Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ecuaciones lineales 1
Definición 0.1.1 Un monomio es una expresión algebraica la cual está compuesta por
un sólo término, por ejemplo, son monomios:
Y no son monomios:
Aquı́ las dos primeras expresiones están formadas por dos términos, es decir, es la suma
de dos monomios, y la tercera por tres términos, es decir, está compuesto por la suma de
tres monomios.
Un monomio, como podemos verlo en los ejemplos anteriores, está formado, en general,
por un número, al cual llamaremos coeficiente, y por algunas letras cada una de ellas
elevada a un exponente.
2. Grado relativo
El grado absoluto de un monomio es la suma de los exponentes de las letras que lo
componen.
El grado relativo de un monomio es siempre considerado con respecto a una letra y
se define como el exponente al que está elevada dicha letra.
Ası́, en los ejemplos anteriores, 2xy tiene grado absoluto igual a 2, y su grado relativo
con respecto a la letra x es 1, al igual que con respecto a la letra y.
6xy 2 z 3 , tiene grado absoluto igual a 6, su grado relativo con respecto a la letra x es
1, con respecto a la letra y es 2, y con respecto a la letra z es 3.
En matemáticas aparecen dos cantidades de importancia fundamental, ellas son las vari-
ables y las constantes. Una cantidad se considera variable si es susceptible de tomar
valores numéricos diferentes. Por ejemplo, la edad de una persona, la estatura de un niño
durante sus primeros diez años de vida, el tiempo, la deuda interna de un paı́s, etc.
Una cantidad se considera constante si su valor no cambia, es decir, es una cantidad
que mantiene un valor fijo en el tiempo. Por ejemplo, el número de dı́as que tiene el mes
de enero, el número de estados en la república mexicana, el número de átomos que hay
en un mol de una sustancia, etc.
En general, para denotar a las cantidades variables se acostumbra emplear a las
últimas letras del abecedario, por ejemplo, u, v, w, x, y, z. Y para denotar a las cantidades
constantes se acostumbra emplear a las primeras letras del abecedario, por ejemplo,
a, b, c, d, e, f. Aquı́ es importante hacer notar que aun cuando se acostumbre representar
a las cantidades variables o constantes de la manera expuesta arriba, nada nos impide
representar a una cantidad variable con alguna de las primeras letras del abecedario,
ası́ como también, nada nos impide representar a una cantidad constante con alguna
de las últimas letras del abecedario. Pero aquı́, mientras no se establezca lo contrario,
emplearemos las últimas letras del abecedario para denotar a las cantidades variables y,
las primeras, para las cantidades constantes.
Definición 0.1.3 Un polinomio o función polinomial en las variables x1 , x2 , ...., xn
es una suma de monomios, cada uno de ellos de la forma
cxr11 xr22 · · · xrnn .
Donde c es un número real y los exponentes r1 , r2 , ..., rn son números enteros positivos o
cero. Definimos el grado de un polinomio como el mayor de los grados absolutos de
los monomios que lo componen.
Ası́, por ejemplo, son polinomios
2xy + 3z − 4, x3 yz 2 + 5y 6 x − 3, x3 + 3x − 2.
Los dos primeros son polinomios en las variables x, y, z y el tercero es un polinomio en
la variable x. El primero es de grado 2, el segundo es de grado 7 y el tercero es de grado 3.
Observación:
Es importante notar que el grado de un polinomio depende de las letras que son
consideradas como variables. Por ejemplo, si decretamos que las letras x, y denoten a las
variables y que las letras z, w representen cantidades constantes, entonces el grado del
polinomio,
2x2 y 3 + 5w7 xz 5 + 6,
en las variables x, y, es igual a 5, es decir, no consideramos a los exponentes de w, z pues
ellas no están siendo consideradas como variables.
0.1. Ecuaciones lineales 3
√
iii) x + y − z + 10 = 0. No es una ecuación lineal, pues un monomio contiene una raı́z
cuadrada, es decir, no es de grado uno.
