Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Capítulo 1 Sistemas de Ecuaciones y Matrices (Continuación)
Capítulo 1 Sistemas de Ecuaciones y Matrices (Continuación)
n
§1.2 OPERACIONES EN
n
En la sección anterior utilizamos funciones de en . Intentemos definir algunas operaciones en
el primer conjunto y estudiar sus propiedades.
Recordemos de cursos anteriores que tomamos al conjunto de los complejos como 2 y definimos
la suma: ( x, y) ( x, y ) = ( x + x, y + y ) , ( x, y),( x, y ) , probando posteriormente que
( ,) es un grupo conmutativo.
Parece razonable definir "suma" en n de la siguiente manera:
( ) (
( x1, x2 ,......, xn ) x1 , x2 ,......, xn = x1 + x1, x2 + x2,......, xn + xn )
Ejercicios
1) Probar que ( n
, ) es un grupo conmutativo.
n
2) Anotemos 0 al conjunto de todas las n-plas de reales en las cuales son nulas todas
sus componentes salvo eventualmente la primera, i.e. n
0 = ( x1 , x2 , , xn ) n
: x2 = = xn = 0 .
Demostrar que f : → n
0 definida por f ( x) = ( x,0,..,0) es un isomorfismo entre los grupos
( , +) y ( n
0 , ) ; esto es, f es biyectiva y f ( x + y ) = f ( x) + f ( y) .
Al igual que sucede con los complejos, el mencionado isomorfismo permite simplificar la notación
escribiendo + en lugar de . En otras palabras, a partir de ahora anotaremos de la misma manera la
suma de reales que la suma de n-plas.
Por otra parte, observemos que esta idea la podemos aplicar sobre cualquier grupo. Pudiendo así
extender la suma de enteros, racionales o complejos a la suma de n-plas de enteros, racionales o
complejos.
Para el caso n = 2 la representación geométrica de la suma coincide con la que hacíamos para
vectores en el plano. (fig.1)
( x1 + y1 ,x2 + y2 )
( x1 ,x2 ) ( x1 , x2 )
( x1 ,x2 )
( y1 , y2 )
O
O
fig. 1 fig. 2
Recordemos que además de poder sumar vectores los podemos "multiplicar" un vector por un
número real (fig.2).
La definición formal sería: · : 2 → 2 tal que .( x1, x2 ) = ( x1, x2 )
Con lo cual también parece razonable definir el producto de un real por una n-pla de la siguiente
forma, : n → n tal que .( x1, , xn ) = ( x1, , xn ) .
8
9
Ejercicio
Probar:
i) . . ( x1 , , xn ) = ( ). ( x1 , , xn ) , , , ( x1 , , xn ) n
.
ii) + ( x1, , xn ) = ( x1, , xn ) + ( x1, , xn ) , , , ( x1 , , xn ) n
.
iii) . ( x1 , , xn ) + ( y1 , , yn ) = ( x1 , , xn ) + ( y1 , , yn ) , ,
( x1 , , xn ) , ( y1, , yn ) n .
iv) 1.( x1, , xn ) = ( x1, , xn ) , ( x1, , xn ) n
.
Observación
Lo hecho con ( n
, +, , ) lo podemos extender a ( K n , +, K , ) a partir de un cuerpo
cualquiera ( K , +, ) .
Ejercicio
Investigue bibliográficamente si es posible extender el producto de pares de reales
realizado para el producto de complejos a n ; n 3 . Sugerimos por ejemplo: "Elementos de
Análisis Algebraico" de Rey Pastor.
