MATRICES

DEFINICIÓN, TIPOS, OPERACIONES

Y POTENCIA N-ÉSIMA

ÁLGEBRA LINEAL
ÁREA DE ANÁLISIS FUNCIONAL
DEPARTAMENTO DE CIENCIAS EXACTAS - ESPE
 Semana # 1

Contenido
Título Matrices (primera parte)
Duración 4 h
Información general Para este tema se considerará la definición intuitiva y formal de
una matriz, así como su clasificación junto con las propiedades
de algunos tipos de matrices.
Las 3 operaciones elementales: suma y producto de matrices y
producto escalar. Finalmente, la potencia n-ésima de una matriz.
Objetivo Comprender la definición de una matriz sobe todo desde el punto
de vista matemático y las propiedades y características de los
principales tipos de matrices con las que se trabajan, así como
también desarrollar correctamente las diferentes operaciones
consideradas.
 Semana # 1
Ing. Gabriel Zapata

1. MATRICES

1.1 DEFINICIÓN
De manera empírica una matriz se puede considerar como un arreglo rectangular de objetos,
usualmente números, funciones o expresiones algebraicas en filas y columnas delimitados por
corchetes o paréntesis.

Desde el punto de vista matemático o formal una matriz 𝐴𝐴 de orden 𝑚𝑚 × 𝑛𝑛 sobre un campo 𝕂𝕂
(revisar estructuras algebraicas) es una función 𝐴𝐴 definida como:

{(𝑖𝑖, 𝑗𝑗): 𝑖𝑖 = 1,2,3, … . . 𝑚𝑚, 𝑗𝑗 = 1,2,3 … . . 𝑛𝑛} → 𝕂𝕂

𝐴𝐴 ∶ �
(𝑖𝑖, 𝑗𝑗) ↦ 𝐴𝐴(𝑖𝑖, 𝑗𝑗) = (𝑎𝑎𝑖𝑖𝑖𝑖 )𝑚𝑚×𝑛𝑛
par ordenado
Donde:

(𝑎𝑎𝑖𝑖𝑖𝑖 ) = elementos de la matriz

𝑚𝑚 = número de columnas o líneas horizontales
𝑛𝑛 = número de filas o líneas verticales
𝑖𝑖 =posición para las filas
𝑗𝑗 =posición para las columnas
por lo tanto, las matrices se pueden representar gráficamente como:

𝑎𝑎11 𝑎𝑎12 𝑎𝑎13 … 𝑎𝑎1𝑛𝑛

𝑎𝑎21 𝑎𝑎22 𝑎𝑎23 … 𝑎𝑎2𝑛𝑛
⎛ ⎞
𝐴𝐴 = �𝑎𝑎𝑖𝑖𝑖𝑖� = ⎜ 𝑎𝑎31 𝑎𝑎32 𝑎𝑎33 … 𝑎𝑎3𝑛𝑛 ⎟ → 3𝑟𝑟𝑟𝑟 𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹
𝑚𝑚×𝑛𝑛
⋮ ⋮ ⋮ ⋮
⎝𝑎𝑎𝑚𝑚1 𝑎𝑎𝑚𝑚2 𝑎𝑎𝑚𝑚3 … 𝑎𝑎𝑚𝑚𝑚𝑚 ⎠

↓
2𝑑𝑑𝑑𝑑 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶

Ejemplo:
0 1 5 sin 2𝑥𝑥 1
𝐴𝐴 = �20 sin 𝑥𝑥 2� 𝐵𝐵 = � 3 5𝑖𝑖�
8 cos 45 1 3𝑥𝑥3 1 2 2𝑥𝑥3

Orden de la matriz

1
 Semana # 1
Ing. Gabriel Zapata

Observaciones:
 Las matrices se representan con letras mayúsculas o mediante el elemento general de
la matriz (la letra minúscula de la que se utiliza para representar la matriz) acompañada
por 2 subíndices, encerrados entre paréntesis. Por ejemplo, para la matriz 𝐵𝐵 se tiene:
𝐵𝐵 = �𝑏𝑏𝑖𝑖𝑖𝑖 �.
 El conjunto de las matrices de orden 𝑚𝑚 × 𝑛𝑛 sobre un campo 𝕂𝕂, se denota ℳ𝑚𝑚×𝑛𝑛 (𝕂𝕂) =
�𝑎𝑎𝑖𝑖𝑗𝑗 �𝑚𝑚×𝑛𝑛

Submatrices

Es una matriz que resulta de suprimir una o más filas o columnas (en su totalidad o en una parte)
de una matriz dada.

Las matrices que se dividen en submatrices se conocen como particionadas (Manzano J., 2017)
y a la matriz formada por submatrices se denomina Hipermatriz.

Ejemplo:
𝑎𝑎11 𝑎𝑎12 𝑎𝑎13 ⋮ 𝑎𝑎14 𝑎𝑎15
⎡ 𝑎𝑎24 𝑎𝑎25 ⎤
𝑎𝑎21 𝑎𝑎22 𝑎𝑎23 ⋮
⎢ ⎥
Si la matriz 𝐴𝐴 = ⎢ ⋯ ⋯ ⋯ ⋮ ⋯ ⋯ ⎥ se subdivide en 4 submatrices se podría
⎢𝑎𝑎31 𝑎𝑎32 𝑎𝑎33 ⋮ 𝑎𝑎34 𝑎𝑎35 ⎥
⎣𝑎𝑎41 𝑎𝑎42 𝑎𝑎43 ⋮ 𝑎𝑎44 𝑎𝑎45 ⎦

𝐴𝐴 𝐴𝐴12 𝑎𝑎11 𝑎𝑎12 𝑎𝑎13

expresar como 𝐴𝐴 = � 11 � donde 𝐴𝐴11 , por ejemplo, sería: 𝐴𝐴11 = �𝑎𝑎 𝑎𝑎22 𝑎𝑎23 �
𝐴𝐴21 𝐴𝐴22
������� 21
𝐻𝐻𝐻𝐻𝐻𝐻𝐻𝐻𝐻𝐻𝐻𝐻𝐻𝐻𝐻𝐻𝐻𝐻𝐻𝐻𝐻𝐻 𝐴𝐴

1.2 TIPOS DE MATRICES

Según el orden

1.- Matriz fila

Una matriz fila es aquella que está formada únicamente por una fila 𝐴𝐴 =
(𝑎𝑎1 , 𝑎𝑎2 … . 𝑎𝑎𝑛𝑛−1 , 𝑎𝑎𝑛𝑛 ).

