MARCO TERICO

DEFINICIN DE CONCEPTOS FUNDAMENTALES

MATRIZ. Una matriz es un arreglo rectangular de mn nmeros dispuestos en m
renglones y n columnas.
MATRIZ DE n x m. Una matriz con m renglones y n columnas se llama una matriz
de m x n. El smbolo m x n se lee m por n y se nota de la forma:
(
(
(
(

=
mn m2 m1
2n 22 21
1n 12 11
a ... a a
a ... a a
a ... a a
A


A es una matriz cuadrada si los elementos
mn 22 11
a ... a , a

estn ubicados en la
diagonal principal y por lo tanto m = n.
(
(
(
(

=
mn m2 m1
2n 22 21
1n 12 11
a ... a a
a ... a a
a ... a a
A
.

MATRIZ DE COEFICIENTES. Una matriz de coeficientes es una matriz cuyos
componentes corresponden a los coeficientes de las variables de un determinado
sistema de ecuaciones.
Ejemplo. Dado el sistema (1)
4 2x - x 3x
24 6x 5x 4x
18 6x 4x 2x
3 2 1
3 2 1
3 2 1
= +
= + +
= + +

Los coeficientes de las variables
3 2 1
x , x , x de dicho sistema pueden escribirse
como los elementos de una matriz A, llamada matriz de coeficientes del sistema:
(
(
(

=
2 - 1 3
6 5 4
6 4 2
A
MATRIZ AUMENTADA. Al usar la notacin matricial, un sistema se puede escribir
como una matriz aumentada si se incluyen en una nueva columna los trminos
independientes del sistema.
Ejemplo. El sistema (1) se escribe como matriz aumentada de la forma
(
(
(

=
4 2 - 1 3
24 6 5 4
18 6 4 2
A
VECTOR COLUMNA. Un vector columna de n componentes es un conjunto
ordenado de n nmeros escritos de la siguiente manera:
(
(
(
(

n
2
1
x
x
x

VECTOR RENGLN. Se define a un vector rengln de n componentes como un
conjunto ordenado de n nmeros inscritos de la siguiente manera:
| |
n 2 1
x ... x x
EQUIVALENCIA DE MATRICES. Se dice que dos matrices son iguales o
equivalentes si tienen el mismo tamao y los elementos correspondientes en las
dos matrices son iguales.
Ejemplo. Sean (R) M B A, e tal que
(

=
1 - 2
4 3
A ;
(
(

=
4
4
3
6
9 3, 9 2,
B
Entonces se dice que A = B

OPERACIONES MATRICIALES
SUMA DE MATRICES
Si A y B son dos matrices cualesquiera del mismo tamao, entonces la suma A +
B es la matriz que se obtiene al sumar los elementos correspondientes de las dos
matrices. Las matrices de tamaos diferentes no se pueden sumar.
Sea (R) M (b B ), (a A
nxn ij ij
e = = ) tal que
(
(
(
(

=
mn m2 m1
2n 22 21
1n 12 11
a ... a a
a ... a a
a ... a a
A

;

(
(
(
(

=
mn m2 m1
2n 22 21
1n 12 11
b ... b b
b ... b b
b ... b b
B


Entonces
(
(
(
(

+ + +
+ + +
+ + +
= +
mn mn m2 m2 m1 m1
2n 2n 22 22 21 21
1n 1n 12 12 11 11
b a ... b a b a
b a ... b a b a
b a ... b a b a
B A


Ejemplo. Considrense las matrices
(
(
(

=
(
(
(

=
8 6 4
1 1 3
2 0 1
B ;
5 7 2 -
4 - 6 4
1 3 2
A
Entonces

3 13 3
3 7 7
3 3 3

8) ( 5 6 7 4 2) (
1 4) ( 1 6 3 4
2 1 0 3 1 2
B A
(
(
(

=
(
(
(

+ + +
+ + +
+ + +
= +


PROPIEDADES DE LA SUMA DE MATRICES
1. Propiedad Dimensional. La suma de dos matrices del tamao m x n es otra
matriz de la dimensin m x n.
2. Propiedad Clausurativa. Sea (R) M B A,
mxn
e
(
(
(
(

=
mn m2 m1
2n 22 21
1n 12 11
a ... a a
a ... a a
a ... a a
A

;

(
(
(
(

=
mn m2 m1
2n 22 21
1n 12 11
b ... b b
b ... b b
b ... b b
B



Entonces (R) M B) (A
nxn
e +
(
(
(
(

+ + +
+ + +
+ + +
= +
mn mn m2 m2 m1 m1
2n 2n 22 22 21 21
1n 1n 12 12 11 11
b a ... b a b a
b a ... b a b a
b a ... b a b a
B A



3. Propiedad Asociativa. C) (B A C B) (A + + = + +
(
(
(
(

=
mn m2 m1
2n 22 21
1n 12 11
a ... a a
a ... a a
a ... a a
A


(
(
(
(

=
mn m2 m1
2n 22 21
1n 12 11
b ... b b
b ... b b
b ... b b
B


(
(
(
(

=
mn m2 m1
2n 22 21
1n 12 11
c ... c c
c ... c c
c ... c c
C


Entonces

(
(
(
(

+
|
|
|
|
|
.
|

\
|
(
(
(
(

+
(
(
(
(

= + +
mn m2 m1
2n 22 21
1n 12 11
mn m2 m1
2n 22 21
1n 12 11
mn m2 m1
2n 22 21
1n 12 11
c ... c c
c ... c c
c ... c c
b ... b b
b ... b b
b ... b b
a ... a a
a ... a a
a ... a a
C B) (A


(
(
(
(

+
|
|
|
|
|
.
|

\
|
(
(
(
(

+ + +
+ + +
+ + +
= + +
mn m2 m1
2n 22 21
1n 12 11
mn mn m2 m2 m1 m1
2n 2n 22 22 21 21
1n 1n 12 12 11 11
c ... c c
c ... c c
c ... c c
b a ... b a b a
b a ... b a b a
b a ... b a b a
C B) (A


|
|
|
|
|
.
|

\
|
(
(
(
(

+ + + + + +
+ + + + + +
+ + + + + +
= + +
mn mn mn m2 m2 m2 m1 m1 m1
2n 2n 2n 22 22 22 21 21 21
1n 1n 1n 12 12 12 11 11 11
c b (a ... c b (a c b (a
c b (a ... c b (a c b (a
c b (a ... c b (a c b (a
C B) (A
) ) )
) ) )
) ) )



Como ) , (R y (R) , c , b , a
ij ij ij
+ e son un grupo
1
entonces se cumple que
n j 1 y m i 1 con ij s s s s : ) ( )
ij ij ij ij ij ij
c b a c b (a + + = + +