1 1
iv) + x − 2y = 2. No es una ecuación lineal, pues x
no es un monomio de grado uno.
x
Ejemplo 0.1.2
Dada la ecuación lineal
2x − 3y + 6z + 2v − 5w = 3,
los valores x = z = v = w = 0, y = −1 forman una solución de ésta, pues al sustituirlos
en la ecuación obtenemos una proposición verdadera.
3 = 2(0) − 3(−1) + 6(0) + 2(0) − 5(0) = 3 (proposición verdadera).
En cambio, los valores x = y = z = 1, v = w = 0 no constituyen una solución, pues al
sustituirlos en la ecuación resulta una afirmación que no es verdadera. En efecto,
5 = 2(1) − 3(1) + 6(1) + 2(0) − 5(0) = 3 (proposición falsa).
Una ecuación lineal puede admitir más de una solución. Por ejemplo, si consideramos los
valores
x = y = 0, z = w = v = 1,
ellos constituyen una solución diferente a la establecida arriba. Veámoslo
3 = 2(0) − 3(0) + 6(1) + 2(1) − 5(1) = 3 (proposición verdadera).
¥
Notación:
Si x1 = c1 , x2 = c2 , ..., xn = cn conforman una solución para la ecuación lineal
a1 x1 + a2 x2 + .... + an xn = b,
es decir, si la proposición
a1 c1 + a2 c2 + .... + an cn = b es verdadera,
entonces nosotros escribiremos esta solución como
(c1 , c2 , ..., cn ) o bien (x1 = c1 , x2 = c2 , ..., xn = cn ).
En este libro emplearemos, en general, la primera notación dando por sobreentendido
que el orden en el que aparecen las ci es el mismo en que aparecen las incógnitas xi en la
ecuación considerada.
Definición 0.1.6 Al conjunto formado por todas las posibles soluciones de la ecuación
lineal
a1 x1 + a2 x2 + .... + an xn = b, (3)
le llamaremos la solución general o el conjunto solución. Es decir, la solución general
(o conjunto solución) de la ecuación lineal (12) es:
n ¯ o
¯
S = (c1 , c2 , ..., cn ) ¯ a1 c1 + a2 c2 + .... + an cn = b . (4)
0.1. Ecuaciones lineales 5
a1 x1 + a2 x2 + .... + an xn = b,
Observación:
Podemos obtener una solución particular para una ecuación lineal
a1 x1 + a2 x2 + .... + an xn = b,
asignándole valores particulares a las variables libres y, con ellos, una vez
sustituidos en la ecuación, obtener el valor de la variable distinguida mediante
un simple despeje. Es posible demostrar que todos los elementos del conjunto solución
(o solución general) de la ecuación lineal
a1 x1 + a2 x2 + .... + an xn = b,
2x + 3y − 5z + 2w = 1.
Para lograr esto nos basta, básicamente, con despejar a la variable x y declarar que las
variables libres pueden tomar cualquier valor. Hagámoslo
1 − 3y + 5z − 2w
2x + 3y − 5z + 2w = 1 =⇒ x= .
2
Ejemplo 0.1.4
x = 13 (1 − 2y + 6z + w).
Si queremos encontrar una solución particular, bastará con asignarle valores particulares
a las variables libres. Por ejemplo, si y = −1, z = 0, w = 1 obtendremos que la solución
particular será:
³ ´ ³ ´
1
3
(1 − 2(−1) + 6(0) + 1), −1, 0, 1 = 34 , −1, 0, 1 .
En este momento para el lector debe ser claro que las variables libres pueden tomar
cualquier valor y que el valor de la variable distinguida dependerá de los valores asignados
a las variables libres. ¥
0.2. Sistemas de ecuaciones lineales 7
Donde los bi y los aij , representan números reales los cuales, en el caso de los aij , para
cada i y j, aij es el coeficiente de la incógnita xj , en la i-ésima ecuación, es decir, el primer
subı́ndice, i, se refiere al número de ecuación, mientras que el segundo subı́ndice, j, se
refiere al número de la incógnita a la que acompaña el coeficiente aij . Por ello, a los aij
les llamaremos los coeficientes del sistema, mientras que a los bi les denominaremos
términos independientes. Cuando todos los términos independientes son iguales a
cero, es decir, bi = 0, para i = 1, 2, . . . , m decimos que el sistema de ecuaciones es un
sistema de ecuaciones lineales homogéneo, o simplemente, en este texto, sistema
de ecuaciones homogéneo.
