Operaciones Con Matrices

Propiedades de las operaciones algebraicas
con números reales (repaso)
Objetivos. Repasar las propiedades principales de la adición y multiplicación de números

reales. Repasar la definición de campo.
Requisitos. Conjunto de los números reales R, propiedades de las operaciones aritméticas

en R.
Dos operaciones binarias en R: adición y multiplicación

A cada par ordenado (a, b) de números reales le corresponde su suma denotada por
a+b. Consideremos la función que convierte (a, b) en a+b. Esta función se llama la adición
de números reales. El dominio de definición de esta función es R2 = R × R, es decir, el
conjunto de todos los pares ordenados de números reales. El contradominio es R. En esta
situación se dice que + es una operación binaria en R y se escribe que + : R2 → R.
De manera similar, la multiplicación de números reales también es una operación
binaria.
Es importante que los resultados de estas operaciones, es decir, la suma y el producto
de números reales, también son números reales. Se dice que R es cerrado bajo la adición
y la multiplicación.
Para comprender mejor la importancia de estas propiedades notemos que la substrac-
ción de números enteros positivos no es una operación binaria en {1, 2, 3, . . .}. En efecto,
al aplicar la substracción al par ordenado (5, 9) ya salimos del conjunto {1, 2, 3, . . .}. La
división de números racionales tampoco es una operación binaria porque esta operación
no se puede aplicar al par ordenado (7, 0).
Propiedades de la adición de números reales
1. Propiedad asociativa de la adición de números reales.
∀α, β, γ ∈ R (α + β) + γ = α + (β + γ).
2. Propiedad conmutativa de la adición de números reales.
∀α, β ∈ R α + β = β + α.
Propiedades de las operaciones algebraicas con números reales (repaso), página 1 de 4

3. Existencia de un número real neutro aditivo.
∃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.
4. Existencia de un inverso aditivo para cualquier número real.
∀α ∈ R ∃β ∈ R α + β = 0.
Se puede demostrar que para todo α ∈ R el número real β con la propiedad α + β = 0

es único. Este número real se llama inverso aditivo (u opuesto) al número α y se denota
por −α.
Ejemplos de aplicación de propiedades de la adición

Para escribir a + b + c en forma c + b + a, aplicamos varias veces las propiedades
asociativa y conmutativa:
(1) (2)
(a + b) + c === (b + a) + c === b + (a + c)
(3) (4) (5)
=== b + (c + a) === (b + c) + a === (c + b) + a.
En el paso (1) se aplica la propiedad conmutativa de la adición; en el paso (2) la

propiedad asociativa. Justifique los pasos (3), (4) y (5).
Resolviendo ecuaciones aplicamos frecuentemente la ley de cancelación:
si a + c = b + c, entonces a = b.
Esta ley se puede deducir de las propiedades mencionadas arriba:

(1) (2) (3)
a === a + 0 === a + (c + (−c)) === (a + c) + (−c)
(4) (5) (6) (7)
=== (b + c) + (−c) === b + (c + (−c)) === b + 0 === b.
En el paso (4) se usa la hipótesis que a + c = b + c. Justifique los demás pasos.

Distributividad de la multiplicación respecto a la adición
5. Propiedad distributiva de la multiplicación respecto a la adición. Se tienen

propiedades distributiva: la izquierda y la derecha.
∀α, β, γ ∈ R α(β + γ) = αβ + αγ;

∀α, β, γ ∈ R α(β + γ) = αβ + αγ;
Como la multiplicación de números reales es conmutativa (véase adelante la propiedad

7), es suficiente mencionar alguna de estas dos propiedades, y la otra se obtiene como un
corolario.
Propiedades de la multiplicación de números reales
6. Propiedad asociativa de la multiplicación de números reales.
∀α, β, γ ∈ R (αβ)γ = α(βγ).
7. Propiedad conmutativa de la multiplicación de números reales.
∀α, β ∈ R αβ = βα.
8. Existencia de un número real neutro multiplicativo.
∃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.
9. Uno es diferente de cero. 0 6= 1.
10. Existencia de un número real inverso para todo número real no nulo.
∀α ∈ R \ {0} ∃β ∈ R αβ = 1.
Se puede demostrar que para todo α ∈ R \ {0} el número β con la propiedad αβ = 1

es único. Este número se llama el inverso (o inverso multiplicativo) del número α y se
denota por α−1 .

Estas propiedades significan que R es un campo (algunos autores prefieren usar la
palabra cuerpo). Formalmente, un campo es un conjunto con dos operaciones binarias
(llamadas adición y multiplicación) que satisfacen las 9 propiedades escritas arriba. Men-
cionamos algunos otros campos importantes:
El campo Q de los números racionales.
El campo C de los números complejos.
El campo F2 de dos elementos 0, 1 con operaciones definidas de la siguiente manera:
+ 0 1 · 0 1
0 0 1 0 0 0
1 1 0 1 0 1

Conjunto R3 y operaciones lineales en R3
Objetivos. Definir el conjunto R3 y operaciones lineales en R3 .
en R.
Definición del conjunto R3

1. Definición (tripla de números reales). Una secuencia (lista ordenada) de tres
números reales  
a1
 a2 
a3
se llama tripla (tripleta, terna, triada) de números reales. El orden de los elementos es
importante. Los números a1 , a2 , a3 se llaman componentes o entradas de esta tripla.
2. Nota acerca de la notación. Se usan también otras notaciones:
 
a1
(a1 , a2 , a3 ),  a2  , [a1 , a2 , a3 ].
a3
3. Notación para las componentes de una tripla. Si a ∈ R3 , entonces denotemos
por a1 , a2 , a3 las componentes de a. Por ejemplo,
 
7
si a =  −4  , entonces a2 = −4.
2
4. Definición (igualdad de triplas de números reales). Dos triplas de números
reales se llaman iguales si todas sus componentes correspondientes son iguales:
   
a1 b1
 a2  =  b 2  ⇐⇒ a1 = b1 , a2 = b2 , a3 = b3 .
a3 b3
5. Definición (conjunto R3 ). El conjunto de todas las triplas de números reales se
denota por R3 :   
 a1 
R3 :=  a2  : a1 , a2 , a3 ∈ R .
a3
 
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
Conjunto R3 y operaciones lineales en R3 , página 1 de 5

Definición de las operaciones lineales en R3
7. Definición (suma de dos triplas). La adición de triplas se define por componentes
(entrada por entrada):
         
a1 b1 a1 b1 a1 + b 1
Si  a2  ∈ R3 y  b2  ∈ R3 , entonces  a2  +  b2  :=  a2 + b2  .
a3 b3 a3 b3 a3 + b 3
8. Observación. Si a, b ∈ R3 , entonces a + b ∈ R3 . Cada componente de a + b es la suma

de las componentes correspondientes de a y b:
∀k ∈ {1, 2, 3} (a + b)k = ak + bk .
9. Definición (producto de una tripla real por un número real). La multiplicación

de triplas reales por números reales se define por componentes (o sea entrada por entrada):
   
a1 λa1
λ  a2  :=  λa2  .
a3 λa3
10. Observación. Si a ∈ R3 y λ ∈ R, entonces λa es un elemento de R3 . Cada componente

de λa es el producto de la componente correspondiente de a por el número λ:
∀k ∈ {1, 2, 3} (λa)k = λak .
11. Ejemplos.
3
− 31 5 8
         
4 12 3 8
 −2.3  +  6.1 = 3.8 , 3  log2 5  =  log2 125  .
       
log2 (5) log2 (7) log2 (35) 0.33 0.99
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 .

Propiedades asociativa y conmutativa de la adición en R3
13. Propiedad asociativa de la adición. Las operaciones en R3 tienen muchas pro-
piedades “naturales”. En particular, la adición en R3 es asociativa:
∀a, b, c ∈ R3 (a + b) + c = a + (b + c). (1)
14. Observación antes de la demostración. Recordemos que una propiedad similar

se cumple para números reales:
∀α, β, γ ∈ R (α + β) + γ = α + (β + γ). (2)
Ahora vamos a demostrar la propiedad (1) usando la definición de la suma en R3 y la

propiedad (2).
Demostración. Usamos la notación estándar para las componentes de las triplas a, b, c:

     
a1 b1 c1
a =  a2  , b =  b2  , c =  c2  .
a3 b3 c3
Entonces
         
a1 b1 c1 a1 + b 1 c1
(i) (ii)
(a + b) + c ===  a2  +  b2  +  c2  ===  a2 + b 2  +  c 2 
a3 b3 c3 a3 + b 3 c3
   
(a1 + b1 ) + c1 a1 + (b1 + c1 )
(iii) (iv)
====  (a2 + b2 ) + c2  ====  a2 + (b2 + c2 ) 
(a3 + b3 ) + c3 a3 + (b3 + c3 )
         
a1 b1 + c 1 a1 b1 c1
(v) (vi)
===  a2  +  b2 + c2  ====  a2  +  b2  +  c2 
a3 b3 + c 3 a3 b3 c3
(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 .
15. Ejercicio (propiedad conmutativa de la adición en R3 ). Demuestre que:
∀a, b ∈ R3 a + b = b + a.
¡Justifique cada paso!.

Tripla nula, tripla opuesta y sus propiedades principales
16. Definición de la tripla nula. La tripla nula tiene todas las componentes nulas. La
denotamos por 03 :  
0
03 :=  0  .
0
17. Propiedad principal de la tripla nula. Para todo a ∈ R3 ,
a + 03 = 03 + a = a.
Podemos decir que la tripla nula es un elemento neutro con respecto a la adición.
Demostración.
       
a1 0 a1 + 0 a1
(i) (ii) (iii) (iv)
a + 03 ===  a2  +  0  ===  a2 + 0  ====  a2  ==== a.
a3 0 a3 + 0 a3
Justificación:
(i) Notación para las componentes de a.
(ii) Definición de la suma en R3 .
(iii) Propiedad principal del número 0: para todo α ∈ R, α + 0 = α.
(iv) Notación para las componentes de a.
La otra igualdad 03 + a = a sigue de la igualdad a + 03 = a que acabamos de demostrar
y de la ley conmutativa en R3 .
18. Definición de la tripla opuesta (inversa aditiva). Sea
 
a1
 a2  ∈ R3 .
a3
La tripla opuesta (o inversa aditiva) a la tripla a se denota por −a y se define de la
siguiente manera:    
a1 −a1
−  a2  :=  −a2  .
a3 −a3
19. Propiedad principal de la tripla opuesta (inversa aditiva). Sea a ∈ R3 . En-
tonces
a + (−a) = (−a) + a = 03 .
20. Ejercicio. Demuestre la propiedad principal de la tripla opuesta usando el hecho que
para todo número real α se tiene la igualdad α + (−α) = 0.

Leyes distributivas en R3
21. Ejercicio (propiedad distributiva de la multiplicación de vectores por esca-
lares en R3 con respecto a la adición de escalares). Justificando cada paso escriba
la demostración de la siguiente propiedad:
∀a ∈ R3 ∀λ, µ ∈ R (λ + µ)a = λa + µa.
Use la ley distributiva en R:
∀α, β, γ ∈ R (α + β)γ = αγ + βγ.
22. Ejercicio (propiedad distributiva de la multiplicación de vectores por es-

calares en R3 con respecto a la adición de vectores). Demuestre que
∀a, b ∈ R3 ∀λ ∈ R λ(a + b) = λa + λb.
Otras propiedades de la multiplicación por escalares en R3

23. Propiedad de la multiplicación por el número uno.
∀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.
(ii) Definición del producto de elementos de R3 por números reales.
(iii) Propiedad de la unidad en R: 1 · α = α para todo α ∈ R.
(iv) Notación para las componentes de la tripla a.
24. Ejercicio. Demuestre la siguiente propiedad:
∀a ∈ R3 ∀λ, µ ∈ R λ(µa) = (λµ)a.