1
Un conjunto numrico sobre el cual se cumplen las propiedades Clausurativa, Asociativa,
Modulativa, e Invertiva para una determinada operacin matemtica.
|
|
|
|
|
.
|

\
|
(
(
(
(

+ + + + + +
+ + + + + +
+ + + + + +
= + +
) ( ) ( ) (
) ( ) ( ) (
) ( ) ( ) (
(
mn mn mn m2 m2 m2 m1 m1 m1
2n 2n 2n 22 22 22 21 21 21
1n 1n 1n 12 12 12 11 11 11
c b a ... c b a c b a
c b a ... c b a c b a
c b a ... c b a c b a
C) B A


|
|
|
|
|
.
|

\
|
(
(
(
(

+ + +
+ + +
+ + +
+
(
(
(
(

= + +
mn mn m2 m2 m1 m1
2n 2n 22 22 21 21
1n 1n 12 12 11 11
mn m2 m1
2n 22 21
1n 12 11
c b ... c b c b
c b ... c b c b
c b ... c b c b
a ... a a
a ... a a
a ... a a
C) (B A


|
|
|
|
|
.
|

\
|
(
(
(
(

+
(
(
(
(

+
(
(
(
(

= + +
mn m2 m1
2n 22 21
1n 12 11
mn m2 m1
2n 22 21
1n 12 11
mn m2 m1
2n 22 21
1n 12 11
c ... c c
c ... c c
c ... c c
b ... b b
b ... b b
b ... b b
a ... a a
a ... a a
a ... a a
C) (B A



4. Propiedad Modulativa. (R)) M O ( (R)) M A (
mxn mxn
- e tal que A+O = O+A = A
Si
(
(
(
(

=
mn m2 m1
2n 22 21
1n 12 11
a ... a a
a ... a a
a ... a a
A

;
(
(
(
(

=
0 ... 0 0
0 ... 0 0
0 ... 0 0
O


ij ij ij
a o a n; j 1 m, i 1 con ij = + s s s s
(
(
(
(

=
(
(
(
(

+
(
(
(
(

= +
mn m2 m1
2n 22 21
1n 12 11
mn m2 m1
2n 22 21
1n 12 11
a ... a a
a ... a a
a ... a a
0 ... 0 0
0 ... 0 0
0 ... 0 0
a ... a a
a ... a a
a ... a a
O A



5. Propiedad Invertiva. (R)) M A - ( (R)) M A (
mxn mxn
- e tal que A+(-A) = A-A = 0

Sea (R) M A - y (R) M A
mxn mxn
e e
(
(
(
(

=
mn m2 m1
2n 22 21
1n 12 11
a ... a a
a ... a a
a ... a a
A

;
(
(
(
(

=
mn m2 m1
2n 22 21
1n 12 11
a - ... a - a -
a - ... a - a -
a - ... a - a -
A -


(
(
(
(

=
(
(
(
(

+ + +
+ + +
+ + +
= +
0 ... 0 0
0 ... 0 0
0 ... 0 0
-a a ... -a a -a a
-a a ... -a a -a a
-a a ... -a a -a a
(-A) A
mn mn m2 m2 m1 m1
2n 2n 22 22 21 21
1n 1n 12 12 11 11

) ( ) ( ) (
) ( ) ( ) (
) ( ) ( ) (

ij a de aditivo neutro el es a - grupo, un es ) (R, como 0 ) (-a a ij,
ij ij ij ij
+ = +


6. Propiedad Conmutativa. Si A B B A (R), M B A,
mxn
+ = + e
(
(
(
(

=
mn m2 m1
2n 22 21
1n 12 11
a ... a a
a ... a a
a ... a a
A


(
(
(
(

=
mn m2 m1
2n 22 21
1n 12 11
b ... b b
b ... b b
b ... b b
B


(
(
(
(

+
(
(
(
(

= +
mn m2 m1
2n 22 21
1n 12 11
mn m2 m1
2n 22 21
1n 12 11
b ... b b
b ... b b
b ... b b
a ... a a
a ... a a
a ... a a
B A


(
(
(
(

+ + +
+ + +
+ + +
= +
mn mn m2 m2 m1 m1
2n 2n 22 22 21 21
1n 1n 12 12 11 11
b a ... b a b a
b a ... b a b a
b a ... b a b a
B A


Como ) , (R y (R) b , a
ij ij
+ e son un grupo entonces se cumple que
n j 1 y m i 1 con ij s s s s :
ij ij ij ij
a b b a + = +
(
(
(
(

+ + +
+ + +
+ + +
=
mn mn m2 m2 m1 m1
2n 2n 22 22 21 21
1n 1n 12 12 11 11
a b ... a b a b
a b ... a b a b
a b ... a b a b



A B
a ... a a
a ... a a
a ... a a
b ... b b
b ... b b
b ... b b
mn m2 m1
2n 22 21
1n 12 11
mn m2 m1
2n 22 21
1n 12 11
+ =
(
(
(
(

+
(
(
(
(

=



PRODUCTO ESCALAR
Si A es una matriz cualquiera y c es cualquier escalar, entonces el producto cA es
la matriz que se obtiene al multiplicar cada elemento de A por c.
Sea (R) M ) (a A
nxn ij
e = y R c e entonces
(
(
(
(

=
mn m2 m1
2n 22 21
1n 12 11
a c ... a c a c
a c ... a c a c
a c ... a c a c
cA


Ejemplo. Considrese la matriz
(
(
(

=
8 5 0
2 3 9
6 7 1
A
Entonces el producto escalar 3A es igual a
(
(
(

=
(
(
(

=
24 15 0
6 9 27
18 21 3

8) ( 3 5 3 0 3
2 3 3 3 9 3
6 3 7 3 1 3
3A

TEOREMAS DEL PRODUCTO ESCALAR
2
Sean entonces R, con escalar un y (R) M B A,
mxn
e e o o
1. 0A = O
OA = O

2
Sea R 0 y (R) M O
mxn
e e
(
(
(
(

=
(
(
(
(

=
(
(
(
(

=
0 ... 0 0
0 ... 0 0
0 ... 0 0
0 a ... 0 a 0 a
0 a ... 0 a 0 a
0 a ... 0 a 0 a
a ... a a
a ... a a
a ... a a
0 0A
mn m2 m1
2n 22 21
1n 12 11
mn m2 m1
2n 22 21
1n 12 11

= O
(
(
(
(

=
(
(
(
(

(
(
(
(

=
0 ... 0 0
0 ... 0 0
0 ... 0 0
a ... a a
a ... a a
a ... a a
0 ... 0 0
0 ... 0 0
0 ... 0 0
OA
mn m2 m1
2n 22 21
1n 12 11