La matriz fila también se conoce como vector fila.

Ejemplo: A=(2 1 5)

2
 Semana # 1
Ing. Gabriel Zapata

2.-Matriz columna

Una matriz columna es aquella que está formada únicamente por una columna.

La matriz columna también se conoce como vector columna.

𝑎𝑎1
𝑎𝑎
𝐴𝐴 = � 2 �
⋮
𝑎𝑎𝑛𝑛

2
Ejemplo: 𝐴𝐴 = �6�
4

3.-Matriz cuadrada

Sea 𝐴𝐴 = (𝑎𝑎𝑖𝑖𝑖𝑖 )𝑚𝑚×𝑛𝑛 . A es matriz cuadrada si y sólo si 𝑚𝑚 = 𝑛𝑛. El conjunto de matrices

cuadradas se nota 𝑀𝑀𝑛𝑛×𝑛𝑛 ó 𝑀𝑀𝑛𝑛
2 5 0
Ejemplo: 𝐴𝐴 = �9 3 7�
8 0 1

Según las características de los elementos

Matrices que pueden o no ser cuadradas
1.-Matriz Opuesta
La matriz opuesta de 𝐴𝐴 es la matriz que se forma con los opuestos de los elementos de 𝐴𝐴𝑚𝑚×𝑛𝑛 .
Se denota −𝐴𝐴𝑚𝑚×𝑛𝑛 .

Ejemplo:
2 −3 0 −2 3 0
𝐴𝐴 = � � entonces su opuesta será: −𝐴𝐴 = � �
−1 4 3 1 −4 −3

2.-Matriz Nula

Sea 𝑂𝑂 = (𝑜𝑜𝑖𝑖𝑖𝑖 )𝑚𝑚×𝑛𝑛 . 𝑂𝑂 es una matriz nula si y sólo si 𝑜𝑜𝑖𝑖𝑖𝑖 = 0, es decir una matriz cuyos elementos
son igual a cero.
0 0
Ejemplo: 𝑂𝑂 = �0 0�
0 0

3.-Matrices transpuestas

Sea la matriz 𝐴𝐴 = (𝑎𝑎𝑖𝑖𝑖𝑖 )𝑚𝑚×𝑛𝑛

3
 Semana # 1
Ing. Gabriel Zapata

La transpuesta de 𝐴𝐴 notada por 𝐴𝐴𝑡𝑡 , es la matriz obtenida al intercambiar las filas y las
columnas de 𝐴𝐴, es decir, 𝐴𝐴𝑡𝑡 = (𝑎𝑎𝑗𝑗𝑗𝑗 )𝑛𝑛×𝑚𝑚

Ejemplo:
1 7 3 1 2 3
De la matriz 𝐴𝐴 = �2 8 9� su traspuesta es 𝐴𝐴𝑡𝑡 = �7 8 0�
3 0 5 3 9 5

2 −1
2 4 8 𝑡𝑡 = �
De la matriz 𝐵𝐵 = � � su traspuesta es 𝐵𝐵 4 2�
−1 2 7
8 7

Tipos de Matrices cuadradas

1.-Matrices triangulares
Matriz triangular superior
𝐴𝐴 es matriz triangular superior si y sólo si 𝑎𝑎𝑖𝑖𝑖𝑖 = 0. Para todo 𝑖𝑖 > 𝑗𝑗. Es decir, los elementos
por debajo de la diagonal principal son cero.
1 7 3
Ejemplo: 𝐴𝐴 = �0 2 9�
0 0 5

Matriz triangular inferior

𝐴𝐴 es matriz triangular inferior si y sólo si 𝑎𝑎𝑖𝑖𝑖𝑖 = 0. Para todo 𝑖𝑖 < 𝑗𝑗. Es decir, los elementos
por arriba de la diagonal principal son cero.
1 0 0
Ejemplo: 𝐴𝐴 = �4 2 0�
7 5 3

2.-Matriz Diagonal

Es una matriz triangular inferior y superior al mismo tiempo

−5 0 0
Ejemplo: 𝐷𝐷 = � 0 2 0�
0 0 3

3.-Matriz escalar

Una matriz escalar es una matriz diagonal en la que los elementos de la diagonal principal son
iguales.

4
 Semana # 1
Ing. Gabriel Zapata

2 0 0
Ejemplo: 𝐴𝐴 = �0 2 0�
0 0 2

4.-Matriz identidad o unidad

Una matriz identidad es una matriz diagonal en la que los elementos de la diagonal principal son
iguales a 1.

1 0 0
Ejemplo: 𝐴𝐴 = �0 1 0�
0 0 1

5.-Matriz simétrica

𝐴𝐴 es una matriz simétrica si y sólo si 𝐴𝐴 = 𝐴𝐴𝑡𝑡

Ejemplo:
1 3 1 1 3 1
Dada 𝐴𝐴 = �3 3 2�, su traspuesta será: 𝐴𝐴𝑡𝑡 = � 3 3 −2�, como 𝑨𝑨 = 𝑨𝑨𝒕𝒕 → 𝑨𝑨 es
1 −2 5 1 2 5
simétrica
Observar que los elementos que están a los lados de la diagonal deber ser iguales.

