Matrices fundamentales

Índice general
1. Matrices 2
1.1. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1. Orden de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2. Tipos de Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1. Matriz Fila . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.2. Matriz Columna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.3. Matriz Nula o matriz cero . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3. Producto de una matriz fila con una matriz columna . . . . . . . . . . . . . 7
1.4. Multiplicación de un escalar por una matriz . . . . . . . . . . . . . . . . . 8
1.4.1. Propiedades del producto de un escalar por una matriz . . . . . . . . 8
1.4.2. Suma de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4.3. Diferencia o Resta de matrices. . . . . . . . . . . . . . . . . . . . . . . 9
1.5. Producto de matrices. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.5.1. Propiedades del producto de matrices. . . . . . . . . . . . . . . . . . . 14
1.6. Tipos especiales de matrices. . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.6.1. Matrices idempotentes, involutivas y nilpotentes . . . . . . . . . . . . 26
1.7. Matrices semejantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.8. Problemas Resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.9. Problemas propuestos (Matrices) . . . . . . . . . . . . . . . . . . . . . . . . . 31
1
Capı́tulo 1
Matrices
1.1. Matrices
Introducción. El término matriz fue introducido por primera vez en el año 1 850 por
Sylvester, un año después Cayley iniciaba un estudio matemático de las mismas. Aunque
una matriz no es más que un conjunto de números reales dispuestos de forma ordenada
(formando filas que son las lı́neas horizontales y las columnas son las lı́neas verticales)
esta sencilla idea se ha mostrado muy útil. Es muy frecuente que los datos sobre las acti-
vidades variadas se presenten en forma de tabla, tabla que no es sino una matriz.
Una matriz es un conjunto de datos organizados en filas y columnas, una hoja Excel
tiene forma de una gran matriz porque está divida en filas y columnas.
Tipos:
Excel trabaja con matrices unidimensionales, es decir de una fila o de una columna, y
matrices bidimensionales formadas por filas y columnas. También existen matrices
tridimensionales que están formadas por filas, columnas y profundidad, pero que
Excel no entiende.
Aplicación: Un fórmula matricial es una fórmula que se aplica a todas las celdas de
una matriz. Las fórmulas matriciales permiten un ahorro de trabajo.
Las fórmulas matriciales permiten trabajar de forma rápida y cómoda.
Desde el punto de vista que nos concierne podrı́amos decir que las matrices han inun-
dado el Álgebra Lineal, hasta el punto de que muchas veces se llama Teorı́a de Matrices.
Sólo cuando tratamos con dimensión finita, las de dimensión infinita hemos de abando-
narlas.
¿Cuál es el secreto? El secreto es que siendo tan poca cosa − un puñado de núme-
ros escritos ordenadamente − una matriz puede representar muchas cosas: un sistema
de ecuaciones lineales como los veremos, transformaciones lineales, productos escalares,
formas cuadráticas, cónicas, etc. Es la forma de ver la matriz lo que le da sentido, y su
facilidad de manejo lo que les da versatilidad y potencia. ¿Qué más se puede pedir a una
2
Curso: Álgebra Vectorial Lineal y Matricial Tema: Matrices 3
herramienta?
En este capı́tulo se introducen los conceptos básicos que se requieren para estudiar el
curso del álgebra lineal. Comenzamos en la primera sección con el tema fundamental de
Matrices.
Definición 1.1. Una matriz A es un arreglo rectangular compuesto de m− renglones o

filas (lı́neas horizontales) y n− columnas (lı́neas verticales), de m × n números reales
 
a11 a12 a13 . . . a1n
 a21 a22 a23 . . . a2n 
 
 
A= a31 a32 a33 . . . a3n 
 .. .. .. .. 
 . . . . 
am1 am2 am3 . . . amn
Se dice que A es una matriz de tamaño u orden m × n y simbólicamente se escribe
A = [aij ],
 
a11 a12 a13 . . . a1n
 
 a21 a22 a23 . . . a2n 
 .. .. .. ... .. 
 . . . . 
 
 ... ... 
 aij ... ... 
A= .  → i − ésima fila
 .. .. .. ... .. 
 . . . 
 
 am1 am2 am3 . . . amn 
 
 ↑ 
i − ésima columna
i = 1, 2, . . . , m; j = 1, 2, . . . , n. Esto es, aij representa el número que se encuentra en la fila i
y en la columna j. A los elementos aij se les llaman las componentes (entradas) de la matriz
A.
Nota.
Los paréntesis rectangulares se pueden suplir por paréntesis circulares en notaciones

matriciales. En este curso emplearemos paréntesis rectangulares.
En el caso particular de que una matriz tenga tamaño 1×1 escribiremos simplemente
a en lugar de [a]; es decir, identificaremos toda matriz [a] con el número real a.
Al conjunto de todas las matrices de tamaño m × n se le denota por Mm×n (K), donde
K es el campo de los escalares, en nuestro caso sólo utilizaremos el campo de los
números reales K = IR o el campo de los números complejos K = C, I o simplemente
denotaremos por Mm×n
J. Roberto Ticona Parisaca

[ ]
1 3 5
Ejemplo 1.1. En la matriz: A= sus elementos o componentes son:
2 4 6
a11 = 1, a12 = 3, a13 = 5, a21 = 2, a22 = 4, a23 = 6.
Esta es una matriz de orden 2 × 3, es decir: A ∈ M2×3 .

[ ]
−2 3 5
Ejemplo 1.2. Si A =
−4 2 1
A es una matriz de tamaño 2 × 3 y, para este caso sus elementos son:
a11 = −2, a12 = 3, a13 = 5, a21 = −4, a22 = 2, a23 = 1.
Definición 1.2. (Igualdad de Matrices) Dos matrices A = [aij ] y B = [bij ] son iguales
(A = B) si y sólo si:
1. A y B tienen el mismo tamaño y
∀ i = 1, 2, . . . , m, ∀ j = 1, 2, . . . , n
2. aij = bij
[ ] [ ]
a11 a12 b11 b12
Ejemplo 1.3. Si A = , B= ∈ M2×2 , entonces
a21 a22 b21 b22
A = B ⇐⇒ a11 = b11 ∧ a12 = b12 ∧ a21 = b21 ∧ a22 = b22
Si A y B no son iguales, escribiremos ası́
A ̸= B ⇐⇒ aij ̸= bij , ∃ i = 1, 2, . . . , m, ∃ j = 1, 2, . . . , n
Ejemplo 1.4. De acuerdo con la definición anterior

[ ] [ ]
1 3 9 1 3 9
A= ̸= =B
5 7 2 5 6 2
Pues existen dos componentes, una de la matriz A el cual es a22 = 7, y la otra componente de
la matriz B en la misma posición como es b22 = 7 no son iguales, por lo tanto las matrices
A y B son diferentes.
Ejemplo 1.5. ¿Es posible determinar el valor de k para que las matrices
[ ] [ ]
k 1 2 1
A= y B= sean iguales?
−1 2k −1 4
Solución. Dado que ambas matrices tienen el mismo tamaño ellas serán iguales si y sólo
si coinciden componente a componente; para lo cual es suficiente que k = 2 y 2k = 4; esto
se cumple para k = 2.