= O
2. B A B) A o o o + = + (
|
|
|
|
|
.
|

\
|
(
(
(
(

+
(
(
(
(

= +
mn m2 m1
2n 22 21
1n 12 11
mn m2 m1
2n 22 21
1n 12 11
b ... b b
b ... b b
b ... b b
a ... a a
a ... a a
a ... a a
B) (A


(
(
(
(

+ + +
+ + +
+ + +
= +
mn mn m2 m2 m1 m1
2n 2n 22 22 21 21
1n 1n 12 12 11 11
b a ... b a b a
b a ... b a b a
b a ... b a b a
B) (A


(
(
(
(

+ + +
+ + +
+ + +
=
) ) )
) ) )
) ) )
mn mn m2 m2 m1 m1
2n 2n 22 22 21 21
1n 1n 12 12 11 11
b a ( ... b a ( b a (
b a ( ... b a ( b a (
b a ( ... b a ( b a (



(
(
(
(

+ + +
+ + +
+ + +
=
) ) ) ) ) )
) ) ) ) ) )
) ) ) ) ) )
mn mn m2 m2 m1 m1
2n 2n 22 22 21 21
1n 1n 12 12 11 11
b ( a ( ... b ( a ( b ( a (
b ( a ( ... b ( a ( b ( a (
b ( a ( ... b ( a ( b ( a (


(
(
(
(

+
(
(
(
(

=
) ) )
) ) )
) ) )
) ) )
) ) )
) ) )
mn m2 m1
2n 22 21
1n 12 11
mn m2 m1
2n 22 21
1n 12 11
b ( ... b ( b (
b ( ... b ( b (
b ( ... b ( b (
a ( ... a ( a (
a ( ... a ( a (
a ( ... a ( a (



B A
b ... b b
b ... b b
b ... b b

a ... a a
a ... a a
a ... a a

mn m2 m1
2n 22 21
1n 12 11
mn m2 m1
2n 22 21
1n 12 11
+ =
(
(
(
(

+
(
(
(
(

=



3. 1A = A
(
(
(
(

=
(
(
(
(

=
(
(
(
(

=
mn m2 m1
2n 22 21
1n 12 11
mn m2 m1
2n 22 21
1n 12 11
mn m2 m1
2n 22 21
1n 12 11
a ... a a
a ... a a
a ... a a
1 a ... 1 a 1 a
1 a ... 1 a 1 a
1 a ... 1 a 1 a
a ... a a
a ... a a
a ... a a
1 A 1



PRODUCTO DE MATRICES
Si A es una matriz de m x r y B es una de r x n, entonces el producto AB es la
matriz de m x n cuyos elementos se determinan como sigue. Para encontrar el
elemento en el rengln i y la columna j de AB, distngase el rengln i de la matriz A
y la columna j de la B. Multiplquense los elementos correspondientes del rengln
y columna y, a continuacin, smense los productos resultantes.
La definicin de la multiplicacin de matrices requiere que el nmero de columnas
del primer factor A sea igual al numero de renglones del segundo factor B, para
formar el producto AB. Si no se satisface esta condicin, el producto no est
definido. Un modo de determinar si el producto de dos matrices est definido, es
escribir el tamao del primer factor y, a la derecha del mismo, el tamao del
segundo factor. Si los nmeros interiores son iguales, entonces el producto est
definido. Entonces, los nmeros exteriores dan el tamao del producto.
Sea (R) M (b B (R), M ) (a A
rxn ij mxr ij
e = e = ) tal que
(
(
(
(

=
mr m2 m1
2r 22 21
1r 12 11
a ... a a
a ... a a
a ... a a
A

;

(
(
(
(

=
rn r2 r1
2n 22 21
1n 12 11
b ... b b
b ... b b
b ... b b
B




Entonces
(
(
(
(

+ + + + + + + + +
+ + + + + + + + +
+ + + + + + + + +
=
rn mr 2n m2 1n m1 r2 mr 22 m2 12 m1 r1 mr 21 m2 11 m1
rn 2r 2n 22 1n 21 r2 2r 22 22 12 21 r1 2r 21 22 11 21
rn 1r 2n 12 1n 11 r2 1r 22 12 12 11 r1 1r 21 12 11 11
b a ... b a b a b a ... b a b a b a ... b a b a
b a ... b a b a ... b a ... b a b a b a ... b a b a
b a ... b a b a ... b a ... b a b a b a ... b a b a
AB
...



Ejemplo. Considrense las matrices
(
(
(

=
(
(
(
(

=
1 - 1 5
6 3 2
7 0 1
B ;
9 8 7
1 1 0
4 4 1 -
3 5 1
A
Entonces
(
(
(
(

+ + + + + +
+ + + + + +
+ + + + + +
+ + + + + +
=
1)) ( (9 6) 8) (( 7) (7 1) (9 3) 8) (( 0) (7 5) (9 2) 8) (( 1) (7
1)) ( (1 6) (1 7) (0 1) (1 3) (1 0) (0 5) (1 2) (1 1) (0
1)) ( (4 6) (4 7) 1) (( 1) (4 3) (4 0) 1) (( 5) (4 2) (4 1) 1) ((
1)) ( (3 6) (5 7) (1 1) (3 3) (5 0) (1 5) (3 2) (5 1) (1
AB
(
(
(
(

+ + + + + +
+ + + + + +
+ + + + + +
+ + + + + +
=
9) ( 48) ( 49 9 24) ( 0 45 16) ( 7
1) ( 6 0 1 3 0 5 2 0
4) ( 24 7) ( 4 12 0 20 8 1) (
3) ( 30 7 3 15 0 15 10 1
AB
(
(
(
(

=
8 15 36
5 4 7
14 16 27
34 18 26


PROPIEDADES DEL PRODUCTO DE MATRICES
1. Propiedad Asociativa.
Sea )
ij
(a A = una matriz de n x m )
ij
(b B = una matriz de m x p y )
ij
(c C = una
matriz de p x q entonces A(BC) = (AB)C

Como A es de n x m y B es de m x p, AB es de n x p. Entonces (AB)C = (n x p)
x (p x q) es una matriz de n x q. De manera similar, BC es de m x q y A(BC) es
de n x q de manera que (AB)C y A(BC) son ambas del mismo tamao. Debe
demostrarse que la componente ij de (AB)C es igual a la componente ij de
A(BC). Si se define D = (d
ij
) = AB, entonces

=
=
m
1 k
kj ik ij
b a d
La componente ij de (AB)C = DC es


= = = = =
=
|
|
.
|

\
|
=
m
1 k
p
1 l
lj kl ik lj
p
1 l
m
1 k
kl ik
p
1 l
lj il
c b q c b a c d

Ahora se define E = (e
ij
) = BC. Entonces

=
=
p
1 l
lj kl kj
c b e

y la componente ij de A(BC) = AE es


= = =
=
m
1 k
m
1 k
p
1 l
lj kl ik kj ik
c b a e a

As, la componente ij de (AB)C es igual a la componente ij de A(BC). Esto
demuestra la ley asociativa.

