III.

El espacio Mm×n(K)

Juan Mayorga-Zambrano, Ph.D.

28 de julio de 2016

Índice
1. Introducción 1

2. El espacio vectorial Mm×n (K) 2

3. Producto de Matrices 5

4. Algunos tipos de matrices 8

5. Invertibilidad de matrices 9

Mayorga-Zambrano, J.
6. Ejercicios propuestos 11
Notas de Curso

1. Introducción
Recordemos que para n ∈ N, denotaremos

In = {1, 2, ..., n}, (1)

al conjunto de los n primeros números naturales. Asimismo repasemos algunos conceptos presentados
anteriormente.

Definición 1.1 (Matriz de m filas y n columnas). Sea E un conjunto no-vacı́o. Sean m, n ∈ N. Se

denomina matriz de tamaño m × n (m filas y n columnas) sobre E al arreglo bidimensional

 a11 a12 ... a1n

 

 a
 21 a22 ... a2n 
A = (ai j )m×n =  .  ,

 .. .. ..
. ... .

 
...

am1 am2 amn

donde todas las coordenadas están en E, es decir

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

es una matriz simétrica si se cumple que

At = A. (4)
Se dice que A es una matriz antisimétrica si se cumple que

At = −A. (5)

Ejemplo 1.1. Considere las matrices:

 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
 

Proposición 1.1. Sea A ∈ Mm×n (E). Se tiene que

 t
At = A. (6)

2. El espacio vectorial Mm×n (K)

Sean m, n ∈ N. La suma de matrices escalares
+: Mm×n × Mm×n −→ Mm×n (7)
(A, B) 7−→ A + B.

2
 corresponde a sumar las coordenadas correspondientes. En efecto, dadas dos matrices genéricas A, B ∈
Mm×n (K),

 a11 a12 ... a1n  b11 b12 ... b1n

   
 
 a
 21 a22 ... a2n   b
 21 b22 ... b2n 
A = (ai j )m×n =  .  , B = (bi j )m×n =  .  ,
 
 .. .. ..  .. .. ..
. ... . . ... .
 
   
... ...
 
am1 am2 amn bm1 bm2 bmn

la matriz suma A + B ∈ Mm×n (K) está dada por

 a11 + b11 a12 + b12 ... a1n + a1n

 

 a + b a22 + b22 ... a2n + b2n 
 21 21
A + B = (ai j )m×n + (bi j )m×n = (ai j + bi j )m×n =   .

.. .. .. (8)
. . ... .
 
 
am1 + bm1 am2 + bm2 ... amn + bmn


La multiplicación de un vector por un número,

˙ : K × Mm×n (K) −→ Mm×n (K) (9)

(λ, A) 7−→ λ · A,

corresponde a multiplicar cada una de las coordenadas correspondientes por dicho número. En efecto,
dado un número λ ∈ K, se tiene que

 λa11 λa12 ... λa1n

 

 λa λa22 ... λa2n 
21

Mayorga-Zambrano, J.
λ · A = λ · (ai j )m×n = (λ ai j )m×n =  .  .
 
 .. .. .. (10)
. ... .
Notas de Curso


 
λam1 λam2 ... λamn


Es fácil visualizar la veracidad de la siguiente proposición.

Proposición 2.1. Sean λ ∈ K y A, B ∈ Mm×n (K), genéricos. Se tiene que

(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. .

1) Probemos que (Mm×n (K), +) es un grupo abeliano.

i) Probemos que
∀U, V, W ∈ Mm×n (K) : U + (V + W) = (U + V) + W.
Tomamos elementos genéricos

U = (ui j )m×n , V = (vi j )m×n , W = (wi j )m×n ∈ Mm×n (K).

Se tiene, por la Asociatividad Aditiva de K, que

     
U + (V + W) = (ui j )m×n + (vi j )m×n + (wi j )m×n = ui j + (vi j + wi j ) = ( ui j + vi j ) + wi j
m×n m×n
 
= (ui j )m×n + (vi j )m×n + (wi j )m×n = (U + V) + W.

