Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Operaciones Con Matrices
Operaciones Con Matrices
∀α, β, γ ∈ R (α + β) + γ = α + (β + γ).
∀α, β ∈ R α + β = β + α.
∃ζ ∈ R ∀α ∈ R α + ζ = α.
Se puede demostrar que el número con esta propiedad es único. Este elemento se llama
cero y se denota por 0.
∀α ∈ R ∃β ∈ R α + β = 0.
si a + c = b + c, entonces a = b.
∀α, β ∈ R αβ = βα.
∃ε ∈ R ∀α ∈ R αε = α.
Se puede demostrar que el número ε con esta propiedad es único. Este elemento se llama
uno y se denota por 1.
10. Existencia de un número real inverso para todo número real no nulo.
∀α ∈ R \ {0} ∃β ∈ R αβ = 1.
+ 0 1 · 0 1
0 0 1 0 0 0
1 1 0 1 0 1
6. Ejemplo. Las siguientes triplas son dos representaciones del mismo elemento de R3 :
√ √
8 2 2
ln(3) − ln(2) y ln(3/2) .
sen π 0
∀k ∈ {1, 2, 3} (a + b)k = ak + bk .
11. Ejemplos.
3
− 31 5 8
4 12 3 8
−2.3 + 6.1 = 3.8 , 3 log2 5 = log2 125 .
12. Definición (vectores aritméticos de longitud 3). Las triplas reales consideradas
con estas operaciones se llaman a menudo vectores aritméticos reales de longitud 3 o
vectores del espacio R3 . Al trabajar con productos de la forma λa, donde λ ∈ R y a ∈ R3 ,
los números λ suelen denominarse escalares. Las operaciones de la suma y del producto
por escalar definidas arriba se llaman operaciones lineales en R3 .
(vii)
==== a + (b + c).
En los pasos (i) y (vii) usamos la notación para las componentes de a, b, c, en los pasos
(ii) y (iii) usamos la definición de la suma en R3 , en el paso (iv) aplicamos la propiedad
asociativa de la adición en R, y en los pasos (v) y (vi) otra vez usamos la definición de la
suma en R3 .
∀a, b ∈ R3 a + b = b + a.
∀a ∈ R3 1 a = a.
Demostración. Sea
a1
a = a2 .
a3
Entonces
a1 1 · a1 a1
(i) (ii) (iii) (iv)
1 a === 1 a2 === 1 · a2 ==== a2 ==== a.
a3 1 · a3 a3
Justificación:
(i) Notación para las componentes de la tripla a.
3 · 42 48
n
2. Variable muda. En la notación a = f (j) j=1 la variable j es muda. Esto significa
que el vector a no depende de j, además la variable j se puede cambiar por otra variable.
3 · 12 3
2 4 3 · 22 12
3. Ejemplo. 3k k=1 = 3 · 32 = 27 .
3 · 42 48
4. Notación para sacar una componente de una tupla. Sea x ∈ Rn y sea j ∈
{1, . . . , n}. Entonces denotamos por xj a la j-ésima componente de x. Si x es un objeto
complicado, entonces lo escribimos entre paréntesis: (x)j .
5. Ejemplo. La suma de elementos de Rn se define por componentes. Si a, b ∈ R3 son
−3 5
4 7
a= −2
, b = 6 ,
0 −1
entonces
2
11
a+b=
4 .
−1
En esta situación para referir a la tercera componente de a + b escribimos (a + b)3 :
(a + b)3 = a3 + b3 = −2 + 6 = 4.
Además,
−5
−5
{−5, 1, −5} = {−5, 1}, pero 1 =6 .
1
−5
Operaciones lineales en Rn
6. Definición (suma de dos n-tuplas). La adición de n-tuplas se define por compo-
nentes (entrada por entrada):
n n n
ak k=1 + bk k=1 := ak + bk k=1 .
8. Ejemplos.
√
5 5 3
" √ # " √ # " √ # √
7 2 −5 2 2 2 √ − 3 −3
+ = , 3
= 0 .
−1.5 6 4.5 0
√
2 2 3
7 7
9. Definición (vectores aritméticos). Las n-tuplas reales consideradas con estas opera-
ciones se llaman a menudo vectores aritméticos reales. Cuando se consideran los productos
de la forma λa, donde λ ∈ R y a ∈ Rn , los números λ se llaman escalares.