2. Propiedad Distributiva con respecto a la Suma.
A(B+C) = AB + AC

Sea A una matriz de n x m y sean B y C matrices de m x p. Entonces la
componente kj de B+C es b
kj
+ c
kj
y la componente ij de A(B+C) es

= = =
= + = +
m
1 k
kj ik
m
1 k
m
1 k
kj ik kj kj ik
c a b a ) c (b a componente ij de AB ms la
componente ij de AC.

(A+B)C = AC + BC
Sean A y B matrices de n x m y sea C una matriz de m x p. Entonces la
componente kj de A+B es a
kj
+b
kj
y la componente ij de (A+B)C es

= = =
= + = +
m
1 k
ik kj
m
1 k
m
1 k
ik kj ik kj kj
c b c a c ) b (a componente ij de AC ms la
componente ij de BC.
MATRIZ TRASPUESTA
Si (R) M A
mxn
e se denomina matriz traspuesta de A a la matriz (R) M A
mxn
t
e tal
que { } { } m 1,..., x n 1,..., (ij) e
i) A(j, j) (i, A
t
=
As si
(
(
(
(

=
mn m2 m1
2n 22 21
1n 12 11
a ... a a
a ... a a
a ... a a
A

entonces

(
(
(
(

=
mn 2n 1n
m2 22 12
m1 21 11
t
a ... a a
a ... a a
a ... a a
A


Ejemplo.
Considerando la matriz A
(
(
(

=
(
(
(
(

=
0 8 21 4
9 6 32 5
18 5 2 2
A que tiene se ;
0 9 18
8 6 5
21 32 2
4 5 2
A
t


PROPIEDADES DE LA TRASPOSICIN DE MATRICES
1. A ) (A
t t
=
A
a ... a a
a ... a a
a ... a a

a ... a a
a ... a a
a ... a a

a ... a a
a ... a a
a ... a a
) (A
mn m2 m1
2n 22 21
1n 12 11
mn 2n 1n
m2 22 12
m1 21 11
t
mn m2 m1
2n 22 21
1n 12 11
t t
=
(
(
(
(

=
|
|
|
|
|
.
|

\
|
(
(
(
(

=
|
|
|
|
|
.
|

\
|
(
(
(
(

=

t
t

2.
t t t
A B (AB) =


Para demostrar esta propiedad, primero se determinan los tamaos de las
matrices. La matriz AB es de tamao m x p, por eso (AB)
t
es de tamao p x m. La
matriz B
t
tiene tamao p x n, A
t
tiene tamao n x m. Por eso B
t
A
t
tiene tamao p x
m. En resumen, las matrices (AB)
t
y B
t
A
t
son del mismo tamao.
Para calcular la (i, j)-sima entrada de (AB)
t

=
= =
n
1 k
ki jk ji ij
t
B A (AB) ) ((AB)


3
Ahora para calcular la (i, j)-sima entrada del producto B
t
A
t


= = =
= = =
n
1 k
ki jk
n
1 k
jk ki
n
1 k
kj
t
ik
t
ij
t t
B A A B (A ) (B ) A (B )

De modo que
ij
t t
n
1 k
ki jk ij
t
) A (B B A ) ((AB) = =

=


3.
t t t
nxn
B A B) (A entonces (R), M B A, + = + e
t
|
|
|
|
|
.
|

\
|
(
(
(
(

+
(
(
(
(

= +
mn m2 m1
2n 22 21
1n 12 11
mn m2 m1
2n 22 21
1n 12 11
t
b ... b b
b ... b b
b ... b b
a ... a a
a ... a a
a ... a a
B) (A


(
(
(
(

+ + +
+ + +
+ + +
=
(
(
(
(

+ + +
+ + +
+ + +
=
mn mn 2n 2n 1n 1n
m2 m2 22 22 12 12
m1 m1 21 21 11 11
mn mn m2 m2 m1 m1
2n 2n 22 22 21 21
1n 1n 12 12 11 11
b a ... b a b a
b a ... b a b a
b a ... b a b a
b a ... b a b a
b a ... b a b a
b a ... b a b a

t

t t
mn m2 m1
2n 22 21
1n 12 11
mn m2 m1
2n 22 21
1n 12 11
mn 2n 1n
m2 22 12
m1 21 11
mn 2n 1n
m2 22 12
m1 21 11
B A
b ... b b
b ... b b
b ... b b
a ... a a
a ... a a
a ... a a
b ... b b
b ... b b
b ... b b
a ... a a
a ... a a
a ... a a
+ =
(
(
(
(

+
(
(
(
(

=
(
(
(
(

+
(
(
(
(

=
t t





3
Teniendo en cuenta que la Multiplicacin en R es conmutativa.

OPERACIONES ENTRE VECTORES
SUMA DE VECTORES
Sean a y b, vectores cualesquiera (columna o rengln) de n componentes cada
uno. Se define entonces la suma de vectores como a + b.
a + b =
(
(
(
(

+
+
+
=
(
(
(
(

+
(
(
(
(

n n n n
y x
y x
y x
y
y
y
x
x
x

2 2
1 1
2
1
2
1


a + b = | | | | | |
n n n n
y x y x y x y y y x x x + + + = + ... ... ...
2 2 1 1 2 1 2 1

Nota: La suma de vectores fila con vectores columna no est definida.

Ejemplo.
Considrense los vectores columna
(
(
(
(

=
(
(
(
(

=
0
8
1
;
2 -
5
2


b a entonces
(
(
(
(

=
(
(
(
(

+
+
+
= +
2
13
3
0 (-2)
8 5
1 2


b a

PRODUCTO ESCALAR DE VECTORES (PRODUCTO PUNTO)
Sean
a
a
a

n
2
1
(
(
(
(

a y
(
(
(
(

=
n
2
1
b
b
b

b dos vectores. Entonces el producto escalar de a y b,

denotado por b a , esta dado por
n n 2 2 1 1
b a ... b a b a + + + = b a
Debido a la notacin, el producto escalar se llama con frecuencia producto punto o
producto interno de los vectores. Observe que el producto escalar de dos n-
vectores es un escalar (es decir, un nmero).
Ejemplo.
Considrense los vectores
| | 3 2 4 2 = a y
(
(
(
(

=
5
8
4

6
b
Entonces 67 15 12 32 8 5 3 6 2 8 4 4 2 = + + + = + + + = b a

MULTIPLICACIN DE VECTORES
Sea
a
a
a

n
2
1
(
(
(
(

a un vector y o un escalar. Entonces

a
a
a

n
2
1
(
(
(
(

=
o
o
o
o

a
Ejemplo.
Considrese el vector
(
(
(
(

=
5
8
4

6
a entonces
(
(
(
(

=
(
(
(
(

=
15
18
24
12
5 3
3
8 3
4 3
3
6
a

TEOREMAS DE LAS OPERACIONES ENTRE VECTORES
Sean a, b, c n vectores y sean o y | escalares, entonces:
1. a + 0 = a
(
(
(
(

