Capítulo 1

Matrices y Operaciones Básicas

El álgebra matricial es una rama de las matemáticas en la que los números se tratan colec-
tivamente (como arreglos rectangulares de números llamados matrices) en lugar de individual-
mente, como en el álgebra ”ordinaria”. El término matriz se define formalmente más adelante.

1.1 Descripción general y definición de una matriz

Definición 1.1 Una matriz es un arreglo rectangular de elementos de la forma

 
a11 a12 a13 ··· a1j ··· a1n
 a21 a22 a23 ··· a2j ··· a2n 
 
 .. .. .. 
 . . . 
A= 
 ai1 ai2 ai3 · · · aij ··· a3n 
 . .. .. .. .. .. 
 .. . . . . . 
am1 am2 am3 · · · amj · · · amn
Las matrices se denotan por letras mayúsculas A, B, C, ...,etc.
Los elementos o entradas, que en nuestro caso son números reales (llamados escalares) se
denotan por aij .
{
i − ésima fila
aij es el elemento situado en la
j − ésima columna

Definición 1.2 Una matriz de orden m × n es una matriz que tiene m filas y n columnas. Si
m = n,se dice que la matriz es cuadrada.

En lo que sigue una matriz de m filas y n columnas será denotada por Am×n = [aij ] o
simplemente por A.

Ejemplo 1.3 Tenemos que [ ]

4 5 2 1
A=
2 3 1 6
es una matriz de orden 2 × 4 y  
2 −1 0
B= 3 1 0 
0 0 4
es una matriz cuadrada de orden 3.
1.2 Vectores y escalares
Definición 1.4 Una matriz que tiene solo una columna (fila) se llama un vector columna(fila).

Ejemplo 1.5 Así  

3
 −2 
X=
 0 


1
es un vector columna de orden 4. Similarmente, una matriz que tiene solo una fila es un vector
fila [ ]
Y = 4 6 −7 1
es un vector fila de orden 4.

Cada elemento de un vector es un escalar.

Definición 1.6 (Igualdad de matrices) Dos matrices A y B del mismo orden son iguales
si todos sus elementos correspondientes son iguales. En tal caso se usa la notación A = B.

1.3 Adición y sustracción de matrices

Sean A = [aij ] y B = [bij ] dos matrices m × n . La suma A + B o diferencia A − B de
dos matrices es la matriz de orden m × n cuyos elementos son las sumas o diferencias de los
elementos correspondientes de cada matriz.
[ ] [ ]
a11 a12 a13 b11 b12 b13
Ejemplo 1.7 Si A = yB= entonces
a21 a22 a23 b21 b22 b23
[ ]
a11 + b11 a12 + b12 a13 + b13
A+B =
a21 + b21 a22 + b22 a23 + b23
y [ ]
a11 − b11 a12 − b12 a13 − b13
A−B =
a21 − b21 a22 − b22 a23 − b23

1.3.1 Multiplicación de un escalar por una matriz

El producto de un escalar k por una matriz A es otra matriz kA la cual se obtiene multipli-
cando cada elemento de A por[ k. ]
a11 a12 a13
Si k es un escalar y A = entonces
a21 a22 a23
[ ]
ka11 ka12 ka13
kA =
ka21 ka22 ka23

1.3.2 Propiedades
Para A, B y C matrices de orden m × n cualesquiera y para r, s ∈ R, se cumplen

1. A + B = B + A (propiedad conmutativa)

2. A + (B + C) = (A + B) + C (propiedad asociativa)

2
 3. Existe una única matriz (nula) 0 tal que para toda matriz A, A + 0 = A

4. Para toda matriz A, existe una única matriz −A (opuesta de A) tal que

A + (−A) = 0.

5. r(A + B) = rA + rB

6. (r + s)A = rA + sA

7. r(sA) = (rs)A

8. 1A = A.

