Capítulo 4

MATRICES

Álgebra y Geometría Analítica

Facultad de Ingeniería UNJu
2020
1.1.- Introducción
En el Capítulo 3: Polinomios, se hizo mención al libro chino “Chu Chang Suan Shu” o
“Arte Matemático en Nueve Secciones” en referencia a problemas sobre la resolución
de ecuaciones algebraicas. En este mismo libro se puede encontrar uno de los
primeros ejemplos conocidos del uso de lo que con el correr de los años se conocería
como matrices: “los cuadrados mágicos”. Estos cuadros también fueron conocidos por
los matemáticos árabes, posiblemente desde el siglo VII, los que pudieron conocerlos
muy probablemente de matemáticos y astrónomos de la India. Otros resultados más
amplios sobre los “cuadrados mágicos” aparecieron en Bagdad en el año 983, en la
Enciclopedia de la Hermandad de Pureza. Entonces, se podría considerar que el
estudio de los “cuadrados mágicos” fue un estudio empírico y desordenado acerca de
lo que se estudiará en este capítulo: Matrices.
El primero en usar el término “matriz” fue el matemático inglés James Joseph
Sylvester (1814-1897) en 1850, quien se refirió a ellas como un arreglo cuadrado de
términos. En 1853 el matemático, físico y astrónomo irlandés sir William Rowan
Hamilton (1805-1865) realizó importantes aportes a la teoría de matrices. Sin embargo
algunos historiadores de las matemáticas consideran a Arthur Cayley como el
fundador de la teoría de matrices, ya que fue quien formalizó las operaciones básicas
de suma y multiplicación con estos nuevos elementos matemáticos, a pesar de que
aparecen algunos indicios de estas dos operaciones en trabajos anteriores de Euler,
Lagrange y Gauss.
Otros importantes aportes de Cayley a la teoría de matrices fueron la introducción de
la notación matricial como forma abreviada de escribir un sistema de 𝑚 ecuaciones
lineales con 𝑛 incógnitas, publicación de un escrito en donde se hace referencia por
primera vez la inversa de una matriz, la definición de otra operación básica con
matrices: el producto por escalares, demostración de la asociatividad del producto de
matrices, introducción de las potencias de una matriz, así como las matrices
simétricas y antisimétricas.

Pág. 1
Por último, uno de los primeros libros publicados en el siglo XX donde se trata a las
matrices por su propio interés es “Introducción al álgebra superior”, escrito en 1907
por el matemático estadounidense Maxime Bôcher (1867-1918).
La importancia de las matrices radica en el hecho de haberse convertido en una
poderosa herramienta tanto intramatemática –debido a sus numerosas aplicaciones
en las matemáticas puras– como extramatemática, con aplicaciones en diversos
campos científicos como estadística, economía, física, biología, gráficas por
computadora, análisis numérico y lenguajes de programación, ya que son muchos los
conceptos que se pueden representar por medio de una matriz.
Finalmente las matrices constituyen la forma más adecuada para ordenar, analizar y
operar de un modo sistemático y relativamente sencillo, complicados cálculos
numéricos y algebraicos que involucran un gran número de datos.
De esta manera en este cuarto capítulo estudiaremos, luego de los conceptos básicos
con matrices, aquellas dos operaciones y sus propiedades, que permiten afirmar –de
manera similar a los tres capítulos anteriores– que el conjunto de matrices constituye
un espacio vectorial: la suma de matrices y producto por un escalar. Continuando con
la aritmética de matrices, estudiaremos el producto, sus propiedades para luego hacer
una breve introducción a la potenciación de matrices.
Respecto de las operaciones que particularmente se hacen con estos nuevos entes
matemáticos, estudiaremos la trasposición e inversión de matrices con sus respectivas
propiedades.
De aquellas matrices que guardan una relación especial respecto de ellas mismas ó de
otras matrices se analizaran las matrices simétricas, antisimétricas, sus propiedades,
matrices triangulares, diagonales, matrices idempotentes e involutivas, terminando
con las matrices ortogonales.
Las transformaciones elementales entre filas ó columnas de una matriz permiten
definir una herramienta muy importante: la equivalencia entre matrices y las matrices
escalonadas, estas últimas se obtendrán mediante dos algoritmos: eliminación de
Gauss y Gauss–Jordan. Todo esto permitirá definir y calcular el rango de una matriz,
sus propiedades, la condición de existencia y el cálculo de la matriz inversa.
El capítulo finaliza con los temas submatrices y ecuaciones matriciales.

1.2.- Conceptos básicos

Para poder comprender la definición de matriz –desde un punto de vista netamente
matemático– es necesario recordar brevemente los conceptos de Intervalo Natural
Inicial y Producto Cartesiano.
Se llama Intervalo Natural Inicial, 𝐼𝑛 , al conjunto de lo 𝑛 primeros números naturales,
es decir que 𝐼𝑛 = {1, 2, … , 𝑛}. Por ejemplo 𝐼5 = {1, 2, 3, 4, 5} ó 𝐼8 = {1, 2, 3, 4, 5, 6, 7, 8}.

Pág. 2
Dados dos intervalos naturales 𝐼𝑚 = {1, 2, … , 𝑚 } 𝑒 𝐼𝑛 = {1, 2, … , 𝑛 } consideremos el
producto cartesiano entre ellos, 𝐼𝑚 𝑋 𝐼𝑛 , es decir, dados estos dos conjuntos debemos
formar un tercer conjunto pero de pares ordenados, en donde el primer componente
pertenece al primer conjunto dado (𝐼𝑚 ) mientras que el segundo componente
pertenece al segundo conjunto (𝐼𝑛 ).
𝐼𝑚 𝑋 𝐼𝑛 = {(1, 1), (1, 2), … , (1, 𝑛), (2, 1), (2, 2), … , (2, 𝑛), (𝑚, 1), (𝑚, 2), … , (𝑚, 𝑛)}
Con los elementos del producto cartesiano, definamos una función, 𝑓, cuyo dominio
sea este conjunto y cuyo codominio sean los números reales ó complejos. En este
último caso para generalizar se utilizará la letra 𝕂. Es decir que mediante esta letra
estamos haciendo referencia al conjunto de los números reales, ℝ, ó bien al conjunto
de números complejos, ℂ. Entonces, 𝑓: 𝐼𝑚 𝑋 𝐼𝑛 → 𝐾.
Esto significa que la función, 𝑓, hace corresponder a cada par ordenado de elementos
del conjunto 𝐼𝑚 𝑋 𝐼𝑛 un escalar correspondiente a 𝕂.
Definición: se llama matriz de orden 𝑚 x 𝑛 (ó dimensión 𝑚 x 𝑛) con elementos en el
cuerpo 𝕂1. a la función 𝑓: 𝐼𝑚 𝑋 𝐼𝑛 → 𝐾, donde 𝐼𝑖 representa un Intervalo Natural Inicial.
Indicando con 𝑎𝑖𝑗 la imagen de un elemento cualquiera (𝑖, 𝑗) perteneciente al dominio
de la función, tenemos para el elemento:
(1, 1) → 𝑓(1, 1) = 𝑎11
(1, 2) → 𝑓(1, 2) = 𝑎12
Así sucesivamente para cualquier elemento genérico de la función:
(𝑖, 𝑗) → 𝑓(𝑖, 𝑗) = 𝑎𝑖𝑗
Finalmente para el último elemento de la función:
(𝑚, 𝑛) → 𝑓(𝑚, 𝑛) = 𝑎𝑚𝑛
El conjunto de imágenes caracteriza la matriz que denominaremos con una letra
mayúscula, en este caso A por ser un elemento cualquiera de esta matriz: 𝑎𝑖𝑗 . Esto
permite escribir todas las imágenes en un cuadro de 𝑚 filas por 𝑛 columnas de la
siguiente manera:
𝑎11 … 𝑎1𝑛
𝑎
𝐴 = ( …21 … 𝑎2𝑛 )
… …
𝑎𝑚1 … 𝑎𝑚𝑛
En cada fila se escriben las imágenes de todos los pares que tienen la misma primera
componente y en cada columna se anotan las imágenes de los pares que tienen la
misma segunda componente.

1
Un cuerpo ó campo, es un conjunto K con dos operaciones binarias, usualmente llamadas suma “+” y producto “."
La suma es asociativa, conmutativa y su elemento neutro es 0 y para cada elemento existe un inverso. El producto
es asociativo, conmutativo, su elemento neutro es 1 y todo elemento distinto de cero tiene inverso, además el
producto se distribuye respecto de la suma.

Pág. 3
El elemento de la matriz 𝐴, que figura en la fila 𝑖 y columna 𝑗 se denota por 𝑎𝑖𝑗 . Una
matriz puede denotarse sintéticamente como 𝐴 = ‖𝑎𝑖𝑗 ‖ donde 𝑖 = 1, … , 𝑚 y 𝑗=
𝑚𝑥𝑛

1, … , 𝑛. Por ejemplo, el elemento de la matriz A que figura en la quinta fila y tercera

columna se identifica como 𝑎53 .
En general el conjunto de todas las matrices de orden 𝑚 x 𝑛, con elementos en 𝕂 se
simboliza por 𝕂𝑚 x 𝑛 . En muchas ocasiones para referirse tanto a columnas como filas
indistintamente, suele usarse el término línea.
Particularmente el conjunto de todas las matrices de orden 𝑚 x 𝑛 con elementos en ℝ
se indica con ℝ𝑚 x 𝑛 y si tiene elementos en ℝ ó ℂ se indica mediante ℂ𝑚 x 𝑛
Ejemplo 1
4 −1 2
𝐴=( ) es una matriz real de orden 2 x 3, que en muchas ocasiones se suele
−3 5 6
denominar como matriz rectangular 2 x 3. En esta matriz distinguimos los elementos
estudiados anteriormente:
𝐼𝑚 = {1, 2} 𝑒 𝐼𝑛 = {1, 2, 3} ⟹ 𝐼𝑚 𝑋 𝐼𝑛 = { (1, 1), (1, 2), (1, 3), (2, 1), (2, 2), (2, 3)}
𝑓(1, 1) = 4, 𝑓(1, 2) = −1, 𝑓(1, 3) = 2, 𝑓(2, 1) = −3, 𝑓(2,2) = 5 𝑦 𝑓(2, 3) = 6
Cuando el número de filas es igual al número de columnas (𝑚 = 𝑛) la matriz se dice
cuadrada y simplemente se dice que es una matriz cuadrada de orden 𝑛.
𝑎11 … 𝑎1𝑛
𝑎
𝐴 = ( …21 … 𝑎2𝑛 ) donde el conjunto {𝑎 }𝑐𝑜𝑛 𝑖 = 𝑗 o sea {𝑎 , 𝑎 , … , 𝑎 } constituye la
… … 𝑖𝑗 11 22 𝑛𝑛
𝑎𝑛1 … 𝑎𝑛𝑛
diagonal principal de la matriz 𝐴.

Traza de una matriz: sea la matriz 𝐴 ∈ 𝐾 𝑛 𝑥 𝑛 , se llama traza de la matriz A y se denota

Tr(A), al escalar 𝑇𝑟(𝐴) = ∑𝑛𝑖=1 𝑎𝑖𝑖 .
Esto significa que la traza de una matriz es el escalar que se obtiene al sumar los
elementos de su diagonal principal.

Ejemplo 2
1 −𝑖 2 + 𝑖
𝐵=( 0 4 √3 ) es una matriz compleja de orden 3 cuya diagonal principal está
−4𝑖 12 −6
formada por los elementos: 1, 4 𝑦 − 6 y cuya traza es Tr(A) = 1 + 4 + (–6) = –1

Ejemplo 3. Construir una matriz cuadrada de orden 2 donde 𝑎𝑖𝑗 = 3𝑖 − 𝑗 2 .

Debemos construir una matriz C del tipo:
𝑐11 𝑐12
𝐶 = (𝑐 ) en donde cada elemento 𝑎𝑖𝑗 se obtiene aplicando la relación 3𝑖 − 𝑗 2 .
21 𝑐22

Entonces
𝑐11 = 3(1) − 12 = 2 𝑐12 = 3(1) − 22 = −1
𝑐21 = 3(2) − 12 = 5 𝑐22 = 3(2) − 22 = 2

Pág. 4
Luego la matriz pedida es
2 −1
𝐶 =( )
5 2
Un caso particular en la definición de matrices es aquella en la cual todos sus
elementos son cero, se conoce como matriz nula y suele designarse con la letra 𝑁. Es
decir que:
𝑁 = ‖𝑛𝑖𝑗 ‖ tal que 𝑛𝑖𝑗 = 0 ∀𝑖; ∀𝑗.
𝑚𝑥𝑛
0 0
Por ejemplo 𝑁 = (0 0) es la matriz nula de orden 3 x 2.
0 0

Igualdad de matrices: dos matrices son iguales si y sólo si tienen el mismo orden y sus
elementos correspondientes (aquellos que pertenecen a igual fila e igual columna) son
iguales.
Dadas 𝐴 = ‖𝑎𝑖𝑗 ‖ 𝑦 𝐵 = ‖𝑏𝑖𝑗 ‖ resulta 𝐴 = 𝐵 ⟺ 𝑎𝑖𝑗 = 𝑏𝑖𝑗 ∀𝑖 ; ∀𝑗
𝑚𝑥𝑛 𝑚𝑥𝑛

Ejemplo
4 −1 x + 2 −1
Las matrices A = ( ) y B=( ) serán iguales solo si 𝑥 = 2 𝑒 𝑦 = 0,
2 0 2 y
−3 2 −3 2
mientras que las matrices C = ( ) y D=( ) no son iguales ya que a pesar
2 0 −2 0
del mismo orden, no tienen todos sus elementos iguales (𝑐21 ≠ 𝑑21 ). Por último las
1 −4 4
1 −4
matrices E = ( ) y F = (−2 3 0 ) no son iguales porque no tienen el mismo
−2 3
10 6 −2
orden.