(ii) n n
=== ak + bk k=1 + ck k=1
(iii)
h in
==== (ak + bk ) + ck
k=1
(iv)
h in
==== ak + (bk + ck )
k=1
(v) n n
=== ak k=1 + bk + ck k=1
(vi) n n
n
==== ak k=1 + bk k=1 + ck k=1
(vii)
==== a + (b + c).
Justificación de los pasos:
(i), (vii) notación para las entradas de a, b, c,
(ii), (iii), (v), (vi) definición de la adición en Rn ,
(iv) propiedad asociativa en R.
∀a, b ∈ Rn a + b = b + a.
0n ∈ Rn ,
∀k ∈ {1, . . . , n} 0n k = 0.
∀a ∈ Rn a + 0n = 0n + a = a.
15.
Definición
n de la tupla opuesta (inversa aditiva). Sea a ∈ Rn . Entonces la tupla
−ak k=1 se denota por −a y se llama la tupla opuesta o inversa aditiva a la tupla a.
16. Ejercicio (propiedad principal de la tupla opuesta). Demuestre que para todo
a ∈ Rn ,
a + (−a) = (−a) + a = 0n .
∀a ∈ Rn 1 a = a.
Ejemplos de campos
4 axiomas de adición;
la ley distributiva;
4 axiomas de multiplicación;
axioma 0 6= 1.
√
6. Números de la forma a + b 2, donde a y b son racionales. Es fácil ver que la
suma y el producto de números de esta forma también se pueden escribir en esta forma.
√
7. Ejercicio. Demuestre que {a + b 2 : a, b ∈ Q} cumple con todos los axiomas del
campo.
+ 0 1 · 0 1
0 0 1 0 0 0
1 1 0 1 0 1
10. ¿Para qué sirven campos finitos?. Los campos finitos (por ejemplo, F2 ) son muy
importantes en la teorı́a de señales y en la criptografı́a.
Combinaciones lineales
1. Definición (combinación lineal). Sean a1 , . . . , am ∈ Rn . Entonces cualquier expre-
sión de la forma
λ1 a1 + . . . + λm am ,
donde λ1 , . . . , λm ∈ R, se llama combinación lineal de los vectores a1 , . . . , am .
2. Ejemplo. Sean a1 y a2 los siguientes vectores en R3 :
7 3
a1 = −1 ,
a2 = 2 .
2 4
Calcular la combinación lineal 2a1 − 5a2 .
3. Sean a1 , a2 , b los siguientes vectores en R2 :
−2 3 5
a1 = , a2 = , b= .
1 5 17
Muestre que b es una combinación lineal de a1 y a2 .
4
X
ai = a1 + a2 + a3 + a4 .
i=1
7
X
2. Ejemplo. bi = b1 + b 2 + b3 + b4 + b5 + b6 + b7 .
i=1
0
X n+1
X n
X
ai = 0, ai = ai + an+1 .
i=1 i=1 i=1
Esta definición inductiva se usa para demostrar formalmente (por inducción) las propie-
dades de sumas escritas en continuación. En los cursos de Álgebra II y Álgebra III no
tenemos tiempo para demostrar formalmente las propiedades de sumas.
4. La variable de
n
la sumatoria es una variable “muda”.
X
En la notación ai la variable i se llama variable de la sumatoria o ı́ndice de la suma-
i=1
n
X
toria. Esta variable es muda, esto es, el valor de la suma ai no depende de i.
i=1
La variable i se puede cambiar por otra variable:
n
X n
X
ai = ak .
i=1 k=1
Z2π
1
cos(kx) dx.
2π
0
=
0 0 1 0
4
X
7. Ejemplo. δi,7 ai = δ1,7 a1 + δ2,7 a2 + δ3,7 a3 + δ4,7 a4 = 0.
i=1
|{z} |{z} |{z} |{z}
=
0 0 0 0
2. Si j ∈
/ {1, . . . , n}, entonces
n
X
δi,j ai = 0.
i=1
1 0
2. Sea j ∈/ {1, . . . , n}. Entonces para todo i ∈ {1, . . . , n} tenemos que i 6= j, por lo tanto
δi,j = 0, ası́ que todos los sumandos son cero.