§1.3 MATRICES
Observemos que cuando trabajamos con sistemas de ecuaciones lineales el escribir reiteradamente
las incógnitas es innecesario. Toda la información que precisamos está en los coeficientes de las
mismas y en los términos independientes. Intentando ser más explícitos trabajemos con un caso
particular.
x + 4 y − 7 z = −12
El sistema 2 x − 3 y + 5 z = 11 determina y queda determinado por los arreglos rectangulares
3x + 2 y + 8 z = 31
1 4 −7 −12 1 4 −7 −12
2 −3 5 y 11 o también por 2 −3 5 11
3 2 8 31 3 2 8 31
1 4 −7
Dichos arreglos rectangulares reciben el nombre de matrices. A la primera de ellas 2 −3 5 la
3 2 8
1 4 −7 −12
llamamos matriz de los coeficientes del sistema y a la última 2 −3 5 11 matriz ampliada
3 2 8 31
del sistema.
9
10
En la resolución del sistema planteado (lo cual hicimos en la sección anterior bajo el título de
ejemplo 1) escribíamos:
x + 4 y − 7 z = −12 x + 4 y − 7 z = −12
(−2).E1 + E2 → E2
2 x − 3 y + 5 z = 11 − 11 y + 19 z = 35 (−10).E2 + 11.E3 → E3
3x + 2 y + 8 z = 31 (−3).E1 + E3 → E3 − 10 y + 29 z = 67
x + 4 y − 7 z = −12 x = 1
−11 y + 19 z = 35 y = 2
129 z = 387 z = 3
Ejercicio
Indique las transformaciones que llevan de una matriz a otra.
Si quiere profundizar en esta notación encontrará una bibliografía más que abundante al respecto.
Personalmente le recomendamos "Álgebra y Geometría" de E. Hernández y "Geometría y Álgebra
lineal 1" del I.M.E.R.L (CEI 2005). En este último encontrará también aplicaciones muy
interesantes sobre sistemas de ecuaciones lineales.
Fila Columna
1 1 3
3 −2 4
Si A = podemos "leerla” 1 2 -2
1 0 5 1 3 4
2 1 1
2 2 0
2 3 5
O también:
(1,1) 3
(1, 2) −2
(1, 3) 4
(2,1) 1
(2, 2) 0
(2, 3) 5
10
11
Si n *
y anotamos I n = x :1 x n (conjuntos llamados secciones inferiores de
naturales) podemos considerar a la matriz A como una función de I 2 I 3 → . Es inmediato que
esta consideración se puede realizar (con los ajustes necesarios) sobre cualquier matriz. En
consecuencia, es razonable realizar la siguiente definición.
Definición
Consideramos: H un conjunto no vacío, m, n * . Llamamos matriz de orden m n en
H a una función de I m I n en H. Al conjunto de todas las matrices de m n en H lo anotamos
M mn ( H ) .
Nota
Si A M mn ( H ) entonces A es una función de I m I n → H .
Si la imagen de (i, j ) I m I n es z suele anotarse: aij = z y A = ( ai j ) , notación muy similar a la
utilizada en sucesiones.
Recordemos que en los cursos de Secundaria llamábamos funciones lineales a las funciones
f: → tal que f ( x) = k. x dado que su gráfico es una recta por el origen.
A veces también se les llama funciones lineales a las de la forma g : g ( x) = a x + b . Preferimos
reservar el nombre de lineales para las primeras.
Por ejemplo T : 3
→ definida por T ( x, y, z) = ( x + y − 2z , 2x + z ) .
2
Investiguemos si T es sobreyectiva.
T es sobreyectiva sii ( , ) 2 , ( x, y, z ) 3 / T ( x, y, z ) = ( , ) . Es decir, T es sobreyectiva
x + y − 2z =
sii el sistema es compatible ( , ) 2 .
2 x + z =
1 1 −2
Representándolo matricialmente tenemos: . Resolviendo dicho sistema tenemos que
2 0 1
se trata de un sistema compatible indeterminado ( , ) 2 cuyo conjunto solución
es: S = ( x, −5x + + 2 , −2x + ) : x Por lo tanto T es sobreyectiva.
1 1 −2
En la resolución del problema anterior aparece la matriz B = cuya primera fila está
2 0 1
formada por los coeficientes de x, y y z en la primera componente de T ( x, y, z ) y análogamente la
segunda fila. Esta matriz de alguna manera representa a la función T pues contiene toda la
información acerca de ella.