(x1 = c1 , x2 = c2 , x3 = c3 , ..., xn = cn ),
Ejemplo 0.2.1
Dado el sistema de ecuaciones
x + 2y − 2z + 3w = 2
2x + 4y − 3z + 4w = 5 ,
5x + 10y − 8z + 11w = 12
la 4-ada (4, 0, 1, 0), es una solución particular para el sistema anterior, pues, si sustitui-
mos estos valores en las ecuaciones que componen al sistema, obtenemos una proposición
verdadera. Veámoslo
Definición 0.2.2 Al conjunto formado por todas las soluciones particulares de un sis-
tema de ecuaciones lineales le llamaremos la solución general, o bien, el conjunto
solución del sistema.
Observación:
Dado el sistema de ecuaciones lineales siguiente
a11 x1 + a12 x2 + a13 x3 + ··· + a1n xn = b1
a21 x1 + a22 x2 + a23 x3 + ··· + a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + ··· + a3n xn = b3
(6)
· · · · · · ··· · · · ·
S = S1 ∩ S2 ∩ ... ∩ Sm . (7)
Los métodos de Gauss y de Gauss-Jordan son algoritmos, los cuales nos permiten
encontrar la solución a un sistema de ecuaciones lineales usando métodos matriciales,
básicamente, usando operaciones elementales entre los renglones de una matriz. Grosso
modo, el procedimiento que hay que seguir, de acuerdo a estos métodos, para encontrar
la solución general a un sistema de ecuaciones lineales es:
1
Algunos autores también les llaman indeterminadas o términos algebraicos.
10
Es muy importante notar que en el sistema de ecuaciones lineales (17), las incógnitas están
alineadas de tal manera que podemos hablar de la columna, en la matriz aumentada, que
corresponde a una variable determinada; por ejemplo, la columna que corresponde a la
variable x1 , será la primera columna de la matriz aumentada, la columna asociada a la
variable x2 , será la segunda columna y ası́ sucesivamente.
A la matriz cuyas componentes son los coeficientes de las incógnitas le llamaremos la
matriz de coeficientes:
a11 a12 a13 . . . a1n
a21 a22 a23 . . . a2n
a31 a32 a33 . . . a3n
. . . . . . (10)
. . . . .
. . . . .
am1 am2 am3 . . . amn
Ejemplo 0.3.1
Dado el sistema de ecuaciones lineales
2x1 − 3x2 + x3 = −3
3x2 − 5x3 = 4
,
5x1 + 2x2 + 4x3 = 3
2x1 + 5x3 = 2
0.3. Método de Gauss y Método de Gauss-Jordan 11
2x1 − 3x2 + x3 = −3
3x2 − 5x3 = 4
.
5x1 + 2x2 + 4x3 = 3
2x1 + 5x3 = 2
A partir del sistema anterior establecemos la matriz aumentada asociada, que es:
2 −3 1 −3
0 3 −5 4
.
5 2 4 3
2 0 5 2
Nota:
Dado el sistema de ecuaciones lineales
a11 x1 + a12 x2 + a13 x3 + ··· + a1n xn = b1
a21 x1 + a22 x2 + a23 x3 + ··· + a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + ··· + a3n xn = b3
· · · · · · ··· · · · ·
esta matriz podemos construir, de manera natural, un sistema de ecuaciones el cual ten-
drá por matriz aumentada a la matriz B. Se puede demostrar que los dos sistemas de
ecuaciones, el asociado a la matriz A y el asociado a la matriz B, tienen el
mismo conjunto solución. La demostración se puede consultar en [1], [8] o [9].
Ejemplo 0.3.2
Dado el sistema de ecuaciones
3x1 − x2 + x3 = 1
x1 + 3x2 − x3 = 0
,
5x1 + x2 + 4x3 = 1
2x1 − 2x2 + 5x3 = 2
su matriz aumentada es
3 −1 1 1
1 3 −1 0
A=
5
.