Objetivos. Conocer dos notaciones que se usan para definir matrices mediante fórmulas.
m,n
1. Notación. La notación A = f (i, j) i,j=1 significa que A es una matriz de tamaño
m × n tal que su entrada ubicada el i-ésimo renglón y j-ésima columna es igual a f (i, j),
para todo i ∈ {1, . . . , m} y todo j ∈ {1, . . . , n}. Aquı́ f es una función de dos argumentos,
por lo común dada por una fórmula con variables i y j.
11 cos(1) 11 cos(2)
h i3,2
2. Ejemplo. (i + 10) cos(j) = 12 cos(1) 12 cos(2) .
i,j=1
13 cos(1) 13 cos(2)
7. Puede suceder que las entradas de una matriz dependen sólo del ı́ndice de renglón o
del ı́ndice de columna. Para no confundirnos, escribimos los ı́ndices de cada entrada y
aplicamos la fórmula:
i=1, j=1 i=1, j=2 i=1, j=3 " #
i2,3 2 2 2 36 49 64
h 6 7 8
(j + 5)2 =
i=2, j=1
= .
i,j=1 i=2, j=2 i=2, j=3 36 49 64
62 72 82
h i3 5δ1,2 5δ1,2 5δ2,2 0 0 0
8. 5δi,2 = 5δ2,2 5δ2,2 5δ2,2 = 5 5 5 .
i,j=1
5δ3,2 5δ3,2 5δ3,2 0 0 0
9. Otro estilo de definir matrices. Una matriz se puede definir al especificar su tamaño
y escribir una fórmula f (i, j) para su (i, j)-ésima entrada. Como siempre, el primer ı́ndice
denota al número del renglón, y el segundo ı́ndice de la columna.
21 22
10. Sea A ∈ M3×2 (R) tal que Ai,j = 20i + j. Entonces A = 41 42 .
61 62
1 1
p 2 3
11. Sea A ∈ M2 (R) con Ap,q = . Entonces A = .
q+1 1 2
3
3. Ejercicio sencillo. Escriba la fórmula general que expresa (A + B)i,j a través de los
elementos de A y B.
7. Ejercicio. Sean f : R2 → R2 , g : R3 → R2 ,
y1 z1 4y1 − 5y2
f: 7→ = ,
y2 z2 y1 + 3y2
x1
y 1 x 1 − 2x 2 + x 3
g : x2 →
7 = .
y2 3x1 − 4x2 − 4x3
x3
1. Definición (matriz). Una matriz m por n es una tabla de tamaño m por n. Aquı́ m
es el número de las filas, n es el número de las columnas. La entrada (la componente, el
elemento) de la matriz A que está en la i-ésima fila y la j-ésima columna la denotamos
por Ai,j . Las entradas de matrices pueden ser números u objetos más complicados. Sea F
un campo y sean m, n números enteros positivos. Denotemos por Mm×n (F) al conjunto
de todas las matrices de tamaños m × n cuyas entradas pertenecen a F.
2. Definición más formal. Una matriz de tamaño m por n con elementos del campo F
se puede definir como una función {1, . . . , m} × {1, . . . , n} → F.
4. Ejemplo. Sea
3 −5/2 4 0
A = −7 2 0 15 .
2 0 4 4
Entonces A ∈ M3×4 (R). También es verdad que A ∈ M3×4 (Q) y que A ∈ M3×4 (C).
Escribamos los valores de algunas entradas de A: A1,2 = −5/2, A3,3 = 4, A5,2 no está de-
finido.
9. Ejemplo. Sean
3 −5 4 7
A= 1 4 , B = −1 2 .
0 2 3 −5
Calcule A + B y 5A.
10. Propiedades de las operaciones lineales con las matrices. Es fácil ver que
el conjunto Mm×n (F) con las operaciones lineales (suma de matrices y producto de una
matriz por un escalar) cumplen con las mismas propiedades aritméticas que las operaciones
lineales en Fn . Por ejemplo, la adición es asociativa y conmutativa, la matriz nula 0m,n es
un elemento neutro con respecto a la adición, 1A = A para toda A, etc.
