Captulo 5

Clculo matricial

5.1 Matrices
Una matriz de m filas y n columnas, en adelante matriz m n, es una configuracin rectangular
de elementos, con n entradas por cada fila, y m por cada columna, encerrada, usualmente, entre
parntesis. A cada elemento de una matriz m n nos referiremos indicando, con una pareja ordenada
de subndices, la fila y la columna que ocupa.
Notacin. Utilizaremos letras maysculas para nombrar a una matriz, A, B, C, . . . . A sus elementos
o entradas los nombraremos usualmente con la minscula de su nombre y un par de subndices para
indicar su posicin: a1,2 sera el elemento de la 1a fila y 2a columna de la matriz A. En bloque
escribiremos expresiones como: A = (ai,j ), 1 1 m, 1 j n; B = (bi,j )mn ; . . . . Diremos
que una matriz es de tamao m n para referirnos a sus dimensiones. Si ambas coinciden, matriz
cuadrada, diremos simplemente matriz de tamao n.
Si las entradas de una matriz, A, de tamao m n, se toman de un conjunto K, habitualmente
un cuerpo de nmeros como Q, R o C, escribiremos A Mmn (K). En lo que sigue K ser siempre
un cuerpo.

Ejemplo 32 La matriz, A, de tamao 2 3 con ai,j = i + j es:

2 3 4
A=
3 4 5

La matriz cuadrada, B, de tamao 4 con elementos bi,j = ij1 queda:

1 2 4 8
1 3 9 27
B=
1

4 16 64
1 5 25 125

La anterior pertenece a una familia especialmente interesante, las matrices de Vandermonde, V ,

que tienen entradas: vi,j = aj1
i , con un ai distinto por cada fila. Esta matrices aparecen en problemas
de interpolacin polinmica.
Operaciones con matrices

Para cualquier tamao la matriz, Imn con entradas ii,j = 1 si i = j pero ii,j = 0 si i 6= j, se dice
la identidad de tamao m n. Son matrices identidad:

1 0 0
1 0 0 0 1 0 0
1 0 0
0 1 0 0 0 1 0 1 0
0 1 0 0 1
0 0 1 0 0 0 1
0 0 0

5.2 Operaciones con matrices

Las principales operaciones con matrices son:

Suma: dadas dos matrices del mismo tamao A = (ai,j ), B = (bi,j ) Mmn (K) se define la matriz
suma A + B Mmn (K) como la matriz C = (ci,j ) donde ci,j = ai,j + bi,j .

Producto por escalares: dada una matriz A = (ai,j ) Mmn (K) y un nmero K, se define
la matriz A Mmn (K) como la matriz ( ai,j ).

Producto de matrices: Dadas dos matrices A = (ai,j ) de tamao m n y B = (bj,k ) de tamao

n p, definimos la matriz producto AB = (ci,k ) como la matriz de tamao m p con entradas:
n
X
ci,k = ai,j bj,k .
j=1

Obsrvese que han de coincidir el nmero de columnas de la primera matriz A con el nmero
de filas de la segunda matriz B. Adems, el resultado es una matriz con tantas filas como A y
tantas columnas como B. Sirva la siguiente como regla mnemotcnica:

(m n) (n p) = (m p) .

Traspuesta de una matriz: dada una matriz A = (ai,j ) Mmn (K) se define la matriz traspuesta
At como la matriz (bk,` ) en Mnm (K) con

bk,` = a`,k .

En otras palabras, la obtenida de A al intercambiar las filas por las columnas.

Propiedades y ejemplos. Salvo la conmutatividad del producto, el resto de las propiedades

de la suma y el producto en el cuerpo K se extienden a Mmn (K):

1. Propiedades de la suma. En el conjunto Mmn (K) la operacin suma verifica las siguientes
propiedades:

(a) Asociativa: A + (B + C) = (A + B) + C, A, B, C Mmn (K).

(b) Conmutativa: A + B = B + A, A, B Mmn (K).
(c) Elemento neutro. Existe un elemento 0 Mmn (K) tal que: A + 0 = A, A Mmn (K).

76
 Clculo matricial

(d) Elemento opuesto. Para toda A Mmn (K), existe otro elemento, que denotaremos
A Mmn (K), tal que A + (A) = 0.

