Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Álgebra Matricial (Parte I)
Álgebra Matricial (Parte I)
1.1 INTRODUCCIÓN
En muchos análisis se supone que las variables que intervienen están relacionadas mediante un conjunto de
ecuaciones lineales. El álgebra matricial proporciona una notación concisa y clara para la formulación y
resolución de tales problemas, muchos de los cuales serían casi imposibles de plantear con la notación algebraica
ordinaria.
En este capítulo, se definen los vectores y las matrices, así como las operaciones correspondientes. Se
consideran tipos especiales de matrices, la transpuesta de una matriz, las matrices subdivididas y el determinante
de una matriz. También se tratan y aplican a la resolución de ecuaciones lineales simultáneas, la dependencia
lineal de un conjunto de vectores, y el rango y la inversa de una matriz. Así mismo, se define e ilustra la
diferenciación vectorial. Por último, en el Capítulo 2 se discuten otras aplicaciones del álgebra matricial.
1.2 DEFINICIÓN DE MATRIZ
Una matriz es una disposición (o “arreglo”) rectangular de números en la forma
EJEMPLO € €
⎡ 5 −8 −2⎤
⎡ 6 6 ⎢ ⎥
3⎤ ⎢12
10 −1⎥
⎡1 0 −2 6⎤ ⎢ ⎥ ⎡ 1 −1⎤
⎢ ⎥ ⎢ 3 8 −2⎥
⎢13 9 −3⎥ ⎢ ⎥
⎣4 8 3 −9⎦ ⎢ ⎥ ⎣−1
1⎦
⎣−1 0 0⎥⎦ ⎢ 2 7 6⎥
⎢
⎣ 6 4 10⎥
⎢ ⎦
es una matriz 2 × 4 es una matriz 3× 3 (cuadrada) es una matriz 5 × 3 es una matriz 2 × 2 (cuadrada)
€
Se dice que dos matrices del mismo orden son iguales solamente si todos sus elementos correspondientes son
también iguales, es decir, si las matrices son idénticas. Observemos que, por definición, las matrices que son de
diferente orden no pueden ser iguales.
EJEMPLO
Si
⎡ 2 −2⎤ ⎡ 2 −2 2⎤
⎡−2 2⎤ ⎡ 2 −2⎤
A = ⎢ ⎥ B = ⎢ ⎥ C = ⎢ ⎥ D = ⎢ ⎥
⎣−2
2⎦ ⎣−2
2 −2⎦ ⎣ 2 −2⎦ ⎣−2
2⎦
A = D, pero A ≠ B, A ≠ C , B ≠ C , B ≠ D , y C ≠ D.
€
DEFINICIÓN DE VECTOR (EN ÁLGEBRA MATRICIAL)
Una matriz que consta de una sola columna, es decir, una matriz m x l se conoce como vector columna, y se
expresa como
⎛ u1 ⎞ ⎡ u1 ⎤
⎜ ⎟ ⎢ ⎥
u u
u = ⎜ 2 ⎟ o bien u = ⎢ 2 ⎥
⎜ M⎟ ⎢ M⎥
⎜ ⎟ ⎢ ⎥
⎝u m ⎠ ⎣u m ⎦
€ €
EJEMPLO
⎤
⎡€1
⎢ ⎥ es una matriz 2 x 1, o sea, un vector columna de 2 dimensiones (o bidimensional)
⎣−1
⎦
⎤
⎡0
⎢ ⎥
€ ⎢0
⎥
⎥ es una matriz 5 x 1, o sea, un vector columna de 5 dimensiones (o pentadimensional)
⎢3
⎢ ⎥
⎢0
⎥
⎥
⎣2
⎢ ⎦
[ 0, 3, 0] es una matriz 1 x 3, o sea, un vector fila de 3 dimensiones (o tridimensional)
€
€
[€1, −1, 5, −1] es una matriz 1 x 4, o sea, un vector fila de 4 dimensiones (o tetradimensional)
€ Dos vectores fila que tienen el mismo número de columnas, o dos vectores columna que tienen el mismo
número de filas, se dice que son iguales solamente si todos los elementos correspondientes son también iguales,
es decir, si los vectores son idénticos.
EJEMPLO
⎤
⎡1
u = [1, 3] v = ⎢ ⎥ w = [1, 3] x = [ 3, 1]
⎣3
⎦
u = w, pero u ≠ v, u ≠ x, y v ≠ w, v ≠ x, y w ≠ x.
€ € €
€
NOTA: Con frecuencia es útil considerar a una matriz como compuesta de una serie de vectores fila o de
vectores columna; por ejemplo, la matriz
€
1.3 OPERACIONES CON MATRICES
Operaciones análogas a las de adición. Sustracción, multiplicación y división de números reales se pueden
definir para las matrices. Puesto que una matriz es una disposición de números reales, en lugar de un solo
número real, algunas propiedades de las operaciones para los números reales no tienen equivalencia en las
operaciones análogas con matrices; ejemplos específicos se dan en las siguientes secciones. En esta sección se
definen e ilustran la adición y la sustracción de matrices, la multiplicación de una matriz por un escalar, y la
multiplicación de matrices entre sí.
ADICIÓN Y SUSTRACCIÓN DE MATRICES
Las matrices se pueden sumar o restar solamente si son del mismo orden. La suma o la diferencia de dos
matrices m x n es otra matriz m x n cuyos elementos son las sumas o diferencias de los elementos
correspondientes de las matrices originales; de modo que si
€
entonces A ± B = C
en donde
€ €
EJEMPLO
€ PROBLEMAS
Obtener la matriz que resulta de cada una de las siguientes operaciones:
€
Respuestas a los Problemas de Número Impar
⎡ 1 0 2⎤ ⎡2 ⎤
⎢ ⎥ ⎢ ⎥
1. ⎢ 5 6 0⎥ 3. ⎢4 ⎥ 5. [1, 2, 1, −1]
−1 −8⎥⎦
⎢⎣−1 ⎢⎣0 ⎥⎦
€
MULTIPLICACIÓN DE UNA MATRIZ POR UN ESCALAR
entonces
⎡ ka11 L ka1n ⎤
€ ⎢ ⎥
k × Am×n = kAm×n = ⎢ M M ⎥= k (ai j )m×n = (ka i j ) m×n
m1 L
⎢⎣ka kamn ⎥⎦
€ EJEMPLO
€ MULTIPLICACIÓN DE MATRICES
Dos matrices se pueden multiplicar entre sí sólo si el número de columnas en una de ellas es igual al número de
filas en la otra. En particular, la matriz producto AB está definida solamente si el número de columnas en A es el
mismo que el número de filas en B; en este caso se dice que las matrices A y B son compatibles ante la
multiplicación, y la matriz producto tiene el mismo número de filas que A y el mismo número de columnas que
B. Así, una matriz m x n se puede multiplicar con una matriz n x p para obtener una matriz m x p.
DEFINICIÓN: Cuando un vector fila 1 x n multiplica a un vector columna n x 1, el resultado es un escalar al
que se le denomina producto interior de los dos vectores, y su valor es la suma de los productos de los
componentes de los vectores. Por lo tanto si
⎡v 1 ⎤
⎢ ⎥
u = [ u1 , L , un ] y v = ⎢ M⎥
⎣v n ⎥
⎢ ⎦
∑
n
€
entonces u1xn vnx1 = w (un escalar), en donde w = u1 v1 + u 2 v 2 +L + un v n = ui vi .