11. Definición (producto de matrices). Sean A ∈ Mm×n (F) y B ∈ Mn×p (F). Enton-
ces el producto de A por B se define como
" n #m,p
X
AB := Ai,k Bk,j .
k=1 i,j=1
Esto es, AB ∈ Mm×p (F) y para todos i ∈ {1, . . . , m}, j ∈ {1, . . . , p},
n
X
(AB)i,j = Ai,k Bk,j .
k=1
17. Ejercicio. Sean A y B matrices tales que existen ambos productos AB y BA,
¿Qué podemos concluir sobre los tamaños de A y B? ¿Tienen que ser cuadradas las
matrices A y B o no necesariamente?.
18. Definición (la traza de una matriz). Sea A una matriz cuadrada: A ∈ Mn (F).
La traza de A se define mediante la fórmula:
n
X
tr(A) := Ak,k .
k=1
19. La traza del producto no depende del orden de los factores. Sean A, B ∈
Mn (F). Demuestre que tr(AB) = tr(BA).
1. (A + B) + C = A + (B + C).
2. A + 0m,n = A, 0m,n + A = A.
4. A + B = B + A.
5. (λ + µ)A = λA + µA.
6. λ(A + B) = λA + λB.
7. λ(µA) = (λµ)A.
8. 1A = A.
Estas propiedades se demuestran de la misma manera que las propiedades de las opera-
ciones lineales en Fn (o en Rn ).
Demostración de la propiedad conmutativa de la adición en Mm×n (F). Tenemos por de-
mostrar que
A + B = B + A.
Por la definición de la suma de dos matrices, A + B ∈ Mm×n (F) y B + A ∈ Mm×n (F),
ası́ que las matrices A y B son del mismo tamaño. Probemos que sus entradas correspon-
dientes son iguales. Para cualquier par de ı́ndices (i, j) con i ∈ {1, . . . , m}, j ∈ {1, . . . , n}
tenemos la siguiente cadena de igualdades:
(1) (2) (3)
(A + B)i,j === Ai,j + Bi,j === Bi,j + Ai,j === (B + A)i,j .
En las igualdades (1) y (3) se aplica la definición de la suma de matrices, y en el paso (2)
se usa la propiedad conmutativa de la adición en F.
A ∈ Mm×n (F)
AB ∈ Mm×p (F)
BC ∈ Mn×q (F)
C ∈ Mp×q (F)
Demostremos que las entradas correspondientes de las matrices A(BC) y (AB)C son
iguales. Sean i ∈ {1, . . . , m}, j ∈ {1, . . . , q}. Vamos a demostrar que
(AB)C i,j = A(BC) i,j . (1)
Transformamos el lado izquierdo de la fórmula (1) usando la definición del producto de
matrices y la propiedad distributiva en F:
p p p
n
! n
X X X X X
(AB)C i,j = (AB)i,s Cs,j = Ai,k Bk,s Cs,j = (Ai,k Bk,s )Cs,j .
s=1 s=1 k=1 s=1 k=1
A(B + C) = AB + AC.
(A + B)C = AC + BC.
(λA)B = λ(AB).
A(λB) = λ(AB).
Requisitos. Matrices, notación breve para definir matrices, operaciones con matrices.
1. Ejemplo. Sea
5 4 −7
A= .
0 3 1
Entonces la matriz transpuesta de la matriz A, denotada por A> , es la siguiente matriz:
5 0
>
A = 4 3 .
−7 1
Los renglones de la matriz A son columnas de la matriz A> , y las columnas de la matriz
A son renglones de la matriz A> . Se puede notar que, por ejemplo, la entrada (3, 1) de la
matriz A> es la entrada (1, 3) de la matriz A:
2. Más ejemplos.
−2 7
> −2 3 −7
A = 3 1 , A = ,
7 1 0
−7 0
8 1
−1 7 > 8 −1 4 5
B= 4 6 ,
B = ,
1 7 6 2
5 2
6 −5 4 6 1 1
C= 1 2 −1 , C > = −5 2 8 .
1 8 2 4 −1 2
Encuentre una relación entre los tamaños de A y A> , escriba (A> )2,1 como Ap,q con algunos
subı́ndices p y q; escriba (A> )1,3 como Ar,s con algunos subı́ndices r y s.
3. Definición (la transpuesta de una matriz). Sea A ∈ Mm×n (F). Entonces la matriz
transpuesta de A, la cual denotamos por A> , se define mediante la regla
n,m
A> := Aj,i i,j=1 .