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

 a11   a12   a1n 

     
 a21   a22   a2n 
A1 =  .  , A2 =  .  , . . . , An =  .  (14)
     
 ..   ..   .. 
     
am1 am2 amn
en tanto que las filas de A son las matrices:
A(1) = (a11 a12 . . . a1n ) , A(2) = (a21 a22 . . . a2n ) , ..., A(m) = (am1 am2 . . . amn ) (15)
Observación 3.1. Observe que
A j ∈ Rm , ∀j ∈ In ; (16)
At(i) ∈R , n
∀i ∈ Im . (17)

Ejemplo 3.1. Consideremos la matriz A ∈ M2×3 (R) dada por

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

se define su producto escalar mediante

n
X
hu, vi = ut v = uk vk . (21)
k=1

Sugerencia 3.1. Estudie el Ejemplo 2.2.1 de [1].

Definición 3.2 (Producto de matrices). Sean m, n, r ∈ N. Dadas matrices

A ∈ Mm×r (K), B ∈ Mr×n (K).

Se define la matriz producto, C = (ci j )m×n = AB, de manera que

r
X
ci j = A(i) B j = aik · bkn , ∀i ∈ Im , ∀j ∈ In . (22)
k=1

Observación 3.2. En la Definición 3.2, se tiene que

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

En la siguiente proposición se resumen algunas propiedades que involucran a la multiplicación de

matrices.

Proposición 3.1 (Propiedades de la multiplicación de matrices). Sean m, n, p, q ∈ N.

i) Propiedad Distributiva. Si A ∈ Mm×n (K), B ∈ Mn×p (K) y C ∈ Mn×p (K) se tiene que

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)

Demostración de la Propiedad Distributiva. Denotemos

A(B + C) = (ei j )m×p , AB = (gi j )m×p , AC = (hi j )m×p

Por la definición de igualdad de matrices, (2), probar (23) equivale a probar que

∀i ∈ Im , ∀j ∈ Ip : ei j = gi j + hi j .

Procedamos. Tomamos ı́ndice genéricos i ∈ Im y j ∈ Ip . Entonces, por la propiedad distributiva de K y por

la definición de producto de matrices, (22), se tiene que:
n
X  
ei j = aik bk j + ck j
k=1
n 
X 
= aik bk j + aik ck j
k=1
n
X n
X
= aik bk j + aik ck j
k=1 k=1
= gi j + hi j .

Puesto que los ı́ndices i, j fueron elegidos arbitrariamente se ha probado que

∀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)

Ejercicio 3.2. Pruebe la Proposición 3.2.

4. Algunos tipos de matrices

Definición 4.1 (Matriz Triangular / Matriz Diagonal). Sean n ∈ N y A = (ai j ) ∈ Mn×n (K). Se dice que
A es una matriz triangular superior si se cumple que

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

En este caso se suele escribir

A = diag(a11 , a22 , .., ann ) (27)

Ejemplo 4.1. La matriz

3 + 4i −i

 2


B =  0 0 −1  ∈ M3×3 (C)
 
0 0 2−i
 

es triangular superior. La matriz


 2 0 0


C =  0 −2 0  ∈ M3×3 (R)
 
π e 1/4
 

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.

Teorema 4.1 (Neutralidad de la matriz identidad). Sean m, n, p ∈ N. Entonces, se cumple que:

∀A ∈ Mm×n (K) : A Idn = A; (31)

∀B ∈ Mn×p (K) : Idn B = B. (32)

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

cos i ∈ Im y j ∈ In , se tiene que

n
X
ei j = aik δk j
k=1
= ai j · 1,

donde se ha usado (28). Puesto que i, j fueron elegidos arbitrariamente, se ha probado que

∀i ∈ Im , ∀j ∈ In : ei j = ai j ,

es decir, se ha probado que A Idn = A.


Sugerencia 4.1 (Matriz de transición). Estudie la Aplicación (cadena de Markov y matriz de transición)
presente en las páginas 72 y 73 de [1].

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

AA−1 = A−1 A = Idn . (34)

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 .



Se tiene, por la propiedad asociativa, que:

B1 = B1
= B1 Idn
= B1 (AB2 )
= (B1 A)B2
= Idn B2
= B2 ; (36)
lo cual contradice (35). Por tanto se concluye que B1 = B2 , es decir que existe una única inversa de A. 
Ejemplo 5.1. Consideremos la matriz
!
0 1
C= ∈ M2×2 (R).
1 0
¿Es invertible la matriz C? Si C es invertible entonces debe existir una matriz
!
x y
R= ∈ M2×2 (R)
z w

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 . 