=
(
(
(
(

+
+
+
=
(
(
(
(

+
(
(
(
(

= +
n
2
1
n
2
1
n
2
1
a
a
a
a
a
a
0
0
0

a
a
a
0

0
0
0
a
2. 0a = 0

0
0
0

a 0
a 0
a 0

a
a
a

n
2
1
n
2
1
(
(
(
(

=
(
(
(
(

=
(
(
(
(

=

0 0 a
3. a + b = b + a
(
(
(
(

+
+
+
=
(
(
(
(

+
(
(
(
(

= +
n n
2 2
1 1
n
2
1
n
2
1
b a
b a
b a

b
b
b
a
a
a


b a
Dado que ) , (R y (R) b a
i i
+ e es conmutativa entonces se cumple que
n i 1 con i s s :
ij ij ij ij
a b b a + = +


a
a
a
b
b
b
a b
a b
a b
n
2
1
n
2
1
n n
2 2
1 1
a b + =
(
(
(
(

+
(
(
(
(

=
(
(
(
(

+
+
+
=


4. (a + b) + c = a + (b + c)
(
(
(
(

+ +
+ +
+ +
=
(
(
(
(

+
|
|
|
|
|
.
|

\
|
(
(
(
(

+
+
+
=
(
(
(
(

+
|
|
|
|
|
.
|

\
|
(
(
(
(

+
(
(
(
(

= + +
n n n
2 2 2
1 1 1
n
2
1
n n
2 2
1 1
n
2
1
n
2
1
n
2
1
c b (a
c b (a
c b (a
c
c
c
b a
b a
b a
c
c
c

b
b
b
a
a
a
)
)
)
)
(

c b a
Dado que ) , (R y (R) e b a
i i i
+ e es asociativa entonces se cumple que
n i 1 con i s s : )
i i i i i i
e b ( a e ) b (a + + = + +

)
c
c
c
b
b
b
a
a
a
c b
c b
c b
a
a
a
c )
c b a
c b a
c b a
n
2
1
n
2
1
n
2
1
n n
2 2
1 1
n
2
1
n n n
2 2 2
1 1 1
c b a b a + + =
|
|
|
|
|
.
|

\
|
(
(
(
(

+
(
(
(
(

+
(
(
(
(

=
|
|
|
|
|
.
|

\
|
(
(
(
(

+
+
+
+
(
(
(
(

= + + =
(
(
(
(

+ +
+ +
+ +
= ( (
) (
) (
) (



5. b a b a ) ( + = +
b a
b a

b
b
b

a
a
a

b
b
b
a
a
a
b a
b a
b a
b (a
b (a
b (a

b a
b a
b a

b
b
b
a
a
a
) (
n
2
1
n
2
1
n
2
1
n
2
1 1
n n
2 2
1 1
n n
2 2
1 1
n n
2 2
1 1
n
2
1
n
2
1
+ =
(
(
(
(

+
(
(
(
(

=
(
(
(
(

+
(
(
(
(

=
(
(
(
(

+
+
+
=
(
(
(
(

+
+
+
=
(
(
(
(

+
+
+
=
|
|
|
|
|
.
|

\
|
(
(
(
(

+
(
(
(
(

= +


)
)
)

6. )a ( (a) =
(
(
(
(

=
|
|
|
|
|
.
|

\
|
(
(
(
(

=
|
|
|
|
|
.
|

\
|
(
(
(
(

=
)
)
)
n
2
1
n
2
1
n
2
1
a (
a (
a (
a
a
a

a
a
a
(a)


Dado que ) , (R y (R) , a
i
- e | o, es asociativa entonces se cumple que
n i 1 con i s s :
i i
)a ( ) (a o| =

)a (
a
a
a

a ) (
a ) (
a ) (
n
2
1
n
2
1
=
(
(
(
(

=
(
(
(
(

=



TRAZA DE UNA MATRIZ
Sea A una matriz de m x m, la traza de A se define
Para
(
(
(
(

=
mm m2 m1
2m 22 21
1 12 11
a ... a a
a ... a a
a ... a a
A

m
como
mm 1) 1)(m (m 22 11
m
a i
ii
a a ... a a a (A) Tr + + + + = =

=

Ejemplo.
Considrese la matriz
(
(
(
(

=
2 2 3 1
1 4 5 7
1 0 3 3
9 1 2 3
A entonces 12 2 4 3 3 (A) Tr = + + + =

TEOREMAS DE LA TRAZA
Sean escalar un K y (R) M B A,
mxm
e
1. (KA) Tr (A) Tr K =
(KA) Tr
a ... a a
a ... a a
a ... a a
K Tr
Ka ... Ka Ka
Ka ... Ka Ka
Ka ... Ka Ka
Ka Ka ... Ka Ka
) a a ... a K(a a K
a ... a a
a ... a a
a ... a a
Tr K (A) Tr K
mm m2 m1
2m 22 21
1m 12 11
mm m2 m1
2m 22 21
1m 12 11
mm 1) 1)(m (m 22 11
mm 1) 1)(m (m 22 11
m
a i
ii
mm m2 m1
2m 22 21
1m 12 11
=
|
|
|
|
|
.
|

\
|
(
(
(
(

=
|
|
|
|
|
.
|

\
|
(
(
(
(

=
= + + + + =
+ + + + = =
(
(
(
(

=


=


Tr
Ka
m
i
ii
1


2. (B) Tr + (A) Tr = B) + (A Tr
|
|
|
|
|
.
|

\
|
(
(
(
(

+
(
(
(
(

= +
mm m2 m1
2m 22 21
1m 12 11
mm m2 m1
2m 22 21
1m 12 11
b ... b b
b ... b b
b ... b b
a ... a a
a ... a a
a ... a a
Tr B) (A Tr


( ) ( )
(B) Tr + (A) Tr =
b ... b b
b ... b b
b ... b b
Tr
a ... a a
a ... a a
a ... a a
Tr
b a ... b a b a
b a ... b a b a
b a ... b a b a
Tr
b a
b a b a ) b a
b a
b a ... b a b a
b a ... b a b a
b a ... b a b a
Tr
mm m2 m1
2m 22 21
1m 12 11
mm m2 m1
2m 22 21
1m 12 11
mm mm m2 m2 m1 m1
2m 2m 22 22 21 21
1m 1m 12 12 11 11
m
1 a
ii
m
1 a
ii
mm mm 22 22 11 11
m
1 a
ii ii
mm mm m2 m2 m1 m1
2m 2m 22 22 21 21
1m 1m 12 12 11 11
|
|
|
|
|
.
|