Notación para tuplas y sus componentes
Objetivos. Conocer notación para trabajar con tuplas y sus componentes.
Motivación. Es mucho más cómodo escribir la fórmula (a + b)2 = a2 + 2ab + b2 que la
frase “El cuadrado de la suma de dos términos es igual al cuadrado del primer término
más el doble producto de ambos términos más el cuadrado del segundo término.” De la
misma manera es importante tener una notación breve para definir elementos del espacio
Rn y no escribir cada vez algo ası́: “el vector de longitud n cuya k-ésima componente es
k
igual a k+1 para todo k desde 1 hasta n”.
n
Notación. f (j) j=1 es el vector de longitud n tal que su j-ésima componente es igual a
f (i), para todo ı́ndice j ∈ {1, . . . , n}. Aquı́ por lo común f (j) es una fórmula con variable
j que tiene sentido al menos para j ∈ {1, . . . , n}. De manera más general y más abstracta,
f es una función cuyo dominio contiene {1, . . . , n}.
   
3 · 12 3
2 4  3 · 22   12 
1. Ejemplo. 3j j=1 =  3 · 32  =  27 .
  
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.
Notación para tuplas y sus componentes, página 1 de 1

Conjunto Rn y operaciones lineales en Rn
Objetivos. Definir el conjunto Rn y operaciones lineales en Rn , estudiar propiedades de

las últimas.

en R. Se recomienda estudiar primero R3 .
Definición del conjunto Rn

1. Definición (n-tupla de números reales). Una secuencia (lista) de n números
reales se llama n-tupla de números reales. Si a es una n-tupla de números reales, entonces
denotamos sus componentes (entradas) por a1 , . . . , an .
2. Notación para la tupla que consiste de los números dados. Si β1 , . . . , βn son

algunos números reales, entonces para la tupla que consiste de estos números usamos la
siguiente notación: n
βk k=1 .
Notemos que n
a = ak k=1 .
3. Definición (igualdad de tuplas). Sean a y b algunas tuplas de números reales.

Se dice que a y b son iguales si son de la misma longitud y todas sus componentes
correspondientes son iguales:

m n
ak k=1 = bk k=1 ⇐⇒ m=n y ∀k ∈ {1, . . . , n} ak = b k .
4. Observación. Hay diferencias entre la igualdad de tuplas y la igualdad de conjuntos.

En las tuplas es importante el orden de los elementos:
   
7 4
{7, −2, 4} = {4, −2, 7}, pero  −2  6=  −2  .
4 7
Además,  
−5
−5
{−5, 1, −5} = {−5, 1}, pero  1 =6 .
1
−5
Conjunto Rn y operaciones lineales en Rn , página 1 de 6

5. Notación Rn para el conjunto de todas las n-tuplas de números reales.
Sea n un número entero positivo. Denotemos por Rn al conjunto de todas las n-tuplas
de números reales. En el curso de Álgebra Lineal (Álgebra II y Álgebra III) es cómodo
escribir elementos de Rn como columnas. Por ejemplo,
 
−3
√
 
 2  0
4  − ln(5)  ∈ R3 .
 π ∈R ,
 
0
−8
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 .
En otras palabras, si a, b ∈ Rn , entonces a + b se define como un elemento de Rn cuya

k-ésima componente es igual a
(a + b)k = ak + bk (k ∈ {1, . . . , n}).
7. Definición (producto de una n-tupla por un número). La multiplicación de

n-tuplas por números se define por componentes (o sea entrada por entrada):
n n
λ ak k=1 := λak k=1 .
En otras palabras, si a ∈ Rn y λ ∈ R, entonces λa es un elemento de Rn tal que
(λa)k = λak (k ∈ {1, . . . , n}).
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.

Propiedades asociativa y conmutativa de la adición en Rn
Recordemos que la adición de los números reales cumple con la propiedad asociativa:
∀α, β, γ ∈ R (α + β) + γ = α + (β + γ). (1)
Vamos a demostrar una propiedad similar en Rn basándonos en la propiedad (1) y en la
definición de la adición en Rn .
10. Propiedad asociativa de la adición en Rn .
∀a, b, c ∈ Rn (a + b) + c = a + (b + c). (2)
Primera demostración.
(i)
n n
n
(a + b) + c === ak k=1 + bk k=1 + ck k=1
(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.
Segunda demostración. Primero verifiquemos que las tuplas (a + b) + c y a + (b + c) tienen

la misma longitud. En efecto, de la definición de la adición en Rn concluimos que todas
las tuplas a + b, (a + b) + c, b + c y a + (b + c) tienen longitud n.
Demostremos que las componentes correspondientes de las tuplas (a+b)+c y a+(b+c)
son iguales. Elijamos arbitrariamente un ı́ndice k ∈ {1, . . . , n} y demostremos que la k-
ésima componente de (a + b) + c es igual a la k-ésima componente de a + (b + c).
(i) (ii)
(a + b) + c k === (a + b)k + ck === (ak + bk ) + ck
(iii) (iv) (v)
==== ak + (bk + ck ) ==== ak + (b + c)k === a + (b + c) k .
En los pasos (i), (ii), (iv) y (v) usamos la definición de la adición en Rn . En el paso (iii)
aplicamos la propiedad asociativa de la adición en R.

11. Propiedad conmutativa de la adición en Rn .
∀a, b ∈ Rn a + b = b + a.
12. Ejercicio. Demuestre la propiedad de arriba de dos maneras diferentes. ¡Justifique

cada paso!.
Tupla nula, tupla opuesta y sus propiedades principales

n
13. Definición de la tupla nula. La n-tupla 0 k=1 se denota por 0n y se llama la
n-tupla nula: n
0n := 0 k=1 .
En otras palabras la tupla 0n tiene longitud n y todas sus componentes son nulas:
0n ∈ Rn ,

∀k ∈ {1, . . . , n} 0n k = 0.
14. Propiedad principal de la tupla nula. La n-tupla nula 0n es un elemento neutro

con respecto a la adición:
∀a ∈ Rn a + 0n = 0n + a = a.
Como ya sabemos que la adición en Rn es conmutativa, es suficiente demostrar solamente

la igualdad a + 0n = a.
Primera demostración. Denotemos las componentes del vector a por ak :
n
a = ak k=1 .
Mostremos que a + 0n y a son iguales:

(i) n n (ii) n (iii) n (iv)
a + 0n === ak k=1 + 0 k=1 === ak + 0 k=1 ==== ak k=1 ==== a.

(i), (iv) notación para las entradas de a, definición de 0n ,
(ii) definición de la suma en Rn ,
(iii) propiedad principal del número real 0.

Segunda demostración. De la definición de la suma en Rn sigue que la tupla a + 0n tiene
la misma longitud n que la tupla a.
Sea k ∈ {1, . . . , n} un ı́ndice arbitrario. Mostremos que las k-ésimas componentes de
las tuplas a + 0n y a son iguales:
(i) (ii) (iii)
a + 0n k
=== ak + 0 n k
=== ak + 0 ==== ak .
(i) definición de la suma en Rn ;
(ii) definición de la tupla 0n ;
(iii) propiedad principal del número real 0.
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 .

Propiedades distributivas en Rn
17. Recordamos la ley distributiva en R:
∀α, β, γ ∈ R (α + β)γ = αγ + βγ.
Demuestre las siguientes propiedades:
18. Propiedad distributiva de la multiplicación por escalares en Rn con respecto

a la adición de escalares.
∀λ, µ ∈ R ∀a ∈ Rn (λ + µ)a = λa + µa.
19. Propiedad distributiva de la multiplicación por escalares en Rn con respecto

a la adición de vectores.
∀λ ∈ R ∀a, b ∈ Rn λ(a + b) = λa + λb.
Otras propiedades de la multiplicación por escalares en Rn

Demuestre las siguientes propiedades:
20. Propiedad de la multiplicación de vectores en Rn por el escalar uno.
∀a ∈ Rn 1 a = a.
21. Acordancia de la multiplicación por escalares en Rn con la multiplicación

de escalares.
∀λ, µ ∈ R ∀a ∈ Rn λ(µa) = (λµ)a.
Nota: estas dos propiedades no tienen nombres estándares.

Operaciones lineales en Fn, donde F es un campo
Objetivos. Definir el conjunto Fn y operaciones lineales en F, donde F es un campo

(cuerpo).
Requisitos. Campos R, Q, C, un campo finito (por ejemplo, el campo F2 que consiste

en dos elementos), definición general de campo (en otra terminologı́a, cuerpo), conjunto
Rn , operaciones lineales en Rn y la demostración de sus propiedades.
Ejemplos de campos
1. Recordar los axiomas de campo:
adición y multiplicación como operaciones binarias;
4 axiomas de adición;
la ley distributiva;
4 axiomas de multiplicación;
axioma 0 6= 1.
2. Campo Q de números racionales, campo R de números reales (repaso breve).

Los números racionales son de la forma mn
, donde m, n ∈ Z y n > 0. El conjunto de
números reales se construye como un completamiento (en cierto sentido) del conjunto Q.
3. ¿Para qué trabajar con el campo de números racionales, si tenemos números

reales?. Un número real, dado con cualquier exactitud, es una abstracción muy cómoda
en matemáticas. Pero en la “vida real” los números reales casi siempre se guardan con una
precisión finita, por ejemplo, en el formato “float double” el cual es una representación
de números con punto flotante que ocupa 8 bytes = 64 dı́gitos binarios. Los cálculos con
estos números usan el redondeo y son aproximados. Por ejemplo, en esta aritmética con
redondeo el valor de la expresión (1.0/3) ∗ 3 no coincide con 1.
Los cálculos con los números racionales son exactos. Para algunos áreas se necesitan
las respuestas exactas. De hecho, en nuestro curso vamos a trabajar casi siempre con
números racionales, para simplificar la vida.
Operaciones lineales en Fn , donde F es un campo, página 1 de 3

4. Campo C de números complejos (repaso breve). Los números complejos se
pueden escribir en forma a + b i, donde i es la unidad imaginaria que tiene la propiedad
i2 = −1.
5. ¿Por qué son tan importantes los números complejos?.
Respuesta algebraica: porque el campo C es algebraicamente completo, esto es, todo

polinomio de grado ≥ 1 con coeficientes complejos (o reales) tiene por lo menos una
raı́z compleja.
Respuesta geométrica: porque la multiplicación de los números complejos corresponde

a las rotaciones del plano, y muchos fenómenos matemáticos y fı́sicos se describen
naturalmente a través de números complejos.
√
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.
8. Campo de dos elementos. Consideremos el campo F2 , cuyos elementos se denotan

por 0 y 1, y las operaciones en F2 se definen mediante las siguientes reglas:
+ 0 1 · 0 1
0 0 1 0 0 0
1 1 0 1 0 1
9. Ejercicio. Demuestre que F2 cumple axiomas de campo.
10. ¿Para qué sirven campos finitos?. Los campos finitos (por ejemplo, F2 ) son muy
importantes en la teorı́a de señales y en la criptografı́a.