[ ] [ ]
k 0 1 0
Ejemplo 1.6. Determinar el valor de k para que las matrices A = yB=
3 3k 3 4
sean iguales.
Solución. Para que las matrices sean iguales se requiere, en este caso que k = 1 y 3k = 4,
4
luego se debe tener simultáneamente k = 1 y k = ; lo cual es imposible. Por lo tanto A ̸= B
3
para cualquier valor de k.
1.1.1. Orden de una matriz

El orden de una matriz es el producto indicado del número de filas (lı́neas horizontales)
por el número de columnas (lı́neas verticales) de la matriz, se denota el tamaño por el
producto de filas multiplicado por el número de filas, es decir m × n.
[ ]
1 4 8
Ejemplo 1.7. La matriz dada: A = tiene dos filas y tres columnas, entonces
3 5 7
la matriz A es de orden 2 × 3, es decir, A ∈ M2×3 .
Notación. A las matrices usualmente se denota por las letras mayúsculas A, B, C, etc. y
a sus elementos con letras minúsculas: aij , bij , cij , etc, respectivamente.
Ejemplo 1.8. Las siguientes matrices se escriben ası́:

   
a11 a12 a13 [ ] c11 c12
  b 11 b 12 b13  
A =  a21 a22 a23  ∈ M3×3 , B = ∈ M2×3 , C =  c21 c22  ∈ M3×2
b21 b22 b23
a31 a32 a33 c31 c32
1.2. Tipos de Matrices

Según el aspecto de las matrices, éstas pueden clasificarse en:
1.2.1. Matriz Fila

Una matriz fila es aquella que está constituida por una sola fila. Es decir, las matrices
de orden 1 × n se les llama matriz fila, es decir es de la forma siguiente:
A = [ a11 a12 · · · a1n ] ∈ M1×n
también se le conoce con el nombre de vector fila.
Ejemplo 1.9. Sean las siguientes matrices filas:

[ ]
A = 1 4 , de orden 1 × 2,
[ ]
B= 0 2 3 , de orden 1 × 3,

[ ]
C= −2 5 6 7 , de orden 1 × 4.
[ ]
En general, D = d11 d12 d13 · · · d1n , de orden 1 × n.
1.2.2. Matriz Columna

La matriz columna que tiene una sola columna, o aquellas matrices de orden m × 1
se les llama matriz columna, es decir es de la forma siguiente:
 
a11
 a21 
 
 a 
A =  31  ∈ Mm×1
 . 
 .. 
am1
también se le conoce con el nombre de vector columna.
Ejemplo 1.10. Sean las siguientes matrices columnas:
   
8 6
   
A =  4 , de orden 3 × 1.  7 
 
2 C =  11 , de orden 5 × 1.
 
   2 
−3 0
 
 2  [ ]
B= , de orden 4 × 1.
 0  −1
D= , de orden 2 × 1.
1 3
1.2.3. Matriz Nula o matriz cero

La Matriz nula o la matriz cero de orden m × n, se define como aquella matriz que
tiene todas las m × n componentes nulas; esto es, y se denota:
Θ = [aij ]
donde aij = 0∀i, j. Ası́, por ejemplo

[ ]
0 0 0
Ejemplo 1.11. La matriz Θ = es la matriz cero de orden 2 × 3.
0 0 0
Ejemplo 1.12. Sean las siguientes matrices nulas:
[ ]
0 0
A es una matriz nula donde A = de orden 2 × 2.
0 0
 
0 0 0
 
B es una matriz nula, donde B =  0 0 0  de orden 3 × 3.
0 0 0

[ ]
0 0 0 0
C es una matriz nula, donde C = de orden 2 × 4.
0 0 0 0
1.3. Producto de una matriz fila con una matriz columna

Sean A ∈ M1×n matriz fila y B ∈ Mn×1 matriz columna, el producto de estas matrices
es una matriz de orden 1 × 1 y esta definido, ası́:
 
b11
[ ]  b21 
 
A · B = a11 a12 . . . a1n  .  = [a11 b11 + a12 b21 + a13 b31 + · · · + a1n bn1 ]
 .. 
bn1
Nota. Para que este producto de matrices existe debe cumplirse que el número de columnas
de la primera matriz coincida con el número de filas de la segunda matriz.
 
3
[ ]  
 −2 
Ejemplo 1.13. Sean las siguientes matrices A = 4 3 6 7 y B =  
 5 
6
Determine A · B
Solución.
 
3
[ ] 
 −2 
A·B= 4 3 6 7   = [ 4(3) + 3(−2) + 6(5) + 7(6) ] = [ 12 − 6 + 30 + 42 ] = [ 78 ]
 5 
6
 
3
[ ]  
 0 
Ejemplo 1.14. Sean las siguientes matrices A = 4 3 6 7 3 yB= .
 5 
7
Determine si es posible: A · B
Solución. En este caso no existe el producto de estas matrices, pues el número de co-
lumnas de A es 5, mientras que el número de filas de la matriz B es 4, como estos números
no son iguales, entonces no existe el producto entre dichas matrices.

1.4. Multiplicación de un escalar por una matriz

Dada una matriz A ∈ Mm×n y un escalar λ ∈ K, el producto del escalar por la matriz se
define por:
   
a11 a12 a13 . . . a1n λa11 λa12 λa13 . . . λa1n
 a21 a22 a23 . . . a2n   λa21 λa22 λa23 . . . λa2n 
   
   
λA = λ a31 a32 a33 . . . a3n = λa31 λa32 λa33 . . . λa3n 
 .. .. .. ..   .. .. .. .. 
 . . . .   . . . . 
am1 am2 am3 . . . amn λam1 λam2 λam3 . . . λamn
como cada elemento de la matriz A se multiplica por λ, el producto λA es por lo tanto

también una matriz de orden m × n, es decir (λ A) ∈ Mm×n .
[ ]
3 5 7
Ejemplo 1.15. Si λ = 2 y A = . Halle: λA
2 4 6
Solución.
[ ] [ ] [ ]
3 5 7 6 10 14 6 10 14
λA = 2 = , entonces λA =
2 4 6 4 8 12 4 8 12
En este caso, a cada componente de la matriz A se le esta duplicando.

   √ √ √ 
√  −1 0 −1 2 − 2 0 − 2 2 √2 
  √ √ √
Ejemplo 1.16. 2  √2 −4 1 3   2 2 −4√2
= 2 3√2 
2 −4 0 5 2 −4 2 0 5 2
1.4.1. Propiedades del producto de un escalar por una matriz

I y A, B ∈ Mm×n , entonces:
Sean α y β dos escalares arbitrarios de K (K = IR o K = C)
1. (αβ)A = α(βA) 4. 1.A = A

2. α(A + B) = αA + αB
3. (α + β)A = αA + βA 5. 0.A = Θ Matriz nula
1.4.2. Suma de matrices

Definición 1.3. Sean las siguientes matrices arbitrarias de orden m × n, es decir, A, B ∈
Mm×n , donde A = [aij ], B = [bij ], la suma de las matrices A y B es otra matriz C = [cij ] ∈
Mm×n , en donde cada elemento de la matriz C es la suma de los elementos correspondientes
de A y B, es decir:
[cij ] = [aij ] + [bij ] = [aij + bij ], ∀ i = 1, 2, . . . , m, ∀ j = 1, 2, . . . , n

Ejemplo 1.17. Calcular A + B sı́:

   
4 5 3 2 6 1
   
A =  2 1 0 , B= 4 0 7 
3 −1 6 5 3 8
Solución.
       
4 5 3 2 6 1 4+2 5+6 3+1 6 11 4
       
A+B= 2 1 0 + 4 0 7 = 2+4 1+0 0+7 = 6 1 7 
3 −1 6 5 3 8 3 + 5 −1 + 3 6 + 8 8 2 14
Nota. La suma de matrices se define solamente cuando las matrices tienen el mismo núme-
ro de filas y mismo número de columnas, es decir ambas matrices tienen que ser del mismo
tamaño.
Propiedades de la suma de matrices.
Sean A, B, C ∈ Mm×n y λ ∈ K, entonces:

a) A + B = B + A, conmutativa
b) A + (B + C) = (A + B) + C, asociativa
c) λ(A + B) = λA + λB
d) Existe una matriz nula Θ ∈ Mm×n tal que: ∀ A ∈ Mm×n : A + Θ = A
1.4.3. Diferencia o Resta de matrices.

Sean A, B ∈ Mm×n , entonces la diferencia de las matrices A y B se define:
A − B = A + (−1)B
   
1 3 7 7 5 −1
   
Ejemplo 1.18. Calcular A − B, si: A =  2 4 5  , B =  4 −6 9 
4 6 8 2 3 8
Solución.
   
