Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
El espacio Mm×n(K)
Índice
1. Introducción 1
3. Producto de Matrices 5
5. Invertibilidad de matrices 9
Mayorga-Zambrano, J.
6. Ejercicios propuestos 11
Notas de Curso
1. Introducción
Recordemos que para n ∈ N, denotaremos
al conjunto de los n primeros números naturales. Asimismo repasemos algunos conceptos presentados
anteriormente.
ai,j ∈ E, ∀i ∈ Im , ∀j ∈ In .
Para aliviar la notación, muchas veces se escribe (ai j ) en lugar de (ai j )m×n , en tanto que no se genere
confusión. Si E = R, se dirá que A es una matriz real en tanto que si E = C se dirá que A es una matriz
1
compleja. Si E = K se dirá que A es una matriz escalar. Si el número de filas es igual al número de columnas
se dice que la matriz es cuadrada.
De forma natural, se establece que dos matrices son iguales cuando coinciden sus respectivas coordena-
das. Esto es formalizado en la siguiente definición.
Definición 1.2 (Igualdad de matrices). Dadas dos matrices A = (ai j ) ∈ Mm×n (E) y B = (bi j ) ∈ Mm×n (E).
Se tiene que
A=B ⇔ ∀i ∈ Im , ∀j ∈ In : ai j = bi j . (2)
Uno de los espacios vectoriales más importantes de la matemática es el espacio de las matrices:
Definición 1.3 (Espacio de matrices). Dados m, n ∈ N, denotamos al conjunto de las matrices escalares
de tamaño m × n mediante:
n o
Mm×n (K) = A = (ai j )m×n : ai j ∈ K, para i ∈ Im , j ∈ In . (3)
Si no se genera confusión se escribirá simplemente Mm×n en lugar de Mm×n (K). Cuando se quiere
especificar se escribirá Mm×n (R) o Mm×n (C).
Definición 1.4 (Matriz transpuesta). Sean m, n ∈ N. Dada una matriz A ∈ Mm×n (E), se denomina
matriz transpuesta de A a la matriz At ∈ Mn×m (E) definida mediante
At = (a ji )n×m ,
es decir, At es la matriz cuyas columnas contienen los elementos de las filas de A (y viceversa).
Mayorga-Zambrano, J.
Definición 1.5 (Matriz Simétrica / Matriz Antisimétrica). Sean n ∈ N y A ∈ Mn×n (K). Se dice que A
Notas de Curso
At = −A. (5)
e −π e + 5i −π 0 −2
A = 2.1 1/3 , B = 2.1 1/3 3i e ,
−3 1/π −3 + 2i 1/π 5 −1 − i
La matriz A = (ai j )3×2 es real, en tanto que B = (bi j )3×4 es compleja. Tanto A como B son matrices escalares.
Las transpuestas de las matrices A y B son:
e + 5i 2.1 −3 + 2i
!
e 2.1 −3 −π 1/3 1/π
At = ∈ M2×3 (R), Bt = ∈ M4×3 (C).
−π 1/3 1/π 0 3i 5
−2 e −1 − i
2
corresponde a sumar las coordenadas correspondientes. En efecto, dadas dos matrices genéricas A, B ∈
Mm×n (K),
corresponde a multiplicar cada una de las coordenadas correspondientes por dicho número. En efecto,
dado un número λ ∈ K, se tiene que
Mayorga-Zambrano, J.
λ · A = λ · (ai j )m×n = (λ ai j )m×n = . .
.. .. .. (10)
. ... .
Notas de Curso
λam1 λam2 ... λamn
(λA)t = λ At ; (11)
(A + B) = A + B .
t t t
(12)
Teorema 2.1 (Mm×n (K) como espacio vectorial). Sean m, n ∈ N. El conjunto Mm×n (K) junto con las
operaciones definidas en (8) y (10) es un espacio vectorial.
Demostración. .
3
ii) Probemos que
∃ 0M ∈ Mm×n (K), ∀U ∈ Mm×n (K) : U + 0M = 0M + U = U.
