Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Matrices PDF
Matrices PDF
1.1. Definiciones
Dados dos enteros m, n ≥ 1 y un cuerpo conmutativo IK, llamamos matriz de m
filas y n columnas con coeficientes en IK a un conjunto ordenado de n vectores
am
y cada una de sus filas es un escalar.
1.3. Tipos particulares de matrices 3
In = (δij )
A × B ∈ M(m, n, IK),
mediante la regla
r
X
Cj (A × B) = bhj Ch (A), ∀j ∈ [1, n].
h=1
r
X
= (a1h bhj , a2h bhj , . . . , amh bhj ) =
h=1
r
X r
X r
X
=( a1h bhj , a2h bhj , . . . , amh bhj ) ⇒
h=1 h=1 h=1
1.5. Propiedades de la multiplicación de matrices 5
r
X
⇒ cij = eij (A × B) = aih bhj , ∀i ∈ [1, m], ∀j ∈ [1, n],
h=1
⇒ (A × B) × C = A × (B × C).
b) Distributiva:
c) De neutralidad:
A ∈ M(m, n, IK) ⇒ Im × A = A = A × In .
d) Asociativa mixta:
Demostración:
Ps Ps Pr
a) Cj ((A × B) × C) = k=1 ckj Ck (A × B) = k=1 ckj ( h=1 bhk Ch (A)) =
r X
X s r
X
= ( bhk ckj )Ch (A) = ehj (B × C)Ch (A) = Cj (A × (B × C)).
h=1 k=1 h=1
Pr Pr
b) Cj ((A + B) × C) = h=1 chj Ch (A + B) = h=1 chj (Ch (A) + Ch (B)) =
r
X r
X r
X
= (chj Ch (A) + chj Ch (B)) = chj Ch (A) + chj Ch (B) =
h=1 h=1 h=1
= Cj (A × C) + Cj (B × C) = Cj (A × C + B × C),
r
X r
X
Cj (Ax(B + C)) = ehj (B + C)Ch (A) = (bhj + chj )Ch (A) =
h=1 h=1
r
X r
X r
X
= (bhj Ch (A) + chj Ch (A)) = bhj Ch (A) + chj Ch (A) =
h=1 h=1 h=1
= Cj (A × B) + Cj (A × C) = Cj (A × B + A × C).
Pr Pr
c) Cj (Im × A) = h=1 ahj Ch (In ) = h=1 ahj eh = (a1j , a2j , . . . , amj ) =
r
X
= Cj (A) = δhj Ch (A) = Cj (A × In ).
h=1
Pr Pr
d) Cj ((aA) × B) = h=1 bhj Ch (aA) = h=1 bhj (aCh (A)) =
r
X r
X r
X
= (bhj a)Ch (A) = (abhj )Ch (A) = a(bhj Ch (A)) =
h=1 h=1 h=1
r
X
=a bhj Ch (A) = aCj (AxB) = Cj (a(AxB)) =
h=1
r
X r
X
= aCj (AxB) = a bhj Ch (A) = a(bhj Ch (A)) =
h=1 h=1
r
X r
X
= (abhj )Ch (A) = ehj (aB)Ch (A) = Cj (A × (aB)).
h=1 h=1
Demostración:
Este teorema indica que la traza es una forma lineal del espacio M(n, IK).
tr (A × B) = tr (B × A).
Demostración:
n
X n X
X r
tr (A × B) = eii (A × B) = ( aih bhi ) =
i=1 i=1 h=1
r X
X n r
X
= ( bhi aih ) = ehh (B × A) = tr (B × A).
h=1 i=1 h=1
2
8 Capı́tulo 1. Matrices y sus operaciones
Demostración:
2
La aplicación
t
: M(m, n, IK) → M(n, m, IK), de ley A 7→ At ,
se nombra como proceso de trasposición. De las dos primeras propiedades se
sigue que se trata de una aplicación lineal. De la última se desprende que es una
biyección y que su inversa es la trasposición
t
: M(n, m, IK) → M(m, n, IK).
Por tanto, la trasposición es un isomorfismo lineal de M(m, n, IK) sobre M(n, m, IK).
En el caso m = n (matrices cuadradas) se trata de un automorfismo inverso de
sı́ mismo.
Proposición 1.5 Dadas las matrices A ∈ M(m, r, IK), B ∈ M(r, n, IK), se cumple
(A × B)t = B t × At .
1.8. Matrices simétricas y antisimétricas 9
Demostración:
Basta ver que, para todo i ∈ [1, n], se cumple
Demostración:
Trasponiendo en A × A−1 = A−1 × A = I, y observando que I t = I porque la
diagonal no se altera por trasposición, se obtiene
Demostración:
Si A y B son simétricas y a ∈ IK, se tiene
2
Se denota por S(n, IK) y no se trata de un subanillo, pues en general
(A × B)t = B t × At = B × A 6= A × B.
Si A es antisimétrica los elementos diagonales, por coincidir con sus opuestos, son
nulos. Para i < j, aji se iguala a −aij , luego sólo toman valores arbitrarios los
situados encima de la diagonal. La matriz, pues, se presenta ası́:
Demostración:
Si A y B son antisimétricas y a ∈ IK, se tiene