1 3 7 7 5 −1
   
A − B = A + (−1)B =  2 4 5  + (−1)  4 −6 9 
4 6 8 2 3 8
   
1 3 7 −7 −5 1
   
=  2 4 5  +  −4 6 −9 
4 6 8 −2 −3 −8
 
−6 −2 8
 
=  −2 10 −4 
2 3 0

Ejemplo 1.19. Determine la matriz X tal que:

[ ] [ ]
2 −1 3 1 −1 0
+X=
0 1 2 1 −2 1
Solución. Podemos proceder de dos formas diferentes:
Método 1 . Sea X = [xij ] una matriz de orden 2 × 3, por lo tanto

[ ] [ ] [ ]
2 −1 3 x11 x12 x13 1 −1 0
+ =
0 1 2 x21 x22 x23 1 −2 1
de donde se deduce que:
2 + x11 = 1 ⇒ x11 = −1,

−1 + x12 = −1 ⇒ x12 = 0,
3 + x13 = 0 ⇒ x13 = −3,
0 + x21 = 1 ⇒ x21 = 1,
1 + x22 = −2 ⇒ x22 = −3,
2 + x23 = 1 ⇒ x23 = −1.
Ası́, la matriz X tiene componentes:

[ ]
−1 0 −3
X=
1 −3 −1
Método 2 . Utilizando las propiedades de la suma de matrices

[ ] [ ] [ ] [ ]
2 −1 3 1 −1 0 1 −1 0 2 −1 3
+X= ⇐⇒ X = −
0 1 2 1 −2 1 1 −2 1 0 1 2
entonces [ ]
−1 0 −3
X=
1 −3 −1
Ejemplo 1.20. Hallar X e Y sabiendo que:

[ ]
3 1 −4
X+Y =
7 1 5
[ ]
−4 −3 2
2X − 3Y =
−6 2 −5
Solución. Podemos multiplicar a la primera igualdad por −2 y sumar a la segunda igual-

dad, entonces [ ]
−10 −5 10
−5Y =
−20 0 −15

de donde se deduce que:

( )[ ] [ ]
1 −10 −5 10 2 1 −2
Y= − =
5 −20 0 −15 4 0 3
Finalmente
[ ] [ ] [ ] [ ]
3 1 −4 3 1 −4 2 1 −2 1 0 −2
X= −Y = − = .
7 1 5 7 1 5 4 0 3 3 1 2
Otra propiedad importante en la que se recoge en el siguiente teorema
Teorema 1.1. (Productos nulos) Cualesquiera que sean las matrices A y el escalar t ∈ K,
se cumple:
1. 0 A = Θ y t Θ = Θ
2. Si t A = Θ entonces t = 0 ∨ A = Θ
1.5. Producto de matrices.

Definición 1.4. Sean A ∈ Mm×n y B ∈ Mn×p , definimos el producto entre las matrices A
por B como la matriz C ∈ Mm×p , donde cij es el producto escalar de la i-ésima fila de A por
la j-ésima columna de B, es decir:
∑
n
cij = aik bkj , ∀ i = 1, 2, . . . , m, ∀ j = 1, 2, . . . , p
k=1
Nota. El producto de dos matrices AB está definido sólo cuando el número de columnas
de la matriz A es igual al número de filas de la matriz B.
   
1 2 3 2 0
   
Ejemplo 1.21. Calcular AB si: A =  4 5 6  , B =  1 2 
0 1 0 0 1
Solución. En este ejemplo vemos que A es una matriz de orden 3 × 3 donde el número de
columnas es 3, y la matriz B es de orden 3 × 2 y el número de filas es 3, como estos dos
números son iguales, entonces existe el producto entre A · B y esta determinado:
     
a11 a12 a13 b11 b12 F1 · C1 F1 · C2
     
A · B =  a21 a22 a23  ·  b21 b22  =  F2 · C1 F2 · C2 
a31 a32 a33 b31 b32 F3 · C1 F3 · C2

  
1 2 3 2 0
  
AB =  4 5 6  1 2 
0 1 0 0 1
     
( ) 2 ( ) 0
     
 1 2 3  1  1 2 3  2  
 
 0 1 
     
 
 ( ) 2 ( ) 0 
     
=  4 5 6  1  4 5 6  2  
 
 0 1 
     
 
 ( ) 2 ( ) 0 
     
 0 1 0  1  0 1 0  2  
0 1
   
2+2+0 0+4+3 4 7
   
=  8+5+0 0 + 10 + 6  =  13 16 
0+1+0 0+2+0 1 2
Nota.
Usando la tecnologı́a, podemos utilizar el sotfware como el Mathematica, ingresar

las matrices A y B
Figura 1.1: Producto entre las matrices A y B
Para este ejemplo, B·A no está definido de acuerdo a la observación. Pues el número
de columnas de B no coincide con el número de filas de A, y se puede comprobar con
el sotfware el Mathematica

Figura 1.2: Producto entre las matrices B y A, no existe
[ ] [ ]
2 −1 1 2
Ejemplo 1.22. Sean las matrices de orden 2 × 2, A = y B=
0 2 −1 3
Calculemos su producto:
[ ][ ] [ ]
2 −1 1 2 2 · 1 + (−1)(−1) 2(2) + (−1)3
A·B= =
0 2 −1 3 0 · 1 + 2(−1) 0·2+2·3
[ ]
3 1
=
−2 6
[ ] [ ]
1 1 1 0
Ejemplo 1.23. Sean las matrices de orden 2 × 2, A = yB= .
3 2 2 4
Calcular AB y BA
Solución.
[ ][ ] [ ]
1 1 1 0 3 4
1. AB = =
3 2 2 4 7 8
[ ][ ] [ ]
1 0 1 1 1 1
2. BA = =
2 4 3 2 14 10
vemos que AB ̸= BA. En conclusión el producto de matrices no es conmutativo.
 
[ ] 1 2
 
2 1 −1 0  2 1 
Ejemplo 1.24. Sean A = ∈ M2×4 y B =   ∈ M4×2 . El producto
2 1 2 −1  1 1 
1 0

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

 
[ ] 1 2 [ ]
2 1 −1 0   2 1 
 3 4
 =
2 1 2 −1  1 1  5 7
1 0
pues:
3 = 2 · 1 + 1 · 2 + (−1)1 + 0 · 1
4 = 2 · 2 + 1 · 1 + (−1)1 + 0 · 0
5 = 2 · 1 + 1 · 2 + 2 · 1 + (−1)1
7 = 2 · 2 + 1 · 1 + 2 · 1 + (−1)0
El producto entre B por A existe y es una matriz de orden 4 × 4. Veamos en el sotfware
Mathematica.
Observación. Vale la pena observar que las matrices no deben ser necesariamente del
mismo tamaño para poder multiplicarlas. De hecho si se mira con cuidado la definición
se observa que para poder hacerlo la cantidad de filas de la primera matriz debe coincidir
con la cantidad de columnas de la segunda matriz. Cuando esto ocurre se dice que las
matrices son conformables.
1.5.1. Propiedades del producto de matrices.

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

to de matrices
4. (B + C)A = BA + CA
2. (AB)C = A(BC) 5. k(AB) = A(kB), ∀ k ∈ K
Ejemplo 1.25. Simplificar las expresiones:
1. A(2B − C) + (2A − B)C + 2A(B − 2C).
2. A(B − C)D + ABD − A(2B + C)D + 2ACD.
donde A, B, C y D son matrices cuadradas del mismo tamaño
Solución.
1. Utilizando propiedades del producto se obtiene
A(2B − C) + (2A − B)C + 2A(B − 2C) = 2AB − AC + 2AC − BC + 2AB − 4AC

= 4AB − 3AC − BC
2. Aplicando propiedades del producto se obtiene
A(B − C)D + ABD − A(2B + C)D + 2ACD = ABD − ACD + ABD − 2ABD − ACD + 2ACD
= Θ (matriz nula)
Ejemplo 1.26. Probar que dos matrices cuadradas A y B conmutan si, y sólo si
(A + B)(A − B) = A2 − B2 .
Solución. Si AB = BA, se tiene
(A + B)(A − B) = A(A − B) + B(A − B)

= A2 − AB + BA − B2
= A2 − AB + AB − B2
= A2 − B2 .
Recı́procamente, como
(A + B)(A − B) = A2 − AB + BA − B2
si (A + B)(A − B) = A2 − B2 , entonces
−AB + BA = Θ,
de donde se deduce que AB = BA.