6.-Matriz antisimétrica

𝐴𝐴 es antisimétrica si y sólo si 𝐴𝐴 = −𝐴𝐴𝑡𝑡

Ejemplo:
0 2 −3 0 −2 3 0 2 −3
Dada 𝐴𝐴 = �−2 0 4� → 𝐴𝐴𝑡𝑡 = � 2 0 −4� = − �−2 0 4 � = −𝐴𝐴, se
3 −4 0 −3 4 0 3 −4 0
concluye que 𝐴𝐴 es antisimétrica.
Observar que, en la diagonal, los elementos deben ser cero y los que están a los lados de la
diagonal iguales, pero de signo contrario.

7.-Matriz nilpotente

𝐴𝐴 es matriz nilpotente de orden 𝒌𝒌, si 𝑘𝑘 es el menor entero positivo tal que 𝐴𝐴𝑘𝑘 = 𝑂𝑂

Ejemplo: 𝐴𝐴 = �0 3� es matriz nilpotente de orden 2, pues, 𝐴𝐴2 = �0 0�

0 0 0 0

Observaciones:
 La matriz cuadrada nula, es una nilpotente de orden 1.
 Las matrices nilpotentes pueden ser tringulares con ceros en la diagonal (matrices
conocidas como Triangulares estrictas), sin embargo también existen matrices
nilpotentes diferentes, por ejemplo:
5
 Semana # 1
Ing. Gabriel Zapata

6 −9
La matriz � � también es nilpotente de orden 2.
4 −6

8.-Matriz idempotente

Una matriz, 𝐴𝐴, es impotente si: 𝐴𝐴2 = 𝐴𝐴.

Ejemplo: 𝐴𝐴 = �1 0� →𝐴𝐴 ∗ 𝐴𝐴 = �1 0� �1 0� = �1 + 0 0 + 0� = �1 0�
3 0 3 0 3 0 3+0 0+0 3 0

9.-Matriz involutiva

Una matriz, 𝐴𝐴, es involutiva si: 𝐴𝐴2 = 𝐼𝐼

Ejemplo:

1 −1 1 −1 1 −1 1+0 −1 + 1 1 0
𝐴𝐴 = � �→ 𝐴𝐴 ∗ 𝐴𝐴 = � �� �=� �=� � = 𝐼𝐼
0 −1 0 −1 0 −1 0+0 0+1 0 1

10.-Matriz ortogonal

Se dice que una matriz real A es ortogonal, si 𝐴𝐴𝐴𝐴𝑡𝑡 = 𝐴𝐴𝑡𝑡 𝐴𝐴 = 𝐼𝐼, con inversa 𝐴𝐴𝑡𝑡 .

Caracterización: Una matriz 𝐴𝐴 ∈ ℳ𝑛𝑛 (ℝ) es ortogonal si sus vectores filas, o vectores
columna, son cada uno un conjunto de vectores ortonormales. 1

Ejemplo:

𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠
𝐵𝐵 = � � es ortogonal, ya que
−𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 cos 𝛼𝛼
𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑐𝑐𝑜𝑜𝑠𝑠𝛼𝛼 −𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠
𝐵𝐵 ∗ 𝐵𝐵𝑡𝑡 = � �� �
−𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 cos 𝛼𝛼 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 cos 𝛼𝛼

𝐵𝐵 ∗ 𝐵𝐵𝑡𝑡 = � 𝑐𝑐𝑐𝑐𝑐𝑐 2 𝛼𝛼 + 𝑠𝑠𝑠𝑠𝑠𝑠2 𝛼𝛼 −𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 + 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 � = �1 0� = 𝐼𝐼

−𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 cos 𝛼𝛼 + 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑠𝑠𝑠𝑠𝑠𝑠2 𝛼𝛼 + 𝑐𝑐𝑐𝑐𝑐𝑐 2 𝛼𝛼 0 1

1.3 Igualdad de Matrices

Sean las matrices 𝐴𝐴 = �𝑎𝑎𝑖𝑖𝑖𝑖 )𝑚𝑚𝑚𝑚𝑚𝑚 y 𝐵𝐵 = �𝑏𝑏𝑖𝑖𝑖𝑖 )𝑝𝑝𝑝𝑝𝑝𝑝 , se dice que 𝐴𝐴 es igual a 𝐵𝐵 simbolizado como
𝐴𝐴 = 𝐵𝐵 ssi

1Los vectores ortonormales son vectores ortogonales y unitarios a la vez, un ejemplo típico son los vectores
base estudiados en Física 𝚤𝚤⃗ y 𝚥𝚥⃗. Este tema se verá en detalle el segundo parcial.

6
 Semana # 1
Ing. Gabriel Zapata

𝑚𝑚 = 𝑝𝑝
𝒊𝒊) Tiene el mismo orden � 𝑛𝑛 = 𝑞𝑞

𝒊𝒊𝒊𝒊) 𝑎𝑎𝑖𝑖𝑖𝑖 = 𝑏𝑏𝑖𝑖𝑖𝑖 , ∀𝑖𝑖,𝑗𝑗 (es decir los elementos son iguales)

Ejemplo:

𝑎𝑎11 𝑎𝑎12 𝑎𝑎13 𝑏𝑏11 𝑏𝑏12 𝑏𝑏13

Sean 𝐴𝐴 = �𝑎𝑎21 𝑎𝑎22 𝑎𝑎23 � 𝑦𝑦 𝐵𝐵 = �𝑏𝑏21 𝑏𝑏22 𝑏𝑏23 � dos matrices cuadradas
𝑎𝑎31 𝑎𝑎32 𝑎𝑎33 𝑏𝑏31 𝑏𝑏32 𝑏𝑏33

Si 𝐴𝐴 = 𝐵𝐵 , ya que tienen el mismo orden sus elementos deben ser iguales. Por lo tanto, se pude
plantear el siguiente sistema de ecuaciones:

𝑎𝑎11 = 𝑏𝑏11 , 𝑎𝑎12 = 𝑏𝑏12 , 𝑎𝑎13 = 𝑏𝑏13

𝑎𝑎21 = 𝑏𝑏21 , 𝑎𝑎22 = 𝑏𝑏22 , 𝑎𝑎23 = 𝑏𝑏23
𝑎𝑎31 = 𝑏𝑏31, 𝑎𝑎32 = 𝑏𝑏32 , 𝑎𝑎33 = 𝑏𝑏33

1.4 Operaciones con Matrices

1.4.1. Suma de Matrices

De forma intuitiva dos matrices 𝐴𝐴 = �𝑎𝑎𝑖𝑖𝑖𝑖 )𝑚𝑚×𝑛𝑛 y 𝐵𝐵 = �𝑏𝑏𝑖𝑖𝑖𝑖 )𝑚𝑚×𝑛𝑛 del mismo orden se pueden
sumar elemento a elemento de acuerdo con su posición, es decir la matriz suma de 𝐴𝐴 y 𝐵𝐵,
denotada por 𝐴𝐴 + 𝐵𝐵 se define como una matriz 𝐶𝐶 del mismo orden que las matrices 𝐴𝐴 y 𝐵𝐵, tal
que 𝐶𝐶 = �𝑐𝑐𝑖𝑖𝑖𝑖 )𝑚𝑚×𝑛𝑛 donde 𝑐𝑐𝑖𝑖𝑖𝑖 = 𝑎𝑎𝑖𝑖𝑖𝑖 + 𝑏𝑏𝑖𝑖𝑖𝑖 , ∀𝑖𝑖, 𝑗𝑗.

De manera formal la suma de matrices de orden 𝑚𝑚 × 𝑛𝑛 sobre un campo 𝕂𝕂 es una operación

interna (revisar estructuras algebraicas) sobre el conjunto de todas las matrices de orden 𝑚𝑚 × 𝑛𝑛
(Cueva, Navas, & Toro, 2009):

ℳ𝑚𝑚×𝑛𝑛 (𝕂𝕂) × ℳ𝑚𝑚×𝑛𝑛 (𝕂𝕂) → ℳ𝑚𝑚×𝑛𝑛 (𝕂𝕂)

+: �
(𝐴𝐴, 𝐵𝐵) ⟼ 𝐶𝐶 = 𝐴𝐴 + 𝐵𝐵

Es decir:

𝑎𝑎11 𝑎𝑎12 𝑎𝑎1𝑛𝑛 𝑏𝑏11 𝑏𝑏12 𝑏𝑏1𝑛𝑛

𝑎𝑎21 𝑎𝑎22 ⋯ 𝑎𝑎2𝑛𝑛 ⋯
𝑏𝑏21 𝑏𝑏22 𝑏𝑏2𝑛𝑛
𝐶𝐶 = 𝐴𝐴 + 𝐵𝐵 = � ⋮ ⋮ ⋮ �+� �
⋮ ⋮ ⋮
𝑎𝑎𝑚𝑚1 𝑎𝑎𝑚𝑚2 ⋯ 𝑎𝑎𝑚𝑚𝑚𝑚 𝑏𝑏𝑚𝑚1 𝑏𝑏𝑚𝑚2 ⋯ 𝑏𝑏𝑚𝑚𝑚𝑚

7
 Semana # 1
Ing. Gabriel Zapata

𝑎𝑎11 + 𝑏𝑏11 𝑎𝑎12 + 𝑐𝑐12 𝑎𝑎1𝑛𝑛 + 𝑐𝑐1𝑛𝑛 𝑐𝑐11 𝑐𝑐12 𝑐𝑐1𝑛𝑛

⋯ 𝑐𝑐21 𝑐𝑐22 ⋯ 𝑐𝑐2𝑛𝑛
𝑎𝑎21 + 𝑐𝑐21 𝑎𝑎21 + 𝑐𝑐22 𝑎𝑎2𝑛𝑛 + 𝑐𝑐2𝑛𝑛
𝐶𝐶 = � �=� ⋮ ⋮ ⋮ �
⋮ ⋮ ⋮
𝑎𝑎𝑚𝑚1 + 𝑐𝑐𝑚𝑚1 𝑎𝑎𝑚𝑚2 + 𝑐𝑐𝑚𝑚2 ⋯ 𝑎𝑎𝑚𝑚𝑚𝑚 + 𝑐𝑐𝑚𝑚𝑚𝑚 𝑐𝑐𝑚𝑚1 𝑐𝑐𝑚𝑚2 ⋯ 𝑐𝑐𝑚𝑚𝑚𝑚

Ejemplo:

1 2 −1 7
Sean 𝐴𝐴 = �−1 0 � y 𝐵𝐵 = �−1 2� hallar 𝐴𝐴 + 𝐵𝐵
3 −4 8 6
1 2 −1 7 1 + [−1] 2+7 1−1 2+7
𝐴𝐴 + 𝐵𝐵 = �−1 0 � + �−1 2� = �−1 + [−1] 0 + 2 � = �−1 − 1 0+2 �
3 −4 8 6 3−8 −4 + 6 3−8 −4 + 6
0 9
𝐴𝐴 + 𝐵𝐵 = �−2 2�
−5 2

Propiedades
Las matrices sobre el campo de los reales junto con la operación suma: (ℳ𝑚𝑚×𝑛𝑛 (ℝ), +) forman
un Grupo Abeliano (revisar estructuras algebraicas).

1.4.2 Producto de un escalar por una matriz

Se denomina escalar a cualquier elemento del campo.