11
12
c c c
Recíprocamente considerada la matriz C = 11 12 13 M23 ( ) , podemos definir la función
c21 c22 c23
G : 3 → 2 tal que G( x, y, z) = ( c11 x + c12 y + c13 z , c21 x + c22 y + c23 z ) .
Ejercicios
Hallar la transformación lineal asociada con A en cada uno de los siguientes casos:
1 0 0 1 0 0
1 0
i) A = ii) A = 0 1 0 iii) A = 0 1 0
0 −1 0 0 0 0 0 1
Interpretar geométricamente.
Observación
Consideramos f : →
tal que f ( x) = k. x .
Ahora f ( x + y ) = k ( x + y ) = kx + ky = f ( x) + f ( y) , x, y y f ( x ) = k x = f ( x) ,
, x .
Estas dos propiedades son las que caracterizan a las funciones lineales en . Veremos ahora que
esta caracterización se extiende a las transformaciones lineales que acabamos de definir.
Proposición
Si f : n → m es una transformación lineal asociada a la matriz A entonces:
1) f ( x + y ) = f ( x ) + f ( y ) x, y n .
2) f ( x ) = f ( x ) x n
.
Dem:
a b
Por comodidad hagamos la demostración para f : 2
→ 2
con A = .
c d
Denominamos x = ( x1 , x2 ) y y = ( y1 , y2 ) , entonces x + y = ( x1 + y1 , x2 + y2 ) .
a b
Como f es la transformación lineal asociada con A = , tenemos:
c d
f ( x + y ) = f ( x1 + y1 , x2 + y2 ) = ( a ( x1 + y1 ) + b ( x2 + y2 ) , c ( x1 + y1 ) + d ( x2 + y2 ))
f ( x + y ) = ( ax1 + ay1 + bx2 + by2 , cx1 + cy1 + dx2 + dy2 ) = ( ax1 + bx2 , cx1 + dx2 ) + ( ay1 + by2 , cy1 + dy2 ) =
= f ( x1 , x2 ) + f ( y1 , y2 ) = f ( x ) + f ( y )
12
13
Nota
El teorema anterior es equivalente a decir:
Si f : n → m es una transformación lineal entonces: f ( x + y ) = f ( x ) + f ( y ) ,
, , x , y n
.
Veamos ahora que el recíproco del teorema anterior también es cierto. En otras palabras, que toda
función f : n → m que cumpla 1) f ( x + y ) = f ( x ) + f ( y ) x, y n y
2) f ( x ) = f ( x ) x n
es una transformación lineal asociada a una matriz A que determinaremos.
Observación
La matriz A tiene por primera columna f (1,0) y por segunda f (0,1) .
Ejercicio
Hallar la matriz asociada a una rotación de centro O(0, 0) y ángulo en sentido
2
antihorario.
Nota
Si tenemos f : n
→ m
denominamos ei = ( 0,0,.....,0,1,0,....,0) n
donde el 1 ocupa
el i-ésimo lugar, así e1 = (1,0,...,0) , e2 = ( 0,1,0,..,0) .... , etc.
Consideramos ahora f: n
→ m
transformación lineal con matriz asociada
a11 a12 a1n
a a22 a2 n
A = 21 .
am1 am 2 amn
Entonces f (e1 ) = ( a111 + a12 0 + ... + a1n 0, a211 + a22 0 + ... + a2n 0,...., am11 + am2 0 + ... + amn 0)
f (e1 ) = ( a11, a21,...., am1 ) que es la primera columna de la matriz A.
f (e2 ) = ( a11 0 + a121 + ... + a1n 0, a21 0 + a221 + ... + a2n 0,...., am1 0 + am21 + ... + amn 0) = ( a12 , a22 ,...., am2 )
que es la segunda columna de A.
( )
Así f (e j ) = a1 j , a2 j ,....., am j que es la j-ésima columna de A.