Definimos la matriz 0M = (ai j )m×n de manera que
ai j = 0, ∀i ∈ Im , ∀j ∈ In .
Tomamos un elemento genérico U = (ui j )m×n ∈ Mm×n (K). Se tiene, por la Propiedad de Existencia
de Elemento Neutro de K, que
U + 0M = (ui j )m×n + (ai j )m×n = (ui j + 0)m×n = (ui j )m×n = U.
iii) Probemos que
∀U ∈ Mm×n (K), ∃V ∈ Mm×n (K) : U + V = V + U = 0M .
Tomamos un elemento genérico U = (ui j )m×n ∈ Mm×n (K). Definimos
V = (−ui j )m×n .
Se tiene, por la Existencia de Inversos Aditivos de K, que
U + V = (ui j )m×n + (−ui j )m×n = (ui j − ui j )m×n = 0M .
iv) Probemos que
∀ U, V ∈ Mm×n (K) : U + V = V + U.
Tomamos elementos genéricos U = (ui j )m×n , V = (vi j )m×n ∈ Mm×n (K). Se tiene, por la Conmutati-
vidad Aditiva de K, que
U + V = (ui j )m×n + (vi j )m×n = (ui j + vi j )m×n = (vi j + ui j )m×n = V + U.
2) Probemos la Propiedad Asociativa Mixta:
Mayorga-Zambrano, J.
∀α, β ∈ K, ∀U ∈ Mm×n (K) : (αβ)U = α(βU).
Notas de Curso
Tomamos elementos genéricos α, β ∈ K y U = (ui j )m×n ∈ Mm×n (K). Se tiene, por la Conmutatividad
Multiplicativa de K, que:
(αβ)U = (αβ) · (ui j )m×n = (αβ)ui j = α(βui j ) = α βui j = α(βU).
m×n m×n m×n
3) Probemos la Inocuidad del número 1 ∈ K:
∀U ∈ Mm×n (K) : 1 · U = U.
Tomamos un elemento genérico U = (ui j )m×n ∈ Mm×n (K). Se tiene, por la Existencia del Neutro Mul-
tiplicativo en K, que:
1 · U = 1 · (ui j )m×n = (1 · ui j )m×n = (ui j )m×n = U.
4) Probemos la Propiedad Distributiva de Escalar:
∀α ∈ R, ∀U, V ∈ Mm×n (K) : α · (U + V) = α · U + α · V.
Tomamos elementos genéricos α ∈ K y U = (ui j )m×n , V = (vi j )m×n ∈ Mm×n (K). Se tiene, por la Propiedad
Distributiva de K, que
α · (U + V) = α (ui j )m×n + (vij )m×n = α · ui j + vi j = α(ui j + vi j ) = αui j + αvi j
m×n m×n m×n
= (αui j )m×n + (αvi j )m×n = αU + αV.
5) Probemos la Propiedad Distributiva de Vector:
∀α, β ∈ K, ∀U ∈ Mm×n (K) : (α + β) · U = α · U + β · U.
Tomamos elementos genéricos α, β ∈ K y U ∈ Mm×n (K). Se tiene, por la Propiedad Distributiva de K,
que
(α + β) · U = (α + β) · (ui j )m×n = (α + β)ui j = αui j + βui j
m×n m×n
= (αui j )m×n + (βui j )m×n = α · U + β · U.
4
3. Producto de Matrices
Notación 3.1 (Descomposición en filas / columnas). Dada un matriz A = (ai j )m×n ∈ Mm×n (E), se escribirá
A(1)
A
(2)
A = (A1 A2 . . . An ) = .
(13)
..
A(m)
para representar las descomposiciones de A en columnas y filas. Las columnas de A son las matrices
Mayorga-Zambrano, J.
!
Notas de Curso
−2 3 5
A= .
0 4 7
Entonces se tiene
A = (A1 A2 A3 ) ,
donde ! ! !
−2 3 5
A1 = , A2 = , A3 = ,
0 4 7
Asimismo se tiene que !