2.- Operaciones con matrices

Si bien se pueden realizar varias operaciones algebraicas con matrices, se verá en
primera instancia la suma y el producto por escalares y acto seguido las propiedades
de estas dos operaciones. Esto permitirá, como en los tres capítulos anteriores,
referenciar el caso particular de las matrices como espacio vectorial.

2.1.- Suma de matrices: Se llama suma de dos matrices de orden 𝑚 x 𝑛 a otra matriz
del mismo orden cuyos elementos son la suma de los elementos correspondientes de las
matrices dadas.
Sean 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 x 𝑛 𝑦 𝐵 = ‖𝑏𝑖𝑗 ‖𝑚 x 𝑛 ∈ 𝐾 𝑚 x 𝑛 entonces
𝑖 = 1, 2, … , 𝑚
𝐴 + 𝐵 = 𝐶 / 𝐶 = ‖𝑐𝑖𝑗 ‖𝑚 x 𝑛 𝑐𝑜𝑛 𝑐𝑖𝑗 = 𝑎𝑖𝑗 + 𝑏𝑖𝑗 {
𝑗 = 1, 2, … , 𝑛
Ejemplo:
2 1 3 −1 0 1 1 1 4
𝐴=( ) 𝑦 𝐵=( ) ⟹ 𝐴+𝐵 =( )
−1 2 4 2 −5 3 1 −3 7
Solamente se pueden sumar matrices del mismo orden, en cuyo caso se dicen
sumables, es decir, que la suma de matrices de diferentes ordenes no está definida.

Pág. 5
2.2.- Producto por un escalar: El producto de un escalar 𝜆 por una matriz 𝐴 ó de una
matriz 𝐴 por un escalar 𝜆 es la matriz cuyos elementos se obtienen al multiplicar el
escalar por cada elemento de 𝐴.
Si 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 x 𝑛 ∈ 𝐾 𝑚 x 𝑛 𝑦 𝜆 ∈ 𝐾 ⟹ 𝜆 𝐴 = 𝐴 𝜆 = ‖𝜆 𝑎𝑖𝑗 ‖

Ejemplo
3 −2 0 −6 4 0
Sea 𝐴 = (2 −1 1 ) 𝑦 𝜆 = −2 ⟹ 𝜆 𝐴 = −2𝐴 = (−4 2 −2)
1 6 −4 −2 −12 8
De acuerdo a la definición del producto de una matriz por un escalar, si la matriz es
𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 x 𝑛 y el escalar es:

a) 𝜆 = −1 entonces 𝜆 𝐴 = −𝐴 matriz opuesta a 𝐴.

b) 𝜆 = 0 entonces 𝜆 𝐴 = 𝑁 matriz nula. En general si λ A = N deberá ser λ = 0 ó A = N.

Propiedades de la suma de matrices y producto por un escalar

Veremos a continuación, cuáles son las propiedades algebraicas que poseen las dos
operaciones básicas definidas hasta ahora, estas propiedades son similares a las que
poseen las operaciones de suma y producto de números reales.
P1) La suma es ley de composición interna en 𝕂𝑚 x 𝑛 .
∀ 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 x 𝑛 𝑦 𝐵 = ‖𝑏𝑖𝑗 ‖𝑚 x 𝑛 ∈ 𝐾 𝑚 x 𝑛 ⟹ (𝐴 + 𝐵) ∈ 𝐾 𝑚 x 𝑛

Esto significa que la suma, como está definida, es una operación que a cada par de
elementos de 𝐾 𝑚 x 𝑛 le hace corresponder un único elemento de 𝐾 𝑚 x 𝑛 .
D) Es inmediata por la definición de suma en 𝐾 𝑚 x 𝑛 .

P2) La suma es asociativa en 𝐾 𝑚 x 𝑛 .

∀ 𝐴 = ‖𝑎𝑖𝑗 ‖
𝑚x𝑛
, 𝐵 = ‖𝑏𝑖𝑗 ‖𝑚 x 𝑛 𝑦 𝐶 = ‖𝑐𝑖𝑗 ‖𝑚 x 𝑛 ∈ 𝐾𝑚 x 𝑛 ⟹ (𝐴 + 𝐵) + 𝐶 = 𝐴 + (𝐵 + 𝐶)

D) (𝐴 + 𝐵) + 𝐶 = ‖𝑎𝑖𝑗 + 𝑏𝑖𝑗 ‖ + ‖𝑐𝑖𝑗 ‖

= ‖(𝑎𝑖𝑗 + 𝑏𝑖𝑗 ) + 𝑐𝑖𝑗 ‖
= ‖𝑎𝑖𝑗 + (𝑏𝑖𝑗 + 𝑐𝑖𝑗 ) ‖ Porque la suma en K es asociativa.
= ‖𝑎𝑖𝑗 ‖ + ‖𝑏𝑖𝑗 + 𝑐𝑖𝑗 ‖
= 𝐴 + (𝐵 + 𝐶) quedando demostrada la propiedad.

P3) La suma es conmutativa en 𝐾 𝑚 x 𝑛 .

∀ 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 𝑥 𝑛 𝑦 𝐵 = ‖𝑏𝑖𝑗 ‖𝑚 𝑥 𝑛 ∈ 𝐾 𝑚 x 𝑛 ⟹ 𝐴 + 𝐵 = 𝐵 + 𝐴

D) 𝐴 + 𝐵 = ‖𝑎𝑖𝑗 + 𝑏𝑖𝑗 ‖
= ‖𝑏𝑖𝑗 + 𝑎𝑖𝑗 ‖ Porque la suma en K es conmutativa.
= ‖𝑏𝑖𝑗 ‖ + ‖𝑎𝑖𝑗 ‖
= 𝐵 + 𝐴 quedando demostrada la propiedad.

P4) Existe un único elemento neutro para la suma en 𝐾 𝑚 x 𝑛 .

Pág. 6
El elemento neutro se denota con 𝑁.
∃𝑁 = ‖𝑛𝑖𝑗 ‖ ∈ 𝐾 𝑚 x 𝑛 ú𝑛𝑖𝑐𝑜 / ∀ 𝐴 = ‖𝑎𝑖𝑗 ‖ ∈ 𝐾 𝑚 x 𝑛 : 𝐴 + 𝑁 = 𝑁 + 𝐴 = 𝐴.
𝑚x𝑛 𝑚x𝑛

D) La existencia es evidente puesto que se definió matriz nula como aquella matriz
cuyos elementos son todos cero.
Para demostrar la unicidad del neutro vamos a suponer que existen dos neutros para
la suma: 𝑁1 𝑦 𝑁2 , por lo tanto, si:
𝑁1 es neutro entonces 𝑁1 + 𝑁2 = 𝑁2
𝑁2 es neutro entonces 𝑁2 + 𝑁1 = 𝑁1
De donde se deduce, por ser los primeros miembros de ambas igualdades iguales, que
𝑁1 = 𝑁2 y consecuentemente el neutro es único. Quedando de esta manera demostrada
la propiedad.

P5) Todo elemento en 𝐾 𝑚 x 𝑛 admite un único inverso aditivo u opuesto en 𝐾 𝑚 x 𝑛 .

El elemento opuesto a uno cualquiera 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 x 𝑛 , se nota por (−𝐴) = ‖−𝑎𝑖𝑗 ‖𝑚 x 𝑛 .

∀𝐴 = ‖𝑎𝑖𝑗 ‖ ∈ 𝐾 𝑚 x 𝑛 : ∃(−𝐴) = ‖−𝑎𝑖𝑗 ‖ ∈ 𝐾 𝑚 x 𝑛 ú𝑛𝑖𝑐𝑜 / (−𝐴) + 𝐴 = 𝐴 + (−𝐴) = 𝑁

𝑚x𝑛 𝑚x𝑛

La existencia de tal matriz es evidente puesto que cuando se definió producto por un
escalar, si el escalar es –1 al multiplicarse por cualquier matriz se obtiene la matriz
opuesta a la dada.
Para demostrar la unicidad del elemento opuesto vamos a suponer que para un
elemento 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 x 𝑛 ∈ 𝐾 𝑚 x 𝑛 existen dos opuestos 𝐴1 𝑦 𝐴2 por lo tanto se debe

cumplir que 𝐴 + 𝐴1 = 𝑁 y también que 𝐴 + 𝐴2 = 𝑁 de donde se deduce que 𝐴1 = 𝐴2 .

Consecuentemente el inverso aditivo u opuesto de cada elemento de 𝐾 𝑚 x 𝑛 es único.
Quedando demostrada así, la propiedad.

P6) El producto es ley de composición externa en 𝐾 𝑚 x 𝑛 con escalares en 𝕂.

∀𝛼 ∈ 𝕂, ∀ 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 x 𝑛 ∈ 𝐾 𝑚 x 𝑛 ⟹ (𝛼 . 𝐴) ∈ 𝐾 𝑚 x 𝑛 .

Esto significa que el producto de una matriz de 𝐾 𝑚 x 𝑛 por un escalar, como está
definido, es una operación que a cada par matriz–escalar, le hace corresponder un
único elemento de 𝐾 𝑚 x 𝑛 .
D) La existencia de tal matriz es inmediata, por la definición de producto de una
matriz de 𝐾 𝑚 x 𝑛 por un escalar.

P7) El producto por un escalar satisface la asociatividad mixta.

∀𝛼, 𝛽 ∈ 𝕂, ∀ 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 x 𝑛 ∈ 𝐾 𝑚 x 𝑛 ∶ 𝛼(𝛽 𝐴) = (𝛼𝛽) 𝐴.

D) 𝛼(𝛽 𝐴) = 𝛼(𝛽‖𝑎𝑖𝑗 ‖)
= 𝛼‖𝛽 𝑎𝑖𝑗 ‖
= ‖𝛼 (𝛽 𝑎𝑖𝑗 ) ‖
= ‖𝛼 𝛽 𝑎𝑖𝑗 ‖
Pág. 7
= ‖(𝛼 𝛽 ) 𝑎𝑖𝑗 ‖
= (𝛼 𝛽 )‖ 𝑎𝑖𝑗 ‖
= (𝛼 𝛽 ) 𝐴 quedando demostrada la propiedad.

P8) El producto por un escalar es distributivo respecto a la suma en 𝕂.

∀𝛼, 𝛽 ∈ 𝕂, ∀ 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 x 𝑛 ∈ 𝐾 𝑚 x 𝑛 : (𝛼 + 𝛽) 𝐴 = 𝛼 . 𝐴 + 𝛽 . 𝐴.

D) (𝛼 + 𝛽) 𝐴 = (𝛼 + 𝛽) ‖𝑎𝑖𝑗 ‖
= ‖(𝛼 + 𝛽) 𝑎𝑖𝑗 ‖
= ‖𝛼 𝑎𝑖𝑗 + 𝛽 𝑎𝑖𝑗 ‖
= ‖ 𝛼 𝑎𝑖𝑗 ‖ + ‖ 𝛽 𝑎𝑖𝑗 ‖
= 𝛼 ‖ 𝑎𝑖𝑗 ‖ + 𝛽 ‖ 𝑎𝑖𝑗 ‖
= 𝛼 . 𝐴 + 𝛽 . 𝐴 quedando demostrada la propiedad.

P9) El producto por un escalar es distributivo respecto a la suma en 𝐾 𝑚 x 𝑛 .

∀𝛼 ∈ 𝕂, ∀ 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 x 𝑛 𝑦 𝐵 = ‖𝑏𝑖𝑗 ‖𝑚 x 𝑛 ∈ 𝐾 𝑚 x 𝑛 ∶ 𝛼(𝐴 + 𝐵) = 𝛼 . 𝐴 + 𝛼 . 𝐵.

D) 𝛼(𝐴 + 𝐵) = 𝛼 ‖𝑎𝑖𝑗 + 𝑏𝑖𝑗 ‖

= ‖𝛼 (𝑎𝑖𝑗 + 𝑏𝑖𝑗 ) ‖
= ‖𝛼 𝑎𝑖𝑗 + 𝛼 𝑏𝑖𝑗 ‖
= ‖𝛼 𝑎𝑖𝑗 ‖ + ‖𝛼 𝑏𝑖𝑗 ‖
= 𝛼 ‖𝑎𝑖𝑗 ‖ + 𝛼 ‖𝑏𝑖𝑗 ‖
= 𝛼 . 𝐴 + 𝛼. 𝐵 quedando demostrada la propiedad.

P10) La unidad para los 𝕂 es el neutro para el producto por un escalar.

∀ 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 x 𝑛 ∈ 𝐾 𝑚 x 𝑛 : 1 𝐴 = 𝐴.

El conjunto de las matrices de 𝐾 𝑚 x 𝑛 para las cuales se definieron las operaciones de

suma y producto por un escalar con las respectivas propiedades, determinan un
espacio vectorial y cada matriz es un vector.

3.- Producto de matrices

De después de haber estudiado la suma de matrices, podemos dar inicio al estudio y
análisis de la otra operación de gran interés entre los elementos del conjunto de
matrices: el producto. Esta operación clave posibilita, entre otras tantas cosas,
representar algebraicamente sistemas de ecuaciones lineales, transformaciones
lineales entre vectores y operaciones geométricas tales como rotaciones.

