UNIVERSIDAD NACIONAL SAN CRISTOBAL DE HUAMANGA

FACULTAD DE .......................

EFP INGENIERÍA CIVIL

unsch.jpg

Trabajo de ....................

Tema: MATRICES

Alumno:

....................

Profesor: José Carlos Juárez P.

AYACUCHO – PERÚ –2017

Índice
1. INTRODUCCIÓN 3

2. MATRIZ 4

3. MATRICES ESPECIALES 5
3.1. Matriz Cuadrada . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.2. Matriz Diagonal . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.3. Matriz identidad . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.4. Matriz Nula . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.5. Matriz Transpuesta . . . . . . . . . . . . . . . . . . . . . . . . 6
3.6. Matriz Simétrica . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.7. Matriz Antisimétrica . . . . . . . . . . . . . . . . . . . . . . . 6
3.8. Matriz Triangular . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.8.1. Matriz Triangular Superior . . . . . . . . . . . . . . . . 7
3.8.2. Matriz Triangular Inferior . . . . . . . . . . . . . . . . 7

4. ÁLEBRA DE MATRICES 8
4.1. Suma de Matrices . . . . . . . . . . . . . . . . . . . . . . . . . 8
4.2. Resta o Diferencia de Matrices . . . . . . . . . . . . . . . . . . 8
4.3. Multiplicación de Matrices . . . . . . . . . . . . . . . . . . . . 9
4.3.1. Multiplicación de un escalar por una matriz . . . . . . 9
4.3.2. Producto de dos matrices . . . . . . . . . . . . . . . . 9

5. EJERCICIOS DE APLICACIÓN 11

6. CONCLUSIONES 19

7. BIBLIOGRAFÍA 20

2
1. INTRODUCCIÓN
El álgebra lineal, nombre con que se le conoce actualmente a esta disci-
plina, constituye una bella estructura matemática; sus partes integrantes son
herramientas poderosas para ingenieros, cientı́ficos y matemáticos.

Los que estudian estas disciplinas llegan al álgebra lineal con una forma-
ción común; han aprendido matemáticas resolviendo problemas y estudiando
ejemplos. Teniendo presente esta idea, en este trabajo he tratado de dirigir la
atención del lector hacia lo que considero que son los cinco problemas básicos
del álgebra lineal:

El problema de la solución de las ecuaciones lineales

El problema de la construcción de una base para un espacio vectorial
El problema de la construcción de una matriz que represente una trans-
formación lineal
El problema de los valores y los vectores propios
El problema de la diagonalización.
Estos problemas le indican al estudiante el camino a seguir y las habili-
dades y conocimientos que debe desarrollar en el curso. Espero que el lector
llegue a visualizar la estructura del álgebra lineal sostenida por esas cinco vi-
gas maestras que son los cinco problemas básicos, cuyos detalles se exponen
en los ejemplos, las aplicaciones y los teoremas.[1]

Por consiguiente este material ayudará al estudiante a fortalecer su apren-

dizaje.En este trabajo aparecen ejemplos resueltos con detalle. Es importante
recalcar, que ası́ como un gimnasta práctica varias horas para perfeccionar
sus técnicas, el estudiante debiera de practicar con otros ejemplos y no con-
formarse con los que aparecen aquı́. Cito unas palabras del matemático Al-
berto Barajas (1913-2004) ((jóvenes, las matemáticas no se aprenden
viéndolas)), decı́a en el salón de clases, ((se aprenden haciéndolas. . .)) ,
el carpintero puede tener la mejor madera del mundo, pero no por ello hace
los mejores muebles. . . , es un proceso continuo que se va mejorando todos
los dı́as, a base de trabajo, de imaginación y de un enorme esfuerzo, para
lograr cada dı́a mejores obras de arte.
La integrante

3
2. MATRIZ
Definición 1.

Una matriz es un arreglo rectangular de << mxn >> números, dis-

puestos en m filas y n columnas. .[2, Pág. 1]

es decir:
 
a11 a12 .... a1n

 a21 a22 .... a2n 

 . . . 
A = [aij ] =  

 . . . 

 . . . 
am1 am2 .... amn
donde: aij indica la posición del elemento en el arreglo, es decir la i-ésima
fila y la j-ésima columna.

son
 ejemplos de matrices los siguientes arreglos:
 
2 1 √ Π   2a
 0 −1 3  , Senβ Cosβ T gβ ,  −b 
1 2 10 3c

Nota.