1 4 1
2 −2 5 2
Si sobre la matriz A efectuamos, por ejemplo, las operaciones elementales
R3 7−→ R3 + (−5)R2
R4 7−→ R4 + (−2)R2
nosotros obtendremos la nueva matriz
3 −1 1 1
1 3 −1 0
B=
0 −14
.
9 1
0 −8 7 2
Con la matriz B ası́ obtenida, podemos construir un sistema de ecuaciones el cual
tenga por matriz aumentada a la matriz B. Basta con recordar como fue que construimos
la matriz A; la manera de hacerlo fue poniendo en la primera columna a los coeficientes
de la primera variable que aparecı́a en las ecuaciones, al leer éstas de izquierda a derecha,
en este caso x1 , en la segunda columna, los coeficientes de la segunda variable, en la tercer
columna, los coeficientes de la tercera variable y en la última columna, la columna formada
por los términos independientes. Por tanto, si hacemos el proceso inverso, obtendremos
el sistema buscado, que en este caso es:
3x1 − x2 + x3 = 1
x1 + 3x2 − x3 = 0
.
− 14x2 + 9x3 = 1
− 8x2 + 7x3 = 2
0.3. Método de Gauss y Método de Gauss-Jordan 13
Se puede demostrar que los dos sistemas de ecuaciones anteriores tienen el mismo
conjunto solución.
¥
· · · · · · ··· · · · ·
· · · · · · ··· · · · ·
Ejemplo 0.3.3
Dado el sistema de ecuaciones lineales
x1 + 5x2 + 11x3 = −5
2x1 + 3x2 + 8x3 = 4
−x1 + 2x2 + 3x3 = −9,
1 5 11 −5 1 5 11 −5
A= 2 3 8 4 ∼ 0 −7 −14 14
−1 2 3 −9 R2 7−→R2 +(−2)R1 0 7 14 −14 R3 7−→R3 +R2
R3 7−→R3 +R1
1 5 11 −5
∼ 0 −7 −14 14 .
0 0 0 0
0.3. Método de Gauss y Método de Gauss-Jordan 15
Una solución particular del sistema es cualquier elemento del conjunto solución y
éste lo obtenemos asignándole valores particulares a t, que es el valor de la variable
libre. Pongamos, por ejemplo, t = 0 lo que nos dá la solución particular
(5, −2, 0).
Es decir, si sustituimos los valores
x1 = 5, x2 = −2, x3 = 0,
en el sistema de ecuaciones considerado, obtenemos una proposición verdadera.
¥
16
Ejemplo 0.3.4
2x1 + 3x2 + x3 = 3
x1 + 2x2 + x3 = 1
−x1 + 4x2 = −2,
2 3 1 3 1 2 1 1
A= 1 2 1 1 ∼ 2 3 1 3
−1 4 0 −2 R1 ←→R2 −1 4 0 −2 R2 7−→R2 +(−2)R1
R3 7−→R3 +R1
1 2 1 1 1 2 1 1
∼ 0 −1 −1 1 ∼ 0 −1 −1 1
0 6 1 −1 R3 7−→R3 +(6)R2 0 0 −5 5
x1 + 2x2 + x3 = 1
− x2 − x3 = 1
− 5x3 = 5
5. Con ayuda del sistema planteado en el punto anterior, obtengamos los valores de
las variables distinguidas:
De la última ecuación tenemos que
−5x3 = 5 =⇒ x3 = −1.
2x1 + 3x2 + x3 = 3
x1 + 2x2 + x3 = 1
−x1 + 4x2 = −2,
x1 + 2x2 + x3 = 1
− x2 − x3 = 1
− 5x3 = 5.
x1 = 2, x2 = 0, x3 = −1,
Nota:
En este ejemplo es importante observar que el sistema considerado admite una solu-
ción única, mientras que en el ejemplo anterior el sistema admitı́a una infinidad de solu-
ciones.
Ejemplo 0.3.5
18
1 5 4 −13 3 1 5 4 −13 3
∼ 0 −8 −5 22 −5 ∼ 0 −8 −5 22 −5 .