3.1.- Producto de matrices: Sean las matrices 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 𝑥 𝑝 𝑦 𝐵 = ‖𝑏𝑖𝑗 ‖𝑝 𝑥 𝑛

llamaremos producto de las matrices A y B, en ese orden, a la matriz C de orden 𝑚 𝑥 𝑛

Pág. 8
cuyo elemento genérico 𝑐𝑖𝑗 es la suma de los productos de los elementos de la fila 𝑖 de A,
por los correspondientes elementos de la columna 𝑗 de B.
𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 𝑥 𝑝 ∈ 𝐾 𝑚 𝑥 𝑝 𝑦 𝐵 = ‖𝑏𝑖𝑗 ‖𝑝 𝑥 𝑛 ∈ 𝐾 𝑝 𝑥 𝑛 ⟹ 𝐴 . 𝐵 = 𝐶

𝑝 𝑖 = 1, 2, … , 𝑚
𝑐𝑜𝑛 𝐶 = ‖𝑐𝑖𝑗 ‖𝑚 𝑥 𝑛 / 𝑐𝑖𝑗 = 𝑎𝑖1 𝑏1𝑗 + 𝑎𝑖2 𝑏2𝑗 + … + 𝑎𝑖𝑝 𝑏𝑝𝑗 = ∑𝑘=1 𝑎𝑖𝑘 𝑏𝑘𝑗 {
𝑗 = 1, 2, … , 𝑛

Observemos que para poder multiplicar dos matrices, en el orden dado, el número de
columnas de la primera debe ser igual al número de fila de la segunda, obteniéndose
una tercera matriz que tiene tantas filas como la primera matriz y tantas columnas
como la segunda. Esto quiere decir, que si tenemos una matriz de orden 2x3 y la
multiplicamos por otra de orden 3x5, la matriz resultante será de orden 2x5.
Un elemento cualquiera, 𝑐𝑖𝑗 , de la matriz producto se obtiene multiplicando cada
elemento de la fila 𝑖 de la primera matriz por cada elemento de la columna 𝑗 de la
segunda matriz y sumándolos.
También se puede observar que el producto de matrices no cumple la propiedad
conmutativa, ya que en el ejemplo anterior, si multiplicamos la segunda (3x5) por la
primera (2x3), no podríamos efectuar la operación puesto que, ahora, el número de
columnas de la primera matriz no coincide con el número de filas la segunda matriz.

Ejemplo
1 2 3 4 −2
1 0 −1
Sean las matrices A = ( ) , B = (1 0 1 −2) y C = ( 2 )
1 2 −2
0 −1 −1 1 3
Calcular, de ser posible, a) A . B, b) B . A y c) A . C
a) Cálculo de A . B
El producto de estas dos matrices es posible porque A es de orden 2x3 y B de orden
3x4, por lo tanto la matriz producto, C, será de orden 2x4.
Para realizar el producto de matrices de forma práctica y manual, dividiremos un
parte de la hoja en cuatro cuadrantes, en el primero colocaremos la segunda matriz,
B, mientras que en el tercero ubicaremos la primera matriz, A. Esto nos facilitará
sumar los productos de cada elemento de las filas de A por los correspondientes
elementos de las columnas de B y obtener la matriz producto, C, en el cuarto
cuadrante. Todo esto se muestra a continuación.

1 2 3 4
B 1 0 1 –2
A 0 –1 –1 1
1 0 –1 1 3 4 3
1 2 –2 3 4 7 –2
𝑀𝑎𝑡𝑟𝑖𝑧 𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑜: 𝐶
⏟

Pág. 9
El elemento 𝑐13 (4) se obtiene de la siguiente manera: 1 . 3 + 0 . 1 + (–1) . (–1) = 4. De
manera similar se obtienen los otros elementos de la matriz producto.

b) El producto B . A, no es posible ya que B es de orden 3x4 mientras que A es de

orden 2x3, es decir que el número de columnas de B no coincide con el número de
filas de A.

c) Cálculo de A . C
El producto de estas dos matrices es posible y se procede de manera similar a lo
realizado en a).

–2
C 2
A 3
1 0 –1 –5
1 2 –2 –4

En el producto A . B, de dos matrices se dice que A multiplica a B por la izquierda (ó

que A premultiplica a B) y que B multiplica a A por derecha (ó que B posmultiplica a
A).
Propiedades del producto del producto de matrices
P1) Conmutatividad
El producto de matrices, en general, no es conmutativo.
Si 𝐴 ∈ 𝐾 𝑚 𝑥 𝑛 𝑦 𝐵 ∈ 𝐾 𝑛 𝑥 𝑚 entonces coexisten los productos 𝐴. 𝐵 ∈ 𝐾 𝑚 𝑥 𝑚 𝑦 𝐵. 𝐴 ∈ 𝐾 𝑛 𝑥 𝑛
pero son distintos si 𝑚 ≠ 𝑛.
Si 𝑚 = 𝑛 tanto 𝐴. 𝐵 como 𝐵. 𝐴 son matrices del tipo 𝑛 x 𝑛, es decir cuadradas y
pertenecientes a 𝐾 𝑛 𝑥 𝑛 pero en general se verifica que 𝐴. 𝐵 ≠ 𝐵. 𝐴. Si dadas dos matrices
𝐴 𝑦 𝐵 se verifica que 𝐴. 𝐵 = 𝐵. 𝐴 las matrices se dicen conmutables.

P2) Asociatividad
El producto de matrices es asociativo
Si 𝐴 ∈ 𝐾 𝑛 𝑥 𝑚 , 𝐵 ∈ 𝐾 𝑚 𝑥 𝑟 𝑦 𝐶 ∈ 𝐾 𝑟 𝑥 𝑠 entonces 𝐷 ∈ 𝐾 𝑛 𝑥 𝑠 siendo la matriz
𝐷 = (𝐴. 𝐵 ). 𝐶 = 𝐴. (𝐵. 𝐶)
D) Observemos, en primer lugar, que tanto 𝐴. 𝐵. 𝐶 ∈ 𝐾 𝑛 𝑥 𝑠 como (𝐴. 𝐵 ). 𝐶 ∈ 𝐾 𝑛 𝑥 𝑠 y
también 𝐴. (𝐵. 𝐶) ∈ 𝐾 𝑛 𝑥 𝑠 .
Tomemos particularmente los productos (𝐴. 𝐵 ). 𝐶 = 𝐴. (𝐵. 𝐶)
Para cada 1 ≤ 𝑖 ≤ 𝑛, 1 ≤ 𝑗 ≤ 𝑠 se tiene:
((𝐴. 𝐵). 𝐶)𝑖𝑗 = ∑𝑟𝑘=1(∑𝑚 𝑟 𝑚 𝑚 𝑟
𝑝=1 𝑎𝑖𝑝 𝑏𝑝𝑘 )𝑐𝑘𝑗 = ∑𝑘=1(∑𝑝=1 𝑎𝑖𝑝 𝑏𝑝𝑘 𝑐𝑘𝑗 ) = ∑𝑝=1(∑𝑘=1 𝑎𝑖𝑝 𝑏𝑝𝑘 𝑐𝑘𝑗 ) =

𝑟
= ∑𝑚 𝑚
𝑝=1 𝑎𝑖𝑝 (∑𝑘=1 𝑏𝑝𝑘 𝑐𝑘𝑗 ) = ∑𝑝=1 𝑎𝑖𝑝 (𝐵. 𝐶)𝑝𝑗 = (𝐴. (𝐵. 𝐶))𝑖𝑗 . Quedando demostrada de esta

manera la propiedad.

Pág. 10
P3) Distributividad
El producto de matrices es distributivo con respecto a la suma de matrices.
Si 𝐴, 𝐵 ∈ 𝐾 𝑚 𝑥 𝑛 𝑦 𝐶 ∈ 𝐾 𝑛 𝑥 𝑝 entonces (𝐴 + 𝐵). 𝐶 = 𝐴. 𝐶 + 𝐵. 𝐶 que indica que el producto
de matrices es distributivo a derecha con respecto a la suma de matrices.
Si 𝐴, 𝐵 ∈ 𝐾 𝑚 𝑥 𝑛 𝑦 𝐶 ∈ 𝐾 𝑝 𝑥 𝑚 entonces 𝐶 . (𝐴 + 𝐵) = 𝐶. 𝐴 + 𝐶. 𝐵 que indica que el producto
de matrices es distributivo a izquierda con respecto a la suma de matrices.
D) Demostraremos la primera parte de esta propiedad: (𝐴 + 𝐵). 𝐶 = 𝐴. 𝐶 + 𝐵. 𝐶.
Como 𝐴, 𝐵 ∈ 𝐾 𝑚 𝑥 𝑛 entonces la suma (𝐴 + 𝐵) ∈ 𝐾 𝑚 𝑥 𝑛 y como 𝐶 ∈ 𝐾 𝑛 𝑥 𝑝 , en consecuencia
la matriz producto [(𝐴 + 𝐵). 𝐶] ∈ 𝐾 𝑚 𝑥 𝑝 . Llamemos a esta última matriz 𝐻 ∈ 𝐾 𝑚 𝑥 𝑝 . En el
segundo miembro de la igualdad, la matriz (𝐴. 𝐶) ∈ 𝐾 𝑚 𝑥 𝑝 y la matriz (𝐵. 𝐶) ∈ 𝐾 𝑚 𝑥 𝑝 , en
consecuencia la matriz suma: (𝐴. 𝐶 + 𝐵. 𝐶) ∈ 𝐾 𝑚 𝑥 𝑝 . Llamemos a esta última matriz 𝑄 ∈
𝐾𝑚 𝑥 𝑝.
En resumen, las matrices 𝐻 ∈ 𝐾 𝑚 𝑥 𝑝 y 𝑄 ∈ 𝐾 𝑚 𝑥 𝑝 deben ser iguales, habiéndose
demostrado ya, que tienen la misma dimensión. Solo resta demostrar que los
elementos correspondientes (ocupan la misma posición) son iguales.
Un elemento cualquiera de la matriz H, ℎ𝑖𝑗 , se obtiene multiplicando la fila 𝑖 de (𝐴 + 𝐵)
por la columna 𝑗 de 𝐶, es decir:
ℎ𝑖𝑗 = (𝑎𝑖1 + 𝑏𝑖1 )𝑐1𝑗 + (𝑎𝑖2 + 𝑏𝑖2 )𝑐2𝑗 + … + (𝑎𝑖𝑛 + 𝑏𝑖𝑛 )𝑐𝑛𝑗 escribiendo esto como sumatoria
ℎ𝑖𝑗 = ∑𝑛𝑘=1(𝑎𝑖𝑘 + 𝑏𝑖𝑘 ) 𝑐𝑘𝑗 por propiedades de la sumatoria
ℎ𝑖𝑗 = ∑𝑛𝑘=1 𝑎𝑖𝑘 𝑐𝑘𝑗 + ∑𝑛𝑘=1 𝑏𝑖𝑘 𝑐𝑘𝑗
ℎ𝑖𝑗 = (𝑎𝑐)𝑖𝑗 + (𝑏𝑐)𝑖𝑗
ℎ𝑖𝑗 = 𝑞𝑖𝑗 lo que significa que las matrices H y Q tienen los elementos correspondientes,
iguales. Por lo tanto se cumple que (𝐴 + 𝐵). 𝐶 = 𝐴. 𝐶 + 𝐵. 𝐶.
La segunda parte de la propiedad se demuestra de manera similar. De este modo
queda demostrada la propiedad distributiva del producto de matrices respecto a la
suma de matrices.

P4) Asociatividad respecto al producto por un escalar

El producto de matrices es asociativo respecto al producto por un escalar
Si 𝐴 ∈ 𝐾 𝑚 𝑥 𝑛 𝑦 𝐵 ∈ 𝐾 𝑛 𝑥 𝑝 𝑦 𝛼 ∈ 𝐾 ⟹ (𝛼 𝐴)𝐵 = 𝐴 (𝛼 𝐵)
D) La matriz (𝛼𝐴) ∈ 𝐾 𝑚 𝑥 𝑛 y como 𝐵 ∈ 𝐾 𝑛 𝑥 𝑝 significa que (𝛼 𝐴)𝐵 ∈ 𝐾 𝑚 𝑥 𝑝 , llamaremos a
esta matriz 𝐻 ∈ 𝐾 𝑚 𝑥 𝑝 . Por otro lado la matriz (𝛼 𝐵) ∈ 𝐾 𝑛 𝑥 𝑝 y como 𝐴 ∈ 𝐾 𝑚 𝑥 𝑛 , significa
que la matriz 𝐴 (𝛼 𝐵) ∈ 𝐾 𝑚 𝑥 𝑝 , llamaremos a esta matriz 𝑄 ∈ 𝐾 𝑚 𝑥 𝑝 .
Dos matrices H y Q son iguales si tienen la misma dimensión y sus respectivos
elementos correspondientes iguales. La primera parte de esta proposición ya está
demostrada pues tanto H como Q son de dimensión mxp. Para la segunda parte,
tomamos un elemento cualquiera de H, ℎ𝑖𝑗 , que se obtiene multiplicando la fila 𝑖 de
(𝛼𝐴) por la columna 𝑗 de 𝐵, es decir:
Pág. 11
ℎ𝑖𝑗 = (𝛼𝑎)𝑖1 𝑏1𝑗 + (𝛼𝑎)𝑖2 𝑏2𝑗 + … + (𝛼𝑎)𝑖𝑛 𝑏𝑛𝑗 expresado como sumatoria
ℎ𝑖𝑗 = ∑𝑛𝑘=1(𝛼𝑎)𝑖𝑘 𝑏𝑘𝑗
ℎ𝑖𝑗 = ∑𝑛𝑘=1 𝑎𝑖𝑘 (𝛼𝑏)𝑘𝑗
ℎ𝑖𝑗 = 𝑞𝑖𝑗 lo que significa que las matrices H y Q tienen los elementos correspondientes,
iguales. Por lo tanto se cumple que (𝛼 𝐴)𝐵 = 𝐴 (𝛼 𝐵) quedando demostrada la
propiedad.