Esto es,
A> ∈ Mn×m (F),
y para cualquier par de ı́ndices (i, j), donde i ∈ {1, . . . , n}, j ∈ {1, . . . , m},
def mytranspose(A):
m = len(A);
n = len(A[0]) if (m > 0) else 0
B = [0] * n
for j in range(n):
B[j] = [0] * m
for k in range(m):
B[j][k] = A[k][j]
return B
II. Calcule la matriz (A> )> , esto es, la transpuesta de la matriz A> .
Basándose en los resultados de los incisos II, III, IV enuncie reglas generales.
7. Ejercicio: la transpuesta del producto de dos matrices. Calcule AB, AB > , A> ,
B > , A> B > y B > A> , donde
−7 3 6 1
A= , B= .
2 4 −1 0
Determine cuál de los dos productos A> B > o B > A> está definido y calcúle este producto.
Encuentre una relación entre este producto y la matriz (AB)> .
Las demostraciones de las propiedades 2 y 3 también son muy simples y se dejan como
ejercicios.
4. Demostremos la propiedad más interesante, (AB)> = B > A> . Primero, determine-
mos las tamaños de las matrices. La matriz AB es de tamaño m × p, por eso (AB)> es de
tamaño p × m. La matriz B > tiene tamaño p × n, A> tiene tamaño n × m, por eso B > A>
tiene tamaño p × m. Resumen: las matrices (AB)> y B > A> son del mismo tamaño.
Calculemos la (i, j)-ésima entrada de (AB)> :
n
X
>
(AB) i,j
= (AB)j,i = Aj,k Bk,i .
k=1
A> = −A.
3. Ejemplo. Para cada una de las siguientes matrices determine si esta es simétrica o no,
si es antisimétrica o no.
0 −2 7 3 −5 1
7 3 3 0 0 0
, 2 0 0 , 5 8 2 , , .
3 1 0 −5 0 0
−7 0 0 −1 −2 4
5. Ejercicio. ¿Cuántas entradas diferentes puede tener una matriz simétrica de orden
n?.
6. Ejercicio. Sea A ∈ Mn (R) una matriz antisimétrica. Demuestre que todas las entradas
diagonales de A son nulas.
10. Ejercicio. Demuestre que la suma y el producto por escalar de matrices simétricas
también son matrices simétricas. Sugerencia: use las propiedades de la matriz transpuesta.
Enuncie y demuestre la propiedad análoga para matrices antisimétricas.
11. Ejercicio. Sea A ∈ Mn (R) una matriz simétrica y al mismo tiempo antisimétrica.
Demuestre que A es nula.
12. Ejercicio. Construya una matriz A ∈ M2 (F2 ) que sea simétrica, antisimétrica y no
nula.
13. Ejercicio. Sea A ∈ Mn (R). Demuestre que existe un único par de matrices (B, C)
tal que A = B + C, B es simétrica y C es antisimétrica. En otras palabras, cada matriz
cuadrada se puede representar de manera única como suma de una matriz simétrica y
una matriz antisimétrica.
Al escribir xk en vez de xk,1 y (x> A)j en vez de (x> A)1,j , obtenemos la siguiente fórmula:
n
X
(x> A)j = xk Ak,j .
k=1
Notación (i-ésimo renglón de A). Sean A ∈ Mm×n (F), i ∈ {1, . . . , m}. Denotemos
por Ai,∗ al i-ésimo renglón de la matriz A. Formalmente, Ai,∗ ∈ M1×n (F) y
(Ai,∗ )j = Ai,j .
Notación (j-ésima columna de A). Sean A ∈ Mm×n (F), j ∈ {1, . . . , n}. Denotemos
por A∗,j a la j-ésima columna de la matriz A. Formalmente, A∗,j ∈ Mm×1 (F) y
(A∗,j )i = Ai,j .
En esta fórmula sólo participan los elementos del i-ésimo renglón de A. Por eso
(AB)i,∗ = Ai,∗ B.
(AB)∗,j = AB∗,j .
9. Ejercicio. Calcule
30
A 40 ,
−10
si se sabe que
2 3 −5
4 −2 7
A −7
4 8 =
.
3 0 1
0 −1 3
12. Ejercicio. Sean A ∈ Mm×n (F) y q ∈ {1, . . . , n}. Calcule el producto Aeq . Enuncie la
fórmula y escriba una demostración formal usando la delta de Kronecker.
Objetivos. Comprender cómo están relacionados los renglones y columnas del producto
de matrices con los renglones y columnas de los factores.
Entonces usamos la notación A2,∗ para el segundo renglón de A y la notación A∗,3 para
la tercera columna de A:
0
A2,∗ = 3 4 −4 −1 , A∗,3 = −4 .
−1
(AB)i,∗ = Ai,∗ B,
esto es, el i-ésimo renglón del producto de dos matrices es igual al producto del i-ésimo
renglón de la primera matriz por la segunda matriz.
(AB)∗,j = AB∗,j ,
esto es, la j-ésima columna del producto de dos matrices es igual al producto de la primera
matriz por la j-ésima columna de la segunda matriz.
7. Ejercicio. Sean A ∈ Mm×n (F), B ∈ Mn×p (F). Determine qué pasa con el producto
AB si:
Objetivos. Comprender que renglones del producto de matrices son combinaciones li-
neales de los renglones del segundo factor, y las columnas del producto de matrices son
combinaciones lineales de las columnas del primer factor.
Requisitos. Definición del producto de matrices, notación para los renglones y columnas
de matrices.
es decir, el i-ésimo renglón del producto de dos matrices es una combinación de los renglo-
nes de la segunda matriz, donde los coeficientes de la combinación lineal son las entradas
del i-ésimo renglón de la primera matriz.
es decir, la j-ésima columna del producto de dos matrices es una combinación de las
columnas de la primera matriz, donde los coeficientes de la combinación lineal son las
entradas de la j-ésima columna de la segunda matriz.
La delta de Kronecker
Definición (la delta de Kronecker). La función δ : Z × Z → {0, 1} definida mediante
la regla (
1, si i = j,
δi,j =
0, si i 6= j,
se llama el sı́mbolo de Kronecker o la delta de Kronecker.
1. Ejemplos.
δ2,5 = δ5,2 = 0, δ4,4 = 1, δ−3,−3 = 1, δ7,1 = δ1,7 = 0.
Si i ∈
/ S, entonces X
ak δk,i = 0.
k∈S
Es decir, todos los elementos diagonales de la matriz identidad son iguales a 1, y todos
los elementos fuera de la diagonal principal son iguales a 0.
4. Ejemplos.
1 0 0
1 0
I2 = , I3 = 0 1 0 .
0 0
0 0 1
AIn = A, Im A = A.
1 0
8. Ejercicio. Sea A ∈ Mn (F) una matriz escalar, esto es, A = λIn para algún λ ∈ F.
Demuestre que A conmuta con todas las matrices de Mn (F).
Calcule los productos AEp,q y Ep,q A, donde A ∈ Mn (F). Primero puede considerar ejem-
plos, luego formular los resultados en el caso general.
10. Sea n ∈ {1, 2, . . .} un número fijo y sean Ep,q las mismas matrices que en el ejercicio
anterior. Calcule el producto Ep,q Er,s , donde p, q, r, s ∈ {1, . . . , n}.
11. Tarea adicional (teorema de Schur). Supongamos que A ∈ Mn (F) conmuta con
todas las matrices de Mn (F). Demuestre que A es una matriz escalar, esto es, A = λIn
para algún escalar λ.
Objetivos. Definir potencias enteras no negativas de una matriz cuadrada, ver que las
potencias de una matriz conmutan entre si.
∀p ∈ {0, 1, 2, . . .} Ap+1 := Ap A,
La multiplicación de matrices cumple con la ley asociativa, por eso no es necesario poner
paréntesis:
A4 = AAAA.
¿Por qué esta solución es falsa?. Porque el producto de matrices y la potencia de una
matriz no se calculan entrada por entrada, la definición del producto de matrices es más
complicada.
Solución correcta. Por definición,
2 5 −1 5 −1 25 − 2 −5 − 1 23 −6
A =A·A= = = .
2 1 2 1 10 + 2 −2 + 1 12 −1
17. Definición (la matriz de rotación del plano al ángulo α). Sea α ∈ R. La matriz
de rotación del plano asociada al ángulo α es
cos(α) − sen(α)
Rα := .
sen(α) cos(α)
19. Potencias de una matriz de rotación. Escriba y demuestre por inducción una
fórmula para Rαp . Use el resultado del ejercicio anterior.