ALGUNOS TIPOS DE MATRICES

1. Matriz diagonal. Es la matriz cuadrada An×n = [aij ] definida por

{
λi si i = j
aij =
0 si i ̸= j

en donde λi ∈ R.
Es decir  
λ1 0 0 ··· 0
 0 λ2 0 ··· 0 
 
 0 0 λ3 ··· 0 
A= 
 .. .. .. .. 
 . . . . 
0 0 0 ··· λn

Es decir, los valores λi se ubican en la diagonal principal.

2. Matriz identidad.- Llamada también matriz unidad, es un caso particular de matriz

diagonal, en la cual los elementos de la diagonal principal son iguales a 1. Se representa
por In o simplemente por I.
 
1 0 0 ··· 0
 0 1 0 ··· 0 
 
 
I =  0 0 1 ··· 0 
 .. .. .. .. 
 . . . . 
0 0 0 ··· 1

Propiedad fundamental
A·I =I ·A=A

3. Matriz triangular superior.- Es la matriz cuadrada que verifica aij = 0, ∀i > j

Ejemplo 1.8  
a11 a12 a13 a14 a15
 0 a22 a23 a24 a25 
 
A=
 0 0 a33 a34 a35 

 0 0 0 a44 a45 
0 0 0 0 a55
es una matriz triangular superior

3
 4. Matriz triangular inferior.- Es la matriz cuadrada que verifica aij = 0, ∀i < j
Ejemplo 1.9  
a11 0 0 0
 a21 a22 0 0 
A=
 a31 a32 a33 0 


a41 a42 a43 a44

es una matriz triangular inferior

1.4 Traspuesta de una matriz

Definición 1.10 Si A es una matriz m × n, entonces la transpuesta de A, denotada por At , es
la matriz n × m, cuya i−ésima fila es la i−ésima columna de A y cuya j−ésima columna es la
j−ésima fila de A. Simbólicamente, si A = [aij ], entonces At = [aji ]
 
  2 4 7
2 1 3 5  1 6 5 
Ejemplo 1.11 Sea A = 4 6 9 0  una matriz de orden 3×4, entonces At = 

 3 9 8 

7 5 8 4
  5 0 4
2 1 3 5
es una matriz de orden 4 × 3 y (A ) = 4 6 9 0  Nótese que At se obtiene a partir de A
t t 
7 5 8 4
intercambiando las filas por columnas. Obsérvese también que (At )t = A.

1.4.1 Propiedades de la traspuesta

1. I t = I
2. (At )t = A (Reflexividad)
3. (kA)t = kAt , k ∈ R
4. (A + B)t = At + B t
5. (A.B)t = B t .At

1.5 Multiplicación de matrices

1.5.1 Producto de vectores
La matriz identidad de orden n se puede escribir como
∑n
In = ei eti
i=1

donde ei es la i-ésima columna de la matriz identidad In , es decir es un vector con uno en su

i-ésimo elemento y cero en otra parte; ei es llamado un vector elemental. Así por ejemplo
∑
2
I2 = ei eti = e1 et1 + e2 et2
[ ]
i=1 [ ]
1 [ ] 0 [ ]
= 1 0 + 0 1
[ 0 ] [ ]1 [ ]
1 0 0 0 1 0
= + = .
0 0 0 1 0 1

4
 et1 = (1, 0) , et2 = (0, 1)
(a, b) = (a, 0) + (0, b) = a (1, 0) + b (0, 1)
= ae1 + be2

Otro producto elemental de un vector elemental con otro, el cual da

 una
 matriz nula
 excepto

1 0
un elemento que es igual a la unidad; por ejemplo si tomamos e1 =  0  y e2 =  1  , e3 =
  0 0
0
 0  entonces obtenemos la matriz
1
 
1 [ ]
E12 = e1 e2 =  0 
t
0 1 0 1×3
0 3×1
 
0 1 0
=  0 0 0 .
0 0 0

Obsérvese que en general, Eij = ei etj es la matriz nula, excepto para el elemento (i, j) que es
∑n
igual a uno. También In = Eii .
i=1
El producto de dos matrices no está definida de manera obvia; esto es, el producto de dos
matrices no se obtiene multiplicando sus componentes correspondientes.
Antes de definir la multiplicación matricial, se requiere una definición previa.
[ ]
Definición 1.12 Sea A = a11 a12 · · · a1n una matriz o vector fila n−dimensional y sea
 
b11
 b21 
 
B =  .. 
 . 
bn1

una matriz o vector columna n−dimensional. Entonces el producto, AB, de A y B está dado
por
 
b11
 b12 
 
[ ] . 
AB = a11 a12 . . . a1n   
. 
 
 . 
bn1
= a11 b11 + a12 b21 + ... + a1n bn1

Obsérvese que el producto de un vector fila y un vector columna no se puede definir a menos
que sean de tamaños compatibles. Además, el vector fila debe escribirse a la izquierda.
 
[ ] 4
Ejemplo 1.13 El producto de A = 3 2 5 y B = 3  es 
2

5
  
[ ] 4
AB = 3 2 5  3  = 3 (4) + 2 (3) + 5 (2) = 12 + 6 + 10 = 28.
2
Usando la definición de un vector fila por un vector columna se puede definir la multiplica-
ción matricial.

Definición 1.14 Dadas las matrices

A = [aij ] de orden m × p

y
B = [bij ] de orden p × n;
el producto A × B, en ese orden, es la matriz C = [cij ] de orden m × n cuya componente cij es
el producto de la fila i de A y la columna j de B.

Ejemplo 1.15 Determine el elemento

 de la segunda fila y la tercera columna del producto
4 3 [ ]
  1 3 2 4
AB de las matrices A = 2 5 yB= .
2 5 1 3
3 6

Solución. El elemento a determinar, c23 , se obtiene multiplicando la fila 2 de A por la

columna 3 de B.
[ ]
[ ] 2
c23 = 2 5 = 2.2 + 5.1 = 9.
1

Ejemplo 1.16 Obtener el producto AB = C donde

 
[ ] 3 −1
2 1 −3
A2×3 = y B3×2 = 2 4 
4 −5 1
1 5
.

Solución. La matriz producto C es de orden 2 × 2, esto es, tiene 4 elementos.

c11 = (fila 1 de
A)×(columna 1 de B) = 2 (3) + 1 (2) + (−3)1 = 5
c12 = (fila 1 de
A)×(columna 2 de B) = 2(−1) + 1 (4) + (−3)5 = −13
c21 = (fila 2 de
A)×(columna 1 de B) = 4 (3) + (−5)2 + 1 (1) = 3
c22 = (fila 2 de
A)×(columna 2 de B) = 4(−1) + (−5)4 + 1 (5) = −19
[ ] [ ]
c11 c12 5 −13
De lo anterior se concluye que C = = .
c21 c22 3 −19

Observación 1.17 Dadas dos matrices, por ejemplo, A2×2 y B2×4 es posible efectuar (AB) =
C2×4 ,debido a que sus tamaños son compatibles, es decir, el número de columnas de A es igual
al número de filas de B; sin embargo, no es posible calcular BA.

6
Propiedades de la multiplicación
Suponiendo que A, B y C son matrices compatibles con respecto la suma y el producto,se
cumplen
1. A(B + C) = AB + AC 1a propiedad distributiva
2. (A + B)C = AC + BC 2a propiedad distributiva
3. A(BC) = (AB)C propiedad asociativa
4. (kA)B = k(AB) = A(kB), k es un escalar.
Además se debe tener en cuenta
1. Por lo general AB ̸= BA
2. AB = 0 no implica necesariamente que A = 0 o B = 0
3. AB = AC no implica necesariamente que B = C
Matriz simétrica y matriz antisimétrica.
Una matriz cuadrada A se llama simétrica si At = A y antisimétrica si At = −A.
 
2 1 5
Ejemplo 1.18 Dada la matriz A =  1 4 6  , su transpuesta es la matriz
5 6 9
 
2 1 5
At =  1 4 6 
5 6 9
es decir At = A por lo que A es una matriz simétrica. Observe que los elementos opuestos por
la diagonal principal son iguales.
 