0 −16 −10 44 −7 R3 7−→R3 +(−2)R2 0 0 0 0 3
Observación:
Los tres ejemplos anteriores nos muestran que existen tres posibilidades para el con-
junto solución de un sistema de ecuaciones lineales, las cuales son:
· · · · · · ··· · · · ·
5. Le asignamos valores arbitrarios a las variables libres y, con ayuda de ellos, y del
sistema de ecuaciones obtenido en el punto 4), obtenemos los valores de las varia-
bles distinguidas.
Ejemplo 0.3.6
1 2 2 2 1 2 2 2
3 −2 −1 5 0 −8 −7 −1
A=
2 −5
∼
3 −4 0 −9 −1 −8
1 4 6 0 RR23 7−7−→R 2 +(−3)R1
→R3 +(−2)R1 0 2 4 −2 R2 7−→R2 +(−1)R3
R4 7−→R4 +(−1)R1
0.3. Método de Gauss y Método de Gauss-Jordan 21
1 2 2 2 1 2 2 2
0 1 −6 7 0 1 −6 7
∼
0 −9 −1 −8 ∼
0
0 −55 55
0 2 4 −2 R3 7−→R3 +(9)R2 0 0 16 −16 R3 7−→ 551 R3
R4 7−→R4 +(−2)R2 1 R
R4 7−→ 16 4
1 2 2 2 1 2 2 2
0 1 −6
7 0 1 −6 7
∼
0 ∼
0 −1 1 0 0 −1 1
0 0 1 −1 R4 7−→R4 +R3 0 0 0 0 R3 7−→(−1)R3
1 2 2 2 1 2 0 4
0 1 −6 7 0 1 0 1
∼
0
∼
0 1 −1 0 0 1 −1
0 0 0 0 R2 7−→R2 +(6)R3 0 0 0 0 R1 7−→R1 +(−2)R2
R1 7−→R1 +(−2)R3
1 0 0 2
0 1 0 1
∼
0
.
0 1 −1
0 0 0 0
3. En las tres columnas correspondientes a las variables x1 ,x2 ,x3 hay elementos dis-
tinguidos, por ello, dichas variables son variables distinguidas. No hay variables
libres.
x1 = 2
x2 = 1
x3 = −1
5. Aquı́ no tenemos variables libres y, como podemos ver, del punto 4 obtenemos
directamente
n los valores
o de las incógnitas. Ası́, el sistema (20) tiene por solución
general (2, 1, −1) . ¥
Ejemplo 0.3.7
Apliquemos el método de Gauss-Jordan para obtener la solución del sistema de ecua-
ciones
x1 + 2x2 − 3x3 + 2x4 = 2
2x1 + 5x2 − 8x3 + 6x4 = 5 (12)
3x1 + 4x2 − 5x3 + 2x4 = 4.
Sigamos los mismos 5 pasos que seguimos anteriormente:
1. La matriz aumentada asociada al sistema de ecuaciones lineales anterior es:
1 2 −3 2 2
A = 2 5 −8 6 5
3 4 −5 2 4.
1 2 −3 2 2 1 2 −3 2 2
A = 2 5 −8 6 5 ∼ 0 1 −2 2 1
3 4 −5 2 4 R2 7−→R2 +(−2)R1 0 −2 4 −4 −2 R3 7−→R3 +(2)R2
R3 7−→R3 +(−3)R1
1 2 −3 2 2 1 0 1 −2 0
∼ 0 1 −2 2 1 ∼ 0 1 −2 2 1
0 0 0 0 0 R1 7−→R1 +(−2)R2 0 0 0 0 0
x3 = a, x4 = b a, b ∈ R.
Producto de matrices.
lo escribiremos de la forma:
b11 b12 b13 b14
b21 b22 b23 b24
b31 b32 b33 b34
b41 b42 b43 b44
.
a11 a12 a13 a14 c11 c12 c13 c14
a21 a22 a23 a24 c21 c22 c23 c24
a31 a32 a33 a34 c31 c32 c33 c34
Arreglo que nos permitirá recordar la manera en que son obtenidas las componentes cik ,
como el producto de un renglón por una columna. Por ejemplo, el elemento c11 , es el
resultado de multiplicar el renglón 1, de la matriz A, por la columna 1, de la matriz B.