A las matrices se les denota con letras mayúsculas y se denota

como: A = [aij ]o (aij ),i=1,2,3,...m;j=1,2,3,...,n

El orden de una matriz esta dada por el producto mxn, donde

m indica el número de filas y n el número de columnas

Una matriz es un arreglo por tal no es un valor númerico.

4
3. MATRICES ESPECIALES
3.1. Matriz Cuadrada
Una matriz se llama matriz cuadrada si tiene el mismo de filas que colum-
nas.
Se denota como :Amxm ó Am

 
a1,1 a1,2 a1,3 a1,4 a1,5
a2,2 a2,2 a2,3 a2,4 a2,5 
 
a3,1
A=  a3,2 a3,3 a3,4 a3,5 

a4,1 a4,2 a4,3 a4,4 a4,5 
a5,1 a5,2 a5,3 a5,4 a5,5

Nota.

Solamente en una matriz cuadrada existe la diagonal principal.

A la suma de los elementos de la diagonal principal se le llama

traza:
a1,1 + a2,2 + a3,3 + ... + am,m =traza(A)= m
P
i=1 ai,i

3.2. Matriz Diagonal

Una matriz cuadrada, es una matriz diagonal, si por lo menos algún ele-
mento de la diagonal principal es diferente de cero y todos los elemntos que
estan por encima y debajo de la principal son ceros.
Por ejemplo tenemos:  
0 0 0
A = 0 −3 0
0 0 0

3.3. Matriz identidad

Una matriz diagonal, es una matriz identidad, si todos los elemetos de la
diagonal principal son unos .Y se denota por Im
O matematicamente se puede definir ası́: Im = [ai,j ] donde: ai,j = 1, ∀i =
j ∧ ai,j = 0, ∀i 6= j

5
Por ejemplo tenemos:  
1 0 0
A = 0 1 0
0 0 1

3.4. Matriz Nula

Una matriz A = [ai,j ]mxn se llama matriz nula si todos sus elementos son
ceros. Es decir ai,j = 0, ∀i, j. SE denotara por θ
Por ejemplo tenemos:  
0 0 0 0
θ = 0 0 0 0
0 0 0 0

3.5. Matriz Transpuesta

La transpuesta de una matriz A = [ai,j ]mxn es otra matriz B = [bi,j ]nxm
que se obteine intercambiando las filas y columnas.
Se denota por :AT y se le lee ((Matriz transpuesta de A))
Por ejemplo tenemos:
Si:  
  4 0 5
4 −3 2 1 −3 2 7
A = 0 2 5 −2 ⇒ AT = 

2

5 8
5 7 8 9 3x4
1 −2 9 4x3

3.6. Matriz Simétrica

Una matriz cuadrada A = [ai,j ]mxm es una matriz simétrica si es igual a
su transpuesta.
Es decir: A es simétrica ⇔A=AT
Por ejemplo tenemos:
Si:    
4 3 2 1 4 3 2 1
3 5 6 −2 6 −2
3 5
T

A=  2 6 8 9  ⇒ A = 2 6
 
8 9
1 −2 9 4 4x4 1 −2 9 4 4x4

3.7. Matriz Antisimétrica

Una matriz cuadrada A = [ai,j ]mxm es una matriz antisimétrica si su
transpuesta es igual la matriz negativa de A.

6
Es decir: A es antisimétrica ⇔AT = −A
Por ejemplo tenemos:
Si:  
0 −13 12 1
 13 0 −6 −2
A=  −12 6

0 9
−1 2 −9 0
Comprobando se tiene:
   
0 13 −12 −1 0 13 −12 −1
−13 0 6 2 −13 0 6 2
AT = 
 12 −6 0 −9 y − A =
 
 12 −6 0 −9


1 −2 9 0 1 −2 9 0

Como AT = −A
∴ A es antisimétrica.