Sean 𝐴𝐴 ∈ 𝑀𝑀𝑚𝑚×𝑛𝑛 (𝕂𝕂) y 𝛼𝛼 ∈ 𝕂𝕂, el producto de 𝛼𝛼 por 𝐴𝐴 = �𝑎𝑎𝑖𝑖𝑖𝑖 �𝑚𝑚×𝑛𝑛 denotado por 𝛼𝛼𝐴𝐴 es una
matriz definida como:
𝛼𝛼𝐴𝐴 = 𝛼𝛼�𝑎𝑎𝑖𝑖𝑖𝑖 �𝑚𝑚×𝑛𝑛 = �𝛼𝛼𝑎𝑎𝑖𝑖𝑖𝑖 �𝑚𝑚×𝑛𝑛

Es decir, intuitivamente el producto de un escalar 𝛼𝛼 y una matriz 𝐴𝐴, es la matriz obtenida al

multiplicar cada elemento de 𝐴𝐴 por 𝛼𝛼. Por lo cual, para una matriz 𝐴𝐴 = �𝑎𝑎𝑖𝑖𝑖𝑖 �𝑚𝑚×𝑛𝑛 se tendría:

𝑎𝑎11 𝑎𝑎12 ⋯ 𝑎𝑎1𝑛𝑛 𝛼𝛼𝑎𝑎11 𝛼𝛼𝑎𝑎12 ⋯ 𝛼𝛼𝑎𝑎1𝑛𝑛

𝑎𝑎21 𝑎𝑎22 ⋯ 𝑎𝑎2𝑛𝑛 𝛼𝛼𝑎𝑎21 𝛼𝛼𝑎𝑎22 ⋯ 𝛼𝛼𝑎𝑎2𝑛𝑛
𝐴𝐴 = � ⋮ ⋮ ⋮ ⋮ � ⟹ 𝛼𝛼𝐴𝐴 = � ⋮ ⋮ ⋮ ⋮ �
𝑎𝑎𝑚𝑚1 𝑎𝑎𝑚𝑚2 ⋯ 𝑎𝑎𝑚𝑚𝑚𝑚 𝛼𝛼𝑎𝑎𝑚𝑚1 𝛼𝛼𝑎𝑎𝑚𝑚2 ⋯ 𝛼𝛼𝑎𝑎𝑚𝑚𝑚𝑚

Ejemplos:

2 1
Para 𝐴𝐴 = � � y 𝛼𝛼 = 1⁄2 Hallar 𝛼𝛼𝐴𝐴
3 1⁄2
2𝛼𝛼 1𝛼𝛼 2 × 1⁄2 1 × 1⁄2 1 1⁄2
𝛼𝛼𝐴𝐴 = � �=� �=� �
3𝛼𝛼 𝛼𝛼 ⁄2 3 × 1⁄2 1⁄2 × 1⁄2 3⁄2 1⁄4

Propiedades del producto escalar

Sean 𝐴𝐴, 𝐵𝐵 ∈ ℳ𝑚𝑚𝑚𝑚𝑚𝑚 (𝕂𝕂) y 𝛼𝛼, 𝛽𝛽 ∈ 𝕂𝕂 se verifica:

8
 Semana # 1
Ing. Gabriel Zapata

1. Clausurativa: Si 𝐶𝐶 = 𝛼𝛼𝐴𝐴, 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝐶𝐶 ∈ ℳ𝑚𝑚𝑚𝑚𝑚𝑚 (𝕂𝕂)

2. Asociativa: 𝛼𝛼(𝛽𝛽𝛽𝛽) = (𝛼𝛼𝛼𝛼)𝐴𝐴

3. Asociativa mixta: 𝛼𝛼(𝐴𝐴𝐴𝐴) = (𝛼𝛼𝛼𝛼)𝐵𝐵

4. Distributiva:
Con respecto a la suma de escalares: (𝛼𝛼 + 𝛽𝛽)𝐴𝐴 = 𝛼𝛼𝐴𝐴 + 𝛽𝛽𝛽𝛽
Con respecto a la suma de matrices: 𝛼𝛼(𝐴𝐴 + 𝐵𝐵) = 𝛼𝛼𝐴𝐴 + 𝛼𝛼𝐵𝐵

5. Neutro multiplicativo: 𝛼𝛼 = 1 ⟹ 𝛼𝛼𝛼𝛼 = 𝐴𝐴

1.4.3 Producto de matrices

Formalmente dadas 2 matrices 𝐴𝐴 = �𝑎𝑎𝑖𝑖𝑖𝑖 �𝑚𝑚×𝒏𝒏 y 𝐵𝐵 = �𝑏𝑏𝑖𝑖𝑖𝑖 �𝒏𝒏×𝑝𝑝 el producto de 𝐴𝐴 y 𝐵𝐵 simbolizado

por 𝐴𝐴 ⋅ 𝐵𝐵 o simplemente 𝐴𝐴𝐴𝐴, es una matiz 𝐶𝐶 = �𝑐𝑐𝑖𝑖𝑖𝑖 �𝑚𝑚×𝑝𝑝 donde cada uno de sus elementos será
el producto escalar entre cada 𝑖𝑖 − é𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 fila de 𝐴𝐴 y la 𝑗𝑗 − é𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 columna de 𝐵𝐵, considerando
las filas y las columnas como vectores, es decir:

𝑖𝑖 − é𝑠𝑠𝑖𝑖𝑚𝑚𝑚𝑚 fila de 𝐴𝐴: 𝐴𝐴𝑖𝑖 = (𝑎𝑎𝑖𝑖1 𝑎𝑎𝑖𝑖2 𝑎𝑎𝑖𝑖3 … 𝑎𝑎𝑖𝑖𝑖𝑖 )1𝑥𝑥𝑥𝑥

𝑏𝑏1𝑗𝑗
⎛ 𝑏𝑏2𝑗𝑗 ⎞
𝑗𝑗
𝑗𝑗 − é𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 columna de 𝐵𝐵: 𝐵𝐵 = ⎜ 𝑏𝑏3𝑗𝑗 ⎟
⋮
⎝ 𝑏𝑏𝑛𝑛𝑛𝑛 ⎠𝑛𝑛𝑛𝑛1

