=


ad bc


ax + bz = 1,
b
ay + bw = 0, y=
ad bc

cx + dz = 0,

c

cy + dw = 1
z=

ad bc

w= a
ad bc
" #
a b
Es decir, si la matriz A = es inversible, entonces es de la forma:
c d
" #
1 d b
A1 = , si ad bc 6= 0
ad bc c a

Nota. " #
a b
El numero
= ad bc es llamado la determinante de la matriz A = .
c d

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 25
" #
4 3
Ejemplo 1.43. Halle la matriz inversa de la matriz A =
5 4
Vemos que, = 4(4) 5(3) = 16 15 = 1, entonces
Solucion.
" # " #
1 1 4 3 4 3
A = =
5 4 5 4

Una matriz cuadrada A inversible, se llama matriz regular o ma-


Observacion.
triz no singular, en caso contrario la matriz A recibe el nombre de matriz singu-
lar.

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 6= 0 y A Mn es una matriz inversible, entonces kA es inversible y (kA)1 =


1 1
A
k
14 Propiedades
Dadas las matrices A, B IRnn matrices triangulares superiores (inferiores) y IR,
entonces:

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).

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 26

1.6.1. Matrices idempotentes e involutivas

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


solo si es igual a su cuadrado, es decir:

A Mnn es idempotente A2 = A

Ejemplo 1.44. Sea la matriz A M22 , donde


" #
1 1
A= 2 2
1 1
2 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 1.45. Sea la matriz A M22 , donde


" #
1 0
A=
0 1
" #
1 0
es involutiva, pues A2 = =I
0 1

1
Ejemplo 1.46. 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
= (I2 2IA + I)
4
1
= (I 2IA + I)
4
1
= (2I 2IA)
4
1
= (I2 A)
2
1
Por lo tanto (I A) es idempotente.
2

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 27

1.6.2. 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 gran-
des matrices con un elevado numero
de ceros matrices vacas que ademas
estan

agrupados, o incluso con estructuras que se repiten. Por lo general estas aplicacio-
nes 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 1.47. Dadas las matrices



2 3
1 0 2 1 3
0 1
4 5
5 1 0
A= y B= 1 1

0 0 1 2 1


2 1
0 0 2 3 5
1 1

calcular el producto AB
Antes de hacer el producto observemos que la matriz A tiene como subma-
Solucion.
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 " # " #
2 1 3 1 2 1
P= y Q= ,
5 1 0 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. Pa-


ra 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. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 28

siendo
" # 1 1
2 3
R= y S = 2 1

4 5
1 1
tendremos
" #" # " # 5 9
I2 P R R + PS 11 9
AB = = =

2 Q S QS 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
y los nj numeros
naturales cuya suma es
n1 + n2 + ns = n.
Indicaremos la division diciendo que A es de tamano

(m1 + m2 + mr ) (n1 + n2 + ns )
Ejemplo 1.48. Sea la matriz

1 5 7 0 1

2 3 5 4 1

A= 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. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 29

a) (2 + 3) (2 + 2 + 1)
b) (1 + 2 + 2) (2 + 3)

En el primer caso
Solucion.

1 5 7 0 1
" # 2 3 5 4 1
A11 A12 A13

A= = 0 2 3 7 5

A21 A22 A23


4 1 2 3 5
0 2 3 5 2

siendo
" # " # " #
1 5 7 0 1
A11 = , A12 = , A13 =
2 3 5 4 1


0 2 3 7 5
A21 = 4 1 , A22 = 2 3 , A33 = 5

0 2 3 5 2

En el segundo caso,

1 5 7 0 1
0 0
A11 A12
2 3 5 4 1

0 0
A = A21 A22 = 0 2 3 7 5


0 0

A31 A32 4 1 2 3 5
0 2 3 5 2

siendo
0 0
A11 = [1 5], A12 = [7 0 1]
" # " #
0 2 3 0 5 4 1
A11 = , A22 =
0 2 3 7 5
" # " #
0 4 1 0 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
(m1 + m2 + mr )
que las subdivisiones sean iguales, as A y B son de tamano

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 30

(n1 + n2 + ns ),

A11 A12 . . . A1s B11 B12 . . . B1s
A21 A22 . . . A2s B21 B22 . . . B2s
A+B= +

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

A11 + B11 A12 + B12 . . . A1s + B1s
A21 + B21 A22 + B22 . . . A2s + 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 ha-
gan el papel de elementos, es decir, que si A = [Aij y B = [Bjk , entonces

X
" 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

1.6.3. 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
" # " #
2 4 4 0
Ejemplo 1.49. Sean A = , B= son matrices semejantes pues existe
3 2 0 4
1 1

8 4
" #
2 2
la matriz P = donde su inversa es P1 = tal que:

3 1 3 1
8 4
B = P1 AP

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 31
" # " #
14 12 2 0
Ejemplo 1.50. Sean A = , B= son matrices semejantes pues existe
20 17 0 1
" # " #
3 4 5 4
la matriz P = donde su inversa es P1 = tal que:
4 5 4 3

B = P1 AP

1.6.4. 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

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
b) + 0 1 1

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;

3 3 mientras que la segunda tiene tamano
la primera 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.

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 32
" # " # " #2 " #
1 0 0 1 1 1 2 2
a) Si A = yB= , entonces (A + B)2 = = y
0 1 1 0 1 1 2 2
" # " #" # " # " #
1 0 1 0 0 1 1 0 2 2
A2 + 2A B + B2 = +2 + =
0 1 0 1 1 0 0 1 2 2
" # " # " #2
1 1 1 0 1 1
b) Sin embargo, si A = yB= , entonces (A + B)2 = =
1 1 1 1 1 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 6= A2 + 2A B + B2

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 13 10
=
5 4x 4 x + 6 4x 4
Por lo tanto, se debe cumplir:

12 + 2x = 10,
6 + x = 5.

Lo cual sucede unicamente


si x = 11. 
" #
a b
5. Que condicion debe cumplir una matriz cuadrada A = para que sea
c d
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. 

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 33

1.6.5. 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

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

5. Dadas las matrices:



1 1 1 1 3 " #
1 2 3 4
A= 2 0 3 , B= 0 2 y C=

2 0 2 1
3 1 2 1 4

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



0 0 3
6. Sea A = 0 2 0 . Calcular: a) A2 , b) A8 .

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
" #n " #
a 1 an nan1
9. Demostrar que: =
0 a 0 an

n(n + 1)
1 1 1 1 n
n 2
10. Sabiendo que A = 0 1 1 , demostrar que: A =

0 1 n
0 0 1 0 0 1
" # " #
cos x sen x cos(nx) sen(nx)
11. Si B = . Demuestre que: Bn =
sen x cos x sen(nx) cos(nx)

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 34

12. Sean las matrices



1 1 1 1 1 " #
3
A= 0 1 0 B= 0 0 C=

2
3 1 2 2 2

Obtener: A2 , ABC y Bt At

13. Desarrollar

a) (A + I)(A I)
b) (A + B)(A B)

Sabiendo A, B, I Mn

14. Sabiendo que " #


pq q2
A=
p2 pq

Calcular: A2

15. Demostrar que si A Mn , entonces B = A + At es una matriz simetrica.


" #
1 1
16. Dada la matriz A = , calcular: A2 , A3 , A3 , . . ., etc. y vincular los elementos
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. Sean A, B Mn matrices simetricas. Hallar una condicion necesaria y suficiente


para que su producto AB sea simetrica.

18. Halle An , para n IN, donde:


1 1 0
A= 0 1 1

0 0 1

19. Hallar una matriz A tal que:



1 7 1
A3 = 0 8 38

0 0 27

20. Hallar A3 , siendo A la matriz



0 Cos Sen
A = Cos 0 1

Sen 1 0

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 35

21. Hallar los numeros


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

x 2 " # 5 1
1 v
0 y = 3 0

u 0
z 1 1 2

22. Sean A, S Mn : S es simetrica. Analice si se verifica que:

a) At A es simetrica.
b) At SA es simetrica.
c) A es antisimetrica, entonces A2 es simetrica
d) A es regular, entonces An = (A1 )n n IN
" #
4 5
23. Determine la matriz A, cuya matriz inversa es A1 =
6 7

0 0 0
24. Sea A = 1 0 0 . Demuestrese que A3 = . Utilice algebra
de matrices para

1 1 0
calcular el producto (I A)(I + A + A2 )

25. Sea A Mnn que satisface la ecuacion A2 2A + I = . Demuestrese que:

A3 = 3A 2I
A4 = 4A 3I

1 0 0
26. Sea la matriz A = 0 3 0 . a) Calcular A2 , b) Calcular A7

0 0 2

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



2 3  4
 2  5

1 4 2 

  5 7
de tal manera que se obtenga una matriz simetrica.

28. Determinar cuales


de las siguientes matrices son inversibles:
" # " # " #
3 9 4 9 6 9
A= , B= , C=
2 6 0 5 4 6

29. 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

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 36

3i j, si i j
30. Escribir explcitamente la matriz A = [aij ]23 , donde aij =
i j, si i < j

1 1 1
31. Sea A = 0 1 0 , calcular la traza de A20

0 0 1
" #
1 1
32. Dado el polinomio P(x) = 2x19 + 2x 4 y la matriz A = , halle la traza de:
0 0
P(A)

33. 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
" #
2 1
34. Dada la matriz A = , entonces la suma de la matriz A20 es:
1 2
" #
0 1
35. Sea B = A + A2 + A3 + + A200 , hallar la traza de B, si A = .
1 0

36. Calcular: (A + B)(A B), si:


" # " # " #
1 0 0 1 2 1
A2 = B2 = , AB = , BA =
0 1 1 2 1 0

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

38. 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

39. Dado el sistema matricial


" #
2 1
X+Y =
3 2
" #
3 2
XY =
1 4

Hallar la traza de XT Y T .
" # " #
3 4 2 1
40. a) Sean las matrices A = yP= , halle la matriz semejante de A
2 1 1 1

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 37
" # " #
1 0 0 1
b) Sean la matriz A = y la matriz P = , halle la matriz seme-
6 1 1 3
jante de A

41. Sea A Mn y P Mn matriz inversible. Demuestre que:

a) (P1 A P)2 = P1 A2 P
b) (P1 A P)k = P1 Ak P, donde k es un numero
entero positivo.
" # " #
1 0 0 1
42. Sean las matrices A = yP= , calcular A10
1 2 1 1

43. Si A y B son matrices cuadradas del mismo tamano,


tales que AB = BA, demuestre
2 2 2
que (AB) = A B . Mediante un ejemplo muestre que esto no ocurre con todas las
matrices cuadradas del mismo tamano.

44. Si n ZZ+ y Si A y B son matrices cuadradas del mismo tamano,


tales que AB = BA,
n n n
demuestre que (AB) = A B .

45. Se dice que una matriz cuadrada A es idempotente si A2 = A. Determine cuales


de
las matrices siguientes son idempotentes:
" # " #
1 0 0 1 1 2 2
a) c)
0 1 0 1 e) 0 0 1

0 0 1

" # " # 1 3 0
1 0 3 6 f) 0 0 1

b) d)
0 0 1 2 0 0 0

46. Demuestre que si A y B son matrices cuadradas idempotentes y AB = BA, entonces


AB es una matriz idempotente.

47. Se dice que una matriz cuadrada A es nilpotente si existe un entero p, tal que Ap =
. Determine cuales
de las matrices siguientes son nilpotente e idicar el grado de
nilpotencia:
" # " #
1 1 3 9 0 1 0
a) c)
1 1 1 3 d) 0 0 1

" # 0 0 0
4 8
b)
2 4

48. Determine el inverso de cada una de las siguientes matrices:

J. Roberto Ticona Parisaca



Curso: Algebra Vectorial Lineal y Matricial Tema: Matrices 38

1 2 3 3 1 1 2 1 1 0 0
a) 2 1 4 1 3 2 1 0 1 1 0

c) d)

1 2 3 1 1 0 0 1

0 1 1
2 1 1 3 0 0 1 1
1 2 1
b) 2 4 3

1 2 0

49. Use el metodo de la matriz inversa para resolver el siguiente sistema lineal:

x + 3y 2z = 1
2x + 5y 3z = 5
3x + 2y 4z = 7

J. Roberto Ticona Parisaca