La existencia de un elemento neutro queda asegurada por la existencia del neutro para la suma
en el cuerpo K. Si llamamos 0 a este ltimo, la matriz con todas las entradas 0 es un neutro
para la suma de matrices.
De igual manera, la existencia de opuestos para la suma en el cuerpo K nos permite, dada una
matriz A, construir una matriz opuesta: si A = (ai,j ) la matriz B = (ai,j ) es opuesta de A.

2. Propiedades del producto por escalares. El producto por escalares tiene las siguientes
propiedades:

(a) Distributiva respecto a la suma de matrices: (A + B) = A + B, para cualesquiera

K y A, B Mmn (K).
(b) Distributiva respecto a la suma de escalares: ( + )A = A + A, para cualesquiera
, K y A Mmn (K).
(c) Distributiva respecto al producto de escalares: ()A = (A), para cualesquiera , K
y A Mmn (K).
(d) Producto por el escalar = 1 (el neutro del producto en el cuerpo K): 1A = A, A
Mmn (K).

3. Propiedades del producto. Por simplicidad vamos a enumerar las propiedades del pro-
ducto de matrices cuadradas.

(a) Asociativa. Dadas cualesquiera tres matrices A, B y C Mn (K) se verifica:

A(BC) = (AB)C .

Escribiremos ABC para abreviar.

(b) Distributiva del producto respecto de la suma. Dadas cualesquiera tres matrices A, B y
C Mn (K) se verifica:
A(B + C) = AB + AC .
(c) Elemento neutro. Existe una matriz Idn Mn (K) ( 1) tal que: 1A = A1 = A para
cualquier A Mn (K).

Demostremos la propiedad asociativa. Si llamamos D = BC, E = AD, F = AB y G = F C,

queremos comprobar que E = G. Ahora bien:
n
X
dk,j = bk,` c`,j
`=1
n n
n ! n X
n
X X X X
ei,j = ai,k dk,j = ai,k bk,` c`,j = ai,k bk,` c`,j
k=1 k=1 `=1 k=1 `=1
n
X
fi,` = ai,k bk,`
k=1

77
Sistemas de ecuaciones lineales

n n
n ! n X
n
X X X X
gi,j = fi,` c`,j = ai,k bk,` c`,j = ai,k bk,` c`,j
`=1 `=1 k=1 `=1 k=1

donde hemos utilizado varias veces las propiedades asociativa del producto y distributiva del
producto respecto de la suma en el cuerpo K (dnde?).
Se pretende ver que siempre ocurre que ei,j = gi,j . Obsrvese que tanto en ei,j como en gi,j se
tienen un total de n2 sumandos de la misma forma: ai,k bk,` c`,j . De hecho son exactamente
los mismos, aunque aparecen en distinto orden. Por ejemplo, el sumando ai,2 b2,5 c5,j , si lo
hubiere, aparece en el lugar n + 5 para ei,j , y en el lugar 4n + 2 para gi,j 1 . Es evidente, por
tanto (por las propiedades de la suma en el cuerpo K), la igualdad buscada.
Sobre el elemento neutro, basta mostrar una matriz con esta propiedad, y la matriz de orden
n con unos en la diagonal principal y ceros en el resto de entradas lo es.
3. (Ejercicio): Propiedades del producto de matrices. Enunciar y probar las propiedades
asociativa, distributiva del producto respecto de la suma, y existencia de elementos neutros
(por la derecha y por la izquierda) para el producto de matrices en general (no necesariamente
cuadradas).
4. Propiedades de la traspuesta.
(a) Traspuesta de una suma:
(A + B)t = At + B t .
(b) Traspuesta de un producto:
(AB)t = B t At .
(c) Traspuesta del producto de una matriz por un escalar:
(A)t = At .