3.8. Matriz Triangular

3.8.1. Matriz Triangular Superior
Una matriz cuadrada A = [ai,j ] es una matriz triangular superior si y sólo
si ai,j = 0∀i > j.
Por ejemplo:

 
10 13 −12 −1
0 0 6 2
A = sub  
0 0 0 −9
0 0 0 −5

3.8.2. Matriz Triangular Inferior

Una matriz cuadrada A = [ai,j ] es una matriz triangular inferior si y sólo
si ai,j = 0∀i < j
Por ejemplo:

 
10 0 0 0
5 7 0 0
A= 
8 9

5 0
4 −9 4 2

7
4. ÁLEBRA DE MATRICES
4.1. Suma de Matrices

+ : Kmxn xKmxn → Kmxn

([ai,j ], [bi,j ]) → [ai,j ] + [bi,j ] = [ci,j ]
donde: ci,j = ai,j + bi,j ∀ 1 ≤ i ≤ m ; 1 ≤ j ≤ n
Si A, B , C y θ son matrices del mismo orden, se cumple que:

A+B =B+A

(A + B + C = A + (B + C)

∀ A ∃ θ / A+θ=θ + A=A

∀ A ∃ -A / A+(-A)=(-A)+ A= θ

Ejemplo:
Dadas las matrices:
     
10 0 3 0 1 10 20 4 11 10 23 4
A =  5 7 0 9 yB = 15 17 0 3 ⇒ A+B = 20 24 0 12
8 9 5 0 8 −9 −3 2 16 0 2 2

4.2. Resta o Diferencia de Matrices

− : Kmxn xKmxn → Kmxn

([ai,j ], [bi,j ]) → [ai,j ] − [bi,j ] = [ci,j ]
donde: ci,j = ai,j − bi,j ∀ 1 ≤ i ≤ m ; 1 ≤ j ≤ n

Nota.

En la diferencia o resta de matrices ya no se cumplen las

propiedades de la suma de matrices.

A − B 6= B − A

Para sumar o restar matrices ambas tienen que ser del mismo
orden.

8
 Ejemplo:
Dadas las matrices:
     
10 0 3 0 1 10 20 4 9 −10 −17 −4
A =  5 7 0 9 yB = 15 17 0 3 ⇒ A−B = −10 −10 0 6
8 9 5 0 8 −9 −3 2 0 18 8 −2

4.3. Multiplicación de Matrices

4.3.1. Multiplicación de un escalar por una matriz

x : RxKmxn → Kmxn
(α, [ai,j ]) → α.[ai,j ] = [α.ai,j ]
Sean Amxn , Bnxp y Cpxq se cumple que:

α(A + B) = α.A + α.B

(αβ)A = α(β.A) = β(αA)

(α + β)A = α.A + β.B

Ejemplo:
Si α = −3 y la matriz
   
10 0 3 0 −30 0 −9 0
A =  5 7 0 9 ⇒ α.A = −15 −21 0 −27
8 9 5 1 −24 −27 −15 −3

4.3.2. Producto de dos matrices

x : Kmxp xKpxn → Kmxn

([ai,j ], [bi,j ]) → [ai,j ]x[bi,j ] = [ci,j ]
donde: ci,j = pk=1 ai,k .bk,j
P
Sean Amxn , Bnxp y Cpxq se cumple que:

A(B.C) = (A.B)C

A(B + C) = AB + BC; simpre que tenga sentido

(B + C)A = BA + CA; simpre que tenga sentido

9
 I.A = A.IA

θ.A = θ

Ejemplo:
Dadas las matrices:
     
10 0 3 1 34
A= 5 7 0
  yB = 15
  ⇒ AxB = 110

8 9 5 3x3 8 3x1 183 3x1

Nota.

En algunos casos se cumple que A.B = B.A pero eso no implica que
se cumpla la propiedad conmutativa.

10
5. EJERCICIOS DE APLICACIÓN
Ejercicio 1.

Demostrar que si A × B = A y B × A = B, las matrices A y B son

idempotentes.

A×B =A B×A = B
A×B−A = 0 B×A−B = 0
A × (B − A) = 0 B × (A − B) = 0
B−A = 0 A−B = 0
B = A A = B
∴ A×B =A
A2 = A ∴ B×B =B
B×A=B B2 = B
Nota.

Una matriz cuadrada ((A)) es una matriz idempotente si A2 = A

Ejercicio 2.
 
1 −1 1
Si A = 2 −1 0, demostrar que A3 = I.
1 0 0

Solución

   
1 −1 1 1 −1 1 1 −1 1
A3 = A × A × A = 2 −1 0 2 −1 0 2 −1 0
1 0 0 1 0 0 1 0 0
    
0 0 1 1 −1 1 1 0 0
= 0 −1 2 2 −1 0 = 0 1 0
1 −1 1 1 0 0 0 0 1
 
1 0 0
A3 =  0 1 0 .
0 0 1

11
 

Ejercicio 3.
 