Fn , donde F es un campo
11. Definición (conjunto Fn ). Sea F un campo. Denotemos por Fn al conjunto de

todas las n-tuplas cuyas componentes pertenecen a F. La igualdad de los elementos de Fn
y las operaciones lineales se definen como en Rn (por componentes), pero ahora podemos
multiplicar los elementos de Fn solamente por los elementos de F.
12. Ejemplo. El siguiente producto está bien definido en R4 :

 
0
√  1 
3 1
,

0
pero no está definido en Q4 , tampoco en F42 .
13. Ejemplos en C2 . Haga los cálculos en C2 :

3−i 3 + 2i 4−i
(1 + 2 i) , + .
4 + 5i −4 + i 7 + 5i
14. Ejemplo en F52 . Calcule la suma de dos elementos de F52 :

   
1 0
 0   0 
   
 1  +  1 .
   
 1   0 
0 1
15. Ejercicio. ¿Cuál elemento es el opuesto al elemento 1 en F2 ? ¿Y cuál el elemento

opuesto a 0 en F2 ? Calcule −x, donde x ∈ F42 ,
 
1
 0 
x=  0 .


Primer conocimiento de las combinaciones lineales
y dependencias lineales
Objetivos. Conocer ejemplos de combinaciones lineales, vectores linealmente dependien-

tes y linealmente independientes en Rn .
Requisitos. Operaciones lineales en Rn .
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 .
Vectores linealmente dependientes y linealmente independientes

4. Definición (vectores linealmente dependientes). Sean a1 , . . . , am ∈ Rn . Los vec-
tores a1 , . . . , am se llaman linealmente dependientes si existen escalares λ1 , . . . , λm ∈ R no
todos nulos tales que
λ1 a1 + . . . + λm am = 0n .
5. Muestre que los siguientes vectores a1 , a2 ∈ R2 son linealmente dependientes:

−3 6
a1 = , a2 = .
1 −2
6. Muestre que los siguientes vectores de R2 son linealmente independientes:

−2 4
a1 = , a2 = .
3 5
Primer conocimiento de las combinaciones lineales y dependencias lineales, página 1 de 1

Sumas y sus propiedades básicas
Objetivos. Conocer la notación breve que se usa para las sumas.

n
X
1. Notación. El sı́mbolo ai se usa para denotar la suma a1 +a2 +. . .+an . Por ejemplo,
i=1
4
X
ai = a1 + a2 + a3 + a4 .
i=1
7
X
2. Ejemplo. bi = b1 + b 2 + b3 + b4 + b5 + b6 + b7 .
i=1
3. Definición formal inductiva (solamente para conocerla, no vamos a trabajar

n
X
con esta definición). Formalmente, el sı́mbolo ai se puede definir por inducción:
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
5. Partición de una suma. Si m ∈ {1, . . . , n}, entonces

n
X m
X n
X
ai = ai + ai .
i=1 i=1 i=m+1
Sumas y sus propiedades básicas, página 1 de 2

6. Propiedad aditiva de la suma.
n
X n
X n
X
(ai + bi ) = ai + bi .
i=1 i=1 i=1
7. Propiedad homogénea de la suma.

n
X n
X
(λai ) = λ ai .
i=1 i=1
8. Intercambio de las sumas finitas.

m X
X n n X
X m
ai,j = ai,j .
i=1 j=1 j=1 i=1
Sumas y sus propiedades básicas, página 2 de 2

Sumas con la delta de Kronecker
Objetivos. Conocer la función llamada delta de Kronecker o sı́mbolo de Kronecker y

demostrar su propiedad principal (simplificación de sumas con la delta de Kronecker).
Requisitos. Sumas, partición de una suma, separación de un sumando en una suma.
Definición de la delta de Kronecker. La función δ : Z × Z → {0, 1} se define mediante

la regla (
1, si i = j,
δi,j =
0, si i 6= j,
y se llama el sı́mbolo de Kronecker o la delta de Kronecker.
1. Ejemplos. δ3,7 = δ7,3 = 0, δ4,4 = 1.
2. Observación. Para todos i, j ∈ Z, δi,j = δj,i .
3. Ejercicio. Sea k ∈ Z. Calcule la integral:
Z2π
1
cos(kx) dx.
2π
0
4. Separación de un sumando en una suma, ejemplo.

5
X X
ai = a1 + a2 + a3 + a4 + a5 = a4 + (a1 + a2 + a3 + a5 ) = a4 + ai .
i=1 i∈{1,2,3,5}
5. Separación de un sumando en una suma, forma general.

Sea p ∈ {1, . . . , n}. Entonces
n
X X
ai = ap + ai .
i=1 i∈{1,...,n}\{p}
Sumas con la delta de Kronecker, página 1 de 2

Simplificación de sumas con la delta de Kronecker
4
X
6. Ejemplo. δi,3 ai = δ1,3 a1 + δ2,3 a2 + δ3,3 a3 + δ4,3 a4 = a3 .
i=1
|{z} |{z} |{z} |{z}
=
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
8. Proposición (simplificación de sumas con la delta de Kronecker).
1. Si j ∈ {1, . . . , n}, entonces

n
X
δi,j ai = aj .
i=1
2. Si j ∈
/ {1, . . . , n}, entonces
n
X
δi,j ai = 0.
i=1
Demostración. 1. Sea j ∈ {1, . . . , n}. Entonces separamos el sumando con el ı́ndice i = j:

n
X X
δi,j ai = δj,j aj + δi,j ai = aj .
i=1
|{z} |{z}
i∈{1,...,n}\{j}
=
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.
9. Ejercicio. Calcule la suma:

10
X
δi,k δk,j .
k=1
Sumas con la delta de Kronecker, página 2 de 2

Matrices con entradas definidas mediante fórmulas
Objetivos. Conocer dos notaciones que se usan para definir matrices mediante fórmulas.
Requisitos. Vectores definidos mediante fórmulas, el sı́mbolo delta de Kronecker.
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)
3. En situaciones más complicadas se recomienda escribir de manera explı́cita los ı́ndices

(i, j) de cada entrada y luego aplicar la fórmula f (i, j):
 
i=1, j=1 i=1, j=2 i=1, j=3
h i2,3  4 ln(3) 9 ln(3) 16 ln(3) 
(j + 1)2 ln(i + 2) =
 i=2, j=1

i,j=1 i=2, j=2 i=2, j=3 
4 ln(4) 9 ln(4) 16 ln(4)
 
4 ln(3) 9 ln(3) 16 ln(3)
= .
4 ln(4) 9 ln(4) 16 ln(4)
4. Los ı́ndices de renglones y columnas son variables mudas y no necesariamente se denotan

por i y j:
 
u=1, c=1 u=1, c=2 u=1, c=3 " #
i2,3 1 2 3 4 16 64
h  4 4 4 
(u + 3)c =
 u=2, c=1
= .
u,c=1 u=2, c=2 u=2, c=3  5 25 125
51 52 53
Matrices con entradas definidas mediante fórmulas, página 1 de 2

h in,n h in
5. Notación para matrices cuadradas. En vez de f (i, j) se escribe f (i, j) .
i,j=1 i,j=1
Por ejemplo,  
h i3 2 cos(1) 2 cos(2) 2 cos(3)
2a cos(b) =  4 cos(1) 4 cos(2) 4 cos(3)  .
a,b=1
8 cos(1) 8 cos(2) 8 cos(3)
   
h i3 min{1, 1} min{1, 2} min{1, 3} 1 1 1
6. min{i, j} =  min{2, 1} min{2, 2} min{2, 3}  =  1 2 2 .
i,j=1
min{3, 1} min{3, 2} min{3, 3} 1 2 3
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
12. A ∈ M3 (R), Ai,j = δi,3 + δj,1 .

 
δ1,3 + δ1,1 δ1,3 + δ2,1 δ1,3 + δ3,1
 
   1 0 0 
A =  δ2,3 + δ1,1 δ2,3 + δ2,1 δ2,3 + δ3,1 = 1 0 0 
.
  
 
δ3,3 + δ1,1 δ3,3 + δ2,1 δ3,3 + δ3,1 2 1 1
Matrices con entradas definidas mediante fórmulas, página 2 de 2

Motivación de las operaciones con matrices
Objetivos. Motivar la introducción del concepto de una matriz y la definición de la

multiplicación de matrices.
Requisitos. Rn , función (aplicación).
1. Las matrices sirven para describir transformaciones lineales. Consideremos un

ejemplo. Sea f : R3 → R2 la función (aplicación, mapeo) definida mediante las siguientes
fórmulas:  
x1
y 1
f :  x2  7→ ,
y2
x3
donde
y1 = 3x1 − x2 + 5x3 , y2 = x1 − 4x3 .
En otras palabras,  
x1
3x 1 − x 2 + 5x 3
f :  x2  →
7 . (1)
x1 − 4x3
x3
Las funciones de esta forma son muy comunes en ciencias naturales y en todas las áreas
de matemáticas. Para definir una función de este tipo, es suficiente sólo escribir la tabla
de los coeficientes:
3 −1 5
. (2)
1 0 −4
Se dice que la tabla (2) es la matriz de la transformación lineal (1). Las matrices son
tablas de números que sirven como coeficientes de transformaciones lineales. Nosotros
empezamos a estudiar las matrices. A mitades del curso Álgebra II vamos a estudiar las
transformaciones lineales en espacios vectoriales de dimensiones finitas y ver que estas
siempre se pueden describir con matrices.
2. Suma de dos transformaciones lineales. Sean f, g : R3 → R2 las siguientes funcio-

nes:
 
x1
A1,1 x 1 + A1,2 x 2 + A1,3 x 3
f :  x2  7→ ,
A2,1 x1 + A2,2 x2 + A2,3 x3
x3
 
x1
B1,1 x 1 + B1,2 x 2 + B1,3 x 3
g :  x2  →
7 .
B2,1 x1 + B2,2 x2 + B2,3 x3
x3
Motivación de las operaciones con matrices, página 1 de 4

Entonces la función f + g definida como (f + g)(x) = f (x) + g(x), actúa mediante la
siguiente regla:
 
x1
(A1,1 + B1,1 )x1 + (A1,2 + B1,2 )x2 + (A1,3 + B1,3 )x3
f + g:  x2 7→
 .
(A2,1 + B2,1 )x1 + (A2,2 + B2,2 )x2 + (A2,3 + B2,3 )x3
x3
Por eso la suma de las matrices

A1,1 A1,2 A1,3 B1,1 B1,2 B1,3
A= y B=
A2,1 A2,2 A2,3 B2,1 B2,2 B2,3
se define entrada por entrada:

" #
A1,1 + B1,1 A1,2 + B1,2 A1,3 + B1,3
A + B := .
A2,1 + B2,1 A2,2 + B2,2 A2,3 + B2,3
Por ejemplo, el elemento de la primera fila y tercera columna de la matriz A + B que

denotamos por (A + B)1,3 es igual a la suma de los elementos de A y B con los mismos
ı́ndices (1, 3):
(A + B)1,3 = A1,3 + B1,3 .
3. Ejercicio sencillo. Escriba la fórmula general que expresa (A + B)i,j a través de los
elementos de A y B.
4. Producto de una transformación lineal por un escalar. Sea f : R3 → R2 la

siguiente función:  
x1
A 1,1 x 1 + A1,2 x 2 + A 1,3 x 3
f :  x2  7→ ,
A2,1 x1 + A2,2 x2 + A2,3 x3
x3
y sea λ ∈ R. Entonces la función λf se define como (λf )(x) = λf (x) y actúa mediante la
siguiente regla:  
x1
λA1,1 x1 + λA1,2 x2 + λA1,3 x3
λf :  x2 7→
 .
λA2,1 x1 + λA2,2 x2 + λA2,3 x3
x3
Por eso el producto λ por A se define entrada por entrada:
" #
λA1,1 λA1,2 λA1,3
λA := .
λA2,1 λA2,2 λA2,3