5.3 Sistemas de ecuaciones lineales

a1,1 x1 + a1,2 x2 + + a1,n xn = b1
m ecuaciones
a2,1 x1 + a2,2 x2 + + a2,n xn = b2
.. .. .. .. ..
n incgnitas
. . . . .

a x + a x + + a x
m,1 1 m,2 2 m,n n = bm
Coeficientes: ai,j K, i = 1, . . . , m, j = 1, . . . , n, K cuerpo (que supondremos en este curso de
cardinal infinito, por ejemplo: Q, R, C, . . . ).
Trminos independientes: bi K, i = 1, . . . , m. Si bi = 0 para todo ndice i = 1, . . . , m, el sistema
se dice homogneo.
Variables: xj , j = 1, . . . , m, tambin se denominan incgnitas.
Soluciones: Una nupla (s1 , s2 , . . . , sn ) Kn se dice una solucin del sistema si al sustituir cada
variable xj por el correspondiente valor sj , todas las ecuaciones se verifican.
1
En general, el sumando ai,k bk,` c`,j aparece en el lugar (k 1)n + ` en ei,j , y en el lugar (` 1)n + k en gi,j .

78
 Clculo matricial

De un sistema diremos que es:

Incompatible, si no tiene ninguna solucin.
Compatible, si tiene al menos una solucin. En este caso, diremos que es:
Compatible determinado si existe exactamente una solucin.
Compatible indeterminado si tiene al menos dos soluciones distintas. De hecho, para
cuerpos de cardinal infinito, se tendrn infinitas soluciones.
Matriz de coeficientes. A la configuracin

a1,1 a1,2 a1,n
a2,1 a2,2 a2,n

.. .. ..
. . .
am,1 am,2 am,n
se le dice la matriz de coeficientes del sistema.
Matriz ampliada. Si aadimos a la matriz de coeficientes una columna a la derecha con los trminos
independientes, obtenemos la matriz ampliada:

a1,1 a1,2 a1,n b1
a2,1 a2,2 a2,n b2

.. .. .. .. .
. . . .
am,1 am,2 am,n bm
Notacin matricial. A una matriz de tamao 1 n se le dice un vector fila de dimensin n, a
menudo denotado v = (v1 , . . . , vn ). A una matriz de tamao m 1 se le dice un vector columna
de dimensin m; y usaremos indistintamente las siguientes notaciones:

v1
v2

v = .. = (v1 , v2 , . . . , vm )t
.
vm

y al ver el superndice t leeremos traspuesta.

Si llamamos A a la matriz de coeficientes de un sistema (digamos de tamao m n), x al
vector columna (x1 , . . . , xn )t y b al vector columna (b1 , . . . , bn )t , reescribiremos el sistema en la
forma matricial:
Ax = b
y a veces, para referirnos a la matriz ampliada del sistema, escribiremos
(A | b) .
Sistemas equivalentes. Dos sistemas lineales, (A | b) y (B | c), se dicen equivalentes si tienen
el mismo tamao y las mismas soluciones.
Dado un sistema (A | b), las siguientes operaciones elementales por filas en su matriz am-
pliada, producen un sistema equivalente:

79
Sistemas de ecuaciones lineales

1. intercambiar dos filas;

2. multiplicar una fila por una constante no nula;

3. sumar a una fila un mltiplo de otra.

Nota: Se pueden, de manera anloga, definir operaciones elementales por columnas. Para el objetivo
de resolver sistemas lineales, son ms tiles las operaciones por filas al no cambiar, por ejemplo,
el orden en las variables. De hecho, cambia el espacio de soluciones, es decir, no quedan sistemas
equivalentes.

Ejemplo 33 Del siguiente sistema de ecuaciones

ax + by = e a b x e
con notacin matricial: =
cx + dy = f c d y f

veamos los sistemas equivalentes que podemos construir:

a b e c d f

c d f a b e

a b e a b e
( 6= 0)
c d f c d f

a b e a b e

c d f c+a d+b f +e

Dem.: Veamos una idea de la demostracin de la equivalencia al realizar la tercera operacin. Si

sabemos que (x0 , y0 ) es una solucin del sistema original, estamos diciendo que:

a x0 + b y 0 = e al tiempo que c x0 + d y 0 = f .

Veamos que tambin (x0 , y0 ) es solucin del sistema:

a b e
.
c+a d+b f +e

Para serlo tendra que verificar ambas ecuaciones. La primera:

a x0 + b y0 = e

ya estamos suponiendo que la verifica. Sobre la segunda tenemos:

(c + a)x0 + (d + b)y0 = cx0 + dy0 + ax0 + by0

= f + (ax0 + by0 )
= f +e

quedando probado que tambin es solucin.