0 1 −2 3
 −1 0 6 7 
Ejemplo 1.19 Dada la matriz A =   2
 , su transpuesta es la matriz
−6 0 −5 
−3 −7 5 0
 
0 −1 2 −3
 1 0 −6 −7 
At = 
 −2
,
6 0 5 
3 7 −5 0
es decir At = −A, por lo que A es una matriz antisimétrica.
Observe que todos los elementos de la diagonal principal son nulos y los elementos de la
matriz A opuestos a ella son iguales pero de signo contrario.
Propiedades
1. Si A es una matriz cuadrada de orden n entonces A + At es una matriz simétrica y A − At
es una matriz antisimétrica
La justificación es inmediata puesto que
(A + At )t = At + (At )t = At + A = A + At
(A − At )t = At − (At )t = At − A = −(A − At ).

7
 2. Toda matriz cuadrada A se puede descomponer en la suma de dos matrices, una simétrica
y otra antisimétrica. Es decir
1 1
A = (A + At ) + (A − At ),
2 2
en donde B = 21 (A + At ) es simétrica y C = 21 (A − At ) es antisimétrica.

1.6 Matrices que tienen todos sus elementos iguales a

uno
[ ] [ ]
1 1 1 1 es el vector sumante de orden 4 y para xt = 3 6 9 −3
El vector 1t =
   
3 1
[ ]  6  [ ]  
1t x = 1 1 1 1  = 3 + 6 + 9 − 3 = 15 = 3 6 9 −3  1  = xt 1.
 9   1 
−3 1

Cuando es necesario para

[ evitar confusión,
] el orden de un vector sumante puede ser denotado
en la forma usual 1t4 = 1 1 1 1 . Por ejemplo
 
[ ] 2 −1 [ ]
1t3 x = 1 1 1  −5 −3  = 1 1 = 1t2 .
4 5

Producto interno de un vector sumante con si mismo es un escalar, por ejemplo si tomamos el
vector sumante de orden n entonces
1tn · 1n = n
y otros productos de diferente orden son matrices con todos sus elementos iguales a uno, así
   
1 [ ] 1 1
13 · 1t2 =  1  1 1 =  1 1  = J 3×2 .
1 1 1

En general, podemos observar que

1r · 1ts = J r×s ,
es una matriz de orden r × s, teniendo todas sus entradas iguales a uno. Claramente λJ r×s
tiene todos sus elementos iguales a λ.

Teorema 1.20 La matriz 1 y J satisfacen respectivamente

i.) J r×s J s×t = sJ r×t ,

ii.) 1tr J r×s = r1ts ,

iii.) J r×s 1s = s1r .

Corolario 1.21 Se cumple

i.) J n = 1n 1tn con J 2n = nJ n , y

2
ii.) J n = n1 J n con J n = J n .

8
Ejemplo 1.22 Supogamos que un experimentado taxista tiene la certeza que cuando está en
la ciudad 1 tiene una probabilidad de 0.2 que el próximo destino será dentro de la ciudad
1 y una probabilidad de 0.8 que ésta será en la ciudad 2. Pero cuando está en la ciudad 2
sus probabilidades son de 0.4 de ir a la ciudad 1 y 0.6 de quedarse en la ciudad 2. Estas
probabilidades pueden ser juntadas en una matriz
[ ]
0.2 0.8
P =
0.4 0.6

luego pij es la probabilidad cuando está en la ciudad 1 y que la próxima parada es la ciudad j.