\
|
(
(
(
(

+
|
|
|
|
|
.
|

\
|
(
(
(
(

=
|
|
|
|
|
.
|

\
|
(
(
(
(

+ + +
+ + +
+ + +
=
+ =
+ + + + + + =
+ =
|
|
|
|
|
.
|

\
|
(
(
(
(

+ + +
+ + +
+ + +
=

= =
=



... (


3. (BA) Tr = (AB) Tr
Tomando C = AB de la forma

=
=
n
k
kj ik ij
b a C
1

Para i j = la formula anterior queda

=
=
n
k
kj ik ii
b a C
1

As:

= = = = = = =
= = = =
n
k
m
i
ik ki
n
k
m
i
ki ik
m
i
m
i
n
k
ki ik ii
a b b a b a c C Tr
1 1 1 1 1 1 1
) (
Por otro lado si D = BA, as

=
=
m
k
kj ik ij
a b d
1

Para i j = la formula anterior queda

=
=
m
k
ki ik ii
a b d
1

As:

= = =
= =
n
i
n
i
m
k
ki ik ii
a b d D Tr
1 1 1
) (
Comparando frmulas

= =
=
n
k
m
i
ik ki
a b AB Tr
1 1
) ( y

= =
=
n
i
m
k
ki ik
a b BA Tr
1 1
) (
Concluimos que intercambiando los nombres de los ndices i y k, Tr (AB) = Tr (BA)
4. ) A (B Tr = (AB) Tr
t t

5. Tr (ABC) = Tr (CAB) = Tr (BCA)
6. Tr (ABC) = Tr (B
t
A
t
C
t
) = Tr (A
t
C
t
B
t
)

FORMA ESCALONADA REDUCIDA POR RENGLONES
Una matriz se encuentra en forma escalonada reducida por renglones si se
cumplen las siguientes propiedades:
1. Si un rengln no consta completamente de ceros, entonces el primer nmero
diferente de cero en el rengln es un 1. (A este 1 se le denomina 1 principal)
2. Si existen renglones que consten completamente de ceros, entonces se
agrupan en la parte inferior de la matriz.
3. Si dos renglones sucesivos no constan completamente de ceros, el 1 principal
del rengln inferior se presenta ms hacia la derecha que el 1 principal del
rengln superior.
4. Cada columna que contenga un 1 principal tiene ceros en todas las dems
posiciones.

FORMA ESCALONADA POR RENGLONES
Una matriz est en la forma escalonada por renglones si se cumplen las
condiciones 1, 2 y 3 de la definicin de Forma escalonada reducida por renglones.
OPERACIONES ELEMENTALES DE RENGLN
El mtodo bsico para resolver un sistema de ecuaciones lineales es remplazar el
sistema dado por uno nuevo que tenga el mismo conjunto solucin, pero que sea
ms fcil de resolver. En general, este sistema nuevo se obtiene siguiendo una
serie de pasos aplicando los tres tipos siguientes de operaciones a fin de eliminar
sistemticamente las incgnitas.
1. Multiplicar una de las ecuaciones por una constante diferente de cero.
2. Intercambiar dos de las ecuaciones
3. Sumar un mltiplo de una de las ecuaciones a otra.
Puesto que los renglones (lneas horizontales) de una matriz aumentada
corresponden a las ecuaciones del sistema asociado, estas tres operaciones
corresponden a las operaciones siguientes sobre los renglones de la matriz
aumentada:
1. Multiplicar uno de los renglones por una constante diferente de cero.
2. Intercambiar dos de los renglones.
3. Sumar un mltiplo de uno de los renglones a otro rengln.
Estas se denominan operaciones elementales de rengln.

SOLUCIN DE UN SISTEMA DE m ECUACIONES CON n INCGNITAS
Para encontrar todas las soluciones (si existen) de un sistema de m ecuaciones
con n incgnitas puede hacerse uso de dos procesos: El primero Eliminacin
Gauss-Jordan tiene como finalidad re-escribir el sistema como una matriz de
coeficientes aumentada y reducirla por renglones a la forma escalonada reducida.
El segundo, la Eliminacin Gaussiana re-escribe tambin el sistema de la misma
forma que el primer mtodo, pero su propsito es reducir por rengln la matriz de
coeficientes a la forma escalonada por renglones, despejar el valor de la ltima
incgnita y usar la sustitucin hacia atrs para hallar las dems incgnitas.
Para ilustrar de la mejor manera los dos mtodos posibles para hallar solucin a
un sistema de m ecuaciones con n incgnitas, se realizar un ejemplo
considerando el sistema
4 2x - x 3x
24 6x 5x 4x
18 6x 4x 2x
3 2 1
3 2 1
3 2 1
= +
= + +
= + +

ELIMINACIN GAUSS JORDAN
1. Escribir el sistema de la forma Ax=b
(
(
(

=
(
(
(

(
(
(

4
24
18
x
x
x
2 1 3
6 5 4
6 4 2

3
2
1

2. Re-escribir el sistema como una matriz A de coeficientes aumentada
(
(
(

=
4 2 1 3
24 6 5 4
18 6 4 2
A
3. Convertir el primer elemento de la traza en 1 y los dems de la primera
columna en ceros. Para ello se opera con los renglones enteros.
(
(
(

(
(
(

(
(
(

|
.
|

\
|

23 - 11 5 - 0
12 - 6 - 3 - 0
9 3 2 1
4 2 1 3
24 6 5 4
9 3 2 1
4 2 1 3
24 6 5 4
18 6 4 2
A
3) (1,3)(
4) (1,2)(
2
1
A
1

4. Convertir el segundo elemento de la traza en 1 y los dems de la segunda
columna en ceros. Para ello se opera con los renglones enteros.
(
(
(

(
(
(

(
(
(

|
.
|

\
|

3 - 1 0 0
4 2 1 0
1 1 - 0 1
23 - 11 5 - 0
4 2 1 0
9 3 2 1
23 - 11 5 - 0
12 - 6 - 3 - 0
9 3 2 1
(2,3)(5)
2) (2,1)(
3
1
A
2

5. Convertir el tercer elemento de la traza en 1 y los dems de la tercera columna
en ceros. Para ello se opera con los renglones enteros.