En los siguientes dos ejercicios hay que calcular las primeras potencias de A, adivinar una
fórmula general para Ap y demostrarla por inducción.
λ 1
20. A = .
0 λ
λ 1 0
En este ejercicio lo más interesante es
21. A = 0 λ 1 .
encontrar la fórmula correcta para la entrada (Ap )1,3 .
0 0 λ
23. Tarea adicional. Dado un entero positivo p, construya una matriz cuadrada A tal
que Ap−1 6= 0 y Ap = 0.
De allı́
2 2 −3 −21 7 10 0 −9 4
P (A) = A − 7A + 10I = + + = .
21 −7 −49 0 0 10 −28 3
De allı́
−19 4 10 0 −9 4
P (A) = (A − 7I)A + 10I = + = .
−28 −7 0 10 −28 3
Respuesta:
−9 4
P (A) = .
−28 3
Objetivos. Estudiar la definición y las propiedades básicas de la matriz inversa. Más ade-
lante en este curso vamos a estudiar criterios de invertibilidad y algoritmos para calcular
la matriz inversa.
AB = In ∧ BA = In . (1)
Obviamente las matrices A y B hacen papeles simétricas en esta definición, por eso tam-
bién se puede decir que A y B son mutualmente inversas.
Una matriz cuadrada se llama invertible si posée una matriz inversa. Esta definición es
tan importante que la escribiremos otra vez de manera formal:
AB = In ∧ BA = In .
1 0
9. Ejemplo de una matriz no nula pero no invertible. Sea A = . Entonces
0 0
b1,1 b1,2 b1,1 b1,2
para cualquier matriz B = tenemos: AB = 6= I2 . Por lo tanto,
b2,1 b2,2 0 0
la matriz A no es invertible.
10. Definición (matriz invertible por la izquierda). Sea A ∈ Mn (F). Se dice que A
es invertible por la izquierda si existe una matriz B ∈ Mn (F) tal que BA = In .
11. Definición (matriz invertible por la derecha). Sea A ∈ Mn (F). Se dice que A
es invertible por la derecha si existe una matriz B ∈ Mn (F) tal que AB = In .
12. Nota. Luego vamos a demostrar que si una matriz es invertible por la izquierda,
entonces tambiés es invertible por la derecha y por lo tanto es invertible. Pero antes de
demostrar esta afirmación tenemos que distinguir dichos conceptos.
13. Proposición (una matriz que tiene por lo menos un renglón nulo no es
invertible por la derecha). Sea A ∈ Mn (F). Supongamos que (por lo menos) un
renglón de A es nulo: Ap,∗ = 01,n para algún ı́ndice p ∈ {1, . . . , n}, esto es, Ap,j = 0 para
todo j ∈ {1, . . . , n}. Entonces A no es invertible por la derecha.
=
0
14. Proposición (una matriz que tiene por lo menos una columna nula no es
invertible por la izquierda). Sea A ∈ Mn (F). Supongamos que (por lo menos) una
columna de A es nula: A∗,j = 0m para un ı́ndice j ∈ {1, . . . , n}. Entonces A no es invertible
por la izquierda.
16. Observación. Las proposiciones anteriores implican que todas las filas y todas las
columnas de una matriz invertible son no nulas. Esta condición es necesaria para la inver-
tibilidad de una matriz, pero en general no es suficiente. Existen matrices que no contienen
ninguna fila (y ninguna columna) nula, pero no son invertibles.
17. Ejercicio. Usando solamente las definiciones demuestre que la siguiente matriz no es
invertible:
2 −3
A= .
−6 9
Indicación: considere una matriz X de orden 2 con entradas incógnitas:
α β
X= ,
γ δ
18. Promesa para futuro. Más adelante en este curso vamos a estudiar varios criterios
de invertibilidad de una matriz. Para formular y demostrar esos criterios estudiaremos
los siguientes conceptos: operaciones elementales, matrices equivalentes por filas, rango
de una matriz, determinante de una matriz.
In−1 = In .
(AB)−1 = B −1 A−1 .
(A−1 )−1 = A.
AC = In , CA = In , BD = In , DB = In .
y
(6) (7) (8) (9) (10)
(DC)(AB) === ((DC)A)B === (D(CA))B === (DIn )B === DB ==== In .