Producto que se realiza de la siguiente manera:
b11
b21
b31
b41
a11 a12 a13 a14 c11 = a11 b11 + a12 b21 + a13 b31 + a14 b41 .
b1k
b2k
b3k
b4k
ai1 ai2 ai3 ai4 cik = ai1 b1k + ai2 b2k + ai3 b3k + ai4 b4k .
Ası́, el primer renglón de la matriz producto está alineado con el primer renglón del primer
factor, y la primera columna de la matriz producto, está alineada con la primera columna
del segundo factor. En general, el i-ésimo renglón de la matriz producto está alineado
con el i-ésimo renglón del primer factor, y la k-ésima columna de la matriz producto,
está alineada con la k-ésima columna del segundo factor.
Entre la ventajas de este tipo de arreglo es que resulta claro el tamaño de la matriz
que resulta al efectuar el producto, pues el número de renglones de la matriz produco
0.3. Método de Gauss y Método de Gauss-Jordan 25
Teorema 0.3.1 Sean A, B, C matrices tal que las sumas y los productos especificados
a continuación se pueden realizar, y λ un escalar, entonces son ciertas las igualdades
siguientes:
AB 6= BA.
El producto entre dos matrices no siempre está definido, sin importar que éstas sean o no
de igual tamaño. Por ejemplo, si A es una matriz de tamaño 2 × 3, no es posible realizar
el producto AA, pues estariamos multiplicando una matriz 2 × 3 por una 2 × 3, cosa que
no es posible. Más, sin embargo, el producto entre matrices cuadradas de igual tamaño
siempre está definido y, por tal motivo, siempre podemos hablar de las potencias de una
matriz cuando ésta es cuadrada.
0 1 2 −5 −2 1 0 −6 −12
A3 = AA2 = −1 0 1 −2 −2 −2 = 6 0 −6 ,
−2 −1 0 1 −2 −5 12 6 0
se tiene que:
P (A) = 3I3 + A + 3A2 − A3
1 0 0 0 1 2 −5 −2 1 0 −6 −12
= 3 0 1 0 + −1 0 1 + 3 −2 −2 −2 − 6 0 −6
0 0 1 −2 −1 0 1 −2 −5 12 6 0
3 0 0 0 1 2 −15 −6 3 0 6 12
= 0 3 0 + −1 0 1 + −6 −6 −6 + −6 0 6
0 0 3 −2 −1 0 3 −6 −15 −12 −6 0
−12 1 17
= −13 −3 1 .
−11 −13 −12
¥
Definición 0.3.2 Una matriz A se dice que es invertible, o no singular, si existe una
matriz, que se denota como A−1 , tal que
AA−1 = I = A−1 A. (14)
Donde I es la matriz identidad. La matriz A−1 se denomina la inversa de la matriz A.
Observación:
Para mostrar que una matriz A−1 es en efecto la inversa de una matriz A, nos basta
con mostrar que uno de los productos, ya sea AA−1 , o A−1 A, es igual a la identidad.
Ejemplo 0.3.9
Determinemos si la matriz
1 3 −2
2 −1 0 ,
4 5 −4
es, o no, invertible.
1 3 −2 1 0 0
∼ 0 −7 4 −2 1 0
0 0 0 −2 −1 1 R2 7−→(− 1 )R2
7
1 3 −2 1 0 0 1 0 − 27 1
7
3
7
0
∼ 0 1 − 47 2
7
− 71 0 ∼ 0 1 − 47 2
7
− 17 0
0 0 0 −2 −1 1 R1 7−→R1 +(−3)R2 0 0 0 −2 −1 1
Proposición 0.3.2 Sean A y B matrices para las cuales están definidas las operaciones
indicadas y λ es un escalar, entonces
i) [A + B]t = At + B t ,
iii) [AB]t = B t At ,
iv) A es invertible si, y sólo si, At es invertible y se tiene que [At ]−1 = [A−1 ]t .
alguno de los factores involucrados sea la matriz cero, nos obliga a resolver las ecuaciones
matriciales de una manera un poco diferente a como resolvemos las ecuaciones algebraicas
que hemos conocido desde nuestros estudios elementales. Por esto, hemos decidido in-
cluir esta sección en la cual presentaremos algunos ejemplos que muestren la manera
como se resuelven estas ecuaciones matriciales y como se pueden reducir algunas expre-
siones algebraicas que involucran matrices. Nuestro objetivo inmediato es el de mostrar
al lector algunas de las diferencias y coincidencias que tienen el álgebra de números reales
y el álgebra matricial. Por tal motivo, listaremos las propiedades de las matrices bajo
las operaciones que hemos definido, sin importar que ya las hallamos listado previamente.