(
(
(

(
(
(

(
(
(

3 1 0 0
2 - 0 1 0
4 0 0 1
3 1 0 0
4 2 1 0
1 1 - 0 1
3 - 1 0 0
4 2 1 0
1 1 - 0 1
2) (3,2)(
(3,1)(1)
1) ( A
3

6. Re-escribir la matriz resultante de la forma Ax=b y resolver.
(
(
(

=
(
(
(

=
(
(
(

(
(
(

3
2 -
4
x
x
x
x
x
x
1 0 0
0 1 0
0 0 1

3
2
1
3
2
1

De modo que la solucin nica al sistema es
3 x
2 x
4 x
3
2
1
=
=
=


ELIMINACIN GAUSSIANA
1. Escribir el sistema de la forma Ax=b
(
(
(

=
(
(
(

(
(
(

4
24
18
x
x
x
2 1 3
6 5 4
6 4 2

3
2
1

2. Re-escribir el sistema como una matriz A de coeficientes aumentada
(
(
(

=
4 2 1 3
24 6 5 4
18 6 4 2
A
3. Convertir el primer elemento de la traza en 1 y los que se encuentran bajo el
en ceros. Para ello se opera con los renglones enteros.
(
(
(

(
(
(

(
(
(

|
.
|

\
|

23 - 11 5 - 0
12 - 6 - 3 - 0
9 3 2 1
4 2 1 3
24 6 5 4
9 3 2 1
4 2 1 3
24 6 5 4
18 6 4 2
A
3) (1,3)(
4) (1,2)(
2
1
A
1

4. Convertir el segundo elemento de la traza en 1 y los que se encuentran bajo el
en ceros. Para ello se opera con los renglones enteros.
(
(
(

(
(
(

(
(
(

|
.
|

\
|

3 - 1 0 0
4 2 1 0
9 3 2 1
23 - 11 5 - 0
4 2 1 0
9 3 2 1
23 - 11 5 - 0
12 - 6 - 3 - 0
9 3 2 1
(2,3)(5) 3
1
A
2

5. Convertir el tercer elemento de la traza en 1. Para ello se opera con el rengln
entero.
(
(
(

(
(
(

3 1 0 0
4 2 1 0
9 3 2 1
3 - 1 0 0
4 2 1 0
9 3 2 1
1) ( A
3

6. Re-escribir la matriz resultante como sistema de ecuaciones.
3 x
4 2x x
9 3x 2x x
3
3 2
3 2 1
=
= +
= + +

7. Ahora, por medio de sustitucin hacia atrs se hallan los valores de
1
x y
2
x
Primero con la segunda ecuacin.
-2 x
6 - 4 x
4 6 x
4 2(3) x
4 2x x
2
2
2
2
3 2
=
=
= +
= +
= +

Y ahora que se conocen los valores de
2
x y
3
x se puede remplazar en la primera
ecuacin.
4 x
9 - 4 9 x
9 9 4 x
9 9 4) ( x
9 3(3) 2(-2) x
9 3x 2x x
1
1
1
1
1
3 2 1
=
+ =
= +
= + +
= + +
= + +

De modo que la solucin nica al sistema es (de nuevo)
3 x
2 x
4 x
3
2
1
=
=
=


SISTEMA GENERAL
Un sistema de m x n, m ecuaciones lineales con n incgnitas
n n mn 2 m2 1 m1
2 n 2n 2 22 1 21
1 n 1n 2 12 1 11
b x a ... x a x a
b x a ... x a x a
b x a ... x a x a
= + + +
= + + +
= + + +

Al resolver este sistema por medio de la matriz aumentada y reduciendo por
renglones la matriz a su forma escalonada reducida, se obtiene uno de los
siguientes resultados:
1. La ltima ecuacin diferente de cero (0 = 0) es x
n
= C para alguna constante C.
Entonces hay una nica solucin o hay un nmero infinito de soluciones para
el sistema.

2. La ltima ecuacin diferente de cero es
C x a' ... x a' x a'
n K ij 1 j 1 ij j ij
= + + +
+ + +

Para alguna constante C donde al menos dos a
ih
son diferentes de cero. Esto
es, la ltima ecuacin es lineal en dos o ms variables entonces existe un
nmero infinito de soluciones.

3. La ltima ecuacin es c = 0 con c 0. Entonces no existe solucin.

SISTEMAS INCONSISTENTES Y CONSISTENTES
Se dice que un sistema de ecuaciones lineales es inconsistente si no tiene
solucin. Se dice que un sistema que tiene al menos una solucin es consistente.

SISTEMAS HOMOGNEOS DE ECUACIONES LINEALES
Como ya se seal, todo sistema de ecuaciones lineales tiene una solucin, una
infinidad de soluciones, o bien, ninguna solucin. A medida que se avance, se
presentan situaciones en las que no se tiene inters en encontrar las soluciones
para un sistema dado, si no que, por el contrario, se trata de decir cuantas
soluciones tiene el sistema. A continuacin se presentan varios casos en los que
es posible, por simple observacin, llegar a proposiciones acerca del nmero de
soluciones.
Se dice que un sistema de ecuaciones lineales es homogneo si todos los
trminos constantes son cero; es decir, el sistema tiene la forma
0 x a ... x a x a

0 x a ... x a x a
0 x a ... x a x a
n mn 2 m2 1 m1
n 2n 2 22 1 21
n 1n 2 12 1 11
= + + +
= + + +
= + + +


Todo sistema homogneo de ecuaciones lineales es consistente, ya que
0 x 0,..., x 0, x
n 2 1
= = = siempre es una solucin. Esta solucin se conoce como
solucin trivial; si existen otras soluciones, se dice que son soluciones no
triviales.
Dado que un sistema homogneo de ecuaciones lineales debe ser consistente, se
tiene una solucin o una infinidad de soluciones. Puesto que una de estas
soluciones es la trivial, se puede afirmar lo siguiente:
Para un sistema homogneo de ecuaciones lineales, se cumple exactamente una
de las siguientes proposiciones:
1. El sistema tiene solo una solucin trivial.
2. El sistema tiene una infinidad de soluciones no triviales adems de la trivial.
Existe un caso en el que queda asegurado que un sistema homogneo tiene
soluciones no triviales; a saber, siempre que el sistema comprende ms incgnitas
que ecuaciones.
0 x A
a ... a a
a ... a a
a ... a a
mn m2 m1
2n 22 21
1n 12 11
=
(
(
(
(

=
(
(
(
(

(
(
(
(

0
0
0
2
1

n
x
x
x

Ejemplo.
Considrese el sistema de ecuaciones homogneo
0 6x 11x x
0 2x 3x 3x
0 x 2x x
3 2 1
3 2 1
3 2 1
= +
= +
= +

(
(
(

(
(
(

(
(
(

(
(
(

0 0 0 0
0 5/4 1 0
0 1/9 0 1
0 5 9 0
0
4
5
1 0
0 1 2 1
0 5 9 0
0 5 9 0
0 1 2 1
0 6 11 1
0 2 3 3
0 1 2 1
(2,3)(9)
2) (2,1)(
)
9
1
( A
(1,3)(1)
3) (1,2)(
1