1.6. Tipos especiales de matrices.

1 Matriz rectangular. Es aquella matriz que tiene distinto número de filas que de
columnas, siendo su tamaño m × n, y el conjunto de matrices se denotará por Mm×n .
Ejemplo 1.27. Sean las siguientes matrices rectangulares:
[ ]
1 2 3
A= matriz de orden 2 × 3, donde A ∈ M2×3 .
5 7 8
 
0 2 −2 5
 
B =  1 6 −4 8  matriz de orden 3 × 4, , donde B ∈ M3×4
6 5 2 1
 
9 −7
 
C =  −5 0  matriz de orden 3 × 2, , donde C ∈ M3×2
4 1
2 Matriz cuadrada. La matriz A es cuadrada cuando el número de filas es igual

número de columnas. El conjunto de estas matrices lo denotaremos simplemente por
Mn = Mn×n .
Si A ∈ Mn , la diagonal principal es la lı́nea formada por los elementos:
a11 , a22 , . . . , ann
es decir  
a11 ∗ ··· ∗
 ∗ a22 ··· ∗ 
 
A= .. .. .. .. 
 . . . . 
∗ ∗ · · · ann
La suma de los elementos de la diagonal de una matriz cuadrada se le llama
traza de la matriz, y se le denota:
Tr(A) = a11 + a22 + . . . + ann
Ejemplo 1.28. Veamos algunas matrices cuadradas:

[ ]
a11 a12
• Si A = ∈ M2 , su traza es: Tr(A) = a11 + a22
a21 a22
 
a11 a12 a13
 
• Si A =  a21 a22 a23  ∈ M3 , su traza es: Tr(A) = a11 + a22 + a33
a31 a32 a33
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
 
• Si A =  . .. . . ..  ∈ Mn , su traza es: Tr(A) = a11 + a22 + · · · + ann
 .. . . . 
an1 an2 · · · ann

 
1 2 3
 
• Si A =  0 1 6  es una matriz cuadrada de orden 3 × 3, y su traza es:
5 7 8
Tr(A) = 1 + 1 + 8 = 10.
3 Matriz Identidad. Sea I ∈ Mn cuyos elementos aij = 0 para i ̸= j y aij = 1 para

i = j entonces se llama matriz identidad. Es decir:
{
1, si i = j
I = [ aij ] =
0, si i ̸= j
Ejemplo 1.29. .
[ ]
1 0
Si I ∈ M2 ⇒ I es una matriz identidad, donde I =
0 1
 
1 0 0
 
Si I ∈ M3 ⇒ I es una matriz identidad, donde I =  0 1 0 
0 0 1
 
1 0 0 ... 0
 0 1 0 ... 0 
 
 
Si I ∈ Mn ⇒ I es una matriz identidad, donde I =  0 0 1 ... 0 
 . . . .. .. 
 .. .. .. . . 
0 0 0 ... 1
En el programa el Mathematica se escribe una matriz identidad del modo
siguiente: Matriz identidad de orden 3 × 3 y matriz identidad de orden 4 × 4
Figura 1.3: Matrices Identidad de orden 3 × 3 y 4 × 4, respectivamente

4 Matriz triangular superior. Sea A ∈ Mn cuyos elementos aij = 0 para i > j,

entonces se llama matriz triangular superior. Es decir:
 
a11 a12 a13 · · · a1n
 0 a22 a23 · · · a2n 
 
 0 a33 · · · a3n 
A= 0  es una matriz triangular superior.
 . . 
 .. .. 
0 0 0 · · · ann
Ejemplo 1.30. Efectuemos el producto de las matrices triangulares superiores A, B ∈
M3 , tales que:
aij = 0 si i > j, aij = i + j si i ≤ j

bij = 0 si i > j, bij = i − 2j si i ≤ j
entonces     
2 3 4 −1 −3 −5 −2 −12 −34
    
A B =  0 4 5   0 −2 −4  =  0 −8 −31 
0 0 6 0 0 −3 0 0 −18
Nota. El producto de matrices matrices triangulares superiores es una matriz trian-
gular superior.
5 Matriz triangular inferior. Sea A ∈ Mn cuyos elementos aij = 0 para i < j,

entonces se llama matriz triangular inferior. Es decir:
 
a11 0 0 ··· 0
 a21 a22 0 · · · 0 
 
 a · · · 
A =  31 a 32 a33 0  es una matriz triangular inferior.
 . .. 
 .. . 
an1 an2 an3 · · · ann
6 Matriz diagonal. Sea A ∈ Mn cuyos elementos son aij = 0 para i ̸= j se llama

matriz diagonal, es decir que se expresa en la forma:
 
a11 0 0 ··· 0
 0 a22 0 · · · 0 
 
 0 a33 · · · 0 
A= 0  = diag(a11 , a22 , . . . , ann )
 . . 
 .. .. 
0 0 0 · · · ann
Ejemplo 1.31. Sea la siguiente matriz diagonal
 
2 0 0 0
 
 0 3 0 0 
D=  = diag(2, 3, −1, 5)
 0 0 −1 0 
0 0 0 5

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

y este automaticamente nos designa la matriz diagonal, veamos:
Figura 1.4: Matrices diagonal de orden 3 × 3 y 4 × 4, respectivamente
7 Matriz escalar. Sea A ∈ Mn una matriz diagonal en la que además se verifica
a11 = a22 = · · · = ann = k,
es decir es de la forma:
 
k 0 0 ··· 0
 0 k 0 ··· 0 
 
 0 k ··· 0 
A= 0  = kI
 .. .. 
 . . 
0 0 0 ··· k
se llama matriz escalar.
Ejemplo 1.33. Veamos algunas matrices:
 
1 2 6
 
A =  0 4 3  ∈ M3 es una matriz triangular superior.
0 0 5
 
1 0 0
 
B= 2 4 0  ∈ M3 es una matriz triangular inferior.
6 −7 5
 
10 0 0
 
C =  0 4 0  ∈ M3 es una matriz diagonal.
0 0 5

 
5 0 0
 
D =  0 5 0  ∈ M3 es una matriz escalar.
0 0 5
 
1 0 0
 
I =  0 1 0  ∈ M3 es una matriz identidad.
0 0 1
8 Matriz transpuesta. Dada una matriz A ∈ Mm×n , la transpuesta de A es la

matriz de orden n × m denotada por AT , cuyas columnas se forman a partir de las
filas correspondientes de A.
   
a11 a12 a13 . . . a1n a11 a21 a31 . . . am1
 a21 a22 a23 . . . a2n   a12 a22 a32 . . . am2 
   
   
A= a31 a32 a33 . . . a3n  ∈ Mm×n ⇒ B = A = 
T a13 a23 a33 . . . am3  ∈ Mn×m
 .. .. .. ..   .. .. .. .. 
 . . . .   . . . . 
am1 am2 am3 . . . amn a1n a2n a3n . . . amn
Ejemplo 1.34. Sean

 
[ ] −5 2 [ ]
a b   1 1 1 1
A= , B =  1 −3  , C=
c d −3 5 −2 7
0 4
entonces las matrices transpuestas respectivamente son:

 
[ ] [ ] 1 −3
 
a c −5 1 0  1 5 
AT = , BT = , CT =  
b d 2 −3 4  1 −2 
1 7
Ejemplo 1.35. Sean las siguientes matrices:

   
2 4 2 2 1 3
   
Si A =  1 5 1  ∈ M3 , entonces A =  4
T
5 −2  ∈ M3
3 −2 0 2 1 0
 
[ ] 1 2
1 3 5  
Si B = ∈ M2×3 , entonces BT =  3 4  ∈ M3×2
2 4 6
5 6
Propiedades de la matriz transpuesta.
a) IT = I d) (A + B)T = AT + BT
b) (AT )T = A
c) (kA)T = k AT e) (AB)T = BT AT

9 Matriz simétrica. Sea A ∈ Mn , se dice que es una matriz simétrica si A = AT ,

es decir:
Si A ∈ Mn es simétrica ⇐⇒ A = AT ⇐⇒ aij = aji , ∀ i = 1, . . . , n; ∀ j = 1, . . . , n.
Ejemplo 1.36. Sean las matrices:

   
1 0 1 1 0 1
   
Si A =  0 2 4  ∈ M3 ⇒ AT =  0 2 4  ∈ M3
1 4 3 1 4 3
como AT = A, entonces la matriz A es simétrica.
   