13
14
El teorema que hemos probado motiva la siguiente definición:
Definición
Consideramos T : n → m función.
Decimos que T es una transformación lineal si y sólo si: 1) T ( x + y ) = T ( x ) + T ( y ) , x, y n
2) T ( x ) = T ( x ) , , x n
Esta idea puede extenderse a funciones en cuyo codominio esté definido una suma y el producto por
un escalar. Por ejemplo, a funciones de n en m .
Analicemos ahora las propiedades de las operaciones recién definidas. Denominemos H al conjunto
formado por todas las funciones de n en m .
Proposición
( H , ) es un grupo conmutativo.
Dem:
1) Asociativa ( f g ) h = f ( g h), f , g , h H .
Entonces:
( f g ) h = f ( g h) ( f g ) h ( x) = f ( g h) ( x), x n
.
( f g ) h ( x ) = ( f g )( x ) + h( x ) = f ( x ) + g ( x ) + h( x ) =() f ( x ) + g ( x ) + h( x )
= f ( x ) + ( g h)( x ) = f ( g h) ( x ), x n .
n
(*) Asociativa de la suma en .
2) Conmutativa f g = g f f , g H
Ahora: f g = g f ( f g )( x ) = ( g f )( x ), x n
( f g )( x) = f ( x) + g ( x) =(*) g ( x) + f ( x) = ( g f )( x), x n
n
(*) Conmutativa de la suma en .
14
15
3) Existencia de neutro H / f = f , f H
Definimos : n
→ m
tal que ( x ) = (0, 0, , 0) m
, x n
, a la cual denominaremos
función nula.
( f )( x ) = f ( x ) + ( x ) = f ( x ) + (0, 0, , 0) = f ( x ), x n
f = f .
razonamiento válido f H .
4) Existencia de opuesto f H , − f H / f (− f ) =
Definimos − f : n
→ m
tal que (− f )( x ) = − f ( x ), x n
.
( f (− f )) ( x) = f ( x) + (− f )( x) = f ( x) − f ( x) = (0,0,...,0) = ( x), x n
f (− f ) = .♣
Nota
n
Al igual que para las operaciones en evitaremos recargar la notación y utilizaremos los
símbolos usuales + y .
Ejercicio
Probar:
1) ( f ) = ( ) f , , , f H .
2) ( f + g ) = ( f ) + ( g ) , , f , g H .
3) ( + ) f = ( f ) + ( f ) , , , f H .
4) 1 f = f , f H .
Proposición
Dem:
i)
15
16
Ejercicio
Probar que la suma de transformaciones lineales y el producto de un real por una
transformación lineal cumple las mismas propiedades que vimos en H (conjunto de todas las
funciones de n en m ). Para ser más preciso, si denominamos L ( n , m ) al conjunto de todas
n m
las transformaciones lineales de en probar que:
(
1) L ( n
, m
) , + ) es un grupo conmutativo.
2) i) ( f ) = ( ) f , , , f L ( n
,). m
ii) ( f + g ) = ( f ) + ( g ) , , f , g L ( n
, m
).
iii) ( + ) f = ( f ) + ( f ) , , , f L ( n
, m
).
iv) 1 f = f , f L ( n
, m
).
Intentemos definir una suma de matrices de tal forma que la matriz asociada a la suma f + g de dos
transformaciones lineales sea la suma de las matrices asociadas a f y g, y el producto de un escalar
por una matriz para que la matriz asociada a f sea por la matriz asociada a f.
Consideramos f , g L ( n
, m
) denominamos A = ai j ( ) a la matriz asociada a f y B = (b ) a la ij
asociada a g.
La matriz asociada a f + g tiene por j-ésima columna ( f + g ) ( e j ) . Por como definimos la suma de
funciones: ( f + g ) ( e j ) = f ( e j ) + g ( e j )
( )
Ya que llamamos A = ai j a la matriz asociada a f f (e j ) = ( a1 j , a2 j , , am j ) ,
B = ( b ) a la matriz asociada a g
ij g (e j ) = ( b1 j , b2 j , , bm j ) .