i=1
€
Cuando se multiplican dos matrices, el elemento en la iésima fila y en la jésima columna de la matriz
producto, es el producto interior del iésimo vector fila de la primera matriz con el jésimo vector columna de la
segunda. De acuerdo con lo anterior, el producto de dos matrices puede expresarse como una matriz de sus
€
productos interiores: Si A = a
( i j ) m×n y B = (bi j )n× p , entonces AB = C, en donde
⎡ n n ⎤
€ € ∑
⎢ a1 j b j1 L
⎢ j=1
∑ a1 j b jm ⎥
⎥
j=1
= ⎢ M M ⎥ es decir, c i k = ∑ j=1 a i j b j k .
n
C = (c i k )
m× p ⎢ n n ⎥
∑
⎢ a b
⎢ j=1 mj j1
L ∑ amj b jn ⎥
⎥
⎣ j=1 ⎦
€
EJEMPLO
€
en donde
€
(1)(1) + ( 3)(−1) + (−1)(1) = −3
⎡ 3 0⎤
€ ⎢ ⎥
⎢ 4 0⎥
(b) [−1, 0, 6, 3, 2]1×5
⎢−2 3⎥ = [−12, 38]1× 2
⎢ ⎥
⎢ 1 8⎥
⎣ 0 −2⎥
⎢ 2
⎦5×
€
en donde
En la multiplicación de matrices, el orden (o sucesión) según el cual se efectúa la multiplicación es muy
€
importante. Si A es m x n y B es n x m, entonces es posible obtener las matrices producto AB, y BA; sin
embargo, en general AB ≠ BA. En el producto matricial AB, se dice que A premultiplica a B, o
alternativamente, que B posmultiplica a A. Como, en general, la premultiplicación y la posmultiplicación dan
resultados diferentes, aun cuando ambos están definidos, se debe tener cuidado en mantener el orden apropiado
en todas las multiplicaciones de matrices. Esta precaución no es necesaria en la multiplicación de números, como
se recordará.
EJEMPLO
⎡ 1 2⎤
⎢ ⎥
⎡4 6 −1 3⎤ −1 1⎥
(a) Si A = ⎢ ⎥ y B = ⎢
⎣0
−1 2 1⎦ ⎢ 1 6⎥
⎢ ⎥
⎣ 2 3⎦
entonces
€ ⎡ 1 2⎤
⎢ ⎥
⎡4 6 −1 3⎤ ⎢−1
1⎥€ ⎡3 17⎤
AB = ⎢ ⎥ = ⎢ ⎥
⎣0
−1 2 1⎦2×4
⎢ 1 6⎥ ⎣5 14 ⎦2×2
⎢ ⎥
⎣ 2 3⎦4×2
⎡ 1 2⎤ ⎡ 4 4 3 5⎤
⎢ ⎥ ⎢ ⎥
−1 1⎥ ⎡4 6 −1 3⎤ −4 −7 3 −2⎥
BA = ⎢ ⎢ ⎥ = ⎢
⎢ 1 6⎥ ⎣0
−1 2 1⎦2×4
⎢ 4 0 11 9⎥
⎢ ⎥ ⎢ ⎥
⎣ 2 3⎦4×2
⎣ 8 9 4 9⎦4×4
⎡ 5 −6⎤
⎢ ⎥
⎡−1 8 −3⎤
€ (b) Si A = ⎢−1
0⎥ y B = ⎢ ⎥
⎣ 0 10 −4 ⎦
⎣ 0
⎢ ⎦
3⎥
entonces
€
€
⎡ 5 −6⎤
⎡−5 −20 9⎤
⎢ ⎥
⎡−1 8 −3⎤ ⎢ ⎥
AB = ⎢−1
0⎥ ⎢ ⎥ = ⎢ 1 −8 3⎥
⎣ 0 10 −4 ⎦2×3
⎣ 0
⎢ 3⎥
⎦3× 2 ⎣ 0
⎢ 30 −12⎥
⎦3×3
⎡ 5 −6⎤
⎡−1 8 −3⎤ ⎢ ⎥
⎡−13 −3⎤
BA = ⎢ ⎥ ⎢−1
0⎥ = ⎢ ⎥
⎣ 0 10 −4 ⎦2×
3 ⎣−10
−12⎦2×2
⎣ 0
⎢ ⎥
3⎦ 3×2
⎡−1 3 1⎤ ⎡ 0 2 3⎤
€ ⎢ ⎥ ⎢ ⎥
(c) Si A = ⎢ 2 0 −2⎥ y B = ⎢ 8 −1 9⎥
⎣ 0
⎢ 4 ⎦
5⎥
⎣−2
⎢ 0 ⎦
5⎥
entonces
€ €
⎡−1 3 1⎤ ⎡ 0 2 3⎤
⎡22 −5 29⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
AB = ⎢ 2 0 −2⎥ ⎢ 8 −1 9⎥ = ⎢ 4 4 −4 ⎥
⎣ 0
⎢ 4 ⎦
5⎥ 3× 3
⎢
⎣−2 0 ⎦
5⎥ 3× 3
⎣22
⎢ −4 61⎥⎦ 3×3
⎡ 0 2 3⎤
⎡−1 3 1⎤ ⎡ 4 12 11⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
BA = ⎢ 8 −1 9⎥ ⎢ 2 0 −2⎥ = ⎢−10 60 55⎥
⎢
⎣−2 0 5⎥
⎦3× ⎣ 0
⎢ 4 5⎥
⎦3× ⎢
⎣ 2 14 23⎥
⎦3×
3 3 3
€
NOTA: Cuando un vector fila premultiplica a un vector columna, el resultado es un producto interior, es decir,
un escalar cuyo valor es la suma de los productos de los elementos de los dos vectores. Cuando un vector
columna n x 1 premultiplica a un vector fila 1 x n, el resultado es una matriz cuadrada n x n cuyos elementos son
los productos interiores de los vectores dados; por tanto, si
⎡v 1 ⎤
⎢ ⎥
u = [ u1 , L , un ] y v = ⎢ M⎥
⎣v n ⎥
⎢ ⎦
∑
n
€
entonces, como se indicó anteriormente, u1xn vnx1 = w (un escalar), en donde w = ui v i , y vnx1 u1xn = xnxn
i=1
(una matriz cuadrada), siendo x i j = v i u j . €
€
EJEMPLO €
⎤
⎡−2
⎢ ⎥
(a ) [1, 3, 6] ⎢ 4 ⎥ = −2 +12 − 6 = 4
⎥
⎣−1
⎢ ⎦
⎤
⎡−2
⎡−2 −6 12⎤
⎢ ⎥ ⎢ ⎥
⎢ 4 ⎥ [1, 3, 6] = ⎢ 4 12 24 ⎥
⎢ ⎥
⎣−1 ⎦
⎣−1
⎢ −3 −6⎥⎦
⎡ 0⎤
⎢ ⎥
⎢−1
€
⎥
(b) [1, 0, 0, 2, −3] ⎥=
⎢−4 0+0+0−6+6 = 0
⎢ ⎥
⎢−3
⎥
⎥
⎣−2
⎢ ⎦
⎡ 0⎤ ⎡ 0 0 0 0 0⎤
⎢ ⎥ ⎢ ⎥
⎢−1
⎥ ⎢−1
0 0 −2 3⎥
⎥ [1, 0, 0, 2, −3] = ⎢−4
⎢−4 0 0 −8 12⎥
⎢ ⎥ ⎢ ⎥
⎢−3
⎥ ⎢−3
0 0 −6 9⎥
⎢ ⎥
⎣−2 ⎦ ⎢
⎣−2 0 0 −4 ⎦
6⎥
€ Aunque el orden según el cual se multiplican dos matrices afecta al resultado, el orden en el que se
multiplican tres o más matrices no influye en el resultado, siempre y cuando se conserve la secuencia de las
operaciones, Es decir,
Amxn Bnxp Cpxq = Amxn(Bnxp Cpxq) = (Amxn Bnxp)Cpxq
Una propiedad correspondiente se tiene en el caso de la multiplicación de números. En resumen, la adición de
matrices es conmutativa, o sea, A + B = B + A, y tanto la adición como la sustracción son asociativas, es decir,
A ± B ± C = A ± (B ± C) = (A ± B) ± C; la multiplicación de dos matrices no es conmutativa (es decir, AB ≠
BA) pero la de tres o más es asociativa, es decir ABC = A(BC) = (AB)C. Tratándose de números, la adición, la
sustracción y la multiplicación son asociativas y conmutativas.
EJEMPLOS
A.
A B C = A BC = ABC
⎡1 −1 0⎤ ⎡ 3⎤ ⎡1 −1 0⎤ ⎡0 6 −3⎤ ⎡0 4 −2⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢2 −3 4 ⎥ ⎢ 1⎥ [0, 2, −1]1× 3 = ⎢2 −3 4 ⎥ ⎢0 2 −1⎥ = ⎢0 −2 1⎥
⎣0
⎢ 0 1⎥⎦ 3× 3
⎢ ⎥
⎣−1
⎦3×1 ⎣0
⎢ 0 1⎥⎦
3× 3 ⎣0
⎢ −2 ⎦
1⎥ 3× 3 ⎣0
⎢ −2 ⎦
1⎥3×3
€ O por asociatividad,
A B C = AB C = ABC
⎡1 −1 0⎤ ⎡ 3⎤ ⎡ 2⎤ ⎡0 4 −2⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢2 −3 4 ⎥ ⎢ 1⎥ [0, 2, −1]1× 3 = ⎢−1
⎥ [0, 2, −1]1×3 = ⎢0 −2 1⎥
⎣0
⎢ 0 1⎥
⎦3×3 ⎢ ⎥
⎣−1
⎦3×1 ⎥
⎣−1
⎢
⎦3×1 ⎣0
⎢ −2 1⎥
⎦3×3
€ B.
A B C = A BC = ABC
⎤
⎡−1
⎡1 −1⎤ ⎡ 5 −2 3⎤ ⎢ ⎥ ⎡1 −1⎤ ⎤
⎡−17 ⎡ −1⎤
⎢
⎣6
⎥
10⎦2×2
⎢
⎣−8
0
⎥
6⎦2×
3 ⎢ 0⎥ = ⎢
⎣6
⎥
10⎦2×2
⎢ ⎥ = ⎢
⎣−16
⎦2×1
⎣−262
⎥
⎦2×1
⎥
⎣−4
⎢
⎦3×1
O bien por asociatividad,
€
A B C = AB C = ABC
⎤
⎡−1 ⎤
⎡−1
⎡1 −1⎤ ⎡ 5 −2 3⎤ ⎢ ⎥ ⎡ 13 −2 −3⎤ ⎢ ⎥ ⎡ −1⎤
⎢
⎣6
⎥
10⎦2×2
⎢
⎣−8
0
⎥
6⎦2×
3 ⎢ 0⎥ = ⎢
⎣−50
−12
⎥
78⎦2×
3 ⎢ 0⎥ = ⎢
⎣−262
⎥
⎦2×1
⎢
−4 ⎥
⎣ ⎦3×1
⎢
−4 ⎥
⎣ ⎦3×1
€ C.
A B C = A BC = ABC
⎡3 4 ⎤ ⎡ 0 1⎤
⎡−6 −8 10⎤
⎡3 4 ⎤
⎡−5 5 4 ⎤ ⎡ 9 47 −28⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ = ⎢ ⎥ ⎢ ⎥ = ⎢ ⎥
⎣4
3⎦2×
2 ⎣−1
0⎦2×2
⎣−5
5 4 ⎦2×
3 ⎣4
3⎦2×
2 ⎣ 6 8 −10⎦2×3
⎣−2
44 −14 ⎦2×
3
€ O por asociatividad,
A B C = AB C = ABC
⎡3 4 ⎤ ⎡ 0 1⎤
⎡−6 −8 10⎤
⎡−4 3⎤
⎡−6 −8 10⎤ ⎡ 9 47 −28⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ = ⎢ ⎥ ⎢ ⎥ = ⎢ ⎥
⎣4
3⎦2×
2 ⎣−1
0⎦2×
2 ⎣−5
5 4 ⎦2×
3 ⎣−3
4 ⎦2×
2 ⎣−5
5 4 ⎦2×
3 ⎣−2
44 −14 ⎦2×
3
€ D.
A B C = A BC = ABC
⎡ 0⎤ ⎡ 0 0 0⎤
⎢ ⎥ ⎢ ⎥
[1, −1, 4, 2]1× 4 ⎢ 2⎥ [−1, 0, 6]1× 3 = [1, −1, 4, 2]1×4 ⎢−2
0 12⎥
= [6, 0, −36]1× 3
⎥
⎢−1 ⎢ 1 0 −6⎥
⎢ ⎥ ⎢ ⎥
⎣ 0⎦4×1
⎣ 0 0 0⎦4×
3
Alternativamente, por asociatividad,
€
A B C = AB C = ABC
⎡ 0⎤
⎢ ⎥
[1, −1, 4, 2]1× 4 ⎢ 2⎥ [−1, 0, 6]1×3 = −6 × [−1, 0, 6]1× 3 = [6, 0, −36]1× 3
⎥
⎢−1
⎢ ⎥
⎣ 0⎦4×1
PROBLEMAS
€
Obtener la matriz resultante de cada una de las siguientes operaciones:
⎡ 2 1⎤
⎡+1 2 3 4 ⎤ ⎡2 −1⎤ ⎢ ⎥
⎢ ⎥ ⎢ ⎥⎡ 2 1⎤ 1 3⎥
1. 3⎢ 0 −1 −1 2⎥ 2. ⎢1 0⎥⎢ ⎥ 3. [1, −1, 0, 2] ⎢
⎣1 0⎦
⎢−1 0⎥
⎣ 1 2 0 3⎥
⎢ ⎦ ⎣3 −3⎥
⎢ ⎦ ⎢ ⎥
⎣ 0 2⎦
⎡ 1 −1⎤ ⎡2 0⎤
⎢ ⎥⎡ 2 ⎤
⎡−1 1⎤⎡ 2 0⎤⎡ 1 1 1⎤ ⎢ ⎥⎡ 1 0⎤
4. [1, −2, 0] ⎢ 3 0⎥⎢ ⎥ 5. ⎢ ⎥⎢ ⎥⎢ ⎥ 6. [1, −1, 1] ⎢0 2⎥⎢ ⎥
⎣1 ⎦ ⎣ 1 −1⎦⎣ 0 2⎦⎣ 1 1 1⎦ ⎣0 1⎦
⎢
⎣−2 ⎦
1⎥ ⎢2
⎣ 2⎥
⎦
€ Respuestas a los Problemas de Número Impar
⎡−3 6 9 12⎤
⎢ ⎥ ⎡0 0 0⎤
1. ⎢ 0 −3 −3 6⎥ 3. [1, 2] 5. ⎢ ⎥
⎣0 0 0⎦
⎢⎣ 3 6 0 9⎥⎦
€ 1.4 TIPOS ESPECIALES DE MATRICES
En esta sección se estudiarán tres tipos especiales de matrices: las matrices diagonales, las matrices identidad y
las matrices nulas.
MATRICES DIAGONALES
Una matriz diagonal es una matriz cuadrada cuyos elementos son todos iguales a cero, excepto los que
pertenecen a su diagonal principal, la cual es la que va del extremo superior izquierdo al extremo inferior
derecho; así pues,
⎡ a11 L a1n ⎤
⎢ ⎥
A = ⎢ M M⎥= (a i j )n×n
⎢⎣a m1 L a mn ⎥⎦
es una matriz diagonal si y sólo si
€
ai j = 0 para i ≠ j
ai j ≠ 0 si al menos i = j (cuando todos los elementos de una matriz son ceros, se trata de una matriz
nula, la cual se describirá más adelante)
€
€ Una matriz diagonal n x n puede indicarse por la notación
⎡a 11 0 ⎤ ⎡a 1 0 ⎤
⎢ ⎥ ⎢ ⎥
A = ⎢ O ⎥ o ⎢ O ⎥
⎢⎣ 0 ann ⎥⎦ ⎢⎣ 0 an ⎥⎦
o bien, por
€
⎡d 1 0 ⎤
⎢ ⎥
D n = ⎢ O ⎥
⎣ 0
⎢ ⎦
dn ⎥
EJEMPLO €
⎡−1 0 0 0⎤
⎡1 0 0⎤ ⎢ ⎥
⎢ ⎥
y ⎢ 0 0 0 0⎥
⎢0 −3 0⎥ ⎢ 0 0 0 0⎥
son matrices diagonales.
⎢⎣0 0 10⎥⎦ ⎢ ⎥
⎣ 0 0 0 7⎦
€
MATRICES IDENTIDAD
⎡ a11 L a1n ⎤
⎢ ⎥
A = ⎢ M M⎥= (a i j )n×n
⎢⎣a m1 L a mn ⎥⎦
es una matriz identidad si y sólo si
€
ai j = 0 para i ≠ j
ai j =1 para i = j
€ o en forma equivalente, una matriz diagonal Dn es una matriz identidad si y sólo si
€
d i =1 para i = 1, 2, …, n
Una matriz identidad n x n se representa por In.
€
EJEMPLO
⎡1 0 0 0 0 0⎤
⎢ ⎥
⎡1 0 0⎤ ⎢0 1 0 0 0 0⎥
⎢ ⎥ ⎢0 0 1 0 0 0⎥
I 3 = ⎢0 1 0⎥ y I 6 = ⎢ ⎥
⎣0 0 1⎥
⎢ ⎦ ⎢0 0 0 1 0 0⎥
⎢0 0 0 0 1 0⎥
⎢ ⎥
⎣0 0 0 0 0 1⎦
son las matrices identidad 3 x 3 y 6 x 6.
€
Nótese que al premultiplicar o posmultiplicar una matriz por la matriz identidad del tamaño (u orden)
apropiado, no cambia la matriz dada; es decir,
Amxn = Im Amxn = Amxn In = Amxn
EJEMPLOS
A.
A2× 4 I2 A2× 4 A2× 4 I4
⎡1 0 0 0⎤
⎡ 2 ⎢ ⎥
−3 −6 4 ⎤ ⎡1 0⎤ ⎡ 2 −3 −6 4 ⎤ ⎡ 2 −3 −6 4 ⎤ ⎢0 1 0 0⎥ ⎡
⎢ ⎥ = ⎢ ⎥ ⎢ ⎥ = ⎢ ⎥ = ⎢
⎣−1
−1 0 3⎦2×
4 ⎣0 1⎦2×
2 ⎣−1
−1 0 3⎦2×
4 ⎣−1
−1 0 3⎦2×
4 ⎢0 0 1 0⎥ ⎣−
⎢ ⎥
⎣0 0 0 1⎦4×
4
B.
A3× 3 I3 A3× 3 A3× 3 I3 A3× 3
€ ⎡3 0 0⎤ ⎡1 0 0⎤ ⎡3 0 0⎤ ⎡3 0 0⎤ ⎡1 0 0⎤ ⎡3 0 0⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢0 −2 0⎥ = ⎢0 1 0⎥ ⎢0 −2 0⎥ = ⎢0 −2 0⎥ ⎢0 1 0⎥ = ⎢0 −2 0⎥
⎣0
⎢ 0 6⎥
⎦3× 3 ⎣0
⎢ 0 1⎥ ⎢
⎦3× 0
3 ⎣
0 6⎥
⎦3× 3 ⎣0
⎢ 0 6⎥ ⎢
⎦3× 0
3 ⎣
0 1⎥
⎦3× 3 ⎣0
⎢ 0 6⎥
⎦3× 3
€ MATRICES NULAS
Una matriz nula es una matriz m x n cuyos elementos son todos iguales a cero; se simboliza con O. Cuando una
matriz nula del orden (o tamaño) apropiado se suma o se resta de otra matriz, esta última no cambia; es decir,
Amxn ± Omxn = Amxn
Premultiplicar o posmultiplicar una matriz nula de orden apropiado da lugar a otra matriz nula; es decir,
Okxm Amxn = Okxn y Amxn Onx1 = Omx1
EJEMPLOS
A.
A2× 3 ± O2×3 = A2× 3
⎡ 0 1 0⎤ ⎡0 0 0⎤ ⎡ 0 1 0⎤
⎢ ⎥ ± ⎢ ⎥ = ⎢ ⎥
⎣10
0 −3⎦2×
3 ⎣0 0 0⎦2×3
⎣10
0 −3⎦2×
3
€ B.
O3× 3 A2× 4 O3× 4
⎡0 0⎤ ⎡0 0 0 0⎤
⎢ ⎥ ⎡ 1 6 4 −10⎤ ⎢ ⎥
⎢0 0⎥ ⎢
⎣−1
20 −13
⎥ = ⎢0
11⎦2×
4
0 0 0⎥
⎣0
⎢ 0⎥
⎦3× 2 ⎣0
⎢ 0 0 0⎥
⎦3× 4
€
1.5 TRANSPUESTA DE UNA MATRIZ
En muchos análisis en los que intervienen matrices, es conveniente emplear la transpuesta de una matriz. En
esta sección se define la transpuesta de una matriz, le de una suma o diferencia de matrices, y la de un producto
de matrices.
La transpuesta de una matriz A de orden m x n es una matriz de orden n x m, denotada por A´, cuyas filas son
las columnas de A, y cuyas columnas son las filas de A. Por tanto, si
⎡ a11 L a1n ⎤
⎢ ⎥
Am×n = ⎢ M M⎥ = (a i j )
m×n
⎢⎣a m1 L a mn ⎥⎦
Entonces la transpuesta de A es
€
⎡ 6⎤
€ ⎢ ⎥
€ ⎢ 2⎥
Si A = [6, 2, −1, 0, −5]1×5 , entonces A
€ = ⎥
⎢−1
⎢ ⎥
⎢ 0⎥
⎥
⎣−5
⎢
⎦5×1
€
⎡ 6 −8 −10⎤ ⎡ 6 −2 30⎤
⎢ ⎥ ⎢ ⎥
Si A = ⎢−2
0 7⎥ , entonces A €= ⎢ −8
€
0 40⎥
⎢
⎣30 40 0⎥
⎦3×
⎣−10
⎢ 7 0⎥
⎦3×3
3
€ €
⎡ 3⎤
⎢ ⎥
A = ⎢ 0⎥ A €= [ 3, 0, −1, 4 ]1×4
Si ⎥ , entonces
⎢−1
⎢ ⎥
⎣ 4 ⎦4×1
⎡−1 5€ −3⎤
⎡−1 5 −3⎤
⎢ ⎥ ⎢ ⎥
€ Si A = ⎢ 5 0 4 ⎥ , entonces A €= ⎢ 5 0 4 ⎥
⎢
⎣−3 4 9⎥
⎦3×3
⎣−3
⎢ 4 9⎥
⎦3×3
A´ = A y AA = A
EJEMPLOS
A.
Una matriz identidad (de cualquier orden) es idempotente, puesto que
In´ = In y In In = In
B.
La matriz
⎡1 2 ⎤
⎡1 2 ⎤ ⎡1
′
2 ⎤ ⎡1 2 ⎤⎡ 1 2 ⎤ ⎡1 2 ⎤
⎢52 5
4
⎥ es idempotente, puesto que ⎢52 5
4
⎥ = ⎢52 5
4
⎥ y ⎢52 5 5
4
⎥⎢ 2 5
4
⎥=
⎢52 5
4
⎥
⎣5 5 ⎦ ⎣5 5 ⎦ ⎣5 5 ⎦ ⎣5 5 ⎦⎣ 5 5 ⎦ ⎣5 5 ⎦
TRANSPUESTA DE UNA SUMA O DE UNA DIFERENCIA DE MATRICES
€ € €
La transpuesta de una suma o diferencia de matrices es igual a la suma o diferencia de las transpuestas de las
matrices; por consiguiente,
(Amxn ± Bmxn ± Cmxn)´= A´nxm ± B´nxm ± C´nxm
es decir, (di j)´mxn = (di j)nxm
en donde d i j = ai j ± bi j ± c i j y d j i = a j i ± b j i ± c j i .
EJEMPLOS
€ €
A.
⎡ 3 0 2⎤
⎡−1 6 −2⎤ ⎡ 0 0 6⎤
Si A = ⎢ ⎥ B = ⎢ ⎥ C = ⎢ ⎥
⎣−6
8 −1⎦ ⎣ 3 −2 1⎦ ⎣−2
5 25⎦
⎡2 −5⎤
⎡ 2 6 6⎤′ ⎢ ⎥
€ entonces [A + B + C]´ = ⎢ ⎥ = ⎢6 11⎥
⎣−5
11 25⎦
⎢6 25⎥
⎣ ⎦
⎡3 −6⎤ ⎡
−1 3⎤ ⎡0 −2⎤ ⎡2 −5⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
o de otra manera A´ + B´ + C´ = ⎢0 8⎥+ ⎢ 6 −2⎥+ ⎢0 5⎥= ⎢6 11⎥
€ ⎣2
⎢
−1⎦ ⎣−2
⎥ ⎢
1⎦ ⎢
⎥ ⎣6 25⎦ ⎢
⎥ ⎣6 ⎦
25⎥
B.
⎡2 −1⎤ €⎡ 6 8⎤ ⎡0 −1⎤
Si A = ⎢ ⎥ B = ⎢ ⎥ C = ⎢ ⎥
⎣0 −1⎦ ⎣10
−12⎦ ⎣0 0⎦
⎡ €4 −10⎤′ ⎡ −4 −10⎤
€
entonces [A B + C]´ = ⎢ ⎥ = ⎢ ⎥
⎣−10
11⎦ ⎣−10
11⎦
TRANSPUESTA DE UN PRODUCTO DE MATRICES
€
La transpuesta de un producto de matrices es igual al producto de las transpuestas de las matrices tomadas en
orden inverso; por tanto,
[Amxn Bnxp Cpxq]´= C´qxp B´pxn A´nxm
EJEMPLOS
A.
⎡ 6⎤
⎡ 3 0⎤ ⎡3 5 −7⎤ ⎢ ⎥
Si A = ⎢ ⎥ B = ⎢ ⎥ C = ⎢−1
⎥
⎣−4
−1⎦ ⎣0 −1 8⎦
⎣ 0⎥
⎢ ⎦
⎡ 6⎤
⎡ 9 15 −21⎤⎢ ⎥ ⎡ 39⎤ ⎡ 39⎤
′
o en forma alternativa,
€ ⎡ 3 0⎤
⎢ ⎥⎡ 3 −4 ⎤ ⎡3 −4 ⎤
[ ABC ]′ = C′B′ A′ = [ 6, −1, 0] ⎢ 5 −1⎥⎢ 0 ⎥=
[1 3, 1] ⎢ ⎥=
[ 39, −53]
⎣ −1⎦ ⎣0 −1⎦
⎣−7
⎢ ⎦
8⎥
B.
€ ⎡ 6 0⎤
⎢ ⎥ ⎡0 ⎤
Si A = [ 3, −1, 0] B = ⎢−7 2⎥ C = ⎢ ⎥
⎣1 ⎦
⎢⎣ 0 3⎥⎦
⎡0 ⎤
entonces* ABC = [26 −2] ⎢ ⎥= −2 y asimismo [ABC]´= 2 (la transpuesta de un escalar es el mismo
€ ⎣1 ⎦
escalar), o de otra manera,
⎡ 3⎤ ⎡ 3⎤
⎡6 −7 ⎥
0⎤⎢ ⎢ ⎥
[ABC]´ = C´B´A´=
€ [0, 1] ⎢ −1 = [0
⎥⎢ 2 3] ⎢−1
⎥= −2
⎣0 2 3⎦ ⎥
⎣ 0⎥
⎢ ⎦ ⎣ 0⎥
⎢ ⎦
PROBLEMAS
€
Obtenga la transpuesta de cada una de las siguientes matrices
⎤
⎡−3
⎡2 6⎤ ⎢ ⎥ −5 6⎤
6 ⎡−7
1. ⎢ ⎥ 2. ⎢ ⎥ 3. ⎢ ⎥
⎣5 −3⎦ ⎢ 5⎥ ⎣ 8 10 −3⎦
⎢ ⎥
⎣−2
⎦
⎡ 1 −6 3⎤ 3⎤
⎡−1
⎢ ⎥ ⎢ ⎥
4. ⎢−1 4 −8⎥ 5. [ 3, −2, 4, −9] 6. ⎢ 2 1⎥
⎢⎣ 0 5 7⎥⎦ 2⎥⎦
⎢⎣−4
⎡1 2⎤
⎡−2 3⎤ ⎡0 −1⎤
7. Si A = ⎢ ⎥, B = ⎢ ⎥, C = ⎢ ⎥; encuentre :
⎣2 1⎦ ⎣ 4 0⎦ ⎣2 3⎦
€ a. [ A + B] ′ b. [ B + C ] ′ c. [ AB] ′ d. [ ABC ] ′
*
€ N. Del R. Est resultado es una matriz de orden 1 que sólo puede multiplicarse con matrices de orden 1 x n, y no es propiamente el
escalar 2. Un escalar puede multiplicarse con cualquier matriz.
⎡2 −1⎤
⎢ ⎥ ⎡ 3⎤ ⎡ 3 0 2⎤
⎡−3 0 −2⎤
8. Si A = ⎢1 2⎥ , B = ⎢ ⎥ , C = ⎢ ⎥ y D = ⎢ ⎥ , encuentre :
⎣−1
⎦2×1
⎣−1
2 −4 ⎦2×3
⎣−1
−2 −4 ⎦2×3
⎢0
⎣ ⎥
1⎦ 3×2
a. [ AB] ′ b. [ C + D ] ′ ′ ] ′
c. [ D C d . A + D ′ + C ′
€
Respuestas a los Problemas de Número Impar
⎡ 3⎤
⎡−7 8⎤ ⎢ ⎥
⎡2 5⎤ ⎢ ⎥ −2
1. ⎢ ⎥ 3. ⎢−5 10⎥ 5. ⎢ ⎥
⎣6 −3⎦ ⎢ 4 ⎥
⎢⎣ 6 −3⎥⎦ ⎢ ⎥
⎣−9
⎦
6⎤
⎡−1 6⎤
⎡−2 ⎡6 0⎤ ⎡6 12⎤
7. a. ⎢ ⎥ b. ⎢ ⎥ c. ⎢ ⎥ d. ⎢ ⎥
⎣ 5 1⎦ ⎣ 2 3⎦ ⎣3 6⎦ ⎣3 18⎦
€ 1.6 MATRICES SUBDIVIDIDAS
Con frecuencia es conveniente subdividir (o particionar) una matriz descomponiéndola en submatrices. Éstas se
pueden considerar como escalares al efectuar operaciones sobre la matriz original. La partición o subdivisión de
una matriz se indica mediante líneas punteadas horizontales o verticales trazadas entre filas o columnas.
Por ejemplo, la matriz A de orden m×n
se pueden subdividir como sigue:
A = ( A1 A2 )
⎡ A′1 ⎤
€ € A′ =€⎢ ′ ⎥
⎣A
2 ⎦
EJEMPLO
€
⎡ 4 2 8⎤
⎡4 −3 5 0⎤ ⎢ ⎥
⎡ A ′1 ⎤
Si A = [ A1
⎢
A2 ] = ⎢2 −1 1
⎥
6⎥ entonces A ′ = ⎢ ′ ⎥ ⎢−3
−1 −2⎥
⎢ 5 1 3⎥
⎣A
2 ⎦
⎣8
⎢ −2 3 ⎦
−7⎥ ⎢ ⎥
⎣ 0 6 −7⎦
Si se subdividen en forma compatible, las matrices particionadas se pueden sumar, restar o multiplicar. Si una
€
matriz A de orden m × n se subdivide como A = [ A1 €A2 ] , en donde A1 es m × n1, A2 es m × n2 , y
€ €
n1 + n 2 = n ; y si una matriz B de orden m × n se particiona como B = [ B1 B2 ] , en donde B1 es m × n1, B2 es
m × n 2 , y n1 + n 2 = n , entonces
A ± B = [ A€
1 ± B1 A2 ± B2 ]
€ €
€ €
De igual modo, si
€
⎡ A ⎤
A = ⎢ 1 ⎥ en donde A es m × n , A1 es m1 × n , A2 es m2 × n , y m1 + m 2 = m y
⎣A
2 ⎦
⎡ B ⎤
B = ⎢ 1 ⎥ en donde B es m × n , B1 es m1 × n , B2 es m2 × n y m1 + m 2 = m , entonces
€ ⎣B
2 ⎦
⎡ A ± B ⎤
A ± B = ⎢ 1 1 ⎥
€ ⎣A
1 ± B2 ⎦
EJEMPLO
€
⎡ 3 4 −2 0⎤
⎡−3 0 2 4 ⎤
⎢ ⎥ ⎢ ⎥
Si A = ⎢−1
0 5 6⎥ y B = ⎢−1
−1 −2 5⎥
⎣ 7
⎢ 3 3 ⎦
2⎥ ⎣ 5
⎢ 4 3 1⎥⎦
entonces
€ ⎡ 3 4
€ −2 0⎤ ⎡−3 0 2 4 ⎤ ⎡ 0 4 0 4 ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
A + B = ( A1 A2 ) + (B1 B2 ) = ⎢−1
0 5 6⎥+ ⎢−1
−1 −2 5⎥= ⎢−2
−1 3 11⎥= [ A1 + B1 A2 + B2 ]
⎣ 7
⎢ 3 3 ⎦ ⎣ 5
2⎥ ⎢ 4 3 1⎥⎦ ⎣
⎢12 7 6 ⎦
3⎥
o bien,
€
⎡ 3 4 −2 0⎤ ⎡−3 0 2 4 ⎤ ⎡ 0 4 0 4 ⎤
⎡ A1 ⎤ ⎡ B1 ⎤ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎡ A1 + B1 ⎤
A + B = ⎢ ⎥+ ⎢ ⎥= ⎢−1
0 5 6⎥+ ⎢−1
−1 −2 5⎥= ⎢−2
−1 3 11⎥=
⎢A ⎥
⎣A
2 ⎦ ⎣B
2 ⎦ ⎣ 2 + B2 ⎦
⎣ 7
⎢ 3 3 2⎦ ⎢
⎥ ⎣ 5 4 3 1⎦ ⎢
⎥
⎣12 7 6 3⎦
⎥
Otras muchas subdivisiones posibles conducen al mismo resultado.
€
Particionar o subdividir una matriz es frecuente y conceptualmente conveniente cuando las matrices han de
ser sumadas o restadas, pero las ventajas computacionales de la subdivisión de matrices se utilizan
principalmente en la multiplicación y en otras operaciones más complicadas. Las matrices deben subdividirse en
forma compatible para la multiplicación. Si una matriz A de orden m × n se subdivide como A = [ A1 A2 ] ,
en donde A1 es m × n1, A2 es m × n2 , y n1 + n 2 = n ; y una matriz B de orden n × p se subdivide como
€
€ €
⎡ B ⎤ ⎡ B ⎤
B = ⎢ 1 ⎥ en donde B1 es n1 × p y B2 es n2 × p , entonces AB = [ A1 A2 ] ⎢ 1 ⎥=
A1B1 + A2 B2
⎣B
2 ⎦ ⎣B
2 ⎦
€ EJEMPLO €
⎡ 3 0 −1⎤ ⎡ 2 1⎤
⎢ ⎥ ⎢ ⎥
Si A = ⎢−2
4 1⎥ y B = ⎢ 1 3⎥
⎣ 1
⎢ −1 ⎦
2⎥
⎣−1
⎢ ⎦
1⎥
entonces
€ €
⎡ 3 0 −1⎤ ⎡ 2 1⎤ ⎡ 3 0⎤ ⎤
⎡−1 ⎡6 3⎤ ⎡ 1 −1⎤ ⎡ 7 2⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎡2 1⎤ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
AB = ⎢−2
4 1⎥ ⎢ 1 3⎥ = ⎢−2
4 ⎥ ⎢ ⎥+
1 [ −1, 1] = ⎢0 10⎥+ ⎢−1 1⎥ = ⎢−1 11⎥
⎣1 3⎦ ⎢ ⎥
⎣ 1
⎢ −1 ⎦
2⎥
⎣−1
⎢ ⎦ ⎣ 1
1⎥ ⎢ −1⎥⎦ ⎣ 2⎥
⎢ ⎦ ⎣1
⎢ ⎦ ⎣
−2⎥ ⎢−2 ⎦ ⎢
2⎥
⎣−1 ⎦
0⎥
lo que puede verificarse por multiplicación matricial directa.
€
Las matrices se pueden subdividir en más de dos submatrices. De hecho, es posible particionar una matriz
m × n en un máximo de mn submatrices; observemos que la partición máxima equivale a no subdividir en
absoluto la matriz, puesto que cada elemento se trata como una matriz escalar. A menos que se tenga una
partición lógica en términos de las variables de un problema, las matrices se deben subdividir para facilitar los
cálculo; esto implica un compromiso razonable entre minimizar el número de submatrices y minimizar su
tamaño máximo.
Las matrices se particionan ya sea horizontalmente o verticalmente. Por tanto, la matriz A de orden m × n se
puede subdividir en la forma
⎡ A A12 ⎤
A = ⎢ 11 ⎥
⎣A
21 A22 ⎦
€
⎡B B12 ⎤
Si la matriz B de orden n × p se particiona como B = ⎢ 11 ⎥
⎣B
21 B22 ⎦
€
en donde B11 es n1 × p1 , B12 es n1 × p2 , B21 es n2 × p1 , B22 es n2 × p2 , y asimismo, n1 × n2 = n , p1 × p2 = p ,
entonces A y B están particionadas en forma compatible para la multiplicación y
⎡ 1 3 1⎤
⎢ 3
⎥⎡ −2 1 0 −1⎤
⎡ A B
A12 ⎤⎡ 11 B12 ⎤ ⎢−1 0 1⎥⎢
€
entonces AB = ⎢ 11
⎥⎢ ⎥
= 5 −1 4 −3
⎥
2⎥
⎣A
21 A22 ⎦⎣
B 21 B22 ⎦ ⎢ 2 −1
4 ⎥⎢
⎢ 3
⎢
⎥⎣ −2 0 1 ⎦
−1⎥
⎣ 0 2 −3⎦
y
⎡ 1 3⎤ ⎡1 ⎤
⎡18 −5⎤ ⎡ 3 −2⎤ ⎡21
−7⎤
⎢ ⎥⎡ 3 −2⎤ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
A
€11B11 + A12 B21 = ⎢−1
0⎥⎢ 5 ⎥+
1 [ 3, −2] = ⎢−3 2⎥ + ⎢ 3 −2⎥= ⎢ 0 0⎥
⎣ −1⎦ ⎢ ⎥
⎣ 2
⎢ −1⎦
⎥ ⎣4 ⎥
⎢ ⎦ ⎣ 1
⎢ ⎦ ⎢
−3⎥
⎣12 −8⎦ ⎢
⎥
⎣13 ⎦
−11⎥
⎡ 1 3⎤ ⎡1 ⎤
⎡13 −9 5⎤ ⎡0 1 −1⎤ ⎡13 −8 4
⎢ ⎥⎡ 1 0 −1⎤ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢
€ A11B12 + A12 B22 = ⎢−1
0⎥⎢
⎣4 ⎥+
1 [0, 1, −1] = ⎢−1 0 1⎥+ ⎢0 1 −1⎥= ⎢−1 1 0
−3 2⎦ ⎢ ⎥
⎣ 2
⎢ ⎦
−1⎥ ⎣4 ⎥
⎢ ⎦ ⎣
⎢−2 3 ⎦ ⎢
−4 ⎥ ⎣0 4 ⎦ ⎣
−4 ⎥ ⎢−2 7 −8
⎡3 −2⎤
A21B11 + A22 B21 = [0, 2] ⎢ ⎥+
[ −3] [ 3, −2] = [10, −2] + [ −9, 6] = [1, 4]
€ ⎣5 −1⎦
⎡ 1 0 −1⎤
A21B12 + A22 B22 = [0, 2] ⎢ ⎥+
[−3] [0, 1, −1] = [8, −6, 4 ] + [0, −3, 3] = [8, −9, 7]
€ ⎣4 −3 2⎦
En consecuencia,
€
⎡21 −7 13 −8 4 ⎤
⎡ A B + A12 B21 ⎢ ⎥
A11 B12 + A12 B22 ⎤ ⎢ 0 0 −1 1 0⎥
AB = ⎢ 11 11 =
⎥
⎣A
21 B11 + A22 B21 A21 B12 + A22
B22 ⎦ ⎢13 −11 −2 7 −8⎥
⎢ ⎥
⎣ 1 4 8 −9 7⎦
lo cual se puede verificar por multiplicación matricial directa.
€
PROBLEMAS
1. Calcule lo siguiente:
Emplee matrices subdivididas para verificar los resultados.
€
⎡5 ⎤ ⎤
⎡−1
⎢ ⎥ ⎢ ⎥
2. Si U = [1, −1, 4 ] , X = [0, 1, 2] , V = ⎢0 ⎥ y Y = ⎢−1
⎥, obtenga
⎣1 ⎥
⎢ ⎦ ⎣ ⎦
⎢ 2⎥
a. AC b. DA c. AD d. BC e. DAC f . BCDA
demuestre que
€
a. A 2 = B2 = C 2 = I b. AB = BA = C c. BC = CB = A d. AC = CA = B
Emplee matrices particionadas para verificar los resultados.
€
⎡ 5 4 −2⎤
⎢ ⎥
6. Si A = ⎢ 4 5 −2⎥
⎢
⎣−2 −2 ⎥
2⎦
€
⎡1 0⎤ ⎡0 0⎤ ⎡2 2⎤ ⎡2 3⎤
7. Si A = ⎢ ⎥ B = ⎢ ⎥ C = ⎢ ⎥ D = ⎢ ⎥
⎣1 0⎦ ⎣1 1⎦ ⎣2 2⎦ ⎣4 25⎦
evalúe
€
2
a. AB − 2CD b. A 2 c. (BC )
a. UV b. VU + X c. XY
€
Emplee matrices particionadas para verificar los resultados.
€ ⎡ 2 −2 −4 ⎤
⎡−1 2 4 ⎤
⎢ ⎥ ⎢ ⎥
9. Si U = ⎢−1
3 4 ⎥ V = ⎢ 1 −2 −4 ⎥
⎣ 1
⎢ −2 −3⎥⎦
⎣−1
⎢ 2 4⎥⎦
demuestre que
€
a. U 2 =U y V 2 =V b. UV =VU = O c. U +V = I
Utilice matrices subdivididas para comprobar los resultados.
€
⎡ 1 2 3⎤
⎢ ⎥
10. Si X = ⎢ 1 2 3⎥
⎢
⎣−1 −2 ⎥
−3⎦
demuestre que X 2 = O . Utilice matrices con subdivisión para comprobar el resultado.
€
⎡ 1 −2 1⎤ ⎡ 2 5 −1 −7⎤ ⎡ 3 6 0 −6⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
11. Si A = ⎢ 2 1 −3⎥ X = ⎢−2
1 3 4 ⎥ Y = ⎢−1
2 4 5⎥
€ ⎢−5
⎣ 2 ⎦
3⎥ ⎣ 3 2
⎢ 1 2⎥⎦ ⎣ 4 3
⎢ 2 ⎦
3⎥
determine AB − CD ′ .
€
€
Respuestas a los Problemas de Número Impar
⎡ 0 −4⎤
⎢ ⎥ 13⎤
⎡29
1. a. ⎢ 0 −9⎥ b. ⎢ ⎥
⎣−6
−3⎦
7⎥⎦
⎢⎣13
3. a. 2× 3 b. 3× 3 c. 2×2 d. 4 × 3 e. 3× 3 f. 4×3
−32⎤
⎡−24 ⎡1 0⎤ ⎡ 0 0⎤
7. a. ⎢ ⎥ b. ⎢ ⎥ c. ⎢ ⎥
⎣−24
−32⎦ ⎣1 0⎦ ⎣16
16⎦