P5) El hecho de que el producto de dos matrices sea la matriz nula, no implica
necesariamente que alguna de las matrices sea la matriz nula.
Sean 𝐴 ∈ 𝐾 𝑚 𝑥 𝑛 𝑦 𝐵 ∈ 𝐾 𝑛 𝑥 𝑝 . Si 𝐴 . 𝐵 = 𝑁 ⇏ 𝐴 = 𝑁 ∨ 𝐵 = 𝑁
1 2 −2 4 0 0
Sean las matrices no nulas, A = ( ) y B=( ) su producto es A. B = ( )
2 4 1 −2 0 0

P6) Sean las matrices 𝐴 ∈ 𝐾 𝑛𝑥 𝑚 , 𝐵 ∈ 𝐾 𝑚 𝑥 𝑝 𝑦 𝐶 ∈ 𝐾 𝑚 𝑥 𝑞 Si 𝐴𝐵 = 𝐴𝐶 no implica

necesariamente que 𝐵 = 𝐶
−2 2 3 1 1 −1
Sean las matrices A = ( ), B = ( ) y C=( )
−1 1 4 −7 2 −9
2 −16 2 −16
Los productos A. B = ( ) y A. C = ( ) son iguales y 𝐵 ≠ 𝐶.
1 −8 1 −8

En el álgebra de los números reales, si 𝑎, 𝑏, 𝑐 ∈ ℝ 𝑦 𝑎𝑏 = 0, es necesariamente 𝑎 = 0 ó

bien 𝑏 = 0. También 𝑎𝑏 = 𝑎𝑐 necesariamente es 𝑏 = 𝑐. En cambio en el álgebra
matricial, como quedo establecido en P5) y P6), esto puede no ocurrir.

P7) Propiedad de la identidad multiplicativa

1 𝑠𝑖 𝑖 = 𝑗
Para cada 𝑛 ∈ ℕ, sea 𝐼𝑛 ∈ 𝐾 𝑛 𝑥 𝑛 definida por (𝐼𝑛 )𝑖𝑗 = { . Entonces, si 𝐴 ∈ 𝐾 𝑛 𝑥 𝑚
0 𝑠𝑖 𝑖 ≠ 𝑗
se verifica: 𝐼𝑛 . 𝐴 = 𝐴 . 𝐼𝑚 = 𝐴.
La matriz 𝐼𝑛 se denomina matriz identidad de 𝐾 𝑛 𝑥 𝑛
D) Sean 1 ≤ 𝑖 ≤ 𝑛, 1 ≤ 𝑗 ≤ 𝑚. Se tiene:
(𝐼𝑛 . 𝐴)𝑖𝑗 = ∑𝑛𝑘=1(𝐼𝑛 )𝑖𝑘 . 𝑎𝑘𝑗 = 1 . 𝑎𝑖𝑗 = 𝑎𝑖𝑗 = 𝐴
De manera similar se demuestra que 𝐴 . 𝐼𝑚 = 𝐴. Quedando demostrada la propiedad.

3.2.- Potencia de matrices: Sea la matriz 𝐴 ∈ 𝐾 𝑛 𝑥 𝑛 definimos las potencias de la

matriz A como 𝐴0 = 𝐼𝑛 , 𝐴1 = 𝐴 y 𝐴𝑘+1 = 𝐴𝑘 . 𝐴 para 𝑘 = 1, 2, 3, … .
Esta definición permite obtener las potencias de una matriz cuadrada para exponentes
enteros positivos.
Ejemplo 1
1 0 1 0 1 0 1 0
Sea 𝐴 = ( ) ⟹ 𝐴2 = ( )( )=( )
3 4 3 4 3 4 15 16
1 0 1 0 1 0
𝐴3 = ( )( )=( )
15 16 3 4 63 64

Pág. 12
Ejemplo 2
1 1 3
Sea la matriz 𝐴 = ( 5 2 6) se puede verificar que, 𝐴𝑛 = 𝑁3 𝑥 3 para 𝑛 ≥ 3.
−2 −1 −3
0 0 0 0 0 0
𝐴2 = ( 3 3 9 ) ; 𝐴3 = (0 0 0)
−1 −1 −3 0 0 0

Ejemplo 3
Demostrar que en general (𝐴 + 𝐵)2 ≠ 𝐴2 + 2𝐴𝐵 + 𝐵2
D) (𝐴 + 𝐵)2 = (𝐴 + 𝐵)(𝐴 + 𝐵)
(𝐴 + 𝐵)2 = (𝐴 + 𝐵) 𝐴 + (𝐴 + 𝐵)𝐵
(𝐴 + 𝐵)2 = 𝐴2 + 𝐵𝐴 + 𝐴𝐵 + 𝐵2
En general 𝐴𝐵 ≠ 𝐵𝐴 por lo tanto salvo que ocurra lo contrario
𝐴2 + 𝐵𝐴 + 𝐴𝐵 + 𝐵2 ≠ 𝐴2 + 2𝐴𝐵 + 𝐵2 quedando demostrado lo pedido.

4.- Trasposición de matrices

Dadas las matrices 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 𝑥 𝑛 ∈ 𝐾 𝑚 𝑥 𝑛 𝑦 𝐵 = ‖𝑏𝑖𝑗 ‖𝑛 𝑥 𝑚 ∈ 𝐾 𝑛 𝑥 𝑚 se denomina B

traspuesta de A y se indica B = At sí y sólo si B tiene como filas y columnas, las

columnas y filas de A (respetando el orden).
Si 𝐴 ∈ 𝐾 𝑚 𝑥 𝑛 ⟹ 𝐵 = 𝐴𝑡 ⟺ 𝐵 = ‖𝑏𝑖𝑗 ‖𝑛 𝑥 𝑚 𝑐𝑜𝑛 𝑏𝑖𝑗 = 𝑎𝑗𝑖 ∀𝑖 ∀𝑗

Ejemplo
−1 2
−1 3 4
Si A = ( 3 5 ) por lo tanto 𝐵 = 𝐴𝑡 = ( )
2 5 −2
4 −2
Observemos que 𝐴 ∈ ℝ3 𝑥 2 entonces 𝐴𝑡 ∈ ℝ2 𝑥 3 , además se cumple que 𝑏𝑖𝑗 = 𝑎𝑗𝑖 ∀𝑖; ∀𝑗
por ejemplo 𝑎21 = 𝑏12 ó bien 𝑎32 = 𝑏23 .

Propiedades de la trasposición de matrices

P1) Involución
La traspuesta de la traspuesta de una matriz A, es la misma matriz A.
Sea 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 𝑥 𝑛 ∈ 𝐾 𝑚 𝑥 𝑛 ⟹ (𝐴𝑡 )𝑡 = 𝐴

D) Según la definición de trasposición de matrices, 𝐴𝑡 ∈ K 𝑛 x 𝑚 , luego (𝐴𝑡 )𝑡 ∈ K 𝑚 x 𝑛 . Por

lo tanto las matrices 𝐴 𝑦 (𝐴𝑡 )𝑡 tienen la misma dimensión. Veamos ahora un elemento
cualquiera de la matriz (𝐴𝑡 )𝑡 :
((𝑎𝑡 )𝑡 )𝑖𝑗 = (𝑎𝑡 )𝑗𝑖 = 𝑎𝑖𝑗 = 𝐴 esto significa que los elementos correspondientes de las dos
matrices, son iguales.
Si ambas matrices tienen la misma dimensión y los elementos correspondientes,
iguales, quiere decir que dichas matrices son iguales. Quedando demostrada de esta
manera la propiedad.

P2) Traspuesta de la suma de dos matrices

Pág. 13
La traspuesta de una suma de matrices es igual a la suma de las traspuestas de cada
uno de los sumando
Sean 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 𝑥 𝑛 𝑦 𝐵 = ‖𝑏𝑖𝑗 ‖𝑚 𝑥 𝑛 ∈ 𝐾 𝑚 𝑥 𝑛 ⟹ (𝐴 + 𝐵)𝑡 = 𝐴𝑡 + 𝐵𝑡

D) La matriz (𝐴 + 𝐵) es de dimensión mxn, por lo tanto (𝐴 + 𝐵)𝑡 es de dimensión nxm.

Las matrices 𝐴𝑡 𝑦 𝐵𝑡 son de dimensión nxm y por lo tanto la matriz (𝐴𝑡 + 𝐵𝑡 ) es de
dimensión nxm. Lo anterior demuestra que las matrices (𝐴 + 𝐵)𝑡 𝑦 𝐴𝑡 + 𝐵𝑡 tienen la
misma dimensión.
Tomemos un elemento cualquiera de la matriz (𝐴 + 𝐵)𝑡 :
𝑡
(𝑎𝑖𝑗 + 𝑏𝑖𝑗 ) = (𝑎𝑗𝑖 + 𝑏𝑗𝑖 ) = (𝑎𝑗𝑖 ) + (𝑏𝑗𝑖 ) = 𝐴𝑡 + 𝐵𝑡 esto significa que los elementos
correspondientes de las matrices (𝐴 + 𝐵)𝑡 𝑦 𝐴𝑡 + 𝐵𝑡 son iguales.
Todo esto demuestra que las matrices (𝐴 + 𝐵)𝑡 𝑦 𝐴𝑡 + 𝐵𝑡 son iguales, con lo que queda
demostrada la propiedad.

P3) Traspuesta del producto de un escalar por una matriz

La traspuesta del producto de un escalar por una matriz es igual al producto del
escalar por la traspuesta de la matriz.
Sea 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 𝑥 𝑛 ∈ 𝐾 𝑚 𝑥 𝑛 𝑦 𝛼 ∈ 𝐾 ⟹ (𝛼 𝐴)𝑡 = 𝛼 𝐴𝑡

D) La matriz (𝛼 𝐴)𝑡 es de dimensión nxm y la matriz 𝛼 𝐴𝑡 es de dimensión nxm, por lo

tanto ambas matrices tienen la misma dimensión.
Tomemos un elemento cualquiera de la matriz (𝛼 𝐴)𝑡 :
𝑡
(𝛼 𝑎𝑖𝑗 ) = 𝛼 (𝑎𝑗𝑖 ) = 𝛼 𝐴𝑡 lo que significa que ambas matrices, (𝛼 𝐴)𝑡 𝑦 𝛼 𝐴𝑡 tienen los
elementos correspondientes, iguales.
Todo esto quiere decir que las matrices, (𝛼 𝐴)𝑡 𝑦 𝛼 𝐴𝑡 son iguales, quedando de esta
forma demostrada la propiedad.

P4) Traspuesta del producto de dos matrices

La traspuesta del producto de dos matrices es igual al producto de las traspuestas de
dichas matrices pero con el orden conmutado.
Sea 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 𝑥 𝑝 ∈ 𝐾 𝑚 𝑥 𝑝 𝑦 𝐵 = ‖𝑏𝑖𝑗 ‖𝑝 𝑥 𝑛 ∈ 𝐾 𝑝 𝑥 𝑛 ⟹ (𝐴 𝐵)𝑡 = 𝐵𝑡 𝐴𝑡

D) La matriz 𝐴𝐵 es de dimensión mxn, por lo tanto la matriz (𝐴 𝐵)𝑡 es de dimensión

nxm. La matriz 𝐵𝑡 es de dimensión nxp mientras que 𝐴𝑡 es de dimensión pxm, por lo
tanto la matriz 𝐵𝑡 𝐴𝑡 es de dimensión nxm. Lo anterior demuestra que las matrices
(𝐴 𝐵)𝑡 𝑦 𝐵𝑡 𝐴𝑡 tienen la misma dimensión.
Tomemos un elemento cualquiera de la matriz (𝐴 𝐵)𝑡 :
((𝑎 𝑏)𝑡 )𝑖𝑗 = (𝑎𝑏)𝑗𝑖 = 𝑎𝑗1 𝑏1𝑖 + 𝑎𝑗2 𝑏2𝑖 + … + 𝑎𝑗𝑝 𝑏𝑝𝑖 que se puede expresar como sumatoria
((𝑎 𝑏)𝑡 )𝑖𝑗 = (𝑎𝑏)𝑗𝑖 = ∑𝑝𝑘=1 𝑎𝑗𝑘 𝑏𝑘𝑖 (1)
Ahora, tomemos un elemento cualquiera de la matriz 𝐵𝑡 𝐴𝑡

Pág. 14
 𝑡 𝑡 𝑡 𝑡 𝑡 𝑡
(𝑏 𝑡 𝑎𝑡 )𝑖𝑗 = 𝑏𝑖1 𝑎1𝑗 + 𝑏𝑖2 𝑎2𝑗 + … + 𝑏𝑖𝑝 𝑎𝑝𝑗 que se puede expresar como sumatoria
(𝑏 𝑡 𝑎𝑡 )𝑖𝑗 = ∑𝑝𝑘=1 𝑏𝑖𝑘
𝑡 𝑡
𝑎𝑘𝑗
𝑝 𝑝
= ∑𝑘=1 𝑏𝑘𝑖 𝑎𝑗𝑘 = ∑𝑘=1 𝑎𝑗𝑘 𝑏𝑘𝑖 (2)
Las expresiones (1)𝑦 (2) son iguales, lo que significa que los elementos
correspondientes de las matrices (𝐴 𝐵)𝑡 𝑦 𝐵𝑡 𝐴𝑡 , son iguales.
Todo lo anterior muestra que las matrices (𝐴 𝐵)𝑡 𝑦 𝐵𝑡 𝐴𝑡 son iguales, quedando
demostrada la propiedad.