Por lo tanto:
( ) (
( f + g ) ( e j ) = f ( e j ) + g ( e j ) = a1 j , a2 j ,...., am j + b1 j , b2 j , , bm j ) = ( a1 j + b1 j , a2 j + b2 j , , am j + bm j )
Como esto es válido para cualquier columna j tenemos que la matriz asociada a f + g es
Definición
Consideramos A, B Mmn ( ), A = ( ai j ) y B = ( bi j ) . Definimos A + B como la matriz
C de Mmn ( ) ( )
tal que C = ci j con ci j = ai j + bi j , i de 1 a m, j de 1 a n.
16
17
Observación
Con esta definición logramos el propósito de que la matriz asociada a la suma sea la
suma de las matrices asociadas.
También observemos que podemos sumar dos matrices reales únicamente cuando ambas tienen la
misma cantidad de filas y la misma cantidad de columnas.
Análogamente definimos
Definición
Consideramos y una matriz A = ai j Mmn ( ( ) ) . Definimos αA como la matriz
D = ( di j ) Mmn ( ) tal que d i j = ai j , i de 1 a m, j de 1 a n.
Ejercicio
Verificar que la matriz asociada a f es el producto de por la matriz asociada a f.
Nota
Consideremos : L ( n
, m
) → M ( ) tal que ( f ) es la matriz asociada a f. O sea
mn es
la función que a cada aplicación lineal le hace corresponder su matriz asociada.
Por lo visto anteriormente efectivamente es una función ya que dada una transformación lineal
existe y es única su matriz asociada. Y además dicha función es biyectiva, ya que cada matriz es la
matriz asociada a una y a sólo una transformación lineal.
También conserva la suma y el producto por un escalar. Para ser más precisos:
( f + g ) = ( f ) + ( g ) f , g L ( n
, m
) y ( f ) = ( f ) , , f L ( n
, m
).
Se puede observar que todas las propiedades vistas para la suma de transformaciones lineales y el
producto de un escalar por una transformación lineal se trasmiten a la suma de matrices y al
producto de un escalar por una matriz.
Intentemos ahora definir un producto de matrices de forma que la matriz asociada a la compuesta de
dos transformaciones lineales sea el producto de las matrices asociadas. Primero demostremos que
la composición de dos transformaciones lineales da como resultado una transformación lineal.
Proposición
Sean f : n → m y g : m → p transformaciones lineales.
Entonces g f : n → p es una transformación lineal.
17
18
Dem:
g f ( x + y ) = g ( f ( x + y )) =linealidad de f g ( f ( x ) + f ( y )) =linealidad de g g ( f ( x )) + g ( f ( y )) =
= g f ( x ) + g f ( y ) , , , x , y n
.♣
En general consideramos: f: n
→ m
transformación lineal de matriz asociada
B = ( bi j ) Mmn ( ) , g : m
→ p
transformación lineal de matriz asociada A = ai j M pm ( ) . ( )
Buscamos la matriz asociada a g f : n
→ p
a la cual llamaremos C = ci j M pn (( ) ).
c1 j
c2 j
La j-ésima columna de C, es ( g f ) ( e j ) . Ahora ( g f ) ( e j ) = g ( f (e j ) ) .
c p j
( )
Como B = bi j Mmn ( ) es la matriz asociada a f, se tiene f (e j ) = b1 j , b2 j , , bm j ( )
g ( f (e ) ) = g ( b
j 1j , b2 j , , bm j ) =
= ( a11b1 j + a12b2 j + + a1mbmj , a21b1 j + a22b2 j + + a2 mbmj , , a p1b1 j + a p 2b2 j + + a pmbm j )
18
19
Definición
( )
Consideramos A = ai j M pm ( ) y B = bi j Mmn ( ) . ( )
Definimos el producto AB como la matriz C = ci j M pn ( ( ) ) tal que:
m
ci j = ai1b1 j + ai 2b2 j + + ai mbm j = ai k bk j .
k =1
Observación
Para poder realizar el producto de dos matrices la cantidad de columnas del primer
factor debe coincidir con la cantidad de filas del segundo factor
A = ( ai j ) M p m ( ) y B = ( bi j ) M m n ( ) .