2 1 3 2 4 1
   
Si B =  4 3 2  ∈ M3 ⇒ BT =  1 3 4  ∈ M3 ,
1 4 3 3 2 3
como BT ̸= B, entonces la matriz B no es simétrica.
Observación. Para que una matriz cuadrada A sea simétrica debe cumplir aij = aji
para cada i ̸= j
Ejemplo 1.37. Las siguientes matrices son simétricas.

     
3 4 5 −4 2 1 1 7 9
     
a) A =  4 7 6  b) B =  2 −3 −5  c) C =  7 2 11 
5 6 9 1 −5 8 9 11 10
10 Matriz antisimétrica. Sea A ∈ Mn , se dice que es una matriz antisimétrica

si
−A = AT
es decir:
Si A ∈ Mn es antisimétrica ⇐⇒ A = −AT ⇐⇒ aij = −aji , ∀ i = 1, . . . , n; ∀ j = 1, . . . , n.
Nota. Los elementos de la diagonal de toda matriz antisimétrica son nulos, pues
si la matriz A es antisimétrica ⇒ aii = −aii , para i = j ⇒ 2aii = 0, ∀ i ⇒ aii = 0, ∀ i
Ejemplo 1.38. .
[ ] [ ] [ ]
0 −1 0 1 0 −1
Si A = ⇒ AT = =− = −A
1 0 −1 0 1 0
Como A = −AT entonces A es una matriz antisimétrica.
     
0 1 2 0 −1 −2 0 1 2
     
Si B =  −1 0 3  ⇒ BT =  1 0 −3  = −  −1 0 3  = −B
−2 −3 0 2 3 0 −2 −3 0
Como B = −BT entonces B es una matriz antisimétrica.

Observación. Para que una matriz cuadrada A sea antisimétrica debe cum-
plirse que aij = −aji para cada i ̸= j y los elementos de la diagonal principal
deben ser ceros, es decir aij = 0 para cada i = j.
Ejemplo 1.39. Las siguientes matrices son antisimétricas.
     
0 4 −1 0 3 7 0 1 −1
     
a) A =  −4 0 2  b) B =  −3 0 −6  c) C =  −1 0 1 
1 −2 0 −7 6 0 1 −1 0
Ejemplo 1.40. Demostremos las siguientes propiedades:
Propiedades de matrices simétricas y antisimétricas
a) El producto de toda matriz cuadrada por su transpuesta es una matriz simétri-

ca.
En efecto.
(A AT )T = (AT )T AT = A AT
Luego, por ser igual a su transpuesta, ası́ la matriz A AT es simétrica.
Observación. No es necesario que A sea una matriz cuadrada para que existan
AAT y AT A, las que son, en todos los casos, estas resultan matrices cuadradas.
b) La suma de toda matriz cuadrada y de su traspuesta es simétrica.
En efecto. Sea A ∈ Mn , entonces
(A + AT )T = AT + (AT )T = AT + A = A + AT
es decir, A + AT es una matriz simétrica.
c) La diferencia de toda matriz matriz cuadrada con su transpuesta es una matriz

antisimétrica.
En efecto. Sea A ∈ Mn , entonces, aplicando propiedades anteriores, se verifica
(A − AT )T = AT − (AT )T = AT − A = −(A − AT )
en consecuencia, A − AT es una matriz antisimétrica.
d) Toda matriz cuadrada es la suma de una matriz simétrica y de una matriz

antisimétrica.
En efecto. Sea A ∈ Mn matriz arbitraria, sabemos que A + AT es una matriz
simétrica y A − AT es una matriz antisimétrica, entonces
1 1
A = (A + AT ) + (A − AT )
2 2
es la suma de una matriz simétrica y de una antisimétrica.

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

como:
A0 = I Matriz Identidad
1
A = A
2
A = AA
A3 = AAA
..
.
An = AA . . . A}
| {z
n−veces
además Ap · Aq = Ap+q y (Ap )q = Ap q .

[ ]
1 1
Ejemplo 1.41. Si A = , calcular An , donde n ∈ ZZ+ .
1 1
Solución. El cálculo lo haremos por inducción:
[ ][ ] [ ] [ ]
1 1 1 1 2 2 1 1
A2 = A.A = = =2 = 21 · A
1 1 1 1 2 2 1 1
[ ] [ ] [ ] [ ]
2 2 1 1 4 4 1 1
A3 = A2 A = · = =4 = 22 · A
2 2 1 1 4 4 1 1
[ ] [ ] [ ] [ ]
2 2 2 2 8 8 1 1
A4 = A2 A2 = · = =8 = 23 · A
2 2 2 2 8 8 1 1
[ ][ ] [ ] [ ]
8 8 1 1 16 16 1 1
A5 = A4 A = = = 16 = 24 · A
8 8 1 1 16 16 1 1
Entonces, An = 2n−1 A
Nota.
Las matrices A, B ∈ Mn son conmutativas si, y sólo si AB = BA

Si las matrices son conmutativas, entonces cualquier potencia natural de los
mismos son conmutables y (AB)n = An Bn , n ∈ IN
12 Matriz ortogonal. Sea A ∈ Mn , se llama matriz ortogonal, si se verifica:
A · AT = AT · A = I , donde I es la matriz identidad
Ejemplo 1.42. Comprobar que la matriz dada es ortogonal.

 
cosθ −senθ 0
 
A =  senθ cosθ 0 
0 0 1

Solución
    
cosθ −senθ 0 cosθ senθ 0 1 0 0
    
• A AT =  senθ cosθ 0   −senθ cosθ 0  =  0 1 0  = I
0 0 1 0 0 1 0 0 1
    
cosθ senθ 0 cosθ −senθ 0 1 0 0
    
• AT A =  −senθ cosθ 0   senθ cosθ 0  =  0 1 0  = I
0 0 1 0 0 1 0 0 1
 
1
− 32 2
 3 3

Ejemplo 1.43. Comprobar que la matriz dada es ortogonal A =  2
3
2
3
1
3 
− 23 1
3
2
3
Solución
    
1
− 23 2 1 2
− 23 1 0 0
 3 3
 3 3
  
• A AT =  2
3
2
3
1
3  − 23 2
3
1
3 = 0 1 0 
− 23 1
3
2
3
2
3
1
3
2
3
0 0 1
    
1 2
− 23 1
− 23 2
1 0 0
 3 3
 3 3
  
• AT A =  − 23 2
3
1
3  2
3
2
3
1
3   0 1 0
= 
2 1 2
3 3 3
− 23 1
3
2
3
0 0 1
Observación.
Toda matriz ortogonal es inversible

Como (AT )T = A, entonces se deduce que la inversa de una matriz ortogonal es
una matriz ortogonal.
Teorema 1.2. El producto de dos matrices ortogonales es una matriz ortogonal.
En efecto. Sean A, B ∈ Mn dos matrices ortogonales, entonces:
AT = A−1 , BT = B−1 de donde además (AB)T = BT AT

Luego (AB)T = BT AT = B−1 A−1 = (AB)−1
Análogamente
(BA)T = AT BT = A−1 B−1 = (BA)−1
Por lo tanto AB es una matriz ortogonal.
13 Matriz inversa. Sea A ∈ Mn se dice que es inversible, si existe una matriz

cuadrada B ∈ Mn tal que:
AB = BA = I
entonces a la matriz B se llama matriz inversa de A y se denota por B = A−1

Ejemplo 1.44. Sea A ∈ M2 una matriz inversible, halle la matriz inversa.