5.- Matrices simétricas y antisimétricas

Matriz simétrica: una matriz A, cuadrada de orden n, es simétrica si y sólo si es igual
a su traspuesta
𝐴 = ‖𝑎𝑖𝑗 ‖𝑛 𝑥 𝑛 ∈ 𝐾 𝑛 𝑥 𝑛 𝑒𝑠 𝑆𝑖𝑚é𝑡𝑟𝑖𝑐𝑎 ⟺ 𝐴 = 𝐴𝑡 ⟺ 𝑎𝑖𝑗 = 𝑎𝑗𝑖 ∀ 𝑖∀ 𝑗

Ejemplo
3 −7 0
La matriz A = (−7 1 5 ) es simétrica
0 5 −2

Matriz antisimétrica: una matriz A, cuadrada de orden n, es antisimétrica si y sólo si

es igual a la opuesta de su traspuesta.
𝐴 = ‖𝑎𝑖𝑗 ‖𝑛 𝑥 𝑛 ∈ 𝐾 𝑛 𝑥 𝑛 𝑒𝑠 𝐴𝑛𝑡𝑖𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎 ⟺ 𝐴 = −𝐴𝑡 ⟺ 𝑎𝑖𝑗 = −𝑎𝑗𝑖 ∀ 𝑖 ∀ 𝑗

En una matriz antisimétrica los elementos de la diagonal principal son todos ceros,
porque en la diagonal principal 𝑖 = 𝑗 o sea que 𝑎𝑖𝑖 = −𝑎𝑖𝑖 ⟺ 2𝑎𝑖𝑖 = 0 ⟺ 𝑎𝑖𝑖 = 0
Ejemplo
0 −1 5
La matriz A = ( 1 0 3) es antisimétrica.
−5 −3 0

Propiedades de las matrices simétricas y antisimétricas

P1) El producto de una matriz por su traspuesta es igual a una matriz simétrica (no es
necesario que A sea cuadrada)
Si 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 𝑥 𝑛 ∈ 𝐾 𝑚 𝑥 𝑛 ⟹ 𝐴 . 𝐴𝑡 = (𝐴 . 𝐴𝑡 )𝑡

D) 𝐴 . 𝐴𝑡 = (𝐴 . 𝐴𝑡 )𝑡
𝐴 . 𝐴𝑡 = (𝐴𝑡 )𝑡 . 𝐴𝑡
𝐴 . 𝐴𝑡 = 𝐴 . 𝐴𝑡 quedando de esta forma, demostrada la propiedad.

P2) La suma de toda matriz cuadrada y de su traspuesta es una matriz simétrica.

Si 𝐴 = ‖𝑎𝑖𝑗 ‖𝑛 𝑥 𝑛 ∈ 𝐾 𝑛 𝑥 𝑛 ⟹ (𝐴 + 𝐴𝑡 ) = (𝐴 + 𝐴𝑡 )𝑡

D) 𝐴 + 𝐴𝑡 = (𝐴 + 𝐴𝑡 )𝑡
𝐴 + 𝐴𝑡 = 𝐴𝑡 + (𝐴𝑡 )𝑡
𝐴 + 𝐴𝑡 = 𝐴𝑡 + 𝐴
𝐴 + 𝐴𝑡 = 𝐴 + 𝐴𝑡 quedando de esta forma, demostrada la propiedad.

Pág. 15
P3) La diferencia de toda matriz cuadrada con su traspuesta es antisimétrica.
Si 𝐴 = ‖𝑎𝑖𝑗 ‖ ∈ 𝐾 𝑛 𝑥 𝑛 ⟹ (𝐴 − 𝐴𝑡 ) = −(𝐴 − 𝐴𝑡 )𝑡
𝑛𝑥𝑛

D) 𝐴 − 𝐴𝑡 = −(𝐴 − 𝐴𝑡 )𝑡
𝐴 − 𝐴𝑡 = −(𝐴𝑡 − (𝐴𝑡 )𝑡 )
𝐴 − 𝐴𝑡 = −(𝐴𝑡 − 𝐴)
𝐴 − 𝐴𝑡 = 𝐴 − 𝐴𝑡 quedando de esta forma, demostrada la propiedad.

P4) Toda matriz cuadrada es la suma de una matriz simétrica y de una matriz
antisimétrica.
1
D) Si 𝐴 = ‖𝑎𝑖𝑗 ‖𝑛 𝑥 𝑛 ∈ 𝐾 𝑛 𝑥 𝑛 de las propiedades P2) y P3) resulta que 2
(𝐴 + 𝐴𝑡 ) es
1
simétrica y 2 (𝐴 − 𝐴𝑡 ) es antisimétrica, por lo tanto
1 1
𝐴 = 2 (𝐴 + 𝐴𝑡 ) + 2 (𝐴 − 𝐴𝑡 )
1 1 1 1
𝐴 = 2 𝐴 + 2 𝐴𝑡 + 2 𝐴 − 2 𝐴𝑡
1 1
𝐴 = 2𝐴 +2𝐴

A = A quedando de esta forma, demostrada la propiedad.

Ejemplo
2 −1
Sea la matriz A = ( ) entonces
1 3
1 2 −1 2 1 2 0
[(
2 1
)+( )] = ( )
3 −1 3 0 3
1 2 −1 2 1 0 −1
[(
2 1
)−( )] = ( ) Por lo tanto
3 −1 3 1 0
2 0 0 −1
A=( )+( )
0 3 1 0
2 −1 2 −1
( )=( )
1 3 1 3

6.- Matrices triangulares

Matriz triangular superior: una matriz A cuadrada de orden n cuyos elementos 𝑎𝑖𝑗 son
iguales a 0 para todo 𝑖 > 𝑗 se llama matriz triangular superior.
𝐴 = ‖𝑎𝑖𝑗 ‖𝑛 𝑥 𝑛 ∈ 𝐾 𝑛 𝑥 𝑛 𝑒𝑠 𝑇𝑟𝑖𝑎𝑛𝑔𝑢𝑙𝑎𝑟 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟 ⟺ 𝑎𝑖𝑗 = 0 ∀ 𝑖 > 𝑗

Ejemplo
Para que una matriz cualquiera 𝐴 ∈ ℝ3𝑥3 sea triangular superior debe cumplirse que
𝑎11 𝑎12 𝑎13
𝐴=( 0 𝑎22 𝑎23 ) es decir, los elementos que están debajo de la diagonal principal
0 0 𝑎33
son ceros.

Matriz triangular inferior: una matriz A cuadrada de orden n cuyos elementos 𝑎𝑖𝑗 son
iguales a 0 para todo 𝑖 < 𝑗 se llama matriz triangular inferior.

Pág. 16
𝐴 = ‖𝑎𝑖𝑗 ‖ ∈ 𝐾 𝑛 𝑥 𝑛 𝑒𝑠 𝑇𝑟𝑖𝑎𝑛𝑔𝑢𝑙𝑎𝑟 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟 ⟺ 𝑎𝑖𝑗 = 0 ∀ 𝑖 < 𝑗
𝑛𝑥𝑛

Ejemplo
Para que una matriz cualquiera 𝐴 ∈ ℝ3𝑥3 sea triangular inferior debe cumplirse que
𝑎11 0 0
𝐴 = (𝑎21 𝑎22 0 ) es decir, los elementos que están encima de la diagonal principal
𝑎31 𝑎32 𝑎33
son ceros.

Puede demostrarse que el producto de dos matrices triangulares, es una matriz

triangular.
Por ejemplo sean las matrices 𝐴 𝑦 𝐵 ∈ ℝ3𝑥3 :
2 3 4 −1 −3 −5 −2 −12 −34
𝐴 = (0 4 5) 𝑦 𝐵 = ( 0 −2 −4) el producto de ella, es 𝐴. 𝐵 = ( 0 −8 −31)
0 0 6 0 0 −3 0 0 −18

7.- Matrices diagonales

Matriz diagonal: una matriz A cuadrada de orden n en la cual los elementos que no
están en la diagonal principal son todos ceros, se denomina matriz diagonal
𝐴 = ‖𝑎𝑖𝑗 ‖𝑛 𝑥 𝑛 ∈ 𝐾 𝑛 𝑥 𝑛 𝑒𝑠 𝐷𝑖𝑎𝑔𝑜𝑛𝑎𝑙 ⟺ 𝑎𝑖𝑗 = 0 ∀ 𝑖 ≠ 𝑗

Ejemplo
Para que una matriz cualquiera por ejemplo 𝐴 ∈ ℝ3𝑥3 sea diagonal debe cumplirse que
𝑎11 0 0
𝐴=( 0 𝑎22 0 ) es decir, los elementos que no figuran en la diagonal principal son
0 0 𝑎33
ceros.

Matriz escalar: una matriz A cuadrada de orden n diagonal, en la cual los elementos
de la diagonal principal son iguales a un escalar, se denomina matriz escalar
𝑎𝑖𝑗 = 0 ∀ 𝑖 ≠ 𝑗
𝐴 = ‖𝑎𝑖𝑗 ‖𝑛 𝑥 𝑛 ∈ 𝐾 𝑛 𝑥 𝑛 𝑒𝑠 𝐸𝑠𝑐𝑎𝑙𝑎𝑟 ⟺ {
𝑎𝑖𝑗 = 𝛼 ∀ 𝑖 = 𝑗
Ejemplo
α 0 0
Para que una matriz cualquiera 𝐴 ∈ ℝ3𝑥3 sea escalar debe cumplirse que A = (0 α 0)
0 0 α
es decir, los elementos que figuran en la diagonal principal son iguales a un escalar.
Observemos que para que una matriz cuadrada de orden n sea escalar, debe ser en
primer lugar una matriz diagonal, esto significa que toda matriz escalar es diagonal
pero no toda matriz diagonal es escalar.

Matriz unidad o identidad: una matriz A cuadrada de orden n escalar, en la cual los
elementos de la diagonal principal son iguales a uno, se denomina matriz unidad o
identidad.
A la matriz identidad de orden n se la denomina 𝐼𝑛

Pág. 17
 𝑎𝑖𝑗 = 0 ∀ 𝑖 ≠ 𝑗
𝐼 = ‖𝑎𝑖𝑗 ‖𝑛 𝑥 𝑛 ∈ 𝐾 𝑛 𝑥 𝑛 𝑒𝑠 𝐼𝑑𝑒𝑛𝑡𝑖𝑑𝑎𝑑 ⟺ {
𝑎𝑖𝑗 = 1 ∀ 𝑖 = 𝑗
Esta definición es más amplia y coincide con la dada en P 7) (identidad multiplicativa)
propiedades del producto de matrices.
El producto de una matriz A por la matriz identidad del orden adecuado da como
resultado la misma matriz A.
Si 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 𝑥 𝑛 ∈ 𝐾 𝑚 𝑥 𝑛 ⟹ 𝐴 𝐼𝑛 = 𝐴 𝐼𝑚 = 𝐴

Particularmente si A es una matriz cuadrada de orden 𝑛 e 𝐼 la matriz identidad del

mismo orden, se verifica 𝐴 𝐼 = 𝐼 𝐴 = 𝐴
Ejemplo
Para que una matriz cualquiera 𝐴 ∈ ℝ3𝑥3 sea unidad o identidad debe cumplirse que
1 0 0
𝐼3 = (0 1 0) es decir, los elementos que figuran en la diagonal principal son iguales
0 0 1
a 1.
Observemos que para que una matriz cuadrada de orden 𝑛 sea unidad ó identidad,
debe ser en primer lugar una matriz escalar, esto significa que toda matriz identidad ó
unidad es escalar pero no toda matriz escalar es unidad ó identidad. Ocurre lo mismo
para el caso de relacionarse la matriz identidad con las matrices triangulares y
diagonal, toda matriz identidad es diagonal y triangular pero el reciproco no se
cumple.

8.- Matrices idempotentes e involutivas

Matriz idempotente: una matriz A, cuadrada de orden n, es idempotente si y solo si es
igual a su cuadrado.
𝐴 = ‖𝑎𝑖𝑗 ‖𝑛 𝑥 𝑛 ∈ 𝐾 𝑛 𝑥 𝑛 𝑒𝑠 𝐼𝑑𝑒𝑚𝑝𝑜𝑡𝑒𝑛𝑡𝑒 ⟺ 𝐴 = 𝐴2
1⁄ 1⁄
La matriz 𝐴 ∈ ℝ 2𝑥2
, 𝐴=( 2 2) es idempotente por que verifica 𝐴 = 𝐴2 .
1⁄ 1⁄
2 2

Matriz involutiva: una matriz A, cuadrada de orden n, es involutiva si y solo si su

cuadrado es la identidad.
𝐴 = ‖𝑎𝑖𝑗 ‖𝑛 𝑥 𝑛 ∈ 𝐾 𝑛 𝑥 𝑛 𝑒𝑠 𝐼𝑛𝑣𝑜𝑙𝑢𝑡𝑖𝑣𝑎 ⟺ 𝐴2 = 𝐼𝑛
1 0 1 0
La matriz 𝐴 ∈ ℝ2𝑥2 , 𝐴 = ( ) es involutiva pues 𝐴2 = ( ) = 𝐼2.
0 −1 0 1

Ejemplo 1:
Sean la matriz idempotente 𝐴 ∈ 𝐾 𝑛 𝑥 𝑛 y la matriz identidad 𝐼𝑛 . Desarrollar (𝐴 − 𝐼)2
(𝐴 − 𝐼)2 = (𝐴 − 𝐼)(𝐴 − 𝐼)
(𝐴 − 𝐼)2 = 𝐴. 𝐴 − 𝐴. 𝐼 − 𝐼. 𝐴 + 𝐼. 𝐼
(𝐴 − 𝐼)2 = 𝐴2 − 𝐴 − 𝐴 + 𝐼

Pág. 18
(𝐴 − 𝐼)2 = 𝐴 − 2𝐴 + 𝐼
(𝐴 − 𝐼)2 = 𝐼 − 𝐴

Ejemplo 2:
Sean la matriz 𝐴 ∈ 𝐾 𝑛 𝑥 𝑛 y la matriz identidad 𝐼𝑛 . Desarrollar (𝐴 − 𝐼)2
(𝐴 − 𝐼)2 = (𝐴 − 𝐼)(𝐴 − 𝐼)
(𝐴 − 𝐼)2 = 𝐴. 𝐴 − 𝐴. 𝐼 − 𝐼. 𝐴 + 𝐼. 𝐼
(𝐴 − 𝐼)2 = 𝐴2 − 𝐴 − 𝐴 + 𝐼 2
(𝐴 − 𝐼)2 = 𝐴2 − 2𝐴 + 𝐼 2
(𝐴 − 𝐼)2 = 𝐴2 − 2𝐴 + 𝐼
Observemos que este desarrollo coincide con el desarrollo que habitualmente
conocemos con los números reales, (𝑎 + 𝑏)2 = 𝑎2 + 2𝑎𝑏 + 𝑏 2 con 𝑎, 𝑏 ∈ ℝ.