La matriz P es un ejemplo de una matriz de probabilidad de transición, esto es es un arreglo

de probabilidades de elaboración de transiciones desde lo que es llamado un punto i a un punto
j (los puntos en este ejemplo son las dos ciudades) así pij es una probabilidad de transición
y de allí el nombre de matriz de probabilidad de transiciones. En P la suma de los elementos
de cada fila es 1 esto es así porque en cualquier caso el taxista está en la ciudad i su proxima
parada puede ser la misma ciudad o a la otra ciudad, esta es una característica de todas las
matrices de transición. Luego [ ] [ ]
0.2 + 0.8 1
=
0.4 + 0.6 1
como hemos observado, la suma de cada una de las filas es igual a uno. También
[ ][ ] [ ]
0.2 0.8 1 1
P· 1 = = =1
0.4 0.6 1 1

y P 2 1 = P (P · 1) = P · 1 = 1, y extendiendo

P n 1 = 1,

demostrando que la suma de filas de una potencia de una matriz de probabilidad de transición
son también unitarios. En general, una matriz de probabilidad de transición es de la forma
 
p11 p12 · · · p1j · · · p1m
 p21 p22 · · · p2j · · · p2m 
 . .. 
 . .. ..
.
.. ..
. 
 . . . . 
P =  = (pij )m×m , i, j = 1, 2, · · · , m,
 pi1 pi2 · · · pij · · · pim 
 . .. .. .. .. .. 
 .. . . . . . 
pm1 pm2 · · · pmj · · · pmm

donde
∑
m
pij = pi1 + pi2 + · · · + pim = 1,
j=1

correspondiendo a m diferentes estados, la suma de probabilidades de ir de un estado i a

cualquier otro fijo m (incluyendo el estado i) es igual a 1.

Definición 1.23 Definimos la matriz centralizadora Cn como

1
Cn = I − J n = I − J n.
n
Esta matriz es especialmente usada en estadística.

9
Teorema 1.24 La matriz centralizadora satisface

i.) Cn es una matriz simétrica e idempotente.

ii.) Cn 1 = 0.

iii.) Cn J = J Cn = 0.

Aplicación. La media y suma de cuadrados alrededor de la media para datos [ x1 , x 2 , · · · , x n ]

pueden ser expresados en terminos de 1- vectores y J - matrices. Definimos xt = x1 x2 · · · xn .
Entonces la media de los n datos es
∑
n
1 t 1
x = (x1 + x2 + · · · + xn ) /n = xi /n = x .1 = 1t .x
i=1
n n

y usando Cn con sus propiedades, tenemos

( )
1 1
x .Cn = x I − J n = xt − xt 1.1t = xt − x1t = {xi − x}
t t
n n

es el vector dato con cada observación expresada como una desviación de x. Post multiplicando
xt Cn por x se tiene
( ) ( )
xt Cn x = xt − x1t x = xt x − x 1t .x = xt x − nx2 .

De aquí, usando un resultado estándar en estadística, conseguimos

∑
n ∑
n
(xi − x) =
2
x2i − nx2 = xt x − nx2 = xt Cn x.
i=1 i=1

1 t
Así tenemos que xt es un vector dato, x .1 es la media, xt Cn es el vector de desviaciones de la
n
media, y xt Cn x es la suma de cuadrados alrededor de la media. La expresión xt Cn x es un caso
especial de la forma xt Ax, conocida como una forma cuadrática posteriormente estudiada.

Definición 1.25 La matriz A = (aij )n×n es inversible o regular o no singular, si existe una
matriz B tal que
AB = BA = In .
A la inversa de la matriz A, si existe, se le denota por A−1 y es igual a la matriz B.

Definición 1.26 Una matriz cuadrada no singular es ortogonal si y sólo si su inversa es igual
a su transpuesta. Esto es
A es ortogonal ⇔ A−1 = At

Teorema 1.27 Dadas las matrices A = (aij )n×n y B = (bij )n×n entonces

1. A es ortogonal, si y sólo si, AAt = At A = In

2. Si las matrices A y B son ortogonales entonces AB es ortogonal.

[ ]
1 2 −1
Ejemplo 1.28 La matriz A = √ es ortogonal.
5 1 2

10
1.7 Matrices particionadas
Consideremos la matriz
 
1 6 8 9 1 −4
 2 0 −1 0 4 5 
 
A=
 4 5 3 2 6 9 .
 9 −2 1 −3 7 2 
6 0 7 6 8 1

Supongamos que podemos trazar líneas entre ciertas filas y columnas como en
 .. 
1 6 8 9 . 1 −4
 .. 
 2 0 −1 0 . 4 5 
 