80
 Clculo matricial

Faltara ver ahora que toda solucin del segundo de los sistemas, tambin lo es del sistema original.
Pero en realidad nos sirve el mismo argumento, aadido a la observacin de que podemos pasar del
segundo al primero (esto es invertir la operacin) sin ms que sumar a la segunda fila veces la
primera:

a b e a b e a b e
=
c + a d + b f + e c + a a d + b b f + e e c d f

Matrices escalonadas. Una matriz A, se dice escalonada si cumple las siguientes propiedades:

1. Las filas nulas, si las hay, ocupan las posiciones de ms abajo.

2. En cada fila no nula, el primer elemento no nulo es 1 (se llama 1 dominante).

3. Dadas dos filas consecutivas (no nulas), el 1 dominante de la fila superior est ms a la izquierda
del 1 dominante de la inferior.

Teorema. Toda matriz es equivalente por filas a una matriz escalonada.

5.4 Mtodo de Gauss

Algoritmo de eliminacin gaussiana (o Algoritmo de Gauss). Dado un sistema (A | b) el
algoritmo de eliminacin gaussiana consta de:

1. Usando operaciones elementales, llevar la matriz ampliada a otra equivalente, (B | c) que sea
escalonada.

2. Resolver el sistema correspondiente a (B | c) por sustitucin hacia atrs.

Ejemplo 34 Buscar un polinomio de grado 2, y = ax2 + bx + c, que pase por los puntos de coorde-
nadas (2, 3), (1, 0) y (1, 6).
Solucin: Se trata de calcular los tres coeficientes indeterminados en las ecuaciones:

a 22 + b 2 + c = 3
a 12 + b 1 + c = 0
a (1)2 + b (1) + c = 6

de otra manera, se quiere resolver el siguiente sistema de ecuaciones lineales en las variables a, b y c:

4a + 2b + c = 3
a+ b+c = 0

a b+c = 6

81
Mtodo de Gauss

Realicemos, paso a paso, el algoritmo de Gauss:

4 2 1 3 1
1 21 14 34 1 12 41 34
1 1 1 F1 F2 F1
0 4 1 1 1 0 0 12 43 3 4

1 1 1 6 1 1 1 6 1 1 1 6

1 21 14 3
4
1 12 14 34 1 12 14 34
F3 F1 2F2 F3 + 32 F2
0 12 34 3
0 1 32 32 0 1 23 32
4
0 3
2
3
4
21
4
0 3
2
3
4
21
4
0 0 3 3

1
1
1 2 14 3
4
F3
3
0 1 32 3

2
0 0 1 1

Podemos seguir para conseguir una matriz ampliada escalonada reducida (ver definicin en pgi-
na 83). Estaramos realizando el algoritmo de Gauss-Jordan:
1 1 3
1 1

1 2 4 4
1 2
0 2
1 0 0 2
F2 23 F3 F1 14 F3 F1 12 F2
0 1 0 3 0 1 0 3 0 1 0 3

0 0 1 1 0 0 1 1 0 0 1 1

Si paramos el algoritmo tras conseguir la matriz escalonada, ahora podemos resolver el sistema
que nos ha quedado: 1 1 3
a+ 2b+ 4c = 4

b + 32 c = 32


c = 1
por sustitucin hacia atrs:
3 3 3 1 3
c=1 b+ = b = 3 a + = a=2 .
2 2 2 4 4
Como no poda ser de otra manera, esto coincide con las soluciones del ltimo sistema al que llegamos
con el resto de operaciones (Gauss-Jordan). Puesto que este ltimo sistema es equivalente al inicial,
hemos encontrado la solucin al problema buscado, y as, el polinomio ser: y = 2x2 3x + 1 .
Comprobmoslo: 2 22 3 2 + 1 = 3, 2 12 3 1 + 1 = 0, 2 (1)2 3 (1) + 1 = 6.

Tipos de Matrices. Recapitulemos un momento las definiciones y tipos de matrices que hemos ido
encontrando. Aprovechamos para introducir algunas ms.