En el apartado Potencia de matrices, en el Ejemplo 3, se demostró que en general

dadas las matrices A y B, (𝐴 + 𝐵)2 ≠ 𝐴2 + 2𝐴𝐵 + 𝐵2 y que la igualdad solo podría
establecerse si 𝐴𝐵 = 𝐵𝐴.
Por lo tanto para que el cuadrado de la suma de dos matrices coincida con el
desarrollo del cuadrado de la suma de dos números reales debe ocurrir que el
producto de las matrices sea conmutable ó bien que una de las dos matrices, sea la
matriz identidad.

Ejemplo 3
1
Sea la matriz involutiva 𝐴 ∈ 𝐾 𝑛 𝑥 𝑛 , demostrar que (𝐼 − 𝐴) es idempotente.
2

1 2 1
Debemos demostrar que [2 (𝐼 − 𝐴)] = 2 (𝐼 − 𝐴) sabiendo que A es involutiva. En efecto:

1 2 1
[2 (𝐼 − 𝐴)] = 4 (𝐼 − 𝐴)2

1 2 1
[2 (𝐼 − 𝐴)] = 4 (𝐼 2 − 2 𝐼 𝐴 + 𝐴2 )
1 2 1
[2 (𝐼 − 𝐴)] = 4 (𝐼 − 2 𝐴 + 𝐼)
1 2 1
[2 (𝐼 − 𝐴)] = 4 (2 𝐼 − 2 𝐴)

1 2 1
[2 (𝐼 − 𝐴)] = 4 2 ( 𝐼 − 𝐴)

1 2 1 1
[2 (𝐼 − 𝐴)] = 2 ( 𝐼 − 𝐴) lo que demuestra que 2 ( 𝐼 − 𝐴) es idempotente.

9.- Inversión de matrices

Matriz inversa: la matriz, cuadrada de orden n, 𝐴 = ‖𝑎𝑖𝑗 ‖𝑛 𝑥 𝑛 ∈ 𝐾 𝑛 𝑥 𝑛 es inversible,

regular ó no singular sí y sólo si existe una matriz 𝐵 = ‖𝑏𝑖𝑗 ‖𝑛 𝑥 𝑛 ∈ 𝐾 𝑛 𝑥 𝑛 tal que su

producto por A a izquierda y a derecha es la matriz unidad.

𝐴 = ‖𝑎𝑖𝑗 ‖𝑛 𝑥 𝑛 ∈ 𝐾 𝑛 𝑥 𝑛 es regular ⟺ ∃𝐵 = ‖𝑏𝑖𝑗 ‖𝑛 𝑥 𝑛 ∈ 𝐾 𝑛 𝑥 𝑛 / 𝐴 𝐵 = 𝐵 𝐴 = 𝐼

Pág. 19
La inversa de A, si existe, se denota por 𝐴−1

Propiedades de la inversión de matrices

P1) Si existe la inversa de una matriz cuadrada A, esta es única.
D) Suponemos que la matriz A tiene dos matrices inversas: B y C.
Si B es inversa de A, entonces A B = B A = I
Si C es inversa de A, entonces A C = C A = I
Sabemos que
B=BI
B = B ( A C)
B = (B A ) C
B=IC
B = C esto significa que de existir la matriz inversa, esta es única. Quedando asi,
demostrada la propiedad.

P2) Involución: la inversa de la inversa de una matriz cuadrada, regular A, es la misma

matriz A.
Sea 𝐴 = ‖𝑎𝑖𝑗 ‖ ∈ 𝐾 𝑛 𝑥 𝑛 𝑖𝑛𝑣𝑒𝑟𝑡𝑖𝑏𝑙𝑒 ⟹ (𝐴−1 )−1 = 𝐴
𝑛𝑥𝑛

D) Por definición es 𝐴. 𝐴−1 = 𝐴−1 . 𝐴 = 𝐼

Se puede observar que A y A−1 son inversas entre si, por lo tanto (A−1 )−1 = A. Con esto
queda demostrada la propiedad.

P3) Si dos matrices cuadradas A y B son invertibles, entonces la inversa del producto
es igual al producto de las inversas con el orden permutado.
Sean 𝐴 = ‖𝑎𝑖𝑗 ‖𝑛 𝑥 𝑛 ∈ 𝐾 𝑛 𝑥 𝑛 𝑦 𝐵 = ‖𝑏𝑖𝑗 ‖𝑛 𝑥 𝑛 ∈ 𝐾 𝑛 𝑥 𝑛 𝑖𝑛𝑣𝑒𝑟𝑡𝑖𝑏𝑙𝑒𝑠 ⟹ (𝐴𝐵)−1 = 𝐵−1 𝐴−1

D) (𝐴𝐵)−1 = 𝐵−1 𝐴−1 esto significa que la inversa de 𝐴𝐵 es 𝐵−1 𝐴−1 por lo tanto el
producto a izquierda y a derecha de AB con 𝐵−1 𝐴−1 debe ser la matriz unidad.
(𝐴𝐵)(𝐵−1 𝐴−1 ) = 𝐼 (𝐵−1 𝐴−1 ) (𝐴𝐵) = 𝐼
𝐴 (𝐵𝐵−1 )𝐴−1 = 𝐼 𝐵−1 (𝐴−1 𝐴 )𝐵 = 𝐼
𝐴 𝐼 𝐴−1 = 𝐼 𝐵−1 𝐼 𝐵 = 𝐼
𝐴 𝐴−1 = 𝐼 𝐵−1 𝐵 = 𝐼
𝐼=𝐼 𝐼=𝐼
Por lo tanto la inversa de AB es 𝐵−1 𝐴−1 es decir (𝐴𝐵)−1 = 𝐵−1 𝐴−1 , demostrándose así, la
propiedad.
−1 −1
Este resultado se puede generalizar: (𝐴1 𝐴2 … 𝐴𝑛 )−1 = 𝐴−1
𝑛 𝐴𝑛−1 … 𝐴1

P4) Si una matriz es invertible, también lo es su traspuesta y la inversa de la

traspuesta de una matriz cuadrada A regular es igual a la traspuesta de la inversa de
A.

Pág. 20
Sea 𝐴 = ‖𝑎𝑖𝑗 ‖ ∈ 𝐾 𝑛 𝑥 𝑛 𝑖𝑛𝑣𝑒𝑟𝑡𝑖𝑏𝑙𝑒 ⟹ (𝐴𝑡 )−1 = (𝐴−1 )𝑡
𝑛𝑥𝑛

D) 𝐴 𝐴−1 = 𝐼 𝐴−1 𝐴 = 𝐼
(𝐴 𝐴−1 )𝑡 = 𝐼 𝑡 (𝐴−1 𝐴)𝑡 = 𝐼 𝑡
(𝐴−1 )𝑡 𝐴𝑡 = 𝐼 𝐴𝑡 (𝐴−1 )𝑡 = 𝐼
Hemos multiplicado a izquierda y a derecha respectivamente, At y (A−1 )t y se obtuvo la
matriz identidad, por lo tanto la inversa de At es (A−1 )t es decir que (At )−1 = (A−1 )t .
Queda así demostrada la propiedad.

P5) Sea A una matriz cuadrada de orden n, invertible, si B y C son dos matrices de
orden m x n, entonces 𝑖) 𝐵 𝐴 = 𝑁 ⟹ 𝐵 = 𝑁 𝑦 𝑖𝑖) 𝐵𝐴 = 𝐶𝐴 ⟹ 𝐵 = 𝐶

Sean 𝐴 = ‖𝑎𝑖𝑗 ‖𝑛 𝑥 𝑛 ∈ 𝐾 𝑛 𝑥 𝑛 𝑖𝑛𝑣𝑒𝑟𝑡𝑖𝑏𝑙𝑒, 𝐵 = ‖𝑏𝑖𝑗 ‖𝑚 𝑥 𝑛 ∈ 𝐾 𝑚 𝑥 𝑛 𝑦 𝐶 = ‖𝑐𝑖𝑗 ‖𝑚 𝑥 𝑛 ∈ 𝐾 𝑚 𝑥 𝑛 ⟹

𝑖) 𝐵 𝐴 = 𝑁 ⟹ 𝐵 = 𝑁 𝑖𝑖) 𝐵𝐴 = 𝐶𝐴 ⟹ 𝐵 = 𝐶

D)
i) 𝐵 𝐴 = 𝑁 ⟹ 𝐵 = 𝑁 ii) 𝐵𝐴 = 𝐶𝐴 ⟹ 𝐵 = 𝐶
𝐵𝐴=𝑁 𝐵𝐴 = 𝐶𝐴
𝐵 𝐴 𝐴−1 = 𝑁 𝐴−1 𝐵 𝐴 𝐴−1 = 𝐶 𝐴 𝐴−1
𝐵𝐼=𝑁 𝐵𝐼=𝐶𝐼
𝐵=𝑁 𝐵=𝐶
Quedando de esta manera demostrada la propiedad.

P6) Sea A una matriz cuadrada de orden n, invertible, si k es un escalar no nulo,

entonces la matriz (k A) también es invertible.
1
Sea 𝐴 = ‖𝑎𝑖𝑗 ‖ ∈ 𝐾 𝑛 𝑥 𝑛 𝑖𝑛𝑣𝑒𝑟𝑡𝑖𝑏𝑙𝑒 𝑦 𝑘 ∈ 𝕂 𝑐𝑜𝑛 𝑘 ≠ 0 ⟹ (𝑘𝐴)−1 = 𝐴−1
𝑛𝑥𝑛 𝑘

D) (𝑘𝐴)−1 𝑘 𝐴 = 𝐼
(𝑘𝐴)−1 𝑘 𝐴 𝐴−1 = 𝐼 𝐴−1
(𝑘𝐴)−1 𝑘 𝐼 = 𝐴−1
𝑘 (𝑘𝐴)−1 𝐼 = 𝐴−1
𝑘 (𝑘𝐴)−1 = 𝐴−1
1
(𝑘𝐴)−1 = 𝐴−1 quedando de esta manera, demostrada la propiedad.
𝑘

P7) Sea A una matriz cuadrada de orden n, invertible, si k es un entero positivo,

−1
entonces la matriz 𝐴𝑘 también es invertible y se tiene que (𝐴𝑘 ) = (𝐴−1 )𝑘
−1
Sea 𝐴 = ‖𝑎𝑖𝑗 ‖𝑛 𝑥 𝑛 ∈ 𝐾 𝑛 𝑥 𝑛 𝑖𝑛𝑣𝑒𝑟𝑡𝑖𝑏𝑙𝑒 𝑦 𝑘 ∈ ℤ+ ⟹ 𝐴𝑘 es invertible y (𝐴𝑘 ) = (𝐴−1 )𝑘

D1) Si 𝐴𝑘 es invertible debe cumplirse que

(𝐴−1 )𝑘 𝐴𝑘 = 𝐼
(𝐴 𝐴−1 )𝑘 = 𝐼
𝐼𝑘 = 𝐼

Pág. 21
𝐼=𝐼
El producto por derecha es análogo; con lo que queda demostrado que 𝐴𝑘 es invertible.
−1
D2) (𝐴𝑘 ) 𝐴𝑘 = 𝐼
−1
(𝐴𝑘 ) 𝐴 .𝐴 .𝐴 … 𝐴 = 𝐼
⏟
𝑘−𝑣𝑒𝑐𝑒𝑠

𝑘 −1
(𝐴 ) 𝐴 . 𝐴 . 𝐴 … 𝐴 . 𝐴 . 𝐴−1 = 𝐼 . 𝐴−1
−1
(𝐴𝑘 ) 𝐴 . 𝐴 . 𝐴 … 𝐴 . 𝐼 = 𝐴−1
−1
(𝐴𝑘 ) 𝐴 . 𝐴 . 𝐴 … 𝐴 = 𝐴−1
Nuevamente multiplicamos a derecha por 𝐴−1 , ambos miembros de la igualdad,
obtendremos:
−1
(𝐴𝑘 ) 𝐴 . 𝐴 . 𝐴 … 𝐴 = (𝐴−1 )2
Si repetimos el proceso k–veces:
−1
(𝐴𝑘 ) = (𝐴−1 )𝑘 de esta manera, queda demostrada la propiedad.