A(1)
A= ,
A(2)
donde
A(1) = (−2 3 5) , A(2) = (0 4 7) .
Notación 3.2. Se escribe
x1
x2
R = Mn×1 (R) =
n
x1 , x2 , ..., xn ∈ R
.. : ; (18)
.
xn
x1
x2
C = Mn×1 (C) =
n
x1 , x2 , ..., xn ∈ C
.. : ; (19)
.
xn
x1
x2
Kn = Mn×1 (K) = x1 , x2 , ..., xn ∈ K .
.. : (20)
.
xn
5
Definición 3.1 (Producto escalar en Kn ). Sean n ∈ N. Dados dos vectores de Kn .
u1 v1
u2 v2
u = , v = ,
.. ..
. .
un vn
Mayorga-Zambrano, J.
hAt(i) , B j i = A(i) B j .
Notas de Curso
Esto quiere decir que para construir el elemento ci j se debe multiplicar la fila A(i) con la columna B j .
Observación 3.3. Tenga presente que para que exista la matriz C = AB, el número de columnas de A debe
ser igual al número de filas de B.
Sugerencia 3.2. Estudie el Ejemplo 2.2.6 de [1].
Ejemplo 3.2. Consideramos las matrices
−1
1 2 0
!
1 −1 0
A= ∈ M23 (R), B = 0 2 −1 0 ∈ M34 (R).
1 2 1
1 0 −1 0
Puesto que el número de columnas de A es igual al número de columnas de B, existe la matriz producto
C = AB ∈ M24 (R). Se tiene que:
1
c11 = A(1) B1 = 1 −1 0 0 = 1;
1
2
c12 = A(1) B2 = 1 −1 0 2 = 0;
0
−1
c13 = A(1) B3 = 1 −1 0 −1 = 0;
−1
0
c14 = A(1) B4 = 1 −1 0 0 = 0;
0
6
1
c21 = A(2) B1 = 1 2 1 0 = 2;
1
2
c22 = A(2) B2 = 1 2 1 2 = 6;
0
−1
c23 = A(2) B3 = 1 2 1 −1 = −4;
−1
0
c24 = A(2) B4 = 1 2 1 0 = 1.
0
Por tanto: !
1 0 0 0
C = AB = .
2 6 −4 1
A (B + C) = AB + AC. (23)
Mayorga-Zambrano, J.
ii) Propiedad Asociativa. Si A ∈ Mm×n (K), B ∈ Mn×p (K) y C ∈ Mp×q (K) se tiene que
Notas de Curso
A (B C) = (A B) C. (24)
Por la definición de igualdad de matrices, (2), probar (23) equivale a probar que
∀i ∈ Im , ∀j ∈ Ip : ei j = gi j + hi j .
∀i ∈ Im , ∀ j ∈ Ip : ei j = gi j + hi j .
Ejercicio 3.1. Siguiendo el ejemplo de la demostración anterior, demuestre la Propiedad Asociativa (24).
7
Observación 3.4. Tenga presente que la multiplicación de matrices no cumple con la propiedad conmuta-
tiva.
Proposición 3.2 (Transpuesta de un producto). Sean A ∈ Mm×n (K) y B ∈ Mn×p (K). Se cumple que
(AB)t = Bt At . (25)
i> j ⇒ ai j = 0. (26)
Se dice que A es una matriz triangular inferior si At es triangular superior. Se dice que A es una matriz
diagonal si A es, al mismo tiempo, triangular superior e inferior.
En el marco de la Definición 4.1, A es triangular superior si tiene sólo ceros por debajo de la diagonal
principal:
a11 a12 . . . a1n
22 . . .
0 a a2n
A = . .. .
.
.. .. . . . .
Mayorga-Zambrano, J.
0 . . . ann
0
Notas de Curso
Asimismo, A es triangular inferior si tiene sólo ceros por encima de la diagonal principal:
a11 0 ... 0
a
12 a22 ... 0
A = . .
.. .. ..
. ... .
...
an1 an2 ann
Finalmente, A es diagonal si tiene sólo ceros por encima y por debajo de la diagonal principal:
a11 0 ... 0
0 a22 ... 0
A = .
.. .. ..
. . ... .
...
0 0 ann
es triangular inferior.
8
Notación 4.1 (Delta de Kronecker). El delta de Kronecker se escribe
1, si r = s,
δrs =
(28)
0, si r , s.
Definición 4.2 (Matriz Identidad). Sea n ∈ N. Se denomina matriz identidad de orden n a la matriz
diagonal
Idn = (δi j ) ∈ Mn×n (K), (29)
es decir
1 0 ... 0
0 1 ... 0
Idn =
.. .. .. (30)
. . ... .
0 ...
0 1
La matriz identidad tiene la propiedad de ser neutra con respecto a la multiplicación de matrices. Esto
se establece formalmente en el siguiente teorema.
Demostración. Probaremos (31) en tanto que la demostración de (32) queda como ejercicio para el estudiante.
Mayorga-Zambrano, J.
Tomamos una matriz genérica A = (ai j ) ∈ Mm×n (K) y denotemos A Idn = (ei j ). Entonces, para ı́ndices genéri-
Notas de Curso
donde se ha usado (28). Puesto que i, j fueron elegidos arbitrariamente, se ha probado que
∀i ∈ Im , ∀j ∈ In : ei j = ai j ,
5. Invertibilidad de matrices
Definición 5.1 (Matriz Invertible). Se dice que una matriz A ∈ Mn×n (K) es una matriz invertible si
existe una matriz B ∈ Mn×n (K) tal que
AB = BA = Idn . (33)
Proposición 5.1 (Unicidad de la Matriz Inversa). En el marco de la Definición 5.1, la matriz B es única y,
por ello, se denotará A−1 y se dirá que A−1 es la matriz inversa de A. Por tanto se escribe
9
Demostración. Supongamos que existen dos matrices B1 , B2 ∈ Mn×n (K) tales que
AB1 = B1 A = Idn
AB2 = B2 A = Idn
(35)
B1 , B2 .
Mayorga-Zambrano, J.
tal que RC = Idn , es decir, por (2), deberı́a cumplirse que
Notas de Curso
! ! ! !
1 0 x y 0 1 y x
= =
0 1 z w 1 0 w z
que implica que
y = 1, x = 0, w = 0, z = 1.
Entonces C es inversible y !
0 1
C−1 = R = .
1 0
Ejercicio 5.1. Siguiendo el método presentado en el Ejemplo 5.1, analice si las siguientes matrices son
invertibles y, en caso de serlo, halle la inversa:
! !
1 2 −i 0
U= ∈ M2×2 (R), V= ∈ M2×2 (C).
2 4 0 i
Teorema 5.1 (Propiedades de la inversión). Sean A, B ∈ Mn×n (K), matrices invertibles. Se tiene que
−1
A−1 = A; (37)
(AB)−1 = B−1 A−1 ; (38)
−1 t
At = A−1 . (39)
Demostración. Usemos (33) para probar (38). Se tiene, por la propiedad asociativa, que
(AB) B−1 A−1 = (AB) B−1 A−1
= A BB−1 A−1
= (A Idn ) A−1
= AA−1
= Idn ,
10
de manera que la matriz inversa de AB es B−1 A−1 .
Usemos (38) para probar (39). Puesto que
AA−1 = Idn ,
se tiene que
t
AA−1 = Idtn
y entonces:
t
A−1 At = Idtn = Idn .
t
Por tanto, la inversa de At es A−1 .
A0 = Idn (40)
Corolario 5.1 (Inversa de una potencia). Sea A ∈ Mn×n (K), matriz invertible. Se tiene que
n
∀n ∈ N : (An )−1 = A−1 . (42)
Mayorga-Zambrano, J.
Notas de Curso
6. Ejercicios propuestos
1) Del listado de Problemas 2.1 de [1] realice todos los ejercicios del 27 al 58.