Nota
Con esta definición de producto logramos el objetivo que la matriz asociada a la
transformación lineal compuesta sea el producto de las matrices asociadas. Con cierto grado de
informalidad podemos utilizar la función que a cada transformación lineal le hace corresponder
la matriz asociada y escribir ( g f ) = ( g ) . ( f ) . Nótese que fue definida de L ( n
, m
) en
Mmn ( ) y aquí f L ( n
, m
), g L( m
, p
) y g f L( n
, p
) de modo que en esta
igualdad hay tres distintas.
Ya que “la función es biyectiva”, esto trae como consecuencia que las propiedades de la
composición de aplicaciones lineales se trasmiten al producto de matrices.
Ejercicio
Probar las siguientes propiedades de transformaciones lineales y su versión matricial.
1) ( h g ) f = h ( g f ) 1’) ( A.B ) .C = A. ( B.C )
2) h (f + g ) = (h f ) + (h g ) 2’) A( B + C ) = AB + AC
3) ( h + g ) f = ( h f ) + ( g f ) 3’) ( A + B ) .C = AC + BC
4) ( g ) f = ( g f ) 4’) ( A) .B = ( AB )
Nota
Dado el sistema de ecuaciones lineal de m ecuaciones con n incógnitas al cual podemos
representar:
a11 x1 + a12 x2 + + a1n xn = b1
a x +a x + +a x =b
21 1 22 2 2n n 2
am1 x1 + am 2 x2 + + amn xn = bm
19
20
La función identidad Id : n
→ n
tal que Id ( x ) = x, x n
es neutro de la composición en
L( n
, n
) ya que ( f Id )( x ) = f ( Id ( x )) = f ( x ) , x n
f Id = f y
( Id f )( x ) = Id ( f ( x )) = f ( x ) , x n
Id f = f .
Falta verificar que Id es una aplicación lineal lo que dejamos a cargo del lector.
1 0 0
0 1 0
I = . Así que existe I M nn ( ) tal que A I = I A = A para toda A M nn ( ) .
0 0 1
Veamos ahora que sucede con la inversa. De aquí en más a M nn ( ) lo notaremos por brevedad
como M n ( ) .
Proposición
Si f : n → n es una transformación lineal invertible entonces f −1 : n
→ n
es
también una transformación lineal invertible.
Dem:
Hay que demostrar que f −1 es lineal. Ya sabemos que la función inversa es también biyectiva.
20
21
Nota
Utilizando nuevamente que la función : L( n
, n
) →M ( )
n verifica
( g f ) = ( g ) . ( f ) , como para toda transformación lineal biyectiva f de n
en n
, existe
f −1 L ( n
, n
) tal que f f −1 = f −1 f = Id , entonces para toda AM n ( ) asociada a una
transformación lineal biyectiva existe A−1 M n ( ) tal que AA−1 = A−1 A = I .
A la matriz A−1 como se imaginará la denominaremos matriz inversa de A.
Obsérvese que no todas las matrices cuadradas tienen inversa; la tienen únicamente aquellas
asociadas a transformaciones lineales invertibles.
2x + y = 1
4x + 3y = 0
2 1 x z 1 0
=
4 3 y t 0 1 2z + t = 0
4 z + 3t = 1
2x + y = 1 2z + t = 0
Sistema que podemos resolver considerando por separado y .
4x + 3 y = 0 4 z + 3t = 1
2 1 1 2 1 1 2 0 3 1 0 32
En forma matricial: ⎯⎯
→ ⎯⎯
→ ⎯⎯
→
4 3 0 0 1 −2 0 1 −2 0 1 −2
Por lo tanto x = 32 , y = −2 .