Matriz: Una matriz A de tamao m n es una tabla de nmeros del cuerpo K formada por m
filas y n columnas. Si denotamos por ai,j el elemento de la isima fila y la jsima columna,
escribiremos brevemente
A = (ai,j )1im, 1jn
para referirnos a la matriz, o simplemente A = (ai,j ) si el tamao es claro. El conjunto de todas
las matrices de tamao m n en el cuerpo K se denota Mmn (K).

82
 Clculo matricial

Matriz cuadrada: es una matriz con el mismo nmero de filas que de columnas. A una tal matriz
la escribiremos por A = (ai,j )1i,jn , y diremos que tiene orden n. El conjunto de todas las
matrices cuadradas de orden n en el cuerpo K se denota Mn (K).
Llamamos diagonal principal de la matriz cuadrada A Mn (K), a los elementos ai,i :

Diagonal principal = (a1,1 , a2,2 , . . . , an,n ) .

Matriz triangular superior. Una matriz cuadrada A = (ai,j )1i,jn se dice triangular superior
si ai,j = 0 siempre que i > j.

Matriz triangular inferior. Una matriz cuadrada A = (ai,j )1i,jn se dice triangular inferior
si ai,j = 0 siempre que i < j.

Matriz diagonal. Una matriz cuadrada A = (ai,j )1i,jn se dice diagonal si es triangular superior
e inferior. De otra forma, ai,j = 0 siempre que i 6= j.

Matriz identidad. Llamamos as a la matriz diagonal con ai,i = 1 para todo i = 1, . . . , n. Se

denota tambin por In a la matriz identidad de orden n.

Matriz escalonada (por filas). Una matriz A, se dice escalonada si:

1. Las filas nulas, si las hay, ocupan las posiciones de ms abajo.

2. En cada fila no nula, el primer elemento no nulo es 1 (se llama 1 dominante o pivote).
3. Dadas dos filas consecutivas (no nulas), el 1 dominante de la fila superior est ms a la
izquierda del 1 dominante de la inferior.

Matriz escalonada reducida (por filas). Una matriz A = (ai,j )1im, 1jn , de tamao mn
se dice escalonada reducida (por filas) si es escalonada (por filas) y adems, por encima de todo
1 dominante (pivote) los elementos son 0.

Matriz fila: A M1n (K). En otros contextos (espacios vectoriales) una matriz fila es un vector
(fila) en el espacio vectorial Kn .

Matriz columna. A Mm1 (K). En el contexto de espacios vectoriales, una matriz columna es
un vector de Km , escrito en columna. Para la notacin matricial de sistemas de ecuaciones es
habitual escribir los vectores en columnas.

Matriz elemental de orden n. Llamamos as a cualquier matriz cuadrada de orden n que

podemos obtener aplicando a la matriz identidad In una operacin elemental (bien por filas,
bien por columnas).

83
Mtodo de Gauss

Ejemplo 35 Las siguientes son las matrices elementales de las operaciones efectuadas en el ejem-
plo 34: 1
4
0 0 1 0 0 1 0 0
E1 = 0 1 0 E2 = 1 1 0 E3 = 0 1 0
0 0 1 0 0 1 1 0 1

1 0 0 1 0 0 1 0 0
E4 = 0 2 0 E5 = 0 1 0 E6 = 0 1 0
3
0 0 1 0 2 1 0 0 13

1 0 0 1 0 14
1 1
2
0
E7 = 0 1 3 2
E8 = 0 1 0 E9 = 0 1 0
0 0 1 0 0 1 0 0 1
El producto de todas ellas, en el orden de derecha a izquierda en que han ido apareciendo:

E9 E8 E7 E6 E5 E4 E3 E2 E1

es una matriz de especial conexin con la matriz de coeficientes inicial. Realicemos el producto:
1 1 1
3 2 6
1 1
B := E9 E8 E1 = 0 2 2
1 1
3
1 3

y comprobemos que:
1 1 1

3 2 6 4 2 1 1 0 0

BA= 0 1
2
1
2 1 1 1 = 0 1 0 .
1
1 1 1 1 1 0 0 1
3 3

Por ltimo si tomamos la columna de trminos independientes del sistema original, y su producto (a
la izquierda) por B: 1 1 1
3 2 6 3 2
1
0 1
2 2
0 = 3
1
1 1 6 1
3 3

se obtiene la solucin (nica) al sistema planteado.