⟹ 𝐴𝐴𝑖𝑖 ⋅ 𝐵𝐵 𝑗𝑗 = �𝑎𝑎1𝑖𝑖 ⋅ 𝑏𝑏1𝑗𝑗 + 𝑎𝑎2𝑖𝑖 ⋅ 𝑏𝑏2𝑗𝑗 + 𝑎𝑎3𝑖𝑖 ⋅ 𝑏𝑏3𝑗𝑗 + ⋯ + 𝑎𝑎𝑛𝑛𝑖𝑖 ⋅ 𝑏𝑏𝑛𝑛𝑛𝑛 �

Por lo tanto; generalizando, cada elemento de la matriz 𝐶𝐶 es un sumatorio definido como:

𝑛𝑛

𝑐𝑐𝑖𝑖𝑖𝑖 = � 𝑎𝑎𝑖𝑖𝑖𝑖 𝑏𝑏𝑘𝑘𝑘𝑘 = 𝑎𝑎𝑖𝑖1 𝑏𝑏𝑗𝑗1 + 𝑎𝑎𝑖𝑖2 𝑏𝑏2𝑗𝑗 + 𝑎𝑎𝑖𝑖3 𝑏𝑏3𝑗𝑗 + ⋯ + 𝑎𝑎𝑖𝑖𝑖𝑖 𝑏𝑏𝑛𝑛𝑛𝑛
𝐾𝐾=1

Es decir, empíricamente si se tiene dos matrices 𝐴𝐴 y 𝐵𝐵 tales que el número de columnas de A sea
igual al número de filas de B, el producto 𝐴𝐴𝐴𝐴 se obtiene multiplicando los elementos de cada
fila de 𝐴𝐴 por todas y cada una de las columnas de 𝐵𝐵.

Ejemplos:

1. Hallar el producto de las matrices 𝐴𝐴 y 𝐵𝐵, realizando un análisis previo

𝑎𝑎11 𝑎𝑎12 𝑏𝑏 𝑏𝑏12 𝑏𝑏13
𝐴𝐴 = �𝑎𝑎 𝑎𝑎 �, 𝐵𝐵 = � 11 �
21 22 𝑏𝑏21 𝑏𝑏22 𝑏𝑏23

Análisis: 𝐴𝐴 una matriz de orden 2x2 y 𝐵𝐵 de orden 2x3, entonces el producto 𝐴𝐴𝐴𝐴 está definido o
se puede realizar porque el número de columnas de 𝐴𝐴 es igual al número de filas de 𝐵𝐵, y la matriz

9
 Semana # 1
Ing. Gabriel Zapata

resultante 𝐶𝐶 = 𝐴𝐴. 𝐵𝐵 será de orden 2x3; ya que, el número de filas de 𝐴𝐴 es 2 y de columnas 𝐵𝐵 es

3.

Entonces
𝑐𝑐11 𝑐𝑐12 𝑐𝑐13 𝑎𝑎11 𝑏𝑏11 + 𝑎𝑎12 𝑏𝑏21 𝑎𝑎11 𝑏𝑏12 + 𝑎𝑎12 𝑏𝑏22 𝑎𝑎11 𝑏𝑏13 + 𝑎𝑎12 𝑏𝑏23
Si 𝐶𝐶 = 𝐴𝐴𝐴𝐴 = �𝑐𝑐 𝑐𝑐23 𝑐𝑐33 � = �𝑎𝑎21 𝑏𝑏11 + 𝑎𝑎22 𝑏𝑏21 �
21 𝑎𝑎21 𝑏𝑏12 + 𝑎𝑎22 𝑏𝑏22 𝑎𝑎21 𝑏𝑏13 + 𝑎𝑎22 𝑏𝑏23

3 4
1 2
2. Sean las matrices: 𝑃𝑃 = �1⁄2 0� 𝑄𝑄 = � �. Hallar el producto 𝑃𝑃 ⋅ 𝑄𝑄
4 1
2 1

3 + 16 6 + 4 19 10
𝑃𝑃𝑃𝑃 = �1⁄2 + 0 1 + 0� = �1⁄2 1�
2+4 4+1 6 5

Propiedades del producto

Sean 𝐴𝐴, 𝐵𝐵 y 𝐶𝐶 matrices compatibles con el producto y la suma (son posibles estas operaciones).
Entonces se verifica:
1. Asociativa: 𝐴𝐴(𝐵𝐵𝐵𝐵) = (𝐴𝐴𝐴𝐴)𝐶𝐶
2. Distributiva: Por izquierda: 𝐴𝐴(𝐵𝐵 + 𝐶𝐶) = 𝐴𝐴𝐴𝐴 + 𝐴𝐴𝐴𝐴
Por derecha: (𝐴𝐴 + 𝐵𝐵)𝐶𝐶 = 𝐴𝐴𝐴𝐴 + 𝐵𝐵𝐵𝐵
Notas:
 En general el producto de matrices no es conmutativo 𝐴𝐴𝐴𝐴 ≠ 𝐵𝐵𝐵𝐵. Sin embargo, las
matrices que cumplen la propiedad conmutativa del producto se denominarán matrices
conmutativas (𝐴𝐴𝐴𝐴 = 𝐵𝐵𝐵𝐵)
 𝐴𝐴 𝐵𝐵 = 𝑂𝑂, no implica necesariamente que 𝐴𝐴 = 𝑂𝑂 𝐵𝐵 = 𝑂𝑂 (𝑂𝑂 es la matriz nula)
 𝐴𝐴 𝐵𝐵 = 𝐴𝐴 𝐶𝐶, no implica necesariamente que 𝐵𝐵 = 𝐶𝐶
 La matriz identidad 𝐼𝐼 es el elemento neutro en el producto de matrices cuadradas.
 El producto de dos matrices triangulares es otra matriz triangular del mismo tipo.
 El producto de dos matrices diagonales es otra matriz diagonal. Además, su producto es
conmutativo.
 Para toda matriz cuadrada 𝐴𝐴 de orden 𝑛𝑛 y toda matriz escalar 𝐸𝐸 del mismo orden que 𝐴𝐴
se cumple que 𝐴𝐴𝐴𝐴 = 𝐸𝐸𝐸𝐸 = 𝑘𝑘𝑘𝑘 (𝑘𝑘 es el elemento de la diagonal)
 El producto de matrices también constituye una operación interna:
ℳ𝑚𝑚×𝑛𝑛 (𝕂𝕂) × ℳ𝑛𝑛×𝑝𝑝 (𝕂𝕂) → ℳ𝑚𝑚×𝑝𝑝 (𝕂𝕂)
⋅: �
(𝐴𝐴, 𝐵𝐵) ⟼ 𝐶𝐶 = 𝐴𝐴 ⋅ 𝐵𝐵