2 1 0 2 1 0 2 0 −1 1 0 1
−2
⎯⎯
→ ⎯⎯
→ ⎯⎯
→
4 3 1 0 1 1 0 1 1 0 1 1
Entonces: z = − 12 , t = 1 .
3 1
−2
En consecuencia, la matriz A es invertible y A−1 = 2
−2 1
21
22
Observemos que la matriz de los coeficientes de ambos sistemas es la misma. Solamente cambia la
columna de los términos independientes. Con lo cual las transformaciones realizadas para resolver
ambos sistemas son las mismas. Podemos entonces resolver ambos sistemas simultáneamente,
escribiendo:
2 1 1 0 2 1 1 0 2 0 3 −1 1 0 32 1
−2
⎯⎯
→ ⎯⎯
→ ⎯⎯
→ .
4 3 0 1 0 1 −2 1 0 1 −2 1 0 1 −2 1
También tengamos en cuenta que lo hecho no es otra cosa que resolver ambos sistemas
simultáneamente aprovechando que tienen la misma matriz de coeficientes.
Entonces:
Para calcular la inversa de A reducimos la matriz ( A I ) a ( I B ) mediante “operaciones
elementales”. Si esto es posible A es invertible y A−1 = B .
Nota
Hemos llamado operaciones elementales a las siguientes:
1) Sustituir una fila por un múltiplo no nulo de ella.
2) Intercambiar dos filas.
3) Sustituir una fila por una combinación lineal de las filas de la matriz; con el único requisito
que la fila sustituida no tenga coeficiente 0.
Ejemplo
1 2 0
Analizar si A = 0 1 3 es invertible y en caso afirmativo hallar A−1 .
2 −1 −8
1 2 0 1 0 0 1 2 0 1 0 0 1 2 0 1 0 0
0 1 3 0 1 0 ⎯⎯
→ 0 1 3 0 1 0 ⎯⎯
→ 0 1 3 0 1 0 ⎯⎯
→
2 −1 −8 0 0 1 0 −5 −8 −2 0 1 0 0 7 −2 5 1
1 2 0 1 0 0 1 2 0 1 0 0 1 0 0 5
−7
16
7
6
7
0 1 3 0 1 0 ⎯⎯
→0 1 0 6
7
8
−7 − 7 ⎯⎯
3
→0 1 0
6
7
8
−7
3
−7
0 0 1 2 5 1 0 0 1 2 5 1 0 0 1 2 5 1
− 7 7 7 −7 7 7 − 7 7 7
− 75 16
7
6
7
Por lo tanto, A es invertible y A−1 = 76 8
−7
3
−7
.
−2 5 1
7 7 7
Observación
Frente a un sistema de ecuaciones lineal y cuadrado (con la misma cantidad de
ecuaciones que de incógnitas) su expresión matricial AX = B en caso de que A sea invertible nos
permite "despejar" X. Quedando X = A−1 B .
22
23
Ejemplo
x + 2 y = 14
Resolver: y + 3 z = 7
2 x − y − 8z = 0
−1
1 2 0 x 14 x 1 2 0 14 − 75 16
7
6
7 14 6
6
0 1 3 y = 7 y = 0 1 3 7 = 7
8
−7
3
−7
7 = 4
2 −1 −8 z 0 z 2 −1 −8 0 − 2 5 1 1
7 7 7 0
Definición
( )
Sea A Mmn ( ) y notemos A = ai j . Llamamos matriz traspuesta de A, a la matriz
( )
A M nm ( ) tal que si notamos At = bi j , se tiene bi j = a ji para todo i y para todo j.
t
Ejercicio
Probar las siguientes propiedades:
1) ( At t
) = A , A Mmn ( ) .
2) ( A + B ) = At + Bt , A, B M mn ( ) .
t
3) ( A) = At , , A Mmn ( ) .
t
4) ( A. B ) = Bt . At , A Mmn ( ) , B M n p ( ) .
t
23