Rango de una matriz De lo visto hasta ahora intuimos que se ha de verificar el siguiente resultado:

Teorema 1 Toda matriz es equivalente por filas a una matriz escalonada reducida.

Por otra parte, dado un sistema (A| b), el algoritmo de GaussJordan nos permite calcular un
sistema equivalente, (B| c) (A| b), con matriz escalonada reducida. Es obvio, por otra parte, el
siguiente resultado:

Proposicin 1 Dos matrices escalonadas reducidas son equivalentes (por filas) solo si son iguales.

84
 Clculo matricial

Dada una matriz A, podemos hablar por tanto de la matriz escalonada reducida (por filas)
equivalente a A. Llegamos as a la siguiente definicin:

Definicin 5.4.1. Llamamos rango (por filas) de una matriz A, rgf (A), al nmero de filas no nulas
de la matriz escalonada reducida B equivalente (por filas) con A, B A.

Observacin. De igual manera que hemos partido de un sistema y por medio de operaciones ele-
mentales por filas hemos llegado a un sistema equivalente escalonado (o escalonado reducido) por
filas, podramos haber realizado operaciones elementales por columnas para llegar a un sistema esca-
lonado (o escalonado reducido) por columnas. Las matrices de las operaciones elementales oportunas
se usaran multiplicando por la derecha. Los resultados en esta lnea son totalmente anlogos a los
presentados (con los cambios oportunos de la frase por columnas en lugar de por filas). Se puede
definir as el rango por columnas de una matriz A, rgc (A), y es fcil comprobar que ambos rangos
coinciden2 . Se habla as del rango de una matriz A, y se denota rg(A), sin especificar nada ms.
Para sistemas de ecuaciones lineales, este nmero nos da toda la informacin necesaria para
decidir el carcter del mismo, como se enumera en el siguiente resultado:

Teorema 2 [RouchFrobenius] Dado un sistema de ecuaciones lineales, con matriz de coeficientes

e se tiene que:
A Mmn (K), y matriz ampliada A,
e En tal caso, ser:
1. El sistema es compatible si y slo si rg(A) = rg(A).
(a) compatible determinado si y slo si rg(A) = n (nmero de variables);
(b) compatible indeterminado si y slo si rg(A) < n (nmero de variables).
e
2. El sistema es incompatible si y slo si rg(A) < rg(A).

Ejemplo 36 Resolver el sistema de ecuaciones lineales:

x + y 4z = 1
() x 3z = 1

x + 3y = 1
Desarrollamos, en primer lugar, el algoritmo de Gauss-Jordan para hallar un sistema equivalente
escalonado reducido:

1 1 4 1 1 1 4 1 1 1 4 1 1 0 3 1
1 0 3 1 0 1 1 0 0 1 1 0 0 1 1 0
1 3 0 1 0 4 4 0 0 4 4 0 0 0 0 0
Obsrvese que hemos realizado varios pasos del algoritmo a la vez. El sistema correspondiente a
la ltima matriz escalonada reducida que hemos escrito es:

x 3z = 1
() yz = 0

0 = 0
2
O no tan fcil. Se puede consultar cualquier texto, serio, de lgebra Lineal para ver una demostracin.

85
Mtodo de Gauss

que tiene rango 2 para la matriz de coeficientes, y el mismo rango para la matriz ampliada. As el
sistema es compatible, 2 = 2, e indeterminado, 2 < 3. La solucin general viene dada por el
subconjunto S K3 :

S = {(x, y, z) : z = t, y = t, x = 3t 1, t K}
= {(3t 1, t, t) : t K} ,

y cualquier solucin particular se obtiene de esta descripcin sin ms que dar valores al parmetro t.
As, si K = R:
(1, 0, 0), (2, 1, 1), (3 5 1, 5, 5),

son soluciones particulares dadas por los valores para t, 0, 1 y 5 respectivamente.