En los pasos (1), (2), (6), (7) se usa la propiedad asociativa de la multiplicación de
matrices; en los pasos (4) y (9) se aplica la propiedad neutra multiplicativa de In , y en los
pasos (3), (5), (8), (10) se utilizan las propiedades de las matrices C y D que enunciamos
en el inicio de la demostración.
3. Ejemplos.
3 −2 0 1
2 −4 5
1 −6 0
0 0 7 5
, 5 0 , .
0 2 0 0 6 −4
0 0 3
0 0 0 5
Notemos que en una matriz triangular superior algunos (hasta todos) de los elementos
por encima de la diagonal principal o en la diagonal principal pueden ser iguales a cero.
Por ejemplo, la matriz nula 0n,n es triangular superior. La condición que define matrices
triangulares superiores sólo nos dice que todos los elementos por debajo de la diagonal
principal deben cero iguales a cero.
(AB)5,2 = A5,1 B1,2 + A5,2 B2,2 + A5,3 B3,2 + A5,4 B4,2 +A5,5 B5,2 +A5,6 B6,2 = 0.
|{z} |{z} |{z} |{z} |{z} |{z} |{z} |{z}
k k k k k k k k
0 0 0 0 0 0 0 0
(AB)4,4 = A4,1 B1,4 + A4,2 B2,4 + A4,3 B3,4 + A4,4 B4,4 + A4,5 B5,4 +A4,6 B6,4 = A4,4 B4,4 .
|{z} |{z} |{z} |{z} |{z}
k k k k k
0 0 0 0 0
Los primeros sumandos (k < 4) y los últimos (k > 4) son iguales a cero, y sólo se queda
un sumando (k = 4).
En las primeras dos sumatoria siempre i > k, por eso Ai,k = 0 (ya que A es triangular
superior). En la segunda y tercera sumatorias siempre k > j, y por eso Bk,j = 0 (ya que
B es triangular superior). Ası́ pues,
j i−1 n
X X X
(AB)i,j = Ai,k Bk,j + Ai,k Bk,j + Ai,k Bk,j = 0.
k=1
|{z} k=j+1
|{z} |{z} k=i
|{z}
k k k k
0 0 0 0
(i>j≥k) (i>k) (k>j) (k≥i>j)
12. Ejercicio. ¿Cuándo una matriz es triangular superior y al mismo tiempo triangular
inferior?.
13. Ejercicio. Sea A ∈ Mn (F). ¿Cuándo la matriz transpuesta A> es triangular inferior?.
Requisitos. Operaciones con matrices, notación para las componentes de una matriz.
Matrices diagonales
2 Definición (matriz diagonal). Una matriz cuadrada A ∈ Mn (F) se denomina diagonal
si todas sus componentes fuera de la diagonal principal son iguales a cero:
∀i, j ∈ {1, . . . , n} i 6= j =⇒ Ai,j = 0 .
Denotemos por Diagn (F) al conjunto de todas las matrices diagonales de tamaño n × n
sobre el campo F.
3 Definición (la matriz diagonal con componentes diagonales dadas). Dado un vector
a = [ai ]ni=1 ∈ Fn , denotemos por diag(a1 , . . . , an ) o brevemente por diag(a) la siguiente
matriz:
a1 0 0 . . . 0
0 a2 0 . . . 0
n
diag(a1 , . . . , an ) := ai δi,j i,j=1 = 0 0 a3 . . . 0 .
.. .. .. . . .
. . . . ..
0 0 0 . . . an
4 Ejemplo.
−7 0 0 0
3 0 0 0 4 0 0
diag(3, 5, −2) = 0 5 0 , diag(−7, 4, 0, 5) =
0
.
0 0 0
0 0 −2
0 0 0 5
5 Proposición. Para cada a en Fn , la matriz diag(a) pertenece a la clase Diagn (F). Para
cada matriz D de clase Diagn (F), existe un único vector a en Fn tal que D = diag(a).
Demostración. Ejercicio.
(a) A es invertible;
De allı́ ai 6= 0.
(b)⇒(a). Supongamos que los elementos a1 , . . . , an son distintos de cero. Entonces la
matriz B = diag(1/a1 , . . . , 1/an ) es la inversa a la matriz A.