5 2 −3
Si A = 1 3 −1, comprobar que A3 − 7 A2 + 13 A − 5 I = 0.
2 2 −1

Solución

A3 − 7 A2 + 13 A − 5 I = 0

 3  2  
5 2 −3 5 2 −3 5 2 −3
1 3 −1 − 7 1 3 −1 + 13 1 3 −1 − 5 I = 0
2 2 −1 2 2 −1 2 2 −1
     
87 44 −59 21 10 −14 5 2 −3
29 29 −22 − 7  6 9 −5  + 13 1 3 −1 − 5 I = 0
44 30 −31 10 8 −7 2 2 −1
       
87 44 −59 1471 70 −98 6 26 −39 5 0 0
29 29 −22 −  42 63 −35 + 13 39 −13 − 0 5 0 = 0
44 30 −31 70 56 −49 26 26 −13 0 0 5
 
0 0 0
0 0 0 = 0
0 0 0

Ejercicio 4.
 
7 4 −4
Si A =  4 −8 −1, comprobar que A2 − 81 I = 0.
−4 −1 −8

12
Solución

A2 − 81 I = 0
      
7 4 −4 7 4 −4 1 0 0 0 0 0
 4 −8 −1   4 −8 −1 − 81 0 1 0 = 0 0 0
−4 −1 −81 −4 −1 −8 0 0 1 0 0 0
     
81 0 0 81 0 0 0 0 0
0 81 0  −  0 81 0  = 0 0 0
0 0 81 0 0 81 0 0 0
   
0 0 0 0 0 0
0 0 0 = 0 0 0
0 0 0 0 0 0

Ejercicio 5.
 
2 1 1
Hallar f (A) en f (x) = x2 − x − I, si A = 3 1 2.
1 −1 0

Solución

f (A) = A2 − A − I

 2    
2 1 1 2 1 1 1 0 0
= 3 1 2 − 3 1 2 − 0 1 0
1 −1 0 1 −1 0 0 0 1

 2    
8 2 4 2 1 1 1 0 0
=  11 2 −5 − 3 1 2 − 0 1 0
−1 0 −1 1 −1 0 0 0 1
 
5 1 3
f (A) =  8 0 3
−2 1 −1

13
 

Ejercicio 6.
 
1 −2 3
Si f (x) = 3x2 − 2x + 5 I y A = 2 −4 1, calcule f (A).
3 −5 2

Solución

f (A) = 3 A2 − 2 A + 5 I

 2    
1 −2 3 1 −2 3 1 0 0
= 3 2 −4 1 − 2 2 −4 1 + 5 0 1 0
3 −5 2 3 −5 2 0 0 1
     
6 −9 7 2 −4 6 5 0 0
= 3 −3 7 4 − 4 −8 2 + 0 5 0
−1 4 8 6 −10 4 0 0 5
     
18 −27 21 2 −4 6 5 0 0
= −9 21 12 − 4 −8 2 + 0 5 0
−3 12 24 6 −10 4 0 0 5
 
21 −23 15
f (A) = −13 34 10
−9 22 15

Ejercicio 7.
 
1 0 1 0
 0 1 0 1
Calcular A5 , si A = 
1
.
0 1 0
0 1 0 1

14
 Solución

    
1 0 1 0 1 0 1 0 2 0 2 0
0 1 0 1 0
  1 0 1 0
  2 0 2
A2 = A×A= 1 = 
0 1 0 1 0 1 0 2 0 2 0
0 1 0 1 0 1 0 1 0 2 0 2
    
2 0 2 0 1 0 1 0 4 0 4 0
 0 2 0 2 0 1 0 1 0 4 0 4
A3 = A2 × A = 
2
 = 
0 2 0 1 0 1 0 4 0 4 0
0 2 0 2 0 1 0 1 0 4 0 4

Entonces
    
4 0 4 0 2 0 2 0 16 0 16 0
 0 4 0 4 0 2 0 2
 =  0 16 0 16 .
 
A5 = A3 × A2 = 
4

0 4 0 2 0 2 0  16 0 16 0 
0 4 0 4 0 2 0 2 0 16 0 16

Ejercicio 8.
 