Ejemplo 37 Resolver el sistema de ecuaciones lineales:

x + y 4z = 0
() x 3z = 0

x + 3y = 0

Observamos primero que la matriz de coeficientes de este sistema coincide con la del ejemplo ante-
rior. Podemos por tanto aprovechar el trabajo ya realizado, y puesto que las operaciones elementales
antes realizadas corresponden a las matrices elementales:

1 0 0 1 0 0 1 0 0
E1 = 1 1 0 E2 = 0 1 0 E3 = 0 1 0
0 0 1 1 0 1 0 0 1

1 0 0 1 1 0
E4 = 0 1 0 E5 = 0 1 0
0 4 1 0 0 1

cuyo producto B = E5 E4 E3 E2 E1 es:

0 1 0
B = 1 1 0
3 4 1

basta conocer el producto de B con la nueva columna de trminos independientes para resolver este
nuevo sistema. As, el sistema es equivalente a:

x 3z = 0
() yz = 0

0 = 0

con rango 2 < 3 tanto de la matriz de coeficientes como de la ampliada. El sistema es compatible
indeterminado con solucin general:

S = {(x, y, z) : z = t, y = t, x = 3t, t K}

86
 Clculo matricial

= {(3t, t, t) : t K} K3 .

Algunas soluciones particulares para el caso K = R son:

(0, 0, 0), (3, 1, 1), (3, , )

para t = 0, 1 y respectivamente.

Ejemplo 38 Resuelve rpidamente el sistema:

x + y 4z = 1
() x 3z = 2

x + 3y = 1

Ya hemos visto cmo aprovechar los clculos anteriores. Calculamos el producto de B por la matriz
columna de trminos independientes:

0 1 0 1 2
1 1 0 2 = 1
3 4 1 1 4

que ser la columna de trminos independientes del sistema escalonado reducido:

x 3z = 2
() y z = 1

0 = 4

Puesto que en este ltimo el rango de la matriz ampliada es 3 mientras que el de la matriz de
coeficientes es 2, el sistema es incompatible (la ltima ecuacin es rotunda a este respecto).
Observaciones sobre estos ltimos ejemplos. Si tenemos varios sistemas de ecuaciones
lineales con la misma matriz de coeficientes, podemos resolverlos todos a un tiempo, resolucin
simultnea de sistemas.
En el ejemplo 37 los trminos independientes son nulos. Se llaman homogneos los sistemas con
esta propiedad, y es directo ver que siempre son compatibles (por qu?).
Hay una relacin entre los conjuntos solucin de los ejemplos 36 y 37, en los que ambos sistemas
son compatibles:

Si a cualquier solucin del sistema del ejemplo 37 le sumo (1, 0, 0), obtengo una solucin del
sistema del ejemplo 36.

Matrices invertibles. Una matriz cuadrada, A Mn (K), se dice invertible si existe otra matriz
B Mn (K) que verifica las igualdades:

AB = BA = Idn .

Denotaremos a una tal matriz por A1 , y la llamaremos la inversa de A.

Ejemplos de matrices invertibles las tenemos en las matrices elementales.

87
Mtodo de Gauss

Teorema 3 Una matriz A Mn (K) es invertible si y slo si rg(A) = n.

Dem.: (=). Si A Mn (K) tiene rango n entonces es equivalente por filas a la nica matriz
escalonada reducida en Mn (K) de rango n, la matriz identidad: A Idn . Sabemos as que existen
matrices elementales, E1 , E2 , . . . , Ek Mn (K) de manera que:

Ek E2 E1 A = Idn .

Si llamamos B al producto Ek E2 E1 , tenemos que existe una matriz, B Mn (K), tal que
BA = Idn , y por tanto A es invertible.
(=). Supongamos ahora que A Mn (K) es invertible. En particular existe una matriz B Mn (K)
tal que:
AB = Idn .
Queremos ver que entonces rg(A) = n. Ahora bien, es fcil ver las siguientes desigualdades entre
rangos:
rg(AB) rg(A) n .
La segunda es evidente pues A Mn (K). Por otra parte, si rg(A) = k entonces A es equivalente por
filas a una matriz escalonada reducida, A0 , con las ltimas n k filas nulas. Pero entonces AB A0 B
y el producto A0 B tiene al menos las ltimas n k filas nulas, es decir rg(AB) k.
Esta desigualdad nos da el resultado buscado pues estamos suponiendo AB = Idn y as:

rg(AB) = rg(Idn ) = n rg(A) n rg(A) = n .