Observación: Las tres operaciones básicas de matrices: suma, producto y producto de un

escalar por una matriz también se pueden realizar con una Hipermatriz, considerando a cada
submatriz como un elemento cualquiera de una matriz

10
 Semana # 1
Ing. Gabriel Zapata

Ejemplo:

4 3 5 2 1
⎛0 4 6 3 8⎞
Dada la matriz 𝐴𝐴 = ⎜1 2 3 6 2⎟, hallar 2𝐴𝐴 por partición o utilizando hipermatrices
1 2 5 6 7
⎝1 0 3 5 1⎠

4 3 ⋮ 5 2 1
0 4 ⋮ 6 3 8
⎛ ⎞
Se considerará por ejemplo la siguiente partición: 𝐴𝐴 = ⎜⋯ ⋯ ⋯ ⋯ ⋯ ⋯⎟
1 2 ⋮ 3 6 2
1 2 ⋮ 5 6 7
⎝ 1 0 ⋮ 3 5 1⎠

𝐴𝐴 𝐴𝐴12 𝐴𝐴 𝐴𝐴12 2𝐴𝐴 2𝐴𝐴12

Entonces la hipermatriz sería: 𝐴𝐴 = � 11 � y 2𝐴𝐴 = 2 � 11 � = � 11 �
𝐴𝐴21 𝐴𝐴22 𝐴𝐴21 𝐴𝐴22 2𝐴𝐴21 2𝐴𝐴22

Calculando las submatrices se tiene:

4 3 8 6 5 2 1 10 4 2
2𝐴𝐴11 = 2 � �=� � 2𝐴𝐴12 = 2 � �=� �
0 4 0 4 6 3 8 12 6 16

1 2 2 4 6 12 4
2𝐴𝐴21 = 2 �1 2� = � 2 4 � 2𝐴𝐴 22 = 2 � 10 12 14�
1 0 2 0 6 10 2

8 6 10 4 2
⎛0 8 12 6 16⎞
Luego 2𝐴𝐴 = ⎜2 4 6 12 4⎟
2 4 10 12 14
⎝2 0 6 10 2⎠

1.4.4 Potencia 𝒏𝒏-ésima de una matriz

Sea 𝐴𝐴 una matriz cuadrada se define la 𝑛𝑛-ésima potencia de 𝐴𝐴 como el producto de 𝐴𝐴 consigo
misma 𝑛𝑛 veces (𝑛𝑛 ∈ ℕ), es decir:

𝐴𝐴𝑛𝑛 = ��
𝐴𝐴 ∙ �
𝐴𝐴���
∙ 𝐴𝐴 �
⋯��
𝐴𝐴
𝑛𝑛 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑠𝑠

Además, se consideran las siguientes potencias, en concordancia con el Álgebra básica:

𝐴𝐴0 = 𝐼𝐼 (matriz identidad)

𝐴𝐴1 = 𝐴𝐴
Para determinar la potencia de una matriz se utilizarán dos métodos dependiendo de la forma
o del tipo de matriz.

Simple inspección

Para las matrices relativamente simples y pequeñas se puede utilizar una fórmula recursiva

11
 Semana # 1
Ing. Gabriel Zapata

Ejemplo:
1 0
Dada la matriz 𝐴𝐴 = � � Halle una fórmula para calcular 𝐴𝐴𝑛𝑛 ; 𝑛𝑛 ∈ ℕ, luego calcule 𝐴𝐴6 .
0 3
1 0 1 0 1 0
𝐴𝐴2 = 𝐴𝐴 ∙ 𝐴𝐴 = � �� �=� �
0 3 0 3 0 33
1 0 1 0 1 0
𝐴𝐴3 = 𝐴𝐴2 ∙ 𝐴𝐴 = � �� �=� �
0 9 0 3 0 33
1 0
⟹ 𝐴𝐴𝑛𝑛 = � �
0 3𝑛𝑛
1 0 1 0
Y por lo tanto: 𝐴𝐴6 = � �=� �
0 36 0 729

Binomio de Newton

Si una matriz se puede descomponer en la suma de dos matrices conmutativas una de ellas
matriz nilpotente es posible utilizar el binomio de Newton para 𝑛𝑛 ∈ ℕ:
𝑛𝑛
𝑛𝑛 𝑛𝑛 𝑛𝑛 𝑛𝑛 𝑛𝑛
(𝐴𝐴 + 𝐵𝐵) = � � � 𝐴𝐴𝑛𝑛−𝑘𝑘 𝐵𝐵𝐾𝐾 = � � 𝐴𝐴𝑛𝑛 + � � 𝐴𝐴𝑛𝑛−1 𝐵𝐵 + � � 𝐴𝐴𝑛𝑛−2 𝐵𝐵2 + ⋯ + � � 𝐵𝐵𝑛𝑛
𝑛𝑛
𝑘𝑘 0 1 2 𝑛𝑛
𝑘𝑘=0

Donde:

𝑛𝑛! = 𝑛𝑛 factorial, definido como: 𝑛𝑛! = 1 ∙ 2 ∙ 3 ∙ 4 ⋅ (𝑛𝑛 − 1) ⋅ 𝑛𝑛 = (𝑛𝑛 − 1)! ∙ 𝑛𝑛