(
(
(

=
(
(
(

(
(
(

0
0
0
x
x
x
0 0 0
5/4 1 0
1/9 0 1
3
2
1

3 3
3 2
3
1
3 2
3
1
9
5
9
0 0
0
4
5
0
9
x x
x x
x
x
x x
x
x
=
=

=
= +
= +

De modo que el sistema tiene infinitas soluciones de acuerdo al valor que tome
3
x

TEOREMAS SOBRE LOS SISTEMAS HOMOGNEOS
1. Sean
2 1
x x . soluciones del sistema no homogneo (Ax=b). Entonces su
diferencia tambin es solucin del sistema homogneo (Ax=0)
Si
2 1
x x . son soluciones al sistema no homogneo b Ax b Ax = . =
2 1

0 ) (
2 1 2 1
= = = b b Ax Ax x x A

2. Sea x una solucin particular del sistema no homogneo (Ax=b) y Y otra
solucin. Entonces existe un vector h que es solucin del sistema homogneo
(Ax=0) tal que Y=x+h.
Si x y Y son soluciones del sistema no homogneo b AY b Ax = . = , sea x Y h =
0
0 ) (
=
= = =
Ah
b b Ax AY x Y A

h es solucin del sistema homogneo.

MATRIZ IDENTIDAD
La matriz identidad
n
I de nxn es una matriz de nxn cuyos elementos de la
diagonal principal son iguales a 1 y todos los dems son 0. Esto es
) (
ij n
b I = donde
)
`

=
=
=
j i
j i
b
ij
si
si
0
1
) (

Ejemplo.
(
(
(
(

=
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
4
I

TEOREMA DE LA MATRIZ IDENTIDAD
Sea A una matriz cuadrada de n x n. Entonces
A A I AI
n n
= =
Es decir,
n
I conmuta con toda matriz de n x n y la deja sin cambio despus de la
multiplicacin por la derecha o por la izquierda.
Nota.
n
I funciona para las matrices de n x n de la misma manera que el nmero 1
funciona para los nmeros reales ( a a a = = 1 1 para todo nmero real a ).
) (
ij
b
n
nn n2 n1
in i2 i1
2n 22 21
1n 12 11
I
a ... a a
a ... a a
a ... a a
a ... a a
A
(
(
(
(
(
(
(
(

=




(
(
(
(
(
(
(
(

= =
nn nj n n
in ij i i
n j
n j
n
c c c c
c c c c
c c c c
c c c c
C I A
... ...
... ...
... ...
... ...
2 1
2 1
2 2 22 21
1 1 12 11



( )
A
a ... a a
a ... a a
a ... a a
C
c a
b a b a b a b a b a b a
b
b
b
b
b
b
a a a a a a c
mn m m
n
n
ij ij
in in j j i j ij j j i j i j i
in
j
j
j
j
j
in j i ij j i i i ij
=
(
(
(
(

=
= =
+ + + + + + =
|
|
|
|
|
|
|
|
|
|
|
.
|

\
|
=
+ +
+

+
2 1
2 22 21
1 12 11
) 1 ( 1 ) 1 ( 1 ) 1 ( 1 ) 1 ( 1 2 1 1
) 1 ( 1
1
) 1 ( 1
2
1
) 1 ( ) 1 ( 2 1
...
... ...

INVERSA DE UNA MATRIZ
Sean A y B dos matrices de n x n. Suponga que
I BA AB = =
Entonces B se llama la inversa de A y se denota por A
-1
. Entonces se tiene
I A A AA = =
1 1

Si A tiene inversa, entonces se dice que A es invertible.
La inversa de A desempea casi la misma funcin en la aritmtica matricial que la
desempeada por el recproco
1
a en las ecuaciones numricas 1
1
=

aa y
1
1
=

a a


TEOREMAS SOBRE LA INVERSIN DE MATRICES
1. Si
1
A es invertible, entonces A A =
1 1
) (
Como
1
A es invertible, entonces existe la inversa tal que I BA B A = =
1 1
donde
1 1
) (

= A B
A A
A A I
A A A A
I A A A A
=
=
=
= =




1 1
1 1
1 1 1
1 1 1 1 1 1
) (
) (
) )( (
) ( ) (


2. Si tanto B como C son inversas de la matriz A, entonces C B =
Supuesto que B es una inversa de A, I BA= . Al multiplicar por la derecha ambos
miembros por C da IC C BA = ) ( . Pero B BI AC B C BA = = = ) ( ) ( de modo que C B =
Como consecuencia de este importante resultado, ahora se puede hablar de la
inversa de una matriz inversible.

3. Sean
mxn
M B A, e invertibles, entonces AB es una matriz invertible tal que su
inversa es
-1 -1 -1
A B (AB) =
Si se puede demostrar que I = = = =
-1 -1 -1 -1 -1 -1
(AB) ) A (B ) A (B (AB) entonces se
habr establecido simultneamente que AB es inversible y que
-1 -1 -1
A B (AB) = .
Pero I AA AIA )A A(BB ) A (AB)(B
1 1 1 1 -1 -1
= = = =

.
Anlogamente, I = = (AB) ) A (B
-1 -1

Este resultado se puede extender hasta incluir tres o ms factores. Por tanto, es
posible enunciar la siguiente regla general:
Un producto de matrices inversibles siempre es inversible, y la inversa del
producto es el producto de las inversas en orden inverso.

4. Sea el sistema de n x n notado AX=b. Si A es invertible, existe
-1
A tal que

b A X
b A IX
b A X A A
b A AX A
1
1
1 1
1 1
) (

=
=
=
=


Ejemplo.
Considrese la matriz
(

=
2 3
1 2
A
Para hallar A
-1
se escribe la matriz de la forma Ax=b en tanto que b = I
(

=
(

1 0
0 1
w z
y x
2 3
1 2

(

= + = +
= + = +
(

=
(

+ +
+ +
1 2w 3y 0 2z 3x
0 w 2y 1 z 2x
1 0
0 1
2w 3y 2z 3x
w 2y z 2x

(

=
(

.
(

=
(

1
0
0
1
w
y
z
x
2 3
1 2
2 3
1 2

Ahora como matriz ampliada
(

.
(

1
0
0
1
2 3
1 2
2 3
1 2

(

1 0
0 1
2 3
1 2

Solucin por medio de Gauss-Jordan con Operaciones elementales de regln.
(

|
.
|

\
|

2 3 -
1 - 2
1 0
0 1
2 3 -
2 4 -
1 0
0 2 -
2 3 -
0 1
1 0
1 2
1 0
0 1
2 3
1 2
2
1
A
A A 3A 2A
1
1 2 1 2

De modo que
(

2 3 -
1 - 2
1
A

Prueba
(

=
(

1 0
0 1
2 3 -
1 - 2
2 3
1 2