[ ] [ ]
a b x y
Solución. Sea A = y supongamos que la matriz inversa A−1 = ,
c d z w
donde se tiene que determinar los valores de x, y, z y w, entonces se tiene:
[ ][ ] [ ] [ ] [ ]
a b x y 1 0 ax + bz ay + bw 1 0
AA−1 = I ⇐⇒ = ⇐⇒ =
c d z w 0 1 cx + dz cy + dw 0 1
igualando las componentes, tenemos el sistema lineal:


 d
 
 x=
 
 ad − bc


ax + bz = 1, 
 b
  y=−
ay + bw = 0,
⇒ ad − bc

 cx + dz = 0, 

c

 cy + dw = 1 
 z=−

 ad − bc

 w= a
ad − bc
[ ]
a b
Es decir, si la matriz A = es inversible, entonces es de la forma:
c d
[ ]
1 d −b
A−1 = , si ad − bc ̸= 0
ad − bc −c a
Nota. [ ]
a b
El número “∆ = ad − bc” es llamado la determinante de la matriz A = .
c d
[ ]
4 3
Ejemplo 1.45. Halle la matriz inversa de la matriz A =
5 4
Solución. Vemos que, ∆ = 4(4) − 5(3) = 16 − 15 = 1, entonces
[ ] [ ]
1 4 −3 4 −3
A−1 = =
∆ −5 4 −5 4
Observación. Una matriz cuadrada A inversible, se llama matriz regular o ma-

triz no singular, en caso contrario la matriz A recibe el nombre de matriz singu-
lar.
Propiedades.
a) Sea In ∈ Mn , entonces I−1

n = In

b) Sean A, B ∈ Mn matrices inversibles, entonces la matriz AB es inversible y

(AB)−1 = B−1 A−1
En efecto
(AB)(B−1 A−1 ) = A[BB−1 ]A−1

= AIA−1
= AA−1
=I
Por lo tanto, (AB)−1 = B−1 A−1
c) Si A ∈ Mn es una matriz inversible, A−1 es también inversible y (A−1 )−1 = A.

En efecto A−1 A = I, por lo tanto, (A−1 )−1 = A.
d) Si A ∈ Mn es una matriz inversible, entonces AT es también inversible y además

(AT )−1 = (A−1 )T
e) Si k ̸= 0 y A ∈ Mn es una matriz inversible, entonces kA es inversible y (kA)−1 =

1 −1
A
k
14 Propiedades
Dadas las matrices A, B ∈ IRn×n matrices triangulares superiores (inferiores) y α ∈ IR,
entonces:
a) Las matrices A + B y αA son matrices triangulares superiores (inferiores).

b) La matriz AB es también una matriz triangular superior (inferior).
c) Si A tiene inversa, entonces A−1 es una matriz triangular superior (inferior).
1.6.1. Matrices idempotentes, involutivas y nilpotentes
Definición 1.5. (Matriz idempotente) Una matriz cuadrada es idempotente si, y

sólo si es igual a su cuadrado, es decir:
A ∈ Mn×n es idempotente ⇐⇒ A2 = A
Ejemplo 1.46. Sea la matriz A ∈ M2×2 , donde

[ ]
1 1
A= 2 2
1 1
2 2
verifica A2 = A, es decir, es una matriz idempotente.

Ejemplo 1.47. Sea la matriz B ∈ M3×3 , donde

 
2 −3 −5
 
B =  −1 4 5 
1 −3 −4
En efecto. Calculemos:
    
2 −3 −5 2 −3 −5 2 −3 −5
    
B2 = B · B =  −1 4 5   −1 4 5  =  −1 4 5 =B
1 −3 −4 1 −3 −4 1 −3 −4
Definición 1.6. Matriz involutiva Una matriz cuadrada es involutiva si, y sólo
si su cuadrado es la matriz identidad, es decir:
A ∈ Mn×n es involutiva ⇐⇒ A2 = I
[ ]
1 0
A=
0 −1
[ ]
1 0
es involutiva, pues A2 = =I
0 1
 
1 0 0
 
A= 0 0 −1 
0 −1 0
es involutiva, pues
    
1 0 0 1 0 0 1 0 0
    
A2 = A A =  0 0 −1   0 0 −1  =  0 1 0  = I
0 −1 0 0 −1 0 0 0 1
1
Ejemplo 1.50. Suponiendo que la matriz A es involutiva. Demostrar que (I − A) es
2
idempotente.
Solución. Como A es involutiva, se cumple: A2 = I, luego calculemos:
( )2
1 1
(I − A) = (I2 − 2IA + A2 )
2 4
1
= (I2 − 2IA + I)
4
1
= (I − 2IA + I)
4
1
= (2I − 2IA)
4
1 2
= (I − A)
2
1
= (I − A)
2

1
Por lo tanto (I − A) es idempotente.
2
Definición 1.7. (Matriz Nilpotente) Una matriz cuadrada A ∈ Mn es nilpotente
si existe k ∈ ZZ+ , tal que Ak = Θ. Se llama indice de nilpotencia o se dice que A es de
indice (o de orden) k y se define como min{k ∈ ZZ+ / Ak = Θ}
Ejemplo 1.51. Las siguientes matrices son nilpotentes:

[ ]
0 1
La matriz A = , calculando:
0 0
[ ][ ] [ ]
0 1 0 1 0 0
A2 = A A = = = Θ, es decir A es una matriz nilpoten-
0 0 0 0 0 0
te de indice 2, pues A2 = Θ.
 
0 1 2 3
 0 0 1 2 
 
La matriz B =   es nilpontente, calculando las potencias:
 0 0 0 1 
0 0 0 0
    
0 1 2 3 0 1 2 3 0 0 1 4
    
 0 0 1 2  0 0 1 2   0 0 0 1 
• B2 =    
= 
 0 0 0 1  0 0 0 1   0 0 0 0 
0 0 0 0 0 0 0 0 0 0 0 0
    
0 0 1 4 0 1 2 3 0 0 0 1
    
 0 0 0 1  0 0 1 2   0 0 0 0 
• B =B B=
3 2
 = 
 0 0 0 0  0 0 0 1   0 0 0 0 
0 0 0 0 0 0 0 0 0 0 0 0
    
0 0 0 1 0 1 2 3 0 0 0 0
 0 0 0 0  0 0 1 2   0 0 0 0 
    
• A =A A=
4 3
 = =Θ
 0 0 0 0  0 0 0 1   0 0 0 0 
0 0 0 0 0 0 0 0 0 0 0 0
ası́, la matriz B es nilpotente de ı́ndice k = 4.
Aunque los ejemplos anteriores tienen un gran número de cero de las entradas,
no todas las matrices nilpotentes lo tienen. Por ejemplo, las matrices
 
5 −3 2
 
• C =  15 −9 6 , calculando:
10 −6 4
    
5 −3 2 5 −3 2 0 0 0
    
C2 =  15 −9 6   15 −9 6  =  0 0 0  = Θ
10 −6 4 10 −6 4 0 0 0
[ ]
6 −9
• D= calculando:
4 −6

[ ][ ] [ ]
6 −9 6 −9 0 0
D2 = = =Θ
4 −6 4 −6 0 0
Ambas matrices son nilpotentes de ı́ndice k = 2.
1.7. Matrices semejantes

Definición 1.8. Sean A, B ∈ Mn , se dice que las matrices A y B son semejantes si
existe una matriz inversible P ∈ Mn , tal que: B = P−1 AP
[ ] [ ]
2 4 −4 0
Ejemplo 1.52. Sean A = , B= son matrices semejantes pues existe
3 −2 0 4
 
1 1
[ ]
 −8 4 
−2 2  
la matriz P = donde su inversa es P = 
−1
 tal que:
3 1  3 1 
8 4
B = P−1 AP
[ ] [ ]
−14 12 2 0
Ejemplo 1.53. Sean A = , B= son matrices semejantes pues existe
−20 17 0 1
[ ] [ ]
3 4 −5 4
la matriz P = donde su inversa es P−1 = tal que:
4 5 4 −3
B = P−1 AP
1.8. Problemas Resueltos

 
1 −2 a
 
1. Determinar los valores de a y b, si es que existen, para que las matrices A =  3 2 2 
4 −5 1
 
1 −2 2b
 
y B =  3 a 2  sean iguales.
4 −5 1
Solución. Las matrices A y B serán iguales si a = 2b y a = 2, y esto sucede si
a = 2 y b = 1.
2. Calcular:
[ ] [ ]
−1 0 1 2 −3 1
a) +
2 3 −4 −5 −3 8
 