1 1 1
Si A = 0 1 1, hallar traza(A7 ).
0 0 1

Solución

    
1 1 1 1 1 1 1 2 3
A2 = A × A = 0 1 1 0 1 1 = 0 1 2
0 0 1 0 0 1 0 0 1
    
1 2 3 1 2 3 1 4 10
A4 = A2 × A2 = 0 1 2 0 1 2 = 0 1 4 
0 0 1 0 0 1 0 0 1
     
1 4 10 1 2 3 1 1 1 1 7 28
A7 = A4 × A2 × A = 0 1 4  0 1 2 0 1 1 = 0 1 7  .
0 0 1 0 0 1 0 0 1 0 0 1

15
Por tanto,

 
1 7 28
A7 =  0 1 7  ⇒ traza(A7 ) = 1 + 1 + 1 = 3.
0 0 1


Ejercicio 9.

Determinar si las siguientes matrices son regulares:

   
4 3 −1 0 1 2 −1 1
2 1 3 1  , B = 2 1 1 0

A= 1 1 −1 0
.
0 2 3 1
3 2 1 4 1 3 2 −1

Solución

Sólo bastará verificar que el determinate es diferente de cero.

 

 4 3 −1 0 
 2 1 3 1 
|A| =  = −672 6= 0.
 1 0 2 3 
 3 2 1 4 
Por lo tanto A es regular.

   
1 2 −1 1 1 2 1 −1
 ≡ R∗ = 0 3 1 −2 .
2 1 1 0  
B = 
1 −1 0 1 0 0 0 0
1 3 2 −1 0 0 −2 −2

Por lo tanto r(B) = 3 6= 4, es decir que B no es regular. 

Nota.

Se dice que una matriz cuadrada ((A)) es regular, si su determinante

es no nulo.

16
 Ejercicio 10.

Si A es una matriz idempotente (A2 = A), demostrar que (A + I)n =

(2n − 1)A, para todo entero positivo.

Solución
Por inducción:
Para n = 1 : (A + I)1 = A + I = I + (1)A = I + (21 − 1)A se cumple

Supongamos que se cumple para n = k

(A + I)k = I + (2k − 1)A

Probemos que se cumple para k + 1:

(A + I)k+1 = (A + I)k · (A + I)
= [I + (2k − 1)A](A + I) por hip. inductiva
= A + I + (2k − 1(A2 + A)) = A + I + (2k − 1)(A + A)
= A + I + (2k − 1)(2A) = I + 2(2k − 1)A + A
= I + (2k+1 − 2 + 1)A = I + (2k+1 − 1)A
= I + (2k+1 − 1)A

por lo tanto se cumple ∀n ∈ N 

Ejercicio 11.
 
1 0 0 0
0 1 0 0
Siendo A =  , demostrar que A2 = I
a b −1 0 
c d 0 −1

17
Solución

  
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0

A2 = AA = a b −1 0  a b −1 0 


c d 0 −1 c d 0 −1
 
1 0 0 0
 0 1 0 0 
=a − a b − b (−1)(−1) (−1)(−1)


c−c d−d 0 (−1)(1)

 
1 0 0 0
0 1 0 0
=0 0 1 0 = I


0 0 0 1

Ejercicio 12.

Si A es una matriz idempotente, demostrar que también lo es la

matriz B = I − A y que AB = BA = 0

BB = (I − A)(I − A) = I(I − A) − A(I − A)

= I 2 − IA − AI + A2
=I −A−A+A=I −A
=B

AB = A(I − A) = AI − A2 = A − A = 0
BA = (I − A)A = IA − A2 = A − A = 0

18
6. CONCLUSIONES
Las matrices son arreglos que pueden ser rectangulares o cuadradras,
lo cuál permiten representar la información de un problema en forma
ordena, precisa y exacta.

Las matrices tienen su aplicación especialmente en el desarrollo de la

solución de un sistema de ecuaciones de ((n)) incognitas.

El fundamento teórico es base para el desarrollo de los temas siguientes

del curso como espacios vectoriales, transformaciones lineales, valores
y autovectores, etc.

19
7. BIBLIOGRAFÍA
Referencias
[1] Willian l Perry.((Álgebra Lineal con aplicaciones))

[2] Moises Lázaro C, ((Álgebra Lineal))

20