5. Composición de dos transformaciones lineales. Sean g : R2 → R3 y f : R3 → R2
las siguientes funciones:
   
y1 B1,1 x1 + B1,2 x2
x1
g: 7→  y2  =  B2,1 x1 + B2,2 x2  , (3)
x2
y3 B3,1 x1 + B3,2 x2
 
y1
z1 A1,1 y1 + A1,2 y 2 + A1,3 y 3
f :  y2  →
7 = . (4)
z2 A2,1 y1 + A2,2 y2 + A2,3 y3
y3
Consideremos la composición f ◦ g : R2 → R2 . Sustituimos las fórmulas (3) para y1 , y2 en
(4), expandimos y reagrupamos:
z1 = A1,1 (B1,1 x1 + B1,2 x2 ) + A1,2 (B2,1 x1 + B2,2 x2 ) + A1,3 (B3,1 x1 + B3,2 x2 )
= (A1,1 B1,1 + A1,2 B2,1 + A1,3 B3,1 )x1 + (A1,1 B1,2 + A1,2 B2,2 + A1,3 B3,2 )x2 ;
z2 = A2,1 (B1,1 x1 + B1,2 x2 ) + A2,2 (B2,1 x1 + B2,2 x2 ) + A2,3 (B3,1 x1 + B3,2 x2 )
= (A2,1 B1,1 + A2,2 B2,1 + A2,3 B3,1 )x1 + (A2,1 B1,2 + A2,2 B2,2 + A2,3 B3,2 )x2 .
Esto significa que
x1 z1
f ◦ g: 7→ ,
x2 z2
donde
z1 = (A1,1 B1,1 + A1,2 B2,1 + A1,3 B3,1 )x1 + (A1,1 B1,2 + A1,2 B2,2 + A1,3 B3,2 )x2 ;
z2 = (A2,1 B1,1 + A2,2 B2,1 + A2,3 B3,1 )x1 + (A2,1 B1,2 + A2,2 B2,2 + A2,3 B3,2 )x2 .
Por eso el producto de las matrices
 
B1,1 B1,2
A1,1 A1,2 A1,3
A= y B =  B2,1 B2,2 
A2,1 A2,2 A2,3
B3,1 B3,2
se define mediante la siguiente regla:
" #
A1,1 B1,1 + A1,2 B2,1 + A1,3 B3,1 A1,1 B1,2 + A1,2 B2,2 + A1,3 B3,2
AB := .
A2,1 B1,1 + A2,2 B2,1 + A2,3 B3,1 A2,1 B1,2 + A2,2 B2,2 + A2,3 B3,2
Es decir, AB es una matriz de tamaño 2 × 2, su entrada con ı́ndices (1, 1) es igual a
3
X
(AB)1,1 = A1,1 B1,1 + A1,2 B2,1 + A1,3 B3,1 = A1,k Bk,1 ,
k=1
su entrada con ı́ndices (1, 2) es igual a

3
X
(AB)1,2 = A1,1 B1,2 + A1,2 B2,2 + A1,3 B3,2 = A1,k Bk,2 ,
k=1
etc.

6. Ejercicio importante. Escriba la fórmula general que exprese la entrada (AB)i,j de
la matriz AB a través de ciertas entradas de las matrices 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
Escriba la fórmula para la composición f ◦ g. Verifique cómo funciona la fórmula del

ejercicio anterior.

Matrices. Definición de las operaciones con matrices
Objetivos. Definir de manera formal las operaciones con matrices (adición de matrices,
multiplicación de una matriz por un número, multiplicación de matrices) y con ayuda
de ejemplos observar las propiedades principales de estas operaciones. En las siguientes
clases vamos a demostrar las propiedades de manera formal.
Requisitos. Conjunto Fn y operaciones lineales en Fn . Motivación del concepto de una
matriz y de las operaciones con matrices.
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.
3. Definición (igualdad de las matrices). Matrices A y B se llaman iguales si sus

tamaños coinciden (el número de filas de A coincide con el número de filas de B, el
número de columnas de A coincide con el número de columnas de B), y las entradas
correspondientes de A y B son iguales: Ai,j = Bi,j para todos i, j.
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.
5. Ejercicio. Escriba en forma extensa cada una de las siguientes matrices:

2,3 4,2
A = (−1)i · (i + j) i,j=1 ,

B = min(i, j) i,j=1 .
6. Ejercicio. Escriba en forma compacta cada una de las siguientes matrices:

 
1 −1 1  1 1 1   
 −1 1 2 3 1 2 3 4
1 −1   1 1 1
A= , B= 2 3 4 , C =  2 2 3 4 .
  
1 −1 1 
1 1 1 3 3 3 4
−1 1 −1 3 4 5
Matrices. Definición de las operaciones con matrices, página 1 de 4

Operaciones con matrices
7. Definición (suma de matrices). Sean A, B ∈ Mm×n (F). Entonces la suma de A y

B se define como m,n
A + B := Ai,j + Bi,j i,j=1 .
Esto es, A + B ∈ Mm×n (F) y
∀i ∈ {1, . . . , m} ∀j ∈ {1, . . . , n} (A + B)i,j = Ai,j + Bi,j .
8. Definición (producto de un escalar por una matriz). Sean A ∈ Mm×n (F) y

λ ∈ F. Entonces el producto de λ por A se define como
m,n
λA := λAi,j i,j=1 .
En otras palabras, λA ∈ Mm×n (F) y
∀i ∈ {1, . . . , m} ∀j ∈ {1, . . . , n} (λA)i,j = λAi,j .
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

12. Ejemplo. Calculemos el producto de dos matrices:

3 −2 5 −1 3 15 − 4 −3 + 0 9 − 4 11 −3 5
= = .
1 5 2 0 2 5 + 10 −1 + 0 3 + 10 15 −1 13
13. Ejemplo. Calcular el producto de las matrices:

 
3 5 −4
3 −4 −1 
2 0 −1  .
0 2 5
3 3 −2
14. La multiplicación de matrices no es conmutativa, ejemplo 1. Sean A ∈

M5×3 (F), B ∈ M3×2 (F). Entonces el producto AB está bien definido y pertenece a
M5×2 (F), pero el producto BA no está definido.
15. La multiplicación de matrices no es conmutativa, ejemplo 2. Calcular AB y

BA:  
3 −4
5 2 −3
A= 1 5 ,
 B= .
−5 1 4
1 −2
16. La multiplicación de matrices no es conmutativa, ejemplo 3. Calcular AB y

BA:    
2 0 3 2 1 −1
A =  1 −2 2  , B= 3 1 1 .
1 2 3 4 2 −2
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).

20. Propiedad distributiva. Calcular (A + B)C y AC + BC:
 
4 1
−2 3 4 3 −1 2
A= , B= , C =  −3 5  .
1 0 −3 5 0 3
2 1
21. Ejercicio. Calcule A(B + C) y AB + AC, si

 
3 −2
4 −1 −1 −3 2 5
A= 1 5 , B= , C= .
3 0 2 −1 4 1
3 0
22. Ejercicio. Dé un ejemplo de matrices A, B, C ∈ M2 (R) tales que

AC + CB 6= (A + B)C.
23. Propiedad asociativa. Calcular A(BC) y (AB)C:

  
2 0 −2 −1 3
1 −1 3
A= , B= 3 4 8 , C= 2 0 .
4 5 −2
0 −1 6 3 −2
24. Ejercicio. Calcule A(BC) y (AB)C:

   
3 0 4 1
2 0 −3
A =  4 1 , B= , C =  −2 2 .
1 1 −3
2 5 3 −1
25. Ejercicio. Calcule el siguiente producto. Simplifique el resultado usando fórmulas

trigonométricas.
cos(α) − sen(α) cos(β) − sen(β)
.
sen(α) cos(α) sen(β) cos(β)
26. Propiedades del producto de las matrices. La operación de multiplicación de

matrices cumple con las siguientes propiedades:
A(B + C) = AB + AC (es aditiva con respecto al segundo argumento).
... (es aditiva con respecto al primer argumento).
A(λB) = λAB (es homogénea con respecto al segundo argumento).
... (es homogénea con respecto al primer argumento).
A(λB + µC) = λAB + µAC (es lineal con respecto al segundo argumento).
... (es lineal con respecto al primer argumento).
A(BC) = (AB)C (es asociativa).
Escriba todas las propiedades mencionadas.

Propiedades de las operaciones lineales con matrices
1. Teorema (propiedades de las operaciones lineales con matrices).

Sean A, B, C ∈ Mm×n (F) tres matrices del mismo tamaño, y sean λ, µ ∈ F. Entonces:
1. (A + B) + C = A + (B + C).
2. A + 0m,n = A, 0m,n + A = A.
3. A + (−A) = 0m,n , (−A) + A = 0m,n .
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.
2. Ejercicio. Demostrar otros incisos del teorema.
Propiedades de las operaciones lineales con matrices, página 1 de 1

Propiedades de la multiplicación de matrices
Objetivos. Demostrar las propiedades del producto de matrices.
Requisitos. Definición de las operaciones con matrices, demostración de las propiedades
de las operaciones lineales con matrices, sumas y sus propiedades básicas.
1. Teorema (propiedad asociativa de la multiplicación de matrices).

Sean A ∈ Mm×n (F), B ∈ Mn×p (F), C ∈ Mp×q (F). Entonces
(AB)C = A(BC).
Demostración. Probemos que las matrices A(BC) y (AB)C son del mismo tamaño:
A ∈ Mm×n (F)
AB ∈ Mm×p (F)
(AB)C ∈ Mm×q (F) B ∈ Mn×p (F) A(BC) ∈ Mm×q (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
Transformamos de manera similar el lado derecho de (1):

n n p p
n X
X X X X
A(BC) i,j = Ai,k (BC)k,j = Ai,k Bk,s Cs,j = Ai,k (Bk,s Cs,j ).
k=1 k=1 s=1 k=1 s=1
En la última expresión aplicamos la propiedad asociativa de la multiplicación en F, luego

intercambiamos las sumas (usando las propiedades de las operaciones en F):
p
n X p n
X X X
A(BC) i,j = (Ai,k Bk,s )Cs,j = (Ai,k Bk,s )Cs,j = (AB)C i,j .
k=1 s=1 s=1 k=1
Propiedades de la multiplicación de matrices, página 1 de 2

2. Teorema (propiedad distributiva izquierda de la multiplicación de matrices
respecto la adición de matrices).
Sea A ∈ Mm×n (F) y sean B, C ∈ Mn×p (F). Entonces
A(B + C) = AB + AC.
3. Teorema (propiedad distributiva derecha de la multiplicación de matrices

respecto la adición de matrices).
Sean A, B ∈ Mm×n (F) y sea C ∈ Mn×p (F). Entonces
(A + B)C = AC + BC.
4. Teorema (propiedad homogénea de la multiplicación de matrices con res-

pecto al primer factor).
Sea A ∈ Mm×n (F), sea B ∈ Mn×p (F) y sea λ ∈ F. Demuestre que
(λA)B = λ(AB).
5. Teorema (propiedad homogénea de la multiplicación de matrices con res-

pecto al segundo factor).
Sea A ∈ Mm×n (F), sea B ∈ Mn×p (F) y sea λ ∈ F. Demuestre que
A(λB) = λ(AB).
6. Ejercicio. Demuestre las propiedades del producto de matrices.
7. Observación (otro método para demostrar las propiedades del producto

de matrices). Más adelante, cuando vamos a estudiar las transformaciones lineales,
podremos demostrar las propiedades del producto de matrices usando las propiedades de
la composición de funciones. Por ejemplo, la propiedad asociativa del producto de matrices
se demuestra usando la propiedad asociativa de la composición: f ◦ (g ◦ h) = (f ◦ g) ◦ h.
Propiedades de la multiplicación de matrices, página 2 de 2

Matriz transpuesta
Objetivos. Conocer el concepto de la matriz transpuesta y estudiar las propiedades

básicas de la operación A 7→ A> que transforma cada matriz en su transpuesta.
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:
(A> )3,1 = −7 = A1,3 .
Con este ejemplo nos preparamos a la definición formal.
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.
Matriz transpuesta, página 1 de 4

Con estos ejemplos nos preparamos a la definición formal.
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},
(A> )i,j = Aj,i .
Otras notaciones comunes para la matriz transpuesta: Aτ , AT , A0 , At , t A.
4. La transpuesta de una matriz en sistemas de álgebra computacional. Inves-

tigue cómo se denota la transpuesta de una matriz en sistemas de álgebra computacional.
Ejemplos: MATLAB (y sus análogos libres GNU Octave, Scilab, FreeMat), Maxima, Wol-
fram Mathematica, Python + numpy, Sage.
5. Tarea opcional: programar la función que calcule la transpuesta de una

matriz. En algún lenguaje de programación escriba una función que construya la trans-
puesta de una matriz. Aquı́ está un programa en el lenguaje Python escrita de manera
muy ingenua, con dos ciclos:
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
A = [[-3, 7, 2], [4, 5, -1]]

print("A = " + str(A) + "\n" + "transpose(A) = " + str(mytranspose(A)))
Por supuesto, en Python hay soluciones más breves y más eficientes.

Propiedades de la transposición de matrices
La operación (función) que convierte A en A> se puede llamar la transposición de
matrices. Vamos a establecer propiedades básicas de esta operación: notamos que esta
operación es involutiva (al aplicarla dos veces regresamos a la matriz original) y estudiamos
su interacción con otras operaciones algebraicas.
6. Ejercicio para observar que la transpoción de matrices es involutiva, aditiva

y homogénea. Están dadas dos matrices A y B del mismo tamaño y un número λ:
Calcule las matrices , donde
   
4 −7 −1 4
A= 3 1 , B =  5 7 , λ = 5.
8 2 −1 3
I. Calcule las matrices A> y B > .
II. Calcule la matriz (A> )> , esto es, la transpuesta de la matriz A> .
III. Calcule las matrices A + B, (A + B)> y A> + B > .
IV. Calcule las matrices λA, (λA)> y λA> .
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
8. Otro ejercicio: la transpuesta del producto de dos matrices. Calcule AB,

(AB)> , A> y B > , donde
 
3 4
3 −5
A =  −2 1  , B= .
−4 1
5 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)> .

9. Observación (sobre el tamaño de la matriz transpuesta del producto de
dos matrices). Sea A ∈ Mm×n (F) y sea B ∈ Mn×p (F). Determine los tamaños de las
matrices AB, (AB)> , A> y B > :
AB ∈ (AB)> ∈ A> ∈ B> ∈
Intente a adivinar cómo se expresa la matriz (AB)> a través de A> y B > :
(AB)> =
Con estos ejercicios nos preparamos al siguiente teorema.
10. Teorema (propiedades de la transposición de matrices).

1. (A> )> = A para toda A ∈ Mm×n (F).
2. (A + B)> = A> + B > para todas A, B ∈ Mm×n (F).
3. (λA)> = λA> para toda A ∈ Mm×n (F) y todo λ ∈ F.
4. (AB)> = B > A> para todas A ∈ Mm×n (F), B ∈ Mn×p (F).
Demostración. 1. Según la definición, A> ∈ Mn×m (F), luego (A> )> ∈ Mm×n (F), ası́ que
las matrices (A> )> y A son del mismo tamaño. Calculemos la (i, j)-ésima entrada de
(A> )> :
(A> )> i,j = (A> )j,i = Ai,j .

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
Ahora calculemos la entrada (i, j) entrada del producto B > A> :

n
X n
X n
X
> > > >
(B A )i,j = (B )i,k (A )k,j = Bk,i Aj,k = Aj,k Bk,i .
k=1 k=1 k=1
En el último paso usamos el hecho que la multiplicación en F es conmutativa. Hemos

mostrado que
Xn
(AB)> i,j = Aj,k Bk,i = (B > A> )i,j .

k=1

Matrices simétricas y antisimétricas
Objetivos. Definir matrices simétricas y antisimétricas, estudiar sus propiedades básicas.
Requisitos. Matriz transpuesta, propiedades de la matriz transpuesta, operaciones con

matrices.
1. Definición (matriz simétrica). Una matriz cuadrada A ∈ Mn (F) se llama simétrica

si coincide con su transpuesta:
A> = A.
2. Definición (matriz antisimétrica). Una matriz cuadrada A ∈ Mn (F) se llama

antisimétrica si es opuesta (es decir, inversa aditiva) a su transpuesta:
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
4. Ejercicio. Escriba las definiciones de las matrices simétricas y antisimétricas en térmi-

nos de sus entradas.
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.
7. Ejercicio. Construya una matriz antisimétrica A ∈ M3 (F2 ) con entradas diagonales

no nulas. Aquı́ F2 es el campo de dos elementos.
Matrices simétricas y antisimétricas, página 1 de 2

8. Ejercicio (número máximo de entradas diferentes de una matriz simétrica).
¿Cuántas entradas diferentes puede tener una matriz real simétrica de orden n?.
9. Ejercicio (número máximo de entradas diferentes no nulas de una matriz

real antisimétrica). ¿Cuántas entradas diferentes y no nulas puede tener una matriz
real antisimétrica de orden n?.
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.
14. Tarea adicional. Demuestre o refute la siguiente afirmación: el producto de cuales-

quiera matrices simétricas A, B ∈ M2 (R) es una matriz simétrica.
Matrices simétricas y antisimétricas, página 2 de 2

Multiplicación de matrices por vectores
Objetivos. Comprender como se multiplican matrices por vectores columnas y también
por vectores renglones. Comprender como calcular un renglón o una columna del producto
de dos matrices.
Requisitos. Multiplicación de matrices.
1. Los vectores del espacio Fn se consideran como vectores-columnas. Es cómodo

identificar elementos de Fn con elementos de Mn×1 (F) de la siguiente manera: un vector
aritmético x con componentes x1 , . . . , xn corresponde a la matriz de tamaño n × 1 cuya
entrada con ı́ndices (i, 1) es igual a xi .
2. Multiplicación de una matriz por un vector. Sean A ∈ Mm×n (F), x ∈ Fn .

Consideramos x como una matriz n × 1. Entonces el producto Ax está bien definido, es
una matriz de tamaño m × 1, y su (i, 1)-ésima entrada es
n
X
(Ax)i,1 = Ai,k xk,1 .
k=1
Al escribir xk en vez de xk,1 y (Ax)i en vez de (Ax)i,1 , obtenemos la siguiente fórmula:

n
X
(Ax)i = Ai,k xk .
k=1
3. Ejemplos. Calcular los productos:

 
  3 5
1
2 3 −1   1 −7  5
−2  ,   .
4 −1 5  4 8  −4
5
0 2
4. Producto de un vector-renglón por una matriz. Sean x ∈ Fm y A ∈ Mm×n (F).

Entonces x se identifica con una matriz m × 1, y x> es una matriz 1 × m que se llama
vector-renglón (o vector-fila). El producto x> A se define según la regla general como una
matriz 1 × n, cuya (1, j)-ésima entrada es
n
X n
X
> >
(x A)1,j = (x )1,k Ak,j = xk,1 Ak,j .
k=1 k=1
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
Multiplicación de matrices por vectores, página 1 de 3

5. Ejemplos. Calcular los productos
 
1 5
4 5 −6
3 −5 1  3 2  , 2 −1 .
3 2 0
−4 3
Renglones y columnas de una matriz
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 .
Renglones y columnas del producto de matrices
6. Fórmula para el i-ésimo renglón del producto. Sean A ∈ Mm×n (F), B ∈

Mn×p (F). Consideremos el i-ésimo renglón del producto AB:
n
X
k=1
En esta fórmula sólo participan los elementos del i-ésimo renglón de A. Por eso
(AB)i,∗ = Ai,∗ B.
7. Fórmula para la j-ésima columna del producto.
(AB)∗,j = AB∗,j .

8. Ejemplo. Supongamos que A ∈ M2×3 (F) y
 
3 4
7 1
A  −1 5  = .
3 8
2 0
Entonces podemos concluir que

 
4
1
A 5  = .
8
0
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
Multiplicación de una matriz por un vector básico
10. Ejercicio. Calcule los siguientes productos:

 
  5 −1   
0 −2 6 7 0
3 −5 7    4 6  1  4 −1 3   0  .
1 ,   ,
4 1 −2  −2 3  0
0 5 8 1 1
9 7
11. Notación (vectores básicos en Fn ). Para todo q ∈ {1, . . . , n} denotemos por eq

al vector en Fn cuya p-ésima componente es 1 y las demás son 0:
(
n 1 si j = q;
eq = δq,j j=1 , esto es, (eq )j = δq,j =
0 si j 6= q.
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.

Estructura del producto de matrices
Objetivos. Comprender cómo están relacionados los renglones y columnas del producto
de matrices con los renglones y columnas de los factores.
Requisitos. Definición del producto de matrices, notación breve para matrices.
Notación para entradas, renglones y columnas de matrices

1. Ejemplo. Sea A la siguiente matriz:
 
7 −1 0 5
A= 3 4 −4 −1  .
7 6 −1 2
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
2. Notación. Sea A ∈ Mm×n (F).
Si i ∈ {1, . . . , m} y j ∈ {1, . . . , n}, entonces denotamos por Ai,j a la entrada ubicada

en el i-ésimo renglón y la j-ésima columna de la matriz A.
Si i ∈ {1, . . . , m}, entonces denotamos por Ai,∗ al i-ésimo renglón de la matriz A.
Si j ∈ {1, . . . , n}, entonce denotamos por A∗,j a la j-ésima columna de la matriz A.
3. Comentario: el asterisco ∗ significa “todos”. La notación Ai,∗ significa que de la

matriz A sacamos todas las entradas cuyo primer ı́ndice es i y el segundo ı́ndice recorre
todos los valores posibles. Esta notación o sus análogos se usan en varios lenguajes de
programación que trabajan con matrices, incluso MATLAB (MathWorks) y Mathematica
(Wolfram Research):
en MATLAB: A(i, :); en Mathematica: A[[i, All]].
Estructura del producto de matrices, página 1 de 2

4. Proposición (renglones del producto de dos matrices). Sean A ∈ Mm×n (F),
B ∈ Mn×p (F), i ∈ {1, . . . , m}. Entonces
(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.
Demostración. La fórmula se sigue directamente de las definiciones. Primero notamos que

ambos lados de la fórmula son matrices de tamaño 1 × p. Luego mostramos que para cada
j ∈ {1, . . . , p} la entrada (1, j) de la matriz (AB)i,∗ coincide con la entrada (1, j) de la
matriz Ai,∗ B. Aplicamos la definición del i-ésimo renglón y la definición del producto:
n
X
((AB)i,∗ )1,j = (AB)i,j = Ai,k Bk,j ;
k=1
n
X n
X
(Ai,∗ B)1,j = ((Ai,∗ )1,k Bk,j = Ai,k Bk,j .
k=1 k=1
5. Proposición (columnas del producto de dos matrices). Sean A ∈ Mm×n (F),

B ∈ Mn×p (F), j ∈ {1, . . . , p}. Entonces
(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.
6. Ejercicio. Demuestre la Proposición 5.
7. Ejercicio. Sean A ∈ Mm×n (F), B ∈ Mn×p (F). Determine qué pasa con el producto
AB si:
el i-ésimo renglón de A se multiplica por un escalar λ;
los renglones r y s de A se intercambian de lugares;
la j-ésima columna de B se multiplica por un escalar λ;
las columnas r y s de B se intercambian de lugares.
Estructura del producto de matrices, página 2 de 2

Renglones y columnas del producto de matrices
como combinaciones lineales
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.
1. Proposición. Sean A ∈ Mm×n (F), B ∈ Mn×p (F), i ∈ {1, . . . , m}. Entonces

n
X
(AB)i,∗ = Ai,k Bk,∗ ,
k=1
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.
2. Proposición. Sean A ∈ Mm×n (F), B ∈ Mn×p (F), j ∈ {1, . . . , p}. Entonces

n
X
(AB)∗,j = A∗,k Bk,j ,
k=1
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.
Renglones y columnas del producto de matricescomo combinaciones lineales, página 1 de 1

La delta de Kronecker y la matriz identidad
Objetivos. Definir la delta de Kronecker y la matriz identidad, estudiar sus propiedades
básicas.
Requisitos. Multiplicación de matrices.
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.
2. Ejemplos. Calcular las siguientes sumas:

10 10 10 10
X
k
X δ7,k X
2
X
2 δk,4 , , k δk,12 , δi,k δk,j (1 ≤ i, j ≤ 10).
k=1 k=1
k k=1 k=1
3. Propiedad principal de la delta de Kronecker. Sea S un subconjunto finito de

Z y sea {ak }k∈S una familia de números. Si i ∈ S, entonces
X
ak δk,i = ai .
k∈S
Si i ∈
/ S, entonces X
ak δk,i = 0.
k∈S
Demostración. Si i ∈ / S, entonces para todo k ∈ S tenemos que k 6= i y por lo tanto

δk,i = 0, ası́ que todos los sumandos de la suma son cero.
Si i ∈ S, entonces partimos la suma en dos partes:
X X X
ak δk,i = ak δk,i + ak δk,i .
k∈S k∈{i} k∈S\{i}
La suma sobre k ∈ {i} consiste en un solo sumando el cual es igual a

ai δi,i = ai .
En la suma sobre k ∈ S \ {i} tenemos que δk,i 6= 0 y por lo tanto tos sumandos son
cero.
La delta de Kronecker y la matriz identidad, página 1 de 3

La matriz identidad
Definición (la matriz identidad). La matriz identidad de tamaño n denotada por In

o simplemente por I es la matriz cuadrada de tamaño n con entradas
(
1, i = j;
Ii,j = δi,j =
0, i 6= j.
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
5. Producto de una matriz por la matriz identidad, ejemplos. Calculemos los

siguientes productos:
  
1 0 0 a1,1 a1,2
 0 1 0   a2,1 b1,1 b1,2 1 0
a2,2  , .
b2,1 b2,2 0 1
0 0 1 a3,1 a3,2
6. Proposición (la matriz identidad es un elemento neutro con respecto a la

multiplicación). Sea A ∈ Mm×n (F). Entonces
AIn = A, Im A = A.
Demostración. Demostremos sólo la fórmula AIn = A. Los tamaños de la matriz AIn es

m × n, los mismos que los de la matriz A. Calculemos la (i, j)-ésima entrada del producto
AIn :
n
X n
X X X
(AIn )i,j = Ai,k (In )k,j = Ai,k δk,j = Ai,k δk,j + Ai,k δk,j = Ai,j .
k=1 k=1
|{z} |{z}
k∈{j} k∈{1,...,n}\{j}
=
1 0
7. Ejercicio. Demostrar la igualdad Im A = A, donde A ∈ Mm×n (F) es una matriz

arbitraria.
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).

Ejercicios adicionales
9. Tarea adicional. En este ejercicio consideremos matrices n × n y denotemos por Ep,q
a la matriz cuya (p, q)-ésima entrada es 1 y todas las demás son 0:
n
Ep,q = δp,i δq,j i,j=1 .
Por ejemplo, si n = 3, entonces

 
0 0 1
E1,3 =  0 0 0 .
0 0 0
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.

Potencias enteras no negativas
de una matriz cuadrada
Objetivos. Definir potencias enteras no negativas de una matriz cuadrada, ver que las
potencias de una matriz conmutan entre si.
Requisitos. Multiplicación de matrices, propiedades de la multiplicación de matrices,

matriz identidad, demostraciones por inducción, definición por inducción (definición re-
cursiva).
1. Definición (potencias enteras no negativas de una matriz cuadrada). Sea

A ∈ Mn (F) una matriz cuadrada. Las potencias de A se definen de manera recursiva:
∀p ∈ {0, 1, 2, . . .} Ap+1 := Ap A,
con la condición inicial A0 := In .
2. Ejemplo. Si A es una matriz cuadrada, entonces
A4 = A3 A = (A2 A)A = (A1 A)A A = (AA)A A.

La multiplicación de matrices cumple con la ley asociativa, por eso no es necesario poner
paréntesis:
A4 = AAAA.
3. Ejemplo. Calculemos A2 , donde

5 −1
A= .
2 1
Solución falsa. Elevamos cada entrada de la matriz A al cuadrado:

2
2 5 (−1)2
A = .
22 12
¿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
Potencias enteras no negativas de una matriz cuadrada, página 1 de 4

4. Ejemplo. Sea
3 −4
A= .
1 5
Calculemos A3 = A · A · A de dos maneras diferentes: A2 A y AA2 .
Solución.

2 3 −4 3 −4 9 − 4 −12 − 20 5 −32
A = = = ;
1 5 1 5 3 + 5 −4 + 25 8 21

2 5 −32 3 −4 15 − 32 −20 − 160 −17 −180
A A= = = ;
8 21 1 5 24 + 21 −32 + 105 45 73

2 3 −4 5 −32 15 − 32 −96 − 84 −17 −180
AA = = = .
1 5 8 21 5 + 40 −32 + 105 45 73
5. Tarea adicional simple. Sea A ∈ Mn (F). Usando un razonamiento por inducción,
demuestre que Ap+1 = A · Ap para todo p ∈ {0, 1, 2, . . .}.
6. Propiedades de las potencias (sin demostración).
1. Ap Aq = Ap+q .
2. (Ap )q = Apq .
7. Tarea adicional. Demuestre por inducción las propiedades enunciadas arriba. Hay
que fijar un p arbitrario y hacer la inducción matemática sobre q.
8. Observación. Como sabemos, la ley conmutativa no es válida para las matrices en
general. Pero las potencias de una matriz cuadrada siempre conmutan entre sı́. Es una
consecuencia de la ley asociativa.
9. Observación (exponenciación binaria). Para calcular Ap no es necesario hacer
p − 1 productos de matrices. Agrupando los factores del producto |A ·{z
· · A} en potencias de
p factores
2 uno puede ahorrar el número de multiplicaciones. Por ejemplo, la potencia A13 se puede
calcular con 5 multiplicaciones de matrices:
A2 = AA, A4 = A2 A2 , A8 = A4 A4 , A12 = A8 A4 , A13 = A12 A.
Generalizando esta idea se puede deducir un algoritmo llamado la exponenciación binaria.
10. Observación (acerca de la potencia del producto de dos matrices). A diferen-
cia de los números, para las matrices no se cumple (en general) la fórmula (AB)n = An B n .
Es que la multiplicación de matrices no es conmutativa y, por ejemplo, (AB)2 = ABAB
no es lo mismo que A2 B 2 = AABB.
11. Ejercicio. Dé un ejemplo de matrices A, B ∈ M2 (R) tales que (AB)2 6= A2 B 2 .
12. Tarea adicional simple. Sean A, B ∈ Mn (F) tales que AB = BA. Demuestre por
inducción que
∀p ∈ {0, 1, 2, . . .} (AB)p = Ap B p .

Deducción de fórmulas para las potencias de algunas matrices
En general, no tenemos fórmulas sencillas para calcular la p-ésima potencia de una
matriz. Hay fórmulas basadas en la forma canónica de Jordan y el polinomio mı́nimo que
se estudian en el curso de Álgebra III. Pero hay matrices A para las cuales Ap se puede
escribir con una fórmula simple. Vamos a conocer algunos de estos ejemplos.
13. Ejemplo. Calculemos Ap , donde

1 1
A= .
0 1
Solución. Primero calculemos A2 y A3 :

2 1 1 1 1 1 2
A = = ;
0 1 0 1 0 1

3 1 2 1 1 1 3
A = = .
0 1 0 1 0 1
Parece que
p 1 p
A = . (1)
0 1
Demostremos por inducción que la fórmula (1) se cumple para todo p ∈ {0, 1, 2, . . .}.
Denotemos por B(p) al lado derecho de esta fórmula:

1 p
B(p) := .
0 1
Primero hay que probar la base de inducción. Como p empieza con 0, hay que probar que
la fórmula (1) se cumple para p = 0:

0 1 0
A = = B(0). X
0 1
Ahora supongamos que Ap = B(p) (es nuestra hipótesis de inducción) y demostremos la
igualdad Ap+1 = B(p + 1).

p+1 (i) p (ii) 1 p 1 1 (iii) 1 p+1 (iv)
A === A A === ==== ==== B(p + 1). X
0 1 0 1 0 1
En el paso (i) aplicamos la definición (recursiva) de la potencia, y en el paso (ii) usamos
la hipótesis de la inducción. La igualdad (iii) obtenemos con un cálculo directo, usando
la definición del producto de matrices, y en la igualdad (iv) se usa la definición de B(p).
Ası́ acabamos de demostrar que Ap+1 = B(p + 1), usando la hipótesis que Ap = B(p).
Ahora el principio de inducción garantiza que la igualdad Ap+1 = B(p + 1) se cumple para
todo p entero no negativo.

Ejercicios
En los siguientes ejercicios hay que calcular algunas primeras potencias de A y adivinar
un fórmula general para Ap . También puede demostrar esta fórmula por inducción.

3 −2
14. A = .
4 −3

3 2 En este ejemplo divida la respuesta en 4 casos:
15. A = .
−5 −3 p = 4k, p = 4k + 1, p = 4k + 2, p = 4k + 3.

6 10
16. A = .
−3 −5
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)
Más adelante, en la unidad “Transformaciones lineales”, vamos a comprender el sentido

geométrico de la matriz Rα . Ahora estudiaremos un par de sus propiedades algebraicas.
18. Producto de dos matrices de rotación. Sean α, β ∈ R. Calcule el producto

Rα Rβ . Hay que aplicar la definición del producto de matrices, simplificar el resultado con
fórmulas trigonométricas apropiadas y comprender cómo escribirlo de manera breve.
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
22. Ejercicio. Construya una matriz cuadrada A tal que A 6= 0 y A2 = 0.
23. Tarea adicional. Dado un entero positivo p, construya una matriz cuadrada A tal
que Ap−1 6= 0 y Ap = 0.

Polinomio de una matriz cuadrada
Objetivos. Definir el valor de un polinomio en una matriz cuadrada.
Requisitos. Polinomios de una variable, operaciones con matrices, matriz identidad,

potencias no negativas de una matriz cuadrada.
1. Ejemplo. Si A ∈ Mn (R) y P (x) = 3x2 + 5x − 7, entonces P (A) se define como

3A2 + 5A − 7In .
2. Definición (polinomio de una matriz cuadrada). Sea A ∈ Mn (F) una matriz

cuadrada y sea P un polinomio con coeficientes pertenecientes a F:
d
X
P (x) = ck x k = c0 + c1 x + c2 x 2 + . . . + cd x d (c0 , . . . , cd ∈ F).
k=0
Entonces P (A) es la matriz definida mediante la siguiente fórmula:

d
X
P (A) = ck Ak = c0 I + c1 A + c2 A2 + . . . + cd Ad .
k=0
3. ¿Para qué sirven los polinomios de matrices?. Polinomios de matrices hacen

un gran papel en la teorı́a espectral de operadores lineales que se estudia en el curso de
Álgebra III. En particular, polinomios de matrices se pueden usar para calcular la función
exponencial exp(A) de una matriz cuadrada A, la cual se usa en la teorı́a de ecuaciones
diferenciales.
4. Ejemplo. Sean P (x) = x2 − 7x + 10,

3 −1
A= .
7 0
Calculemos la matriz P (A) de tres maneras diferentes:
A2 − 7A + 10I, (A − 7I)A + 10I, (A − 2I)(A − 5I).
Solución. 1. P (A) = A2 − 7A + 10I.

2 3 −1 3 −1 9 − 7 −3 + 0 2 −3
A = = = .
7 0 7 0 21 + 0 −7 + 0 21 −7
De allı́

2 2 −3 −21 7 10 0 −9 4
P (A) = A − 7A + 10I = + + = .
21 −7 −49 0 0 10 −28 3
Polinomio de una matriz cuadrada, página 1 de 2

2. P (A) = (A − 7I)A + 10I.

−4 −1 3 −1 −12 − 7 4+0 −19 4
(A − 7I)A = = = .
7 −7 7 0 21 − 49 −7 + 0 −28 −7
De allı́

−19 4 10 0 −9 4
P (A) = (A − 7I)A + 10I = + = .
−28 −7 0 10 −28 3
3. P (A) = (A − 2I)(A − 5I).

1 −1 −2 −1 −2 − 7 −1 + 5 −9 4
(A − 2I)(A − 5I) = = = .
7 −2 7 −5 −14 − 14 −7 + 10 −28 3
Respuesta:
−9 4
P (A) = .
−28 3
5. Tarea adicional (propiedades de polinomios de matrices). Sean A ∈ Mn (F),

P, Q ∈ P(F), λ ∈ F. Demostrar que
(P + Q)(A) = P (A) + Q(A), (λP )(A) = λP (A), (P Q)(A) = P (A)Q(A).
6. Ejercicio. Sean P (x) = x2 − 8x + 12,

 
3 −5 7
A= 1 4 −8  .
3 1 2
Calcule la matriz P (A) de tres maneras diferentes:
A2 − 8A + 12I, (A − 8I)A + 12I, (A − 2I)(A − 6I).
Polinomio de una matriz cuadrada, página 2 de 2

Matrices invertibles. La inversa de una matriz
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.
Requisitos. Multiplicación de matrices, propiedades de la multiplicación de matrices.
1. Ejemplo. Calcule AB y BA, donde

   
2 −4 −3 −1 2 9
A =  −3 7 3 , B =  0 1 3 .
1 −2 −1 −1 0 2
2. Definición (matriz inversa de una matriz). Sean A, B ∈ Mn (F). Se dice que B

es matriz inversa de la matriz A si
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:
3. Definición (matriz invertible). Sea A ∈ Mn (F). Se dice que A es invertible si existe

una matriz B ∈ Mn (F) tal que
AB = In ∧ BA = In .
4. Proposición (unicidad de la matriz inversa). Sean A, B, C ∈ Mn (F) tales que

AB = BA = In y AC = CA = In . Entonces B = C.
Demostración. Usando la ley asociativa de la multiplicación de matrices calculemos el

producto BAC de dos maneras diferentes. Por un lado, BAC = B(AC) = BIn = B. Por
otro lado, BAC = (BA)C = In C = C.
5. Notación (la matriz inversa de una matriz invertible). La proposición anterior

muestra que si una matriz es invertible, entonces su inversa es única. En el caso si A es
invertible, su inversa se denota por A−1 .
Matrices invertibles. La inversa de una matriz, página 1 de 5

6. ¿Por qué no usamos la notación A−1 en la definición de matriz invertible?.
En cualquier frase de la forma “existe un objeto . . . con la propiedad que . . . ” la lógica
matemática exige escribir una variable simple.
bien: existe v tal que P (v);
mal: existe a + b tal que P (a + b).

Es una de las razones por las cuales en la Definición 3 escribimos B en vez de A−1 . Otra
razón es que no tenı́amos derecho de escribir A−1 antes de demostrar la Proposición 4.
7. ¿Cuándo podemos usar la notación A−1 ?. El problema es que existen matrices

no invertibles, para las cuales la notación A−1 no tiene sentido. La la notación A−1 se
puede usar solamente después de demostrar que A es invertible.
8. Ejemplo trivial de una matriz no invertible. Obviamente, la matriz nula 0n,n no

es invertible. De hecho, para cualquier matriz B ∈ Mn (F) se tiene 0n,n B = 0n,n 6= 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.

Demostración. Por contraposición, supongamos que existe una matriz B ∈ Mn (F) tal
que AB = In . Entonces, en particular, la entrada (p, p) del producto AB debe coincidir
con la entrada (p, p) de la matriz identidad In . Pero
n
X
(AB)p,p = Ap,j Bj,p = 0,
j=1
|{z}
=
0
mientras que (In )p,p = 1 6= 0. Contradicción.
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.
15. Ejercicio. Demuestre la proposición anterior.
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
muestre que la igualdad AX = I2 es equivalente a un sistema de 4 ecuaciones lineales y

resuelva ese sistema.
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.

19. Ejercicio: invertibilidad de matrices diagonales. Demuestre que una matriz
diagonal  
α1 0 0
A = diag(α1 , α2 , α3 ) =  0 α2 0 
0 0 α3
es invertible ⇐⇒ todos sus elementos diagonales son distintos de cero: α1 6=
0, α2 6= 0, α3 6= 0.
20. Ejercicio: invertibilidad de la matriz triangular 2 × 2. Usando sólo la defini-

ción, demuestre que la matriz
α β
A=
0 γ
es invertible ⇐⇒ α 6= 0 y γ 6= 0. Calcule la matriz inversa (en el caso de la existencia).

21. Teorema (propiedades de la matriz inversa).
1. La matriz identidad In es invertible y coincide con su inversa:
In−1 = In .
2. Si A, B ∈ Mn (F) son invertibles, entonces la matriz AB también es invertible, y
(AB)−1 = B −1 A−1 .
3. Si A ∈ Mn (F) es invertible, entonces A−1 también es invertible, y
(A−1 )−1 = A.
4. Si A ∈ Mn (F) es invertible, entonces A> también es invertible, y
(A> )−1 = (A−1 )> .
Demostración del inciso 2. Denotemos A−1 por C y B −1 por D. Por la definición de la

matriz inversa,
AC = In , CA = In , BD = In , DB = In .
Queremos demostrar que la matriz DC es inversa a la matriz AB. En efecto,

(1) (2) (3) (4) (5)
(AB)(DC) === ((AB)D)C === (A(BD))C === (AIn )C === AC === 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.
22. Ejercicio. Demuestrar todos los incisos del teorema.

Matrices triangulares
Objetivos. Definir matrices triangulares superiores y triangulares inferiores, y estudiar

algunas de sus propiedades básicas.
Requisitos. Operaciones con matrices.
1. Descripción formal de los elementos en la diagonal principal, fuera de la

diagonal principal, por arriba y por abajo de la diagonal principal. Sea A una
matriz cuadrada, A ∈ Mn (F). Los elementos Ai,i forman la diagonal principal de A y se
llaman entradas diagonales de A.
¿Cuándo Ai,j está en la diagonal principal de A?. Respuesta correcta: cuando i = j.
¿Cuándo Ai,j está fuera de la diagonal principal de A?.
¿Cuándo Ai,j está por arriba de la diagonal principal de A?.
¿Cuándo Ai,j está por debajo de la diagonal principal de A?.
Matrices triangulares superiores

2. Definición (matriz triangular superior). Una matriz cuadrada A ∈ Mn (F) es
triangular superior si todos sus elementos por debajo de la diagonal principal son iguales
a cero:
∀i, j ∈ {1, . . . , n} i > j =⇒ Ai,j = 0.
El conjunto de todas las matrices triangulares cuadradas de tamaño n se denota por
utn (F). En otras palabras,

utn (F) := A ∈ Mn (F) : ∀i, j ∈ {1, . . . , n} i > j =⇒ Ai,j = 0 .
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.
Matrices triangulares, página 1 de 4

4. Ejemplo. Calcule A + B y 3A, si
   
−5 2 7 4 3 −3
A= 0 1 0 , B =  0 −5 6 .
0 0 −3 0 0 5
5. Suma y producto por escalar de matrices triangulares superiores. Sean A, B ∈

utn (F), λ ∈ F. Entonces A + B ∈ utn (F) y λA ∈ utn (F).
6. Ejemplo. Multipliquemos dos matrices triangulares superiores:

    
3 −2 5 4 −6 2 12 + 0 + 0 −18 − 10 + 0 6 − 2 − 5
 0 7 4  0 5 1 = 0+0+0 0 + 35 + 0 0 + 7 − 4 
0 0 7 0 0 −1 0+0+0 0+0+0 0+0−7
 
12 −28 −1
=  0 35 3 .
0 0 −7
7. Ejemplo. El ejemplo anterior permite formular una hipótesis: el producto de matrices

triangulares superiores AB también es triangular superior, y cada elemento diagonal del
producto es el producto de los elementos correspondientes de A y B.
Para comprender mejor porque es ası́ consideremos el producto de dos matrices trian-
gulares superiores A, B de orden 6 y calculemos un elemento debajo de la diagonal
principal, por ejemplo (AB)5,2 .
(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
En los primeros sumandos (1 ≤ k ≤ 2) el elemento A5,k es igual a cero, en los siguientes

sumandos (2 < k < 5) ambos elementos A5,k y Bk,2 son iguales a cero, y en los últimos
sumandos (5 ≤ k ≤ 7) el elemento Bk,2 es igual a cero.
Consideremos un elemento de la diagonal principal, por ejemplo (AB)4,4 :
(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).
Ahora estamos preparados para enunciar y demostrar la proposición general.

8. Teorema (producto de matrices triangulares superiores).
Sean A, B ∈ utn (F). Entonces AB ∈ utn (F), y las entradas diagonales del producto AB
son productos de las entradas correspondientes de las matrices A y B:
∀i ∈ {1, . . . , n} (AB)i,i = Ai,i Bi,i .
Demostración. 1. Primero demostremos que AB es una matriz triangular superior. Sean
i, j ∈ {1, . . . , n}, i > j. Demostremos que (AB)i,j = 0. Por la definición del producto de
matrices,
n
X
k=1
Dividamos esta sumatoria en tres partes:
j i−1 n
X X X
(AB)i,j = Ai,k Bk,j + Ai,k Bk,j + Ai,k Bk,j .
k=1 k=j+1 k=i
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)
2. Sea i ∈ {1, . . . , n}. Por la definición del producto de matrices,

n
X
(AB)i,i = Ai,k Bk,i ,
k=1
Dividamos la sumatoria en 3 partes:

i−1
X n
X
(AB)i,i = Ai,k Bk,i + Ai,i Bi,i + Ai,k Bk,i = Ai,i Bi,i .
k=1
|{z} k=i+1
|{z}
k k
0 0
(i>k) (k>i)
Ası́ hemos demostrado la fórmula para (AB)i,i .

9. Nota (promesa para futuro). Más adelante en este curso demostremos el criterio
de invertibilidad de una matriz triangular superior y demostremos que la matriz inversa
de una matriz superior, cuando existe, también es triangular superior.
10. Tarea adicional (criterio de invertibilidad de una matriz triangular superior
de orden 2). Usando sólo las definiciones determine cuándo es invertible la siguiente
matriz A.
α β
A= .
0 γ

Matrices triangulares inferiores
11. Ejercicio. Escriba la definición de una matriz triangular inferior. Notación para el
conjunto de todas las matrices triangulares inferiores: ltn (F).
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?.
14. Ejercicio. Calcule el producto

  
3 0 0 4 0 0
 −2 7 0   1 −5 0  .
5 −1 8 6 0 3
15. Tarea adicional. Enuncie y demuestre el teorema sobre el producto de matrices

triangulares inferiores.

Matrices diagonales
Objetivos. Definir matrices diagonales y aprender a realizar operaciones algebraicas (adi-

ción, multiplicación por escalar y multiplicación) con matrices diagonales. Comprender
cómo se transforma una matriz general al multiplicarla por una matriz diagonal del lado
izquierdo o del lado derecho.
Requisitos. Operaciones con matrices, notación para las componentes de una matriz.
1 Ejercicio (descripción formal de las componentes en la diagonal principal y fuera de la

diagonal principal). Sea A ∈ Mn (F). Las componentes Ai,i forman la diagonal principal
de A y se llaman componentes diagonales de A. También se puede decir que los pares
(i, i) son posiciones diagonales en la matriz.
¿Cuándo Ai,j está en la diagonal principal de A? Respuesta correcta: cuando i = j.
¿Cuándo Ai,j está fuera de la diagonal principal de A?
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
Matrices diagonales, página 1 de 3

Notemos que las componentes diagonales de una matriz diagonal pueden ser iguales o
cero. Por ejemplo, la matriz cuadrada nula 0n,n es una matriz diagonal. Es un error
común pensar que las componentes diagonales de una matriz diagonal deben ser distintas
de cero.
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.
6 Definición (matriz escalar). Una matriz cuadrada se llama matriz escalar si es un

múltiplo de la matriz identidad. Más formalmente, una matriz A ∈ Mn (F) se llama
matriz escalar si existe un α ∈ F tal que A = αIn .
7 Ejercicio. Mostrar que toda matriz escalar es una matriz diagonal.
8 Proposición (sobre la suma de dos matrices diagonales). Sean a1 , . . . , an ∈ F y

b1 , . . . , bn ∈ F. Entonces
diag(a1 , . . . , an ) + diag(b1 , . . . , bn ) = diag(a1 + b1 , . . . , an + bn ).
Demostración. Denotemos la matriz diag(a1 , . . . , an ) por A y la matriz b1 , . . . , bn por B.

Sean i, j ∈ {1, . . . , n}. Entonces
(A + B)i,j = Ai,j + Bi,j = ai δi,j + bi δi,j = (ai + bi )δi,j .
La última expresión es el (i, j)-ésimo elemento de la matriz diag(a1 + b1 , . . . , an + bn ).
9 Proposición (sobre el producto de una matriz diagonal por un escalar). Sean a1 , . . . , an ∈

F y λ ∈ F. Entonces
λ diag(a1 , . . . , an ) = diag(λa1 , . . . , λan ).
10 Proposición (sobre el producto de matrices diagonales).
diag(a1 , . . . , an ) diag(b1 , . . . , bn ) = diag(a1 b1 , . . . , an bn ).
11 Problema. Demostrar de manera formal la proposición del producto de matrices

diagonales usando la definición del producto y la propiedad principal de la delta de Kro-
necker.
12 Ejemplo (producto de matrices diagonales por matrices arbitrarios). Calculemos los

siguientes productos:
 
A1,1 A1,2
A1,1 A 1,2 A 1,3
diag(b1 , b2 , b3 )  A2,1 A2,2  , diag(b1 , b2 , b3 ).
A2,1 A2,2 A2,3
A3,1 A3,2

13 Proposición (el producto de una matriz por una matriz diagonal).
1. Al multiplicar una matriz arbitraria A por la matriz diagonal diag(b1 , . . . , bn ) del

lado izquierdo, para todo ı́ndice i ∈ {1, . . . , n} los elementos de la i-ésima fila de A
se multiplican por bi .
2. Al multiplicar una matriz arbitraria A por la matriz diagonal diag(b1 , . . . , bn ) del

lado derecho, para todo ı́ndice j ∈ {1, . . . , n} los elementos de la j-ésima columna
de A se multiplican por bj .
14 Ejemplo (el producto de matrices diagonales). Calculemos los siguientes productos:
diag(2, 7, −3) diag(1, 5, 4), diag(5, 1) diag(−2, 8).
15 Proposición (el criterio de la invertibilidad de una matriz diagonal). Sea A ∈ Mn (F)

una matriz diagonal, A = diag(a1 , . . . , an ). Entonces las siguientes condiciones son equi-
valentes:
(a) A es invertible;
(b) todas las componentes diagonales de A son distintas de cero: a1 6= 0, . . . , an 6= 0.
Demostración. (a)⇒(b). Sea A invertible, B = A−1 . Entonces para todo ı́ndice i ∈

{1, . . . , n} se tiene
Xn
1 = (AB)i,i = Ai,k Bk,i = ai Bi,i .
k=1
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.
16 Observación. Después de conocer los conceptos de anillo y de álgebra (anillo con

multiplicación por escalares), uno puede notar que el conjunto Fn con operaciones por
componentes es un álgebra sobre F. Por otro lado, el conjunto Diagn (F) es una subálgebra
del álgebra Mn (F). La función diag es un isomorfismo entre las álgebras Fn y Diagn (F).

Operaciones Con Matrices

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Operaciones Con Matrices

Cargado por

Copyright:

Formatos disponibles

Propiedades de las operaciones algebraicas

con números reales (repaso)

Objetivos. Repasar las propiedades principales de la adición y multiplicación de números

Requisitos. Conjunto de los números reales R, propiedades de las operaciones aritméticas

Dos operaciones binarias en R: adición y multiplicación

Propiedades de la adición de números reales

1. Propiedad asociativa de la adición de números reales.

2. Propiedad conmutativa de la adición de números reales.

Propiedades de las operaciones algebraicas con números reales (repaso), página 1 de 4

4. Existencia de un inverso aditivo para cualquier número real.

Se puede demostrar que para todo α ∈ R el número real β con la propiedad α + β = 0

Ejemplos de aplicación de propiedades de la adición

En el paso (1) se aplica la propiedad conmutativa de la adición; en el paso (2) la

Resolviendo ecuaciones aplicamos frecuentemente la ley de cancelación:

Esta ley se puede deducir de las propiedades mencionadas arriba:

En el paso (4) se usa la hipótesis que a + c = b + c. Justifique los demás pasos.

Propiedades de las operaciones algebraicas con números reales (repaso), página 2 de 4

5. Propiedad distributiva de la multiplicación respecto a la adición. Se tienen

∀α, β, γ ∈ R α(β + γ) = αβ + αγ;

Como la multiplicación de números reales es conmutativa (véase adelante la propiedad

Propiedades de la multiplicación de números reales

6. Propiedad asociativa de la multiplicación de números reales.

∀α, β, γ ∈ R (αβ)γ = α(βγ).

7. Propiedad conmutativa de la multiplicación de números reales.

8. Existencia de un número real neutro multiplicativo.

9. Uno es diferente de cero. 0 6= 1.

Se puede demostrar que para todo α ∈ R \ {0} el número β con la propiedad αβ = 1

Propiedades de las operaciones algebraicas con números reales (repaso), página 3 de 4

El campo Q de los números racionales.

El campo C de los números complejos.

El campo F2 de dos elementos 0, 1 con operaciones definidas de la siguiente manera:

Propiedades de las operaciones algebraicas con números reales (repaso), página 4 de 4

Definición del conjunto R3

Conjunto R3 y operaciones lineales en R3 , página 1 de 5

8. Observación. Si a, b ∈ R3 , entonces a + b ∈ R3 . Cada componente de a + b es la suma

9. Definición (producto de una tripla real por un número real). La multiplicación

10. Observación. Si a ∈ R3 y λ ∈ R, entonces λa es un elemento de R3 . Cada componente

∀k ∈ {1, 2, 3} (λa)k = λak .

log2 (5) log2 (7) log2 (35) 0.33 0.99

Conjunto R3 y operaciones lineales en R3 , página 2 de 5

∀a, b, c ∈ R3 (a + b) + c = a + (b + c). (1)

14. Observación antes de la demostración. Recordemos que una propiedad similar

∀α, β, γ ∈ R (α + β) + γ = α + (β + γ). (2)

Ahora vamos a demostrar la propiedad (1) usando la definición de la suma en R3 y la

Demostración. Usamos la notación estándar para las componentes de las triplas a, b, c:

15. Ejercicio (propiedad conmutativa de la adición en R3 ). Demuestre que:

¡Justifique cada paso!.

Conjunto R3 y operaciones lineales en R3 , página 3 de 5

Conjunto R3 y operaciones lineales en R3 , página 4 de 5

∀a ∈ R3 ∀λ, µ ∈ R (λ + µ)a = λa + µa.

Use la ley distributiva en R:

∀α, β, γ ∈ R (α + β)γ = αγ + βγ.

22. Ejercicio (propiedad distributiva de la multiplicación de vectores por es-

∀a, b ∈ R3 ∀λ ∈ R λ(a + b) = λa + λb.

Otras propiedades de la multiplicación por escalares en R3

(ii) Definición del producto de elementos de R3 por números reales.

(iii) Propiedad de la unidad en R: 1 · α = α para todo α ∈ R.

(iv) Notación para las componentes de la tripla a.

24. Ejercicio. Demuestre la siguiente propiedad:

∀a ∈ R3 ∀λ, µ ∈ R λ(µa) = (λµ)a.

Conjunto R3 y operaciones lineales en R3 , página 5 de 5

Notación para tuplas y sus componentes, página 1 de 1

Objetivos. Definir el conjunto Rn y operaciones lineales en Rn , estudiar propiedades de

Requisitos. Conjunto de los números reales R, propiedades de las operaciones aritméticas