P8) Si A tiene una fila ó una columna de ceros, entonces no es invertible.

D) Si la fila 𝑖 de A es de ceros, al multiplicarla a la derecha por cualquier matriz, ésta
tendrá l fila 𝑖 de ceros. Lo mismo ocurre con las columnas, multiplicando a la
izquierda. Por lo tanto no se cumplirá la existencia de 𝐴−1 tal que multiplicada a
izquierda y a derecha por A se obtenga la matriz unidad. Quedando así demostrada la
propiedad.
Hasta el momento solo se definió y se demostraron las propiedades de la matriz
inversa, tanto la condición de existencia como el cálculo de esta matriz se estudiará en
el apartado “Condición de existencia y cálculo de la matriz inversa”.

10.- Matrices ortogonales

Matriz ortogonal 1: una matriz cuadrada de orden n, invertible se dice ortogonal si y
solo si su inversa es igual a su traspuesta.
Sea 𝐴 = ‖𝑎𝑖𝑗 ‖𝑛 𝑥 𝑛 ∈ 𝐾 𝑛 𝑥 𝑛 , 𝐴 𝑒𝑠 𝑜𝑟𝑡𝑜𝑔𝑜𝑛𝑎𝑙 ⟺ 𝐴−1 = 𝐴𝑡

Matriz ortogonal 2: una matriz cuadrada de orden n, invertible se dice ortogonal si y

solo si el producto de dicha matriz por su traspuesta es la unidad.
Sea 𝐴 = ‖𝑎𝑖𝑗 ‖𝑛 𝑥 𝑛 ∈ 𝐾 𝑛 𝑥 𝑛 , 𝐴 𝑒𝑠 𝑜𝑟𝑡𝑜𝑔𝑜𝑛𝑎𝑙 ⟺ 𝐴. 𝐴𝑡 = 𝐴𝑡 . 𝐴 = 𝐼𝑛

Ejemplo
1⁄ √3⁄
La matriz 𝐴 = ( 2 2) es ortogonal, pues verifica 𝐴. 𝐴𝑡 = 𝐼
𝑛
−√3⁄ 1⁄
2 2
1⁄ √3⁄ 1 −√3⁄
( 2 2) . ( ⁄2 2) = (1 0
)
−√3⁄ 1⁄ √3⁄ 1⁄ 0 1
2 2 2 2
Pág. 22
Propiedad
El producto de dos matrices ortogonales, es ortogonal.
Sean 𝐴 = ‖𝑎𝑖𝑗 ‖𝑛 𝑥 𝑛 ∈ 𝐾 𝑛 𝑥 𝑛 , 𝐵 = ‖𝑏𝑖𝑗 ‖𝑚 𝑥 𝑛 ∈ 𝐾 𝑚 𝑥 𝑛 𝑜𝑟𝑡𝑜𝑔𝑜𝑛𝑎𝑙𝑒𝑠 ⟹

(𝐴. 𝐵)(𝐴. 𝐵)𝑡 = (𝐴. 𝐵)𝑡 (𝐴. 𝐵) = 𝐼𝑛

D) (𝐴. 𝐵)(𝐴. 𝐵)𝑡 = 𝐴. 𝐵. 𝐵𝑡 . 𝐴𝑡
(𝐴. 𝐵)(𝐴. 𝐵)𝑡 = 𝐴. 𝐼. 𝐴𝑡 .
(𝐴. 𝐵)(𝐴. 𝐵)𝑡 = 𝐴. 𝐴𝑡
(𝐴. 𝐵)(𝐴. 𝐵)𝑡 = 𝐼
De manera similar se demuestra (𝐴. 𝐵)𝑡 (𝐴. 𝐵) = 𝐼𝑛 , quedano de esta manera
demostrada la propiedad.

11.- Transformaciones elementales: matrices equivalentes, escalonadas y

reducidas.
Para abordar, con más facilidad, el análisis de los sistemas de ecuaciones lineales y el
estudio de las propiedades de los determinantes, las matrices proveen de una
importante herramienta, las llamadas transformaciones elementales de matrices.
Estas se definen, tanto para las filas como para las columnas, de la siguiente manera:
Transformaciones elementales u operaciones elementales: entre las filas
(columnas) de una matriz 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 𝑥 𝑛 ∈ 𝐾 𝑚 𝑥 𝑛 son las siguientes:

a) Permutación de filas (columnas) entre si

b) Adición de una fila (columna) a otra
c) Multiplicación de una fila (columna) por un escalar no nulo.
A una matriz se la puede considerar como un conjunto de vectores filas (columnas),
por lo tanto las operaciones elementales se expresan como:
𝑎11 … 𝑎1𝑛 𝐹1 𝐹𝑖 ⟷ 𝐹𝑗
𝑎
𝐴 = ( …21 … 𝑎2𝑛 ) = ( 𝐹2 ) ⟹ { 𝐹 → 𝛼𝐹 𝑐𝑜𝑛 𝛼 ∈ 𝐾 ∧ 𝛼 ≠ 0
… … … 𝑖 𝑖
𝑎𝑚1 … 𝑎𝑚𝑛 𝐹𝑚 𝐹𝑖 → 𝐹𝑖 + 𝐹𝑗

A partir de estas transformaciones de una matriz podemos dar la definición de:

Matrices equivalentes: dadas dos matrices A y B decimos que B es equivalente a A si
y sólo si B se puede obtener efectuando un número finito de operaciones elementales
sobre A. Para indicar que A es equivalente a B escribimos 𝐴~𝐵.
Ejemplo:
0 1 2
Sea la matriz A = (3 5 0) a partir de ella se pueden obtener, operando con filas,
1 −1 1
7 9 1
las siguientes matrices equivalentes:

Pág. 23
 0 1 2 1 −1 1 1 −1 1
(3 5 0) ~ (3 5 0) ~ −3F1 + F2 (0 8 −3) ~ …
1 −1 1 0 1 2 0 1 2
7 9 1 7 9 1 −7F1 + F4 0 16 −6
Se puede observar que la primera matriz equivalente se obtuvo intercambiando la fila
1 (F1) por la fila 3 (F3), en este caso no se utilizó ninguna notación debido a la
simplicidad de la operación. Para obtener la segunda matriz equivalente se procedió
así: a la fila 2 (F2) se le sumó la fila 1 (F1) multiplicada por el escalar –3, indicándose
esto mediante la notación −3F1 + F2 , luego a la fila 4 (F4) se le sumó la fila 1 (F1)
multiplicada por el escalar –7, indicándose esto mediante la notación −7F1 + F4 , y así
sucesivamente se pueden obtener infinitas matrices equivalentes a una dada.

Matrices equivalentes por fila: dadas dos matrices A y B decimos que B es

equivalente por fila a A si B se puede obtener efectuando un número finito de
operaciones elementales sobre las filas de A. Para indicar que A es equivalente por fila a
B escribimos 𝐴~𝑓 𝐵.
Si 𝐴~𝑓 𝐵 ⟹ 𝐴~𝐵 el reciproco no vale, o sea que 𝐴~𝐵 ⇏ 𝐴~𝑓 𝐵.
Matrices equivalentes por columna: dadas dos matrices A y B decimos que B es
equivalente por columna a A si B se puede obtener efectuando un número finito de
operaciones elementales sobre las columnas de A. Para indicar que A es equivalente por
columna a B escribimos 𝐴~𝑐 𝐵.
Si 𝐴~𝑐 𝐵 ⟹ 𝐴~𝐵 el reciproco no vale, o sea que 𝐴~𝐵 ⇏ 𝐴~𝑐 𝐵
Ejemplo:
1 −1 1
Sea la matriz 𝐴 = (3 5 0) a partir de ella se pueden obtener, operando con
0 1 2
7 9 1
columnas, las siguientes matrices equivalentes
1 −1 1 1 1 −1
(3 5 0) ~ 2𝐶 + 𝐶 (3 11 −6 )
1 2
0 1 2 0 1 2
−2𝐶1 + 𝐶3
7 9 1 7 23 −13

Sea A una matriz y Fi una fila cualquiera de A, si Fi no es una fila totalmente de ceros
(nula), se dice que el primer número distinto de cero, de izquierda a derecha, es el
pivot (pi) de la fila y a esta se la suele llamar fila pivotante.

Matriz escalonada por filas: es aquella que verifica las siguientes propiedades:
a) Todas las filas nulas (si existiesen) se encuentran en la parte inferior de la matriz.
b) El pivot de cada fila no nula se encuentra estrictamente más a la derecha que el pivot
de la fila de encima.
Ejemplos:

Pág. 24
 3 5 8 −1
1 0 0 2 0 −3
Sean las matrices 𝐴 = (0 2 0) , 𝐵 = (
0 0 0 0 ) , 𝐶 = (1 5 7) , 𝐷 = (0 1 3)
0 7 9 1 0 1 2
0 1 7 0 0 0
0 0 0 0
Las matrices A y B no son escalonadas, mientras que C y D si lo son.

Propiedades de las matrices escalonadas por filas

P1) Todas las formas escalonadas por filas de una matriz tienen el mismo número de
filas no nulas. A dicho número se lo suele denominar 𝜌.
P2) Todas las formas escalonadas por filas de una matriz tienen las columnas pivotales
en las mismas posiciones y el número de ellas coincide con el número de filas no
nulas, 𝜌.

Matriz escalonada reducida por filas: es aquella que verifica las siguientes
propiedades:
a) En cada fila el pivot es igual a 1.
b) Todos los elementos por encima de los pivotes, son nulos.
Ejemplos:
0 1 0 0 3
1 0 0
Sean las matrices 𝐴 = (0 1 0) , 𝐵 = (
0 0 1 0 4) , 𝐶 = (1 0 7)
0 0 0 1 6 0 1 2
0 0 1
0 0 0 0 0
Las tres matrices son escalonadas reducidas por filas.
Debemos destacar que para que una matriz sea escalonada reducida, debe ser en
primer lugar escalonada, es decir que, toda matriz escalonada reducida es escalonada
pero no toda matriz escalonada es reducida. Dicho de otra forma, para que una matriz
se pueda clasificar como escalonada debe cumplir dos propiedades mientras que para
ser escalonada reducida debe cumplir cuatro propiedades, las dos de escalonada más
otras dos.
A la forma escalonada reducida por filas también se le suele llamar “forma normal de
Hermite". Se puede demostrar que “Dada una matriz A, la forma escalonada reducida
por filas es única”. A pesar de que la forma escalonada reducida por filas es única, se
puede llegar a ella por distintas secuencias de operaciones elementales por filas.
El proceso de obtener una forma escalonada por filas de una matriz se denomina
“eliminación gaussiana".

11.1.- Obtención de la forma escalonada reducida por filas: algoritmo de

eliminación gaussiana
Describiremos a continuación un algoritmo para obtener, a partir de una matriz 𝐴 =
‖𝑎𝑖𝑗 ‖𝑚 𝑥 𝑛 ∈ 𝐾 𝑚 𝑥 𝑛 , una determinada forma escalonada reducida por fila. Este algoritmo

consta de los siguientes pasos:

1.- Determine, de izquierda a derecha, la primera columna no cero (pivote).
Pág. 25
2.- Si el primer elemento de la columna es cero, intercambie la fila por otra que no
tenga cero, esto se ha de realizar con la primer fila siguiente que si posea pivote.
3.- Obtenga ceros debajo del pivote sumando múltiplos adecuados a las filas debajo de
él.
4.- Sin considerar la fila ni la columna de trabajo, repita el proceso comenzado en el
paso 1. Al término del ciclo entre el paso 1 al 4, es decir, cuando se hayan utilizado
todos las filas la matriz deberá tener forma escalonada.
5.- Comenzando con la última fila no nula, avance hacia arriba para que en cada fila
tenga un 1 como pivote y arriba de él sólo ceros. Para esto deberá sumar múltiplos
adecuados de la fila pivotante a las filas correspondientes.
Es importante observar que en este algoritmo los pasos del 1 al 4 aplicados
repetidamente permiten obtener una matriz escalonada, mientras que el paso 5
permite obtener una matriz escalonada reducida. En el paso 2 si el elemento no es
cero no se debe realizar intercambio alguno y en el paso 3 los elementos que se hacen
cero son sólo los elementos debajo del pivote.
Ejemplo:
3 6 −9 3
Dada la matriz 𝐴 = ( 2 4 −8 0) aplicar el algoritmo de eliminación gaussiana.
−2 −3 4 −1
En este caso la primera columna tiene elementos distintos de cero (𝑎11 = 3), continúa
entonces el paso 2 pero como el elemento 𝑎11 ≠ 0 se continua con el paso 3. El
elemento 𝑎11 es el pivote y será usado para hacer ceros los elementos debajo de él;
para esto debemos sumar múltiplos adecuados de la fila pivotante a las filas
inferiores.

3 6 −9 3 2 3 6 −9 3
(2 4 −8 0) ~ − 3 𝐹1 + 𝐹2 (0 0 −2 −2)
−2 −3 4 −1 2
𝐹1 + 𝐹3 0 1
3
−2 1

No se debe considerar a partir de ahora, ni la primera fila ni la primera columna pues

con ellas ya se trabajó. Al repetir el paso 1, el algoritmo busca la primer columna
distinta de cero; en este caso a partir de la segunda columna y continua con el paso 2.
Como el elemento 𝑎22 = 0 debemos buscar en la parte inferior de la comuna dos el
primer elemento distinto de cero (𝑎32 = 1) y realizar el intercambio de filas.
3 6 −9 3 3 6 −9 3
(0 0 −2 −2) ~ (0 1 −2 1 )
0 1 −2 1 0 0 −2 −2
Ahora el pivote es el elemento 𝑎22 = 1.
Continuamos con el paso 3. En este caso los elementos debajo del pivote son cero y el
algoritmo procede a la siguiente columna siendo el pivote el elemento 𝑎33 = −2 que no
tiene elementos debajo de él.