 .. 
 . 9 
A= 4 5 3 2 6 
 ··· ··· ··· ··· ··· ··· ··· 
 
 . 
 9 −2 1 −3 .. 7 2 
..
6 0 7 6 . 8 1

Cada uno de los arreglos de números en las 4 secciones de A producidas por el trazo de líneas
es una matriz    
1 6 8 9 1 −4
A11 =  2 0 −1 0  , A12 =  4 5 ,
[ 4 5 3 2 ] 6[ 9 ]
9 −2 1 −3 7 2
A21 = y A22 = .
6 0 7 6 8 1
De esta manera, la matriz A puede ser escrita como una matriz de matrices
[ ]
A11 A12
A= (1.1)
A21 A22

Esta especificación de A es llamada una partición de A, y las matrices A11 , A12 , A21 y A22 se
dicen que son submatrices de A; además A de (1.1) es llamada una matriz particionada.
Observaciones.

1. A11 y A21 tienen el mismo número de columnas, como A12 y A22 . De igual modo A11 y
A12 tienen el mismo número de filas, como A21 y A22 .

2. La partición no es restringida a dividir una matriz justo en 4 submatrices, puede ser

dividida en numerosas filas y columnas de matrices, por ejemplo
 .. 
1 6 8 9 . 1 −4
 .. 
 2 0 −1 0 . 4 5 
   
 ··· ··· ··· ··· ··· ··· ··· 
  A01 A02
 ..  
A= 4 5 3 2 . 6 9  = A03 A04  ,
 
 ··· ··· ··· ······ ··· ···  A21 A22
 
 . 
 9 −2 1 −3 .. 7 2 
..
6 0 7 6 . 8 1

11
 donde A21 y A22 es como en el caso anterior, y
[ ] [ ]
1 6 8 9 1 −4
A01 = , A02 = ,
[ 2 0 −1 0] [ 4 ]5
A03 = 4 5 3 2 , A04 = 6 9 .

Luego no existe una forma única de particionar una matriz.

3. Una partición de una matriz A no puede ser de la forma

 .. 
. ··· ··· ···
 .. 
 . ··· ··· ··· 
 
 .
. .
. 
A= . . 
 
 .. 
 ··· ··· ··· ··· . ··· 
..
.

4. Si A = (aij )m×n entonces una partición de A es dada por

[ ]
Kp×q Lp×(n−q)
A=
M(m−p)×q N(m−p)×(n−q)

donde K, L, M y N son las submatrices con sus ordenes mostrados como subí[Link]
podemos decir que la matriz A = (aij )m×n puede ser particionada en p filas y q columnas
de submatrices como  
A11 A12 · · · A1q
 A21 A22 · · · A2q 
 
A =  .. .. . . .. 
 . . . . 
A1p A2p · · · Apq
donde Aij es la submatriz en la i−ésima fila y la j−ésima columna de submatrices. Si
la la i−ésima fila de submatrices tiene mi filas de elementos y la j−ésima columna de
submatrices tiene nj columnas, entonces Aij tiene orden mi × nj , donde

∑
p
∑
p
mi = m y nj = n.
i=1 j=1

1.7.1 Transpuesta de una matriz particionada

La traspuesta de una matriz particionada es la matriz transpuesta de la transpuesta de las
submatrices. Así tenemos que
[ t ]
t
[ ]t A11
A = A11 A12 =
At12
y  
[ ]t t
B11 t
B21
B11 B12 B13
Bt = =  B12
t t 
B22 .
B21 B22 B23 t t
B13 B23

12
 
[ ] 3 2
3 7 5
Por ejemplo, si A = entonces At =  7 0 . Por otro lado, si particionamos la
2 0 6
5 [6 ] [ ]
[ ] 3 7 5
matriz A de la forma A = A11 ..
. A12 , con A11 = 2 y A12 = 0 6 tenemos que
 
[ . ]t [ ] 3 2
3 .. 7 5 [ ]t At11  ··· ··· 
t
A = = .. = = .
. A11 . A12 At12  7 0 
2 .. 0 6
5 6

1.7.2 Suma de matrices particionadas

Sean A, B matrices de orden m × n, si por ejemplo, las particionamos en la forma
[ ] [ ]
A11 A12 B11 B12
A= y B= ,
A21 A22 B21 B22
de manera que para cada i, j = 1, 2, Aij y Bij tienen el mismo orden. Entonces la matriz suma
C = A + B es [ ]
C11 C12
C= ,
C21 C22
con Cij = Aij + Bij para i, j = 1, 2.

1.7.3 Producto de matrices particionadas

Las matrices particionadas pueden ser multiplicadas por la regla usual de multiplicación de
matrices (fila por columna), como si el bloque de entradas fueran escalares, tal que el producto
AB exista.
 
..
2 −3 1 . 0 −4
 ..  [ ]
 1 −2 . −1  A11 A12
Ejemplo 1.29 Sean A =   5 3 
 = A21 A22
 ··· ··· ··· ··· ··· ··· 
.
0 −4 −2 .. 7 −1
 
6 4
 −2 1 
  [ ]
 −3 7  B1
yB=  
 = B2 .
 ··· ··· 
 −1 3 
5 2
Las cinco columnas de A son particionadas en un conjunto de 3 y 2 columnas respectiva-
mente. Las 5 filas de B son particionadas en la misma forma, en un conjunto de 3 y 2 filas
respectivamente. Decimos que las particiones de A y B están conformadas por bloques tal que
exista la multiplicación. Podemos mostrar que el producto ordinario AB puede ser escrito como
 
[ ] 6 4 [ ]
2 −3 1  −2 1  = 15 12
A11 B1 =
1 5 −2 2 −5
−3 7
[ ][ ] [ ]
0 −4 −1 3 −20 −8
A12 B2 = =
3 −1 5 2 −8 7
[ ] [ ] [ ]
15 12 −20 −8 −5 4
A11 B1 + A12 B2 = + =
2 −5 −8 7 −6 2

13
 [ ][ ] [ ]
A11 A12 B1 A11 B1 + A12 B2
AB = =
A21 A22 B2 A21 B1 + A22 B2
 
[ ] 6 4 [ ]
A21 B1 = 0 −4 −2  −2 1  = 14 −18
−3 7
[ ]
[ ] −1 3 [ ]
A22 B2 = 7 −1 = −12 19
5 2
 
−5 4
 −6 2 
=  
 ··· ··· 
2 1

Por tanto  
−5 4
 −6 2 
AB =  
 ··· ··· 
2 1
es importante que cada producto por bloques Aij Bi , i, j = 1, 2 sea escrito en ese orden, ya que
la multiplicación de matrices no es conmutativa.

Ejemplo 1.30 Dadas las matrices

 
 1  4 3 5
3 2 1 −1  1 5 −1 0 
A= 4 1 2 1  y B=
 0

0 2 1 
3 3 3 0
0 0 −7 −3

particionar adecuadamente A y B, según sea el caso, para calcular por bloques AB.

1.8 Ejercicios
1. Determinar el valor de verdad de las siguientes afirmaciones, justificando debidamente su
respuesta.

(a) ¿Es det (αA) = α det (A) para toda matriz A = (aij )n×n ?
(b) Sean A = (aij )n×n y B = (bij )n×n . Entonces det (A · B) = det (A) · det (B).

2. Determinar la matriz A, triangular superior que satisface

[ ]
t 1/4 3/2
A BA = Bt
3/2 13

siendo B una matriz simétrica, inversible tal que AB = BA.

3. Determinar el valor de verdad de las siguientes afirmaciones, justificando debidamente su

respuesta

(a) Si AB = I = CA entonces B = C
(b) Sean A = (aij )n×n y B = (bij )n×n . Entonces det (A + B) = det (A) + det (B).