Teorema 0.3.2 Sean A, B, C, X matrices para las cuales son válidas todas las opera-
ciones indicadas a continuación y α, β, λ ∈ R, entonces se tiene que:
1) (A + B) + C = A + (B + C),
2) A + B = B + A,
3) A + 0 = A,
4) A + (−A) = 0,
5) α(A + B) = αA + αB,
6) (α + β)A = αA + βA,
8) 1A = A,
9) (AB)C = A(BC),
11) BX + CX = (B + C)X,
16) [At ]t = A,
17) [A + B]t = At + B t ,
0.3. Método de Gauss y Método de Gauss-Jordan 31
19) [AB]t = B t At ,
20) A es invertible si, y sólo si, At es invertible, y se tiene que [At ]−1 = [A−1 ]t ,
nA = A
| +A+
{z. . . + A} .
n−sumandos
An = A · . . . · A} .
| · A {z
n−f actores
Ejemplo 0.3.10
Ejemplo 0.3.11
En los números reales sı́ es válido el desarrollo binomial llamado el binomio de Newton.
Por ejemplo, si a, b ∈ R, entonces
(a + b)2 = a2 + 2ab + b2 .
Ejemplo 0.3.12
En nuestro estudio del álgebra de números reales, uno de los llamados productos notables
es el producto entre binomios conjugados, cuyo resultado es una diferencia de cuadrados.
Esto es, si a, b ∈ R, entonces
(a + b)(a − b) = a2 − b2 .
Esta igualdad, en general, no se tiene en el caso de matrices. Pues si A B son dos matrices,
entonces
[A + B][A − B] 6= A2 − B 2 .
Ejemplo 0.3.13
Si a ∈ R \ (0), entonces existe a−1 ∈ R \ (0), tal que aa−1 = a−1 a = 1. La conmuta-
tividad del producto de números reales, nos permite usar la notación
b
= ba−1 = a−1 b.
a
En el caso de matrices, esta notación no es posible usarla. Pues, si A y B son matrices,
A
entonces al escribir B , nosotros no sabemos si se está refiriendo al producto AB −1 , o bien,
al producto B −1 A; y como ya hemos dicho, al ser el producto de matrices no conmutativo,
se tiene que, en general, AB −1 6= B −1 A.
¥
Ejemplo 0.3.14
0.3. Método de Gauss y Método de Gauss-Jordan 33
Para reducir esta expresión, reduciremos cada sumando por separado y luego susti-
tuiremos en el lugar correspondiente.
B 3 [At B t ]t = B 3 BA = B 4 A.
3B 3 [A−1 B −1 ]−1 = 3B 3 BA = 3B 4 A.
= [B 2 B 2 + B 2 A + AB 2 + AA]A
= [B 4 + B 2 A + AB 2 + A2 ]A
= B 4 A + B 2 A2 + AB 2 A + A3
= B 4 A + B 4 A + 3B 4 A − [B 4 A + B 2 A2 + AB 2 A + A3 ] + B 2 A2 − AB 2 A + A3
= B 4 A + B 4 A + 3B 4 A − B 4 A − B 2 A2 − AB 2 A − A3 + B 2 A2 − AB 2 A + A3
= 4B 4 A − 2AB 2 A.