Notación 5.1. Dada una matriz cuadrada A ∈ Mn×n (K), se escribe

A0 = Idn (40)

Asimismo, para r ∈ N, se escribe

Ar = A Ar−1 . (41)

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)

Ejercicio 5.2. Pruebe por inducción matemática el Corolario 5.1.

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,

y que, en este caso,  

11 , a22 , ..., ann .
A−1 = diag a−1 −1 −1

6) Se dice que P ∈ Mn×n (K) es una matriz de proyección si P = P2 .

a) Pruebe que si P ∈ Mn×n (K) es una matriz de proyección entonces Idn − P también lo es.
b) Pruebe que
P = P2 ⇔ P2 (Idn − P) = 0 ∧ P (Idn − P)2 = 0.
7) Sean A, B ∈ Mn×n (K) diagonales. Pruebe que

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.

9) Sean A, B ∈ Mn (K) triangulares inferiores. Pruebe que AB es triangular inferior.

10) Sean A, B, S ∈ Mn×n (K) tales que S es invertible y las matrices S−1 AS y S−1 BS son diagonales. Pruebe
que
AB = BA.

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 .

12) Sea n ∈ N. Considere la matriz

1 1 0 0 ... 0 0
 
 

 0 1 1 0 ... 0 0 

0 0 1 1 ... 0 0
 
 
C =  .. .. .. .. .. ..  ∈ M (K).
n×n
. . . . ... . .

 
0 0 0 0 ...
 

 1 1 
0 0 0 0 ...

0 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

13) Sea n ∈ N. Se define la función traza:

tr : Mn×n (K) −→ K (46)

n
X
A = (ai j ) 7−→ tr(A) = akk
k=1

Pruebe que

∀A ∈ Mn×n (K) : tr(At ) = tr(A); (47)

∀A, B ∈ Mn×n (K) : tr(A + B) = tr(A) + tr(B); (48)
∀λ ∈ K, ∀A ∈ Mn×n (K) : tr(λA) = λtr(A); (49)
∀A, B ∈ Mn×n (K) : tr(AB) = tr(BA). (50)

14) Pruebe
∀A, B, C ∈ Mn×n (K) : ABC − CAB , −Idn . (51)

15) Sea n ∈ N. Se define la función:

η: Mn×n (R) −→ R (52)

A 7−→ η(A) = tr(AAt )

Pruebe que

∀A ∈ Mn×n (R) : η(A) = η(At ); (53)

∀A ∈ Mn×n (R) : η(A) ≥ 0; (54)
η(A) = 0 ⇔ A = 0. (55)

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

a) todos sus elementos son no-negativos, es decir

∀i, j ∈ In : pi j ≥ 0; (56)

b) La suma de elementos en cada fila es igual a 1, es decir

n
X
∀i ∈ In : pi j = 1. (57)
j=1

Muestre que las matrices


 1/3 1/3 1/3
 
 1/6 1/6 2/3

 
P =  1/4 1/2 1/4  , Q =  1/9 1/3 5/9 y PQ
   

0 0 1 1/5 3/5 1/5
   

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.

20) Del listado de Problemas 2.2 de [1] realice el ejercicio 74.

21) Sean A, B ∈ Mm×n (K). Pruebe que

A=B ⇔ ∀x ∈ Rm , ∀y ∈ Rn : xt Ay = xt By. (58)

22) Sean A, B ∈ Mn (K), simétricas. Pruebe que

A=B ⇔ ∀x ∈ Rn : xt Ax = xt Bx. (59)

23) Sea A ∈ Mn (K) tal que

∃k ∈ N : Ak = Idn .
Pruebe que A es invertible y halle A−1 .
!
x y
24) Encuentre todas las matrices de la forma A = ∈ M2 (R) que verifican A2 = Id2 .
0 y

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)

Indicación. Considere la fórmula del Binomio de Newton.

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

∀λ, µ ∈ R, ∃ηλ,µ ∈ R : Aλ Aµ + Aµ Aλ = ηλ,µ Id2 ; (63)

ηλ,µ = 0 ⇐⇒ λ = µ. (64)

c) Calcule A2λ y (Aλ + Aµ )2 .

d) Pruebe que
(λ − µ)2n
∀n ∈ N : (Aλ + Aµ )2n = (−1)n Id2 . (65)
λn µn
e) Pruebe que (Aλ + A2λ )2n no depende de λ.

Referencias
[1] S. Grossman and J. Flores, Álgebra Lineal, McGraw-Hill, 7ma. ed., 2012.

14