14
 
 4 − (i + j) , i < j
4. Si A = (aij ) donde aij = i, j = 1, 2, 3 . Hallar tr (A − I).

j − i − 1, i ≥ j
 
a p q
5. Si A =  r a s , es una matriz diagonal, calcular Ak , para k ∈ Z+ .
u v a
6. Probar que si A y B son antisimétricas, entonces A + B y αA son antisimétricas, para
todo escalar α.

7. Probar que para toda matriz A, n × n, A + At es simétrica y A − At es antisimétrica.

8. Probar que toda matriz cuadrada A puede ser escrita como la suma de uma matriz
simétrica y uma anti-simétrica. (Sugerencia. Observe el resultado de la suma de A + At
con A − At .)

9. Ya vimos que el producto de matrices no es conmutativo. Sin embargo, ciertos conjuntos

de matrices son conmutativos. Probar que

(a) Si D1 y D2 son matrices diagonales n × n, entonces D1 D2 = D2 D1 .

(b) Si A es una matriz n × n y B = a0 In + a1 A + a2 A2 + · · · + ak Ak ; donde a0 , . . . , ak
son escalares, entonces AB = BA.

10. (a) Probar que si A es una matriz m × n tal que AX = 0, para toda matriz X, n × 1,
entonces A = 0.
(b) Sean B y C matrices m × n, tales que BX = CX, para todo X, n × 1. Probar que
B = C.
(Sugerencia: Use el item anterior.)

11. Probar que la matriz identidad In es la única matriz tal que AIn = In A = A para cualquier
matriz A, n × n. (Sugerencia: Sea Jn una matriz tal que AJn = Jn A = A. Mostrar que
Jn = In .)

12. Si AB = BA y p es un entero positivo, probar que (AB)p = Ap B p .

13. Sean A, B y C matrices n × n.

(a) (A + B)2 = A2 + 2AB + B 2 se cumple si AB = BA? Justifique.

(b) (AB)C = C(AB) si AC = CA y BC = CB. Justifique.

14. Si A y B son dos matrices tales que AB = 0, entonces A = 0 o B = 0. Justifique.

15. Si AB = 0, entonces BA = 0. Justifique.

16. Si A es una matriz tal que A2 = 0, entonces A = 0. Justifique.

17. Para I y J de orden n, y para p, q, r, s ∈ R con p ̸= 0 y p + qn ̸= 0 :

(a) Escribir pI + qJ de orden 4.

(b) |aI2 + bJ2 | = a (a + 2b) .
(c) Mostrar que (pI + qJ) (rI + sJ) = prI + (ps + qr + nqs) J.

15
 ( )
1 q
(d) Simplificar (pI + qJ) 1− J .
p p + qn
(e) Explicar porqué JXJ = xJ.
(f) Probar que I − J n es idempotente, pero I − J no.
(g) Para at de orden n mostrar que |λI + 1at | = λn−1 (λ + at 1).
(h) Probar |aIn + bJn | = an−1 (a + bn) .

18. Probar que P 2 es una matriz de probabilidad de transición, si P es una matriz de proba-
bilidad de transición.

19. Probar las siguientes proposiciones.

(a) |J n | = 0.
(b) J 2n = nJ n .
∑
n
(c) La matriz centralizante Cn satisface X t Cn X = (xi − x)2 .
i=1

20. Dadas las matrices

   
1 2 0 0 1 2 0 0 1 −2 4 9
 −1 3 4 1 −2 5   1 1 5 −1 0 −5 
A=
 3
, B= 
1 6 4 1 0   2 3 7 3 0 4 
 −1 0 −10 2 3 3 0 0 4 −3 1 6
1 1 1 1
 2 1 0 −1 
C= 3


1 0 1
0 0 1 2

(a) Particionar A y B en cuatro bloques y calcular A + B.

(b) Particionar A y B en seis bloques y calcular A − 2B.
(c) Particionar de forma adecuada A y C para calcular CA.
(d) Efectuar una partición diferente de la realizada en c) para calcular CB.

16