Pág. 26
Hasta aquí la matriz es escalonada, ahora se procede con el paso 5, hacer uno cada
pivote y posteriormente hacer ceros los elementos arriba de cada uno de ellos.
Hagamos 1 el 𝑝3 (𝑎33 = −2).
3 6 −9 3 3 6 −9 3
(0 1 −2 1 ) ~ (0 1 −2 1)
1
0 0 −2 −2 − 2 𝐹3 0 0 1 1
Debemos hacer cero los elementos por arriba de 𝑝3 .
3 6 −9 3 9𝐹3 + 𝐹1 3 6 0 12
(0 1 −2 1) ~2𝐹3 + 𝐹2 (0 1 0 3)
0 0 1 1 0 0 1 1
Procedemos de igual manera con 𝑝2 (𝑎22 = 1) que ya es 1, entonces sólo resta hacer
cero los elementos por encima de él.
3 6 0 12 −6𝐹2 + 𝐹1 3 0 0 −6
(0 1 0 3 ) ~ (0 1 0 3)
0 0 1 1 0 0 1 1
Finalmente debemos hacer 1 el 𝑝1 (𝑎11 = 3).
1
3 0 0 −6 𝐹 1 0 0 −2
3 1
(0 1 0 3 ) ~ (0 1 0 3 )
0 0 1 1 0 0 1 1

Rango de una matriz: sea la matriz 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 𝑥 𝑛 ∈ 𝐾 𝑚 𝑥 𝑛 se denomina rango de A y

se denota como 𝜌(𝐴), al número de columnas pivotales o número de filas no nulas de

cualquier forma escalonada por filas de dicha matriz.
Observemos que esta definición de rango se basa en cualquier forma escalonada por
fila de la matriz, es decir no es necesario que sea escalonada reducida por fila. Por lo
tanto para obtener el rango de una matriz se puede aplicar el algoritmo de eliminación
gussiana del paso 1 al 4, únicamente.
Ejemplo
0 1 2
Calcular el rango de A = (3 5 0)
1 −1 1
7 9 1
Como 𝑎11 = 0 se intercambian la fila 1 con la fila 2.
0 1 2 1 −1 1
(3 5 0) ~ ( 3 5 0)
1 −1 1 0 1 2
7 9 1 7 9 1
Ahora 𝑎11 = 1 = 𝑝1 . Debemos hacer cero todos los elementos de la primera columna y
ubicados debajo de 𝑝1 .
1 −1 1 1 −1 1
(3 5 0) ~ −3F1 + F2 (0 8 −3)
0 1 2 0 1 2
7 9 1 −7F1 + F4 0 16 −6

Pág. 27
Corresponde que a22 = 8 sea el segundo pivote, 𝑝2 . Debemos hacer cero todos los
elementos debajo de 𝑝2 .
1 −1 1 1 −1 1
(0 8 −3) ~ 0 8 −3
−8F3 + F2 (0 0 −19)
0 1 2
0 16 −6 −2F2 + F4 0 0 0
Finalmente 𝑝3 = −19 y ya son cero los elementos debajo de él.
Por lo tanto ρ(A) = 3 ya que esta forma escalonada de A tiene 3 filas pivotales ó tres
filas no nulas.

Propiedades del rango de una matriz

P1) Dada una matriz 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 𝑥 𝑛 ∈ 𝐾 𝑚 𝑥 𝑛 el rango es menor ó igual que 𝑚 y menor ó

igual que 𝑛.
P2) Todas las matrices equivalentes entre sí (por filas) tienen el mismo rango.
Nótese que el recíproco de esta propiedad no se cumple.
P3) Dada una matriz 𝐴 = ‖𝑎𝑖𝑗 ‖ ∈ 𝐾 𝑚 𝑥 𝑛 el rango de A es igual al rango de su
𝑚𝑥𝑛

traspuesta.
P4) El rango de la matriz 𝐼𝑛 es 𝑛.
D) La demostración de esta propiedad es evidente ya que la matriz identidad ya es
escalonada reducida por filas y por lo tanto es escalonada por filas y tiene 𝑛 filas no
nulas ó 𝑛 columnas pivotales, por lo tanto el rango de la matriz 𝐼𝑛 es 𝑛.
P5) Toda matriz equivalente por filas a la identidad, tiene rango 𝑛.
D) La demostración de esta propiedad se pone en evidencia si consideramos la
segunda propiedad enunciada: Todas las matrices equivalentes entre sí (por filas)
tienen el mismo rango, por lo tanto, si una matriz es equivalente por fila a la matriz
identidad, 𝐼𝑛 , y esta tiene rango 𝑛, la matriz equivalente también tendrá rango 𝑛.

Ejemplos:
Sean las matrices:

1 2 4 −1 1 −2 4 1 1 0 0 0
2 1
𝐴=( ) , 𝐵 = (0 2 −4 2) , 𝐶 = (0 2 2 3) , 𝐼4 = (0 1 0 0)
0 5 0 0 1 0
0 0 0 0 0 0 0 2
0 0 0 1
𝜌(𝐴) = 2, 𝜌(𝐵) = 3, 𝜌(𝐶) = 3 𝑦 𝜌(𝐼4 ) = 4

11.2.- Obtención de la forma escalonada reducida por filas: algoritmo de Gauss–

Jordan
Describiremos a continuación otro algoritmo para obtener, a partir de una matriz 𝐴 =
‖𝑎𝑖𝑗 ‖𝑚 𝑥 𝑛 ∈ 𝐾 𝑚 𝑥 𝑛 , una determinada forma escalonada reducida por fila. Este algoritmo

consta de los siguientes pasos:

1.- Determine, de izquierda a derecha, la primera columna no cero (pivote).

Pág. 28
2.- Si el primer elemento de la columna es cero, intercambie la fila por otra que no
tenga cero, esto se ha de realizar con la primer fila siguiente que si posea pivote.
Multiplicando apropiadamente haga 1 el pivote, 𝑝1 .
3.- Obtenga ceros arriba y abajo del pivote sumando múltiplos adecuados a las filas
debajo (arriba) de él.
4.- Sin considerar la fila ni la columna de trabajo, repita el proceso comenzado en el
paso 1 en la columna siguiente.
Es importante observar que la idea de este algoritmo es ir escalonando la matriz y
volviéndola reducida por filas, simultáneamente.
El paso 1 de este algoritmo es idéntico al de la eliminación gaussiana, en el paso 2 se
debe hacer el intercambio de filas solo si el primer elemento de la columna es cero,
igual que en el algoritmo de eliminación gaussiana, pero en este caso al pivote se lo
transforma en 1. La diferencia en el paso 3 de los algoritmos es que en la eliminación
gaussiana se hacen ceros solamente los elementos por debajo del pivot mientras que
en Gauss–Jordan se vuelven cero los elementos por debajo y encima del pivot. El paso
4 es similar, obteniéndose en la eliminación gaussiana una matriz escalonada.

Ejemplo:
Dala la siguiente matriz, aplicar el algoritmo de Gauss–Jordan para obtener una
matriz escalonada reducida por filas.
3 6 −9 3
𝐴=( 2 4 −8 0)
−2 −3 4 −1
Observamos que el elemento 𝑎11 = 3 es distinto de cero, por lo tanto es el 𝑝1 .
Corresponde volver 1 a dicho pivot y volver cero los elementos, en este caso, debajo de
él.
1
3 6 −9 3 𝐹 1 2 −3 1 1 2 −3 1
3 1
(2 4 −8 0) ~ (2 4 −8 0) ~ −2𝐹1 + 𝐹2 (0 0 −2 −2)
−2 −3 4 −1 −2 −3 4 −1 2𝐹1 + 𝐹3 0 1 −2 1
Sin considerar ni la primera fila ni la primera columna, procedemos a identificar el
segundo pivot, 𝑝2 , observamos que 𝑎22 = 0, por lo tanto procedemos a intercambiar la
fila 2 por l inmediata inferior que no tenga cero en la posición deseada, en este caso la
fila 3.
1 2 −3 1 1 2 −3 1
(0 0 −2 −2) ~ (0 1 −2 1 )
0 1 −2 1 0 0 −2 −2
Como 𝑝2 ya es 1, procedemos a hacer cero los elementos por debajo y por encima de
𝑝2 , en este caso el elemento por debajo de 𝑝2 ya es cero, solo corresponde trabajar con
el elemento 𝑎12 .

Pág. 29
 1 2 −3 1 −2𝐹2 + 𝐹1 1 0 1 −1
(0 1 −2 1 ) ~ (0 1 −2 1 )
0 0 −2 −2 0 0 −2 −2
Sin considerar ni la segunda fila ni la segunda columna, procedemos a identificar el
segundo pivot, 𝑝3 , observamos que 𝑎33 = −2, corresponde volver 1 a 𝑝3 y cero los
elementos, en este caso, por encima de él.
1 0 1 −1 1 0 1 −1 −𝐹3 + 𝐹1 1 0 0 −2
(0 1 −2 1 ) ~ (0 1 −2 1 ) ~ 2𝐹3 + 𝐹2 (0 1 0 3)
1
0 0 −2 −2 − 2 𝐹3 0 0 1 1 0 0 1 1
De esta forma finaliza el algoritmo y se obtuvo a partir de la matriz dada otra matriz
pero escalonada reducida por filas. Además podemos decir en este caso que 𝜌(𝐴) = 3.

12.- Condición de existencia y cálculo de la matriz inversa

Tal como se dijo anteriormente en este apartado se demostrará una condición
necesaria y suficiente para que una matriz cuadrada posea inversa y se ejemplificará
su cálculo. Previo a esto será necesario demostrar el siguiente teorema.
Teorema: Dada una matriz cualquiera 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 𝑥 𝑛 ∈ 𝕂𝑚 𝑥 𝑛 existen matrices P y U

tales que P.A = U, siendo U una matriz escalonada.

D) La demostración de este teorema se realizará de forma constructiva.

Paso 1: Anular todos los elementos 𝑎𝑖1 con 1 < 𝑖 ≤ 𝑛 .
Si 𝑎11 ≠ 0 mediante transformaciones elementales por filas podemos anular todos
los elementos de la primera columna situados por debajo de él.
Si 𝑎11 = 0 y algún elemento de la primera columna es no nulo, entonces podemos
llevarlo –mediante una transformación elemental– a la posición (1, 1) y proceder
como en el caso anterior.
Si 𝑎𝑖1 = 0 para 𝑖 = 1, … , 𝑚 significa que la primera columna es de ceros, por lo tanto
𝑎𝑖1 = 0 ∀ 𝑖 > 1 lo que significa que se trata de una columna del tipo de las matrices
escalonadas.
Paso 2: Procedemos con el elemento 𝑎22 (resultante de las transformaciones
anteriores) de la misma manera que se procedió con el 𝑎11 , es decir, si 𝑎22 ≠ 0 lo
utilizamos para hacer cero los elementos debajo de él en la segunda columna. Si 𝑎22 =
0 buscamos si existe por debajo de él, el primer elemento 𝑎𝑖2 ≠ 0 y en caso de existir,
realizamos la transformación correspondiente, etc.
Paso 3: Reiterando los pasos 1 y 2, llegamos a una matriz escalonada.
De esta manera, queda demostrado –de manera constructiva– el teorema.

Observemos que la matriz P es el producto de las matrices de las transformaciones

elementales por filas2 realizadas para pasar de A a U.

2
Para ampliar este tema, ver el apéndice al final del capítulo.

Pág. 30
Ejemplo:
2 1 3 4
Sea la matriz 𝐴 = (4 2 1 5) encontrar las matrices P y U (escalonada) tal que 𝑃. 𝐴 =
1 0 2 3
𝑈
2 1 3 4 2 1 3 4 2 1 3 4
(4 2 1 5) ~ −2𝐹1 + 𝐹2 (0 0 −5 −3) ~ ( 0 0 −5 −3) ~
1 1 1
1 0 2 3 ⏟ 1 0 2 3 ⏟ 2 𝐹1 + 𝐹3 0 − 2
− 2
1
𝑃1 𝑃2

2 1 3 4
1 1
~ (0 −2 2
1 ) = 𝑈.
𝐹
⏟2 ⟷ 𝐹3 0 0 −5 −3
𝑃3

Como 𝑃3 . 𝑃2 . 𝑃1 . 𝐴 = 𝑈 entonces 𝑃. 𝐴 = 𝑈 siendo

1 0 0 1 0 0 1 0 0 1 0 0
1
(0 0 1) . ( 01 1 0) . (−2 1 0) = ( 2 0
− 1)
⏟0 1 0 ⏟− 2 0 1 ⏟0 0 1 ⏟−2 1 0
𝑃3 𝑃2 𝑃1 𝑃

Se verifica que 𝑃. 𝐴 = 𝑈

1 0 0 2 1 3 4 2 1 3 4
1 1 1
(− 2 0 1) . (4 2 1 5) = ( 0 − 2 1 )
2
−2 1 0 1 0 2 3 0 0 −5 −3

1 0 0 2 1 3 4
1 1 1
Finalmente 𝑃 = (− 2 0 1) 𝑦 𝑈 = ( 0 − 2 2
1 )
−2 1 0 0 0 −5 −3

Este teorema nos permite demostrar una condición necesaria y suficiente para que
una matriz cuadrada posea inversa.
Teorema: una condición necesaria y suficiente para que una matriz cuadrada de orden
n, posea inversa es que su forma escalonada reducida por filas sea la matriz unidad.
D) ⟹) Si su forma escalonada