𝑛𝑛 𝑛𝑛 𝑛𝑛!
� � = coeficiente binomial, definido como: � � =
𝑘𝑘 𝑘𝑘 𝑘𝑘! (𝑛𝑛 − 𝑘𝑘)!
Ejemplo:
2 1 2
Dada la matriz 𝐴𝐴 = �0 2 3� Halle una fórmula para calcular 𝐴𝐴𝑛𝑛 ; 𝑛𝑛 ∈ ℕ
0 0 2

Desarrollo
primero expresamos la matriz 𝐴𝐴 de la siguiente forma:
𝐴𝐴 = 2𝐼𝐼 + 𝐵𝐵
2 1 2 1 0 0 0 1 2
𝐴𝐴 = �0 2 3� = 2 �0 1 0� + � 0 0 3�
0 0 2 0 0 1 0 0 0

0 1 2
por tanto 𝐵𝐵 = �0 0 3� , que es una matriz nilpotente, por lo tanto:
0 0 0
0 0 3 0 0 0
𝐵𝐵2 = �0 0 0� 𝑦𝑦 𝐵𝐵3 = �0 0 0� = 𝑂𝑂3𝑋𝑋3
0 0 0 0 0 0
es decir que 𝐵𝐵 es una matriz nilpotente de orden 3 y se cumple
2𝐼𝐼 ∙ 𝐵𝐵 = 𝐵𝐵 ∙ 2𝐼𝐼
es decir, las matrices 2𝐼𝐼 y 𝐵𝐵 son conmutables, entonces, puesto que 𝐴𝐴 = 2𝐼𝐼 + 𝐵𝐵, para
determinar 𝐴𝐴𝑛𝑛 podemos aplicar la fórmula del Binomio de Newton:

12
 Semana # 1
Ing. Gabriel Zapata

𝑛𝑛 𝑛𝑛 𝑛𝑛 𝑛𝑛
𝐴𝐴𝑛𝑛 = (2𝐼𝐼 + 𝐵𝐵)𝑛𝑛 = � � 𝐴𝐴𝑛𝑛 + � � 𝐴𝐴𝑛𝑛−1 𝐵𝐵 + � � 𝐴𝐴𝑛𝑛−2 𝐵𝐵2 + � � 𝐴𝐴𝑛𝑛−3 𝐵𝐵3 + ⋯
0 1 2 3
Con los coeficientes binomiales:
𝑛𝑛 𝑛𝑛! 𝑛𝑛!
� � = = =1
0 0! (𝑛𝑛 − 0)! 𝑛𝑛!

𝑛𝑛 𝑛𝑛! (𝑛𝑛 − 1)! 𝑛𝑛

� � = = = 𝑛𝑛
1 1! (𝑛𝑛 − 1)! (𝑛𝑛 − 1)!

𝑛𝑛 𝑛𝑛! (𝑛𝑛 − 2)! (𝑛𝑛 − 1)𝑛𝑛 (𝑛𝑛 − 1)𝑛𝑛

� �= = =
2 2! (𝑛𝑛 − 2)! 2! (𝑛𝑛 − 2)! 2

𝑛𝑛 𝑛𝑛! (𝑛𝑛 − 3)! (𝑛𝑛 − 2)(𝑛𝑛 − 1)𝑛𝑛 𝑛𝑛(𝑛𝑛 − 1)(𝑛𝑛 − 2)

� � = = =
3 3! (𝑛𝑛 − 3)! 3! (𝑛𝑛 − 3)! 6

Además, puesto que 𝐵𝐵3 = 03×3 nos queda:

𝑛𝑛(𝑛𝑛 − 1) 𝑛𝑛(𝑛𝑛 − 1)(𝑛𝑛 − 2)
𝐴𝐴𝑛𝑛 = (2𝐼𝐼)𝑛𝑛 + 𝑛𝑛(2𝐼𝐼)𝑛𝑛−1 𝐵𝐵 + (2𝐼𝐼)𝑛𝑛−2 𝐵𝐵2 + (2𝐼𝐼)𝑛𝑛−3 𝐵𝐵3 + ⋯
2 6
𝑛𝑛(𝑛𝑛 − 1) 𝑛𝑛−2 2
𝐴𝐴𝑛𝑛 = 2𝑛𝑛 𝐼𝐼 + 𝑛𝑛2𝑛𝑛−1 𝐵𝐵 + 2 𝐵𝐵
2
sustituyendo las matrices 𝐼𝐼 y 𝐵𝐵, tenemos:
1 0 0 0 1 2 𝑛𝑛(𝑛𝑛 − 1) 0 0 3
𝑛𝑛
𝐴𝐴 = 2𝑛𝑛�0 1 0� + 𝑛𝑛2 𝑛𝑛−1 �0 0 3� + �0 0 0�
2
0 0 1 0 0 0 0 0 0
𝑛𝑛
2 0 0 0 𝑛𝑛2𝑛𝑛−1 𝑛𝑛2𝑛𝑛 0 0 3𝑛𝑛(𝑛𝑛 − 1)2𝑛𝑛−3
𝑛𝑛 = � 𝑛𝑛
𝐴𝐴 0 2 0 � + �0 0 3𝑛𝑛2𝑛𝑛−1 � + �0 0 0 �
0 0 2𝑛𝑛 0 0 0 0 0 0
con lo que resulta:
2𝑛𝑛 𝑛𝑛2𝑛𝑛−1 𝑛𝑛2𝑛𝑛 (1 + 3(𝑛𝑛 − 1)/8)
𝐴𝐴𝑛𝑛 =�0 2𝑛𝑛 3𝑛𝑛2𝑛𝑛−1 �
𝑛𝑛
0 0 2

13
 Semana # 1
Ing. Gabriel Zapata

Bibliografía
1. Benalcázar H. Álgebra lineal y sus aplicaciones, Universidad Central del Ecuador, Quito, 2013.
2. Cueva, R., Navas, F., Toro, J. Algebra Lineal, Escuela Politécnica Nacional, 2009.
3. García J. Álgebra Lineal con Matlab, ESPE, Ecuador, 2008.

14