[ ] −1 1 0
−2 3 −1  
b) + 0 1 1 
2 6 −5
2 3 −1

[ ]
−2 3 −1 1
c) −4
0 −1 1 2
Solución.
[ ] [ ] [ ] [ ]
−1 0 1 2 −3 1 −1 + 2 0 − 3 1+1 1 −3 2
a) + = =
2 3 −4 −5 −3 8 2 − 5 3 − 3 −4 + 8 −3 0 4
b) La suma de estas matrices no esta definida porque tienen distintos tamaños; la
primera tiene tamaño 2 × 3 mientras que la segunda tiene tamaño 3 × 3.
[ ] [ ][ ]
−2 3 −1 1 −2(−4) 3(−4) −1(−4) 1(−4) 8 −12 4 −4
c) −4 =
0 −1 1 2 0(−4) −1(−4) 1(−4) 2(−4) 0 4 −4 −8
3. Suponer que A y B son matrices cuadradas del mismo orden. ¿Es cierto que (A+B)2 =
A2 + 2A B + B2 para todo par de matrices A y B?
Solución.
[ ] [ ] [ ]2 [ ]
1 0 0 1 1 1 2 2
a) Si A = yB= , entonces (A + B)2 = = y
0 1 1 0 1 1 2 2
[ ] [ ][ ] [ ] [ ]
1 0 1 0 0 1 1 0 2 2
A2 + 2A B + B2 = +2 + =
0 1 0 1 1 0 0 1 2 2
[ ] [ ] [ ]2
1 −1 −1 0 1 1
b) Sin embargo, si A = yB= , entonces (A + B)2 = =
1 1 1 1 1 1
[ ]
2 2
.
2 2
[ ] [ ][ ] [ ]2 [ ]
1 −1 1 −1 −1 0 −1 0 −3 −4
Pero A2 +2A B+B2 = +2 + = .
1 1 1 1 1 1 1 1 2 3
Es decir, en general se tiene: (A + B)2 ̸= A2 + 2A B + B2
4. Determinar,
[ ] si es[ que existe,
] el valor que debe tener x para que las matrices A =
−3 2 3 −4
yB= conmuten; esto es, para que AB = BA.
1 4 −2 x
Solución. Para que AB = BA se debe tener
[ ][ ] [ ][ ]
−3 2 3 −4 3 −4 −3 2
=
1 4 −2 x −2 x 1 4
es decir, [ ] [ ]
−13 2x + 12 −13 −10
=
−5 4x − 4 x + 6 4x − 4

Por lo tanto, se debe cumplir:

{
12 + 2x = −10,
6 + x = −5.
Lo cual sucede únicamente si x = −11.

[ ]
a b
5. ¿Qué condición debe cumplir una matriz cuadrada A = para que sea
c d
simétrica?
Solución. Para que A sea simétrica se debe tener que A = AT , esto es

[ ] [ ]
a b a c
=
c d b d
y esto sucede si y sólo si b = c.
1.9. Problemas propuestos (Matrices)

1. Escribir explı́citamente las siguientes matrices:
a) A = [aij ]4×3 , donde aij = 2i + 3j c) A = [aij ]3×4 , donde aij = máx{i, j}

b) A = [aij ]4×4 , donde aij = 2i + 3j d) A = [aij ]2×4 , donde aij = i − 3j
2. Sean las siguientes matrices iguales, determine las incógnitas.

[ ] [ ] [ ] [ ]
x2 3y 4 16 x−2 0 4 w+2
a) = b) =
2u (w + 1)2 1 9 1 y+1 1−z 0
 
1 2 2
 
3. Si A =  2 1 2 . Demuestre que: A2 − 4A − 5I = Θ
2 2 1
4. Dadas las matrices:

  
1 1 −1 1 3 [ ]
    1 2 3 −4
A= 2 0 3 , B= 0 2  y C=
2 0 −2 1
3 −1 2 −1 4
Demostrar la propiedad asociativa de matrices: (AB)C = A(BC)

    
1 2 0 x 1
    
5. Determine “x, y, z” sı́:  0 1 5   y  =  5 
1 0 1 z 2

[ ]n [ ]
1 1 1 n
6. Demostrar que: =
0 1 0 1
[ ]n [ ]
a 1 an nan−1
7. Demostrar que: = , donde n ∈ ZZ+ .
0 a 0 an
   
n(n + 1)
1 1 1  1 n 
  2
8. Sea la matriz A =  0 1 1 , demostrar que: An = 
 0 1 n
, donde

0 0 1 0 0 1
n ∈ ZZ+ .
[ ] [ ]
cos x −sen x cos(nx) −sen(nx)
9. Si B = . Demuestre que: Bn = , donde n ∈
sen x cos x sen(nx) cos(nx)
ZZ+ .
10. Sean las matrices:

   
1 −1 1 1 −1 [ ]
    −3
A= 0 1 0  B= 0 0  C=
−2
3 1 2 −2 2
Obtener: A2 , ABC y BT AT
11. Desarrollar:
a) (A + I)(A − I)
b) (A + B)(A − B)
Sabiendo A, B, I ∈ Mn
12. Demostrar que si A ∈ Mn , entonces B = A + AT es una matriz simétrica.

[ ]
1 1
13. Dada la matriz A = , calcular: A2 , A3 , A3 , . . ., etc. y vincular los elementos
1 0
resultantes con los términos de la sucesión de Fibonacci: 1, 1, 2, 3, 5, 8, 13, . . . donde,
a partir del tercero, cada uno es igual a la suma de los dos anteriores.
14. Sean A, B ∈ Mn matrices simétricas. Hallar una condición necesaria y suficiente

para que su producto AB sea simétrica.
15. Halle An , para n ∈ IN, donde:  

1 1 0
 
A= 0 1 1 
0 0 1

16. Hallar A3 , siendo A la matriz

 
0 cosθ senθ
 
A =  cosθ 0 −1 
−senθ 1 0
17. Hallar los números x, y, z, u y v para los que se verifica la igualdad:

   
x 2 [ ] 5 1
  −1 v  
 0 y  =  −3 0 
u 0
z 1 1 2
18. Sean A, S ∈ Mn : S es simétrica. Analice si se verifica que:
a) AT A es simétrica.
b) AT SA es simétrica.
c) A es antisimétrica, entonces A2 es simétrica
d) A es regular, entonces A−n = (A−1 )n n ∈ IN
[ ]
4 5
19. Determine la matriz A, cuya matriz inversa es A−1 =
6 7
 
0 0 0
 
20. Sea A =  1 0 0 . Demuéstrese que A3 = Θ. Utilice álgebra de matrices para
1 1 0
calcular el producto (I − A)(I + A + A2 )
21. Sea A ∈ Mn×n que satisface la ecuación A2 − 2A + I = Θ. Demuéstrese que:
A3 = 3A − 2I
A4 = 4A − 3I
 
−1 0 0
 
22. Sea la matriz A =  0 3 0 . a) Calcular A4 , b) Calcular A7
0 0 2
23. Llenar las entradas vacı́as de la matriz de orden 4 × 4

 
2 −3 4
 
 −2 5 
 
 −1 4 −2 
5 7
de tal manera que se obtenga una matriz simétrica.

24. Determinar cuáles de las siguientes matrices son inversibles:

[ ] [ ] [ ]
3 −9 4 −9 6 −9
A= , B= , C=
2 6 0 5 −4 6
25. Si las matrices A y B son iguales, hallar la traza de 2A + 3C siendo:

[ ] [ ] [ ]
2w − 2z 2z 5 w−3 −2 −1
A= ; B= y C=
−3 −w −3 2z − 1 4 2
{
3i − j, si i ≥ j
26. Escribir explı́citamente la matriz A = [aij ]2×3 , donde aij =
i − j, si i < j
 
−1 −1 −1
 
27. Sea A =  0 1 0 , calcular la traza de A20
0 0 1
[ ]
1 1
28. Dado el polinomio P(x) = 2x19 + 2x − 4 y la matriz A = , halle la traza de:
0 0
P(A)
29. Hallar la suma de los elementos

[ de] la matriz B, donde: B = A + A2 + A3 + · · · + An
1 −2
n ≥ 2, n ∈ IN, siendo A = .
0 1
[ ]
2 1
30. Dada la matriz A = , entonces la suma de la matriz A20 es:
1 2
[ ]
0 1
31. Sea B = A + A2 + A3 + · · · + A200 , hallar la traza de B, si A = .
1 0
32. Calcular: (A + B)(A − B), si:

[ ] [ ] [ ]
1 0 0 −1 2 1
A 2 = B2 = , AB = , BA =
0 1 1 2 −1 0
33. Si A2 = I, hallar la traza de: A6 + A4 + A2 + I, si A ∈ M2×2
34. Hallar la suma de todos los elementos de la matriz A que satisface:

 
1 −1 0 [ ]
  1 −3 2
A· 0 1 0 =
0 −1 1
0 −1 1

35. Dado el sistema matricial

[ ]
2 1
X+Y =
3 −2
[ ]
3 2
X−Y =
1 4
Hallar la traza de XT Y T .
[ ] [ ]
3 4 2 −1
36. a) Sean las matrices A = yP= , halle la matriz semejante de A
2 1 1 1
[ ] [ ]
1 0 0 1
b) Sean la matriz A = y la matriz P = , halle la matriz seme-
6 −1 1 3
jante de A
37. Sea A ∈ Mn y P ∈ Mn matriz inversible. Demuestre que:
a) (P−1 A P)2 = P−1 A2 P

b) (P−1 A P)k = P−1 Ak P, donde k es un número entero positivo.
[ ] [ ]
1 0 0 1
38. Sean las matrices A = yP= , calcular A10
−1 2 1 1
39. Si A y B son matrices cuadradas del mismo tamaño, tales que AB = BA, demuestre
que (AB)2 = A2 B2 . Mediante un ejemplo muestre que esto no ocurre con todas las
matrices cuadradas del mismo tamaño.
40. Si n ∈ ZZ+ y Si A y B son matrices cuadradas del mismo tamaño, tales que AB = BA,
demuestre que (AB)n = An Bn .
41. Se dice que una matriz cuadrada A es idempotente si A2 = A. Determine cuáles de

las matrices siguientes son idempotentes:
[ ] [ ]  
1 0 0 1 1 2 2
a) c)  
0 1 0 1 e)  0 0 −1 
0 0 1
 
[ ] [ ] 1 3 0
 
1 0 3 −6 f)  0 0 1 
b) d)
0 0 1 −2 0 0 0
42. Demuestre que si A y B son matrices cuadradas idempotentes y AB = BA, entonces

AB es una matriz idempotente.
43. Se dice que una matriz cuadrada A es nilpotente si existe un entero p, tal que Ap =
Θ. Determine cuáles de las matrices siguientes son nilpotente e idicar el grado de
nilpotencia:

[ ] [ ]  
1 1 3 −9 0 1 0
a) c)  
−1 −1 1 −3 d)  0 0 1 
[ ] 0 0 0
−4 8
b)
−2 4
 
4 5 −1
 
44. Dada la matriz A =  −3 −4 1 , calcule: A2 , A3 , A4 , . . . A128 .
−3 −4 0
   
1 2
5 0 2 − 0
   5 5

45. Comprueba que la inversa de la matriz A =  0 0 1  es la matriz B =  − 35 6
5
1 
3 1 0 0 1 0
46. Una compañia de muebles fabrica butacas, mecedoras y sillas, y cada una de ellas
de tres modelos: E (económico), M (medio) y L (lujo). Cada mes produce 20 modelos E,
15 M y 10 L de butacas; 12 modelos E, 8 M y 5 L de mecedoras, y 18 modelos E, 20 M
y 12 L de sillas. Represente esta información en una matriz y calcula la producción
de un año.
47. Escribe en forma de matriz el siguiente enunciado: “Una familia gasta en enero $ 400
en comida y $ 150 en vestir; en febrero, $ 500 en comida y $ 100 en vestir; y en marzo,
$ 300 en comida y $ 200 en vestir”.
48. Resuelve el siguiente sistema matricial:

 [ ]

 −1 3 −4

 A + 2B =

 6 0 13


 [ ]

 9 −2 −4


 A − 3B = −9 5 −7
49. Una fábrica produce tres tipos de productos, A, B y C, que distribuye a cuatro clien-
tes. En el mes de enero el primer cliente compró 9 unidades de A, 5 de B y 2 de
C; el segundo cliente, 3 unidades de A, 8 de B y ninguna de C; el tercer cliente no
compró nada y el cuarto cliente compró 6 de A, 7 de B y 1 de C.
En el mes de febrero, el primer cliente y el segundo duplicaron el número de unidades
que habı́an comprado en enero; el tercer cliente compró 4 unidades de cada artı́culo,
y el cuarto cliente no hizo pedido alguno.
a) Construye la matriz correspondiente a las ventas de enero.

b) Construye la matriz correspondiente a las ventas de febrero.
c) Halla la matriz correspondiente a las ventas de enero y febrero.
d) Si los precios de los artı́culos son $ 100, $ 80 y $ 90, respectivamente, calcula lo
que factura la fábrica por sus pedidos en los meses de enero y febrero.

Matrices fundamentales

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Matrices fundamentales

Uploaded by

Copyright:

Available Formats

Índice general

Las fórmulas matriciales permiten trabajar de forma rápida y cómoda.

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

Se dice que A es una matriz de tamaño u orden m × n y simbólicamente se escribe

Los paréntesis rectangulares se pueden suplir por paréntesis circulares en notaciones

J. Roberto Ticona Parisaca

a11 = 1, a12 = 3, a13 = 5, a21 = 2, a22 = 4, a23 = 6.

Esta es una matriz de orden 2 × 3, es decir: A ∈ M2×3 .

a11 = −2, a12 = 3, a13 = 5, a21 = −4, a22 = 2, a23 = 1.

1. A y B tienen el mismo tamaño y

A = B ⇐⇒ a11 = b11 ∧ a12 = b12 ∧ a21 = b21 ∧ a22 = b22

Si A y B no son iguales, escribiremos ası́

Ejemplo 1.4. De acuerdo con la definición anterior

J. Roberto Ticona Parisaca

1.1.1. Orden de una matriz

Ejemplo 1.8. Las siguientes matrices se escriben ası́:

1.2. Tipos de Matrices

1.2.1. Matriz Fila

A = [ a11 a12 · · · a1n ] ∈ M1×n

también se le conoce con el nombre de vector fila.

Ejemplo 1.9. Sean las siguientes matrices filas:

J. Roberto Ticona Parisaca

1.2.2. Matriz Columna

1.2.3. Matriz Nula o matriz cero

donde aij = 0∀i, j. Ası́, por ejemplo

J. Roberto Ticona Parisaca

1.3. Producto de una matriz fila con una matriz columna

J. Roberto Ticona Parisaca

1.4. Multiplicación de un escalar por una matriz

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

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

1.4.1. Propiedades del producto de un escalar por una matriz

1. (αβ)A = α(βA) 4. 1.A = A

3. (α + β)A = αA + βA 5. 0.A = Θ Matriz nula

1.4.2. Suma de matrices

[cij ] = [aij ] + [bij ] = [aij + bij ], ∀ i = 1, 2, . . . , m, ∀ j = 1, 2, . . . , n

J. Roberto Ticona Parisaca

Ejemplo 1.17. Calcular A + B sı́:

Propiedades de la suma de matrices.

Sean A, B, C ∈ Mm×n y λ ∈ K, entonces:

d) Existe una matriz nula Θ ∈ Mm×n tal que: ∀ A ∈ Mm×n : A + Θ = A

1.4.3. Diferencia o Resta de matrices.

J. Roberto Ticona Parisaca

Ejemplo 1.19. Determine la matriz X tal que:

Solución. Podemos proceder de dos formas diferentes:

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

de donde se deduce que:

2 + x11 = 1 ⇒ x11 = −1,

Ası́, la matriz X tiene componentes:

Método 2 . Utilizando las propiedades de la suma de matrices

Ejemplo 1.20. Hallar X e Y sabiendo que:

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

J. Roberto Ticona Parisaca

de donde se deduce que:

Otra propiedad importante en la que se recoge en el siguiente teorema

1.5. Producto de matrices.

J. Roberto Ticona Parisaca

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

Figura 1.1: Producto entre las matrices A y B

J. Roberto Ticona Parisaca

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

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