Propiedades de la inversa. Si A, B Mn (K) son matrices invertibles y K es un escalar
no nulo, se tiene:

1. (A1 )1 = A;

2. (AB)1 = B 1 A1 ;

3. (A)1 = 1 A1 ;

4. (At )1 = (A1 )t .

Ejemplos.

i. Si A M2 (K) es la matriz
a b
A=
c d
y es invertible, su inversa es:

1 1 d b
A = .
ad bc c a

En particular A es invertible si y slo si ad bc 6= 0.

88
 Clculo matricial

ii. Las inversas de las matrices:

1 3 3 1 2 3
A= 1 4 3 B= 1 3 3
1 3 4 2 4 3
son
7 3 3 1 2 1
A1 = 1 1 0 B 1 = 1 1 0
2 1
1 0 1 3
0 3

Comprobarlo y verificar la igualdad (AB)1 = B 1 A1 .

iii. Propiedades de cancelacin: Si C es una matriz invertible, son vlidas las siguientes propiedades:

(a) (Cancelacin por la derecha): Si AC = BC entonces A = B.

(b) (Cancelacin por la izquierda): Si CA = CB entonces A = B.

Ambas propiedades son directas usando necesariamente que C es invertible. Si C no es invertible

estas afirmaciones pueden ser falsas. Tmese el siguiente contraejemplo:

1 3 2 4 1 2
A= B= C= .
0 1 2 3 1 2

Es directo ver que:

2 4
AC = = BC
1 2
an siendo A 6= B.

Problemas
1. Con las siguientes matrices:

1 1 2 1 2 1 2 1 3 6 5 2
A= 0 0 2 B = 2 2 2 C = 5 7 2 D = 7 3 1 .
1 3 2 1 0 1 4 3 1 0 2 1

calcular: A + B, B + D, 2C, 2C 5D, AB, BA, AB BA, A(B + C + D), B(2A 3B + D)

y At B t .

2. Escribe en notacin matricial los siguientes sistemas de ecuaciones lineales:

2 x+5 y3 z = 1 x+ y z = 1 6 x+4 y+16 z = 0
a) 4 x+7 y4 z = 0 b) x+2 y+ z = 0 c) 2 x+4 y+8 z = 0

6 x3 y+ z = 5 x3 y3 z = 1 2 x2 y6 z = 0

2 x+ y3 z = 16 3 x y z = 1 x+2 y+ z = 6
d) 3 x y+2 z = 6 e) x+ y z = 1 f) 2 x+ y+ z = 5

x6 y+ z = 10 x y+ z = 1 5 x+ y+2 z = 9

89
Problemas

4 x y2 z = 0 3 x+2 y2 z = 3 2 x+2 y z = 4
g) 2 x+ y2 z = 2 h) 3 x+6 y3 z = 6 i) x+3 y+ z = 4

x y+ z = 0 3 x y+4 z = 0 2 x+3 y+4 z = 0

3. Usa el mtodo de eliminacin gaussiana para reducir los sistemas anteriores a sistemas escalo-
nados equivalentes.

4. Decide el rango de cada una de las matrices de coeficientes de los sistemas del ejercicio 2.

5. Decide el rango de cada una de las matrices ampliadas de los sistemas del ejercicio 2, y, com-
parando con los rangos de las matrices de coeficientes, clasifcalos (incompatibles, compatibles
determinados o compatibles indeterminados).

6. Resuelve los sistemas compatibles determinados del ejercicio 2.

7. De cada sistema compatible indeterminado del ejercicio 2, resuelve el sistema homogneo aso-
ciado (sustituye la columna de trminos independientes por una columna de ceros).

8. De cada sistema compatible indeterminado del ejercicio 2 muestra 3 soluciones. Comprueba

que la diferencia de cada dos de estas soluciones es solucin del sistema homogneo asociado.3

9. Para cada una de las matrices de coeficientes de los sistemas compatibles determinados que
has encontrado en el ejercicio 2, encuentra y comprueba su inversa por el algoritmo de
GaussJordan (ver pgina 82 y el Ejemplo 35).

3
En general, si v1 es solucin de un sistema de ecuaciones lineales y v0 es solucin del sistema homogneo asociado,
cualquier combinacin v1 + v0 es solucin del sistema original.

90