2) Del listado de Problemas 2.2 de [1] realice todos los ejercicios del 20 al 42.
3) Del listado de Problemas 2.2 de [1] realice los ejercicios 46, 48, 49, 58, 60, 61, 62.
4) Sea α ∈ R. Pruebe por inducción matemática que
!n
α 1 αn
!
nαn−1
∀n ∈ N : = .
0 α 0 αn
5) Sea A = diag (a11 , a22 , ..., ann ) ∈ Mn×n (K). Pruebe que A es invertible ssi
∀i ∈ In : aii , 0,
AB = BA. (43)
Esto quiere decir que para matrices diagonales la multiplicación de matrices es conmutativa.
11
8) Sean M ∈ Mn×n (K) y D = diag (d1 , d2 , ..., dn ) ∈ Mn×n (K) donde los números d1 , d2 , ..., dn son distintos.
Pruebe que
MD = DM ⇒ M es diagonal.
11) Sea A, B ∈ Mn×n (K) matrices invertibles tales que A + B−1 también es invertible. Pruebe que A−1 + B es
invertible y que
−1 −1
A−1 + B = A A + B−1 B−1 .
a) Pruebe que
(C − Idn )n = 0. (44)
Mayorga-Zambrano, J.
b) Pruebe que C es invertible y que
Notas de Curso
n−1
X
C−1 = (−1)k (C − Idn )k . (45)
k=0
Pruebe que
14) Pruebe
∀A, B, C ∈ Mn×n (K) : ABC − CAB , −Idn . (51)
Pruebe que
12
16) Sean m, n ∈ N y U ∈ Mm×n (R) tal que Ut U ∈ Mn×n (R) es invertible. Se define la matriz
−1
P = Idm − U Ut U Ut ∈ Mm×m (R).
a) Pruebe que P2 = P.
b) Pruebe que PU = 0 ∈ Mm×n (R).
c) Pruebe que las matrices Ut U y P son simétricas.
17) Se dice que una matriz P = (pi,j ) ∈ Mn×n (R) es una matriz de probabilidades si cumple las siguientes
condiciones
∀i, j ∈ In : pi j ≥ 0; (56)
Mayorga-Zambrano, J.
son matrices de probabilidades.
Notas de Curso
18) Sea n ∈ N. Pruebe que si P ∈ Mn×n (R) es una matriz de probabilidades entonces P2 también lo es.
19) Sea n ∈ N. Pruebe que si P, Q ∈ Mn×n (R) son matrices de probabilidades entonces PQ también lo es.
25) Pruebe que toda matriz cuadrada es la suma de una matriz simétrica y una matriz antisimétrica.
26) Sea A ∈ Mn×n (K) tal que A2 = Idn . Pruebe que
∀n ∈ N : An = Idn ; (60)
∀n ∈ N : (A + Idn )n = Idn + (2n − 1)A. (61)
13
27) Pruebe que el conjunto ( ! )
a 1−a
G= ∈ M2×2 (R) : a,b
b 1−b
Pruebe que G junto con las operaciones de suma y multiplicación de matrices es un grupo no-
conmutativo.
1 1 1
28) Sea U = 1 1 1. Pruebe que
1 1 1
∀n ∈ N : An = 3n−1 A.
a b c
29) Sea A = 0 a d. Para n ∈ N, pruebe que
0 0 a
n(n−1)
nan−1 c + 2 an−2 bd
n
nan−1 b
a
An = 0 an nan−1 d .
n
0 0 a
λ
!
1
30) Considere la función R \ {0} 3 λ 7−→ Aλ = ∈ M2 (R).
−λ−1 −1
a) Pruebe que
Aλ Aµ = Aµ Aλ ⇐⇒ λ = µ. (62)
Mayorga-Zambrano, J.
b) Pruebe que
Notas de Curso
Referencias
[1] S. Grossman and J. Flores, Álgebra Lineal, McGraw-Hill, 7ma. ed., 2012.
14