¥
34
Como hemos podido observar, muchos problemas nos conducen a resolver una ecuación
matricial. A continuación presentamos algunos ejemplos en los cuales mostraremos la
manera de despejar en una ecuación matricial, una matriz incógnita X. El lector po-
drá darse cuenta de las analogı́as existentes entre la solución de ecuaciones que involucran
números reales y las ecuaciones matriciales. En la solución de estas ecuaciones matriciales
sugerimos al lector proceder de la manera siguiente:
2. Como resultado del punto anterior, en el primer miembro de nuestra igualdad, han
de aparecer puros términos en los cuales se encuentre a la matriz incógnita X. Es
posible que en estos términos se encuentren la transpuestas o la inversa de la matriz
incógnita X. Use las propiedades de la inversa y la transpuesta hasta que en cada
sumando aparezca la matriz X como transpuesta, o como inversa, o, aun mejor,
como la misma matriz X.
Ejemplo 0.3.15
Suponiendo que todas las matrices involucradas son invertibles, despeje la matriz X
de la ecuación matricial
AX + B = C.
AX + B = C ⇒ AX + B − B = C − B ⇒ AX = C − B
⇒ A−1 AX = A−1 [C − B] ⇒ IX = A−1 [C − B] ⇒ X = A−1 [C − B].
¥
Ejemplo 0.3.16
Suponiendo que todas las matrices involucradas son invertibles, despeje la matriz X
de la ecuación matricial
AX + BX = C.
AX + BX = C ⇒ [A + B]X = C ⇒ [A + B]−1 [A + B]X = [A + B]−1 C
⇒ IX = [A + B]−1 C ⇒ X = [A + B]−1 C.
¥
0.3. Método de Gauss y Método de Gauss-Jordan 35
Ejemplo 0.3.17
Suponiendo que todas las matrices involucradas son invertibles, despeje la matriz X
de la ecuación matricial
XA + XB = C.
XA + XB = C ⇒ X[A + B] = C ⇒ X[A + B][A + B]−1 = C[A + B]−1
⇒ XI = C[A + B]−1 ⇒ X = C[A + B]−1 .
¥
Es muy importante observar que aun y cuando las ecuaciones matriciales propuestas
en los dos ejemplos anteriores son muy parecidas, las soluciones encontradas no necesaria-
mente son iguales. Por ejemplo, si
· ¸ · ¸ · ¸
1 3 1 0 2 −1
A= ,B = ,C = ,
0 2 −1 2 1 0
entonces la solución de la ecuación AX + BX = C es
· ¸−1 · ¸
−1 2 3 2 −1
X = [A + B] C =
−1 4 1 0
4 −3 5
· ¸ · ¸· ¸ −4
2 −1 = 1 4 −3 2 −1 =
11 11 11 11
= .
1 2 1 0 11 1 2 1 0 4 −1
11 11 11 11
Ejemplo 0.3.18
Suponiendo que todas las matrices involucradas son invertibles, despeje la matriz X de
la ecuación matricial
AX + B = CX + D.
AX + B = CX + D ⇒ AX + B − B = CX + D − B ⇒ AX = CX + D − B
⇒ AX −CX = CX +D−B−CX ⇒ AX −CX = D−B ⇒ [A−C]X = D−B
⇒ [A − C]−1 [A − C]X = [A − C]−1 [D − B] ⇒ IX = [A − C]−1 [D − B]
⇒ X = [A − C]−1 [D − B].
¥
36
Ejemplo 0.3.19
Dada la ecuación matricial
AX + [X −1 B −1 ]−1 = B,
con A, B, X matrices invertibles, establezcamos las condiciones necesarias sobre las ma-
trices A y B para garantizar que es posible despejar a la matriz X.
⇔ X 2 A−1 + X 2 B = X[A−1 + B]
⇔ X 2 [A−1 + B] = X[A−1 + B]
⇔ X −1 X 2 [A−1 + B] = X −1 X[A−1 + B]
Ejemplo 0.3.21
Con el fin de facilitar la lectura, simplificaremos cada uno de los sumandos y, posterior-
mente, sustituiremos en la expresión (27) los resultados obtenidos.
[AXA−1 ]2 = AX 2 A−1 .
(X t At )t X = [At ]t [X t ]t X = AXX = AX 2 .
(X −1 A−1 )−1 X = [A−1 ]−1 [X −1 ]−1 X = AXX = AX 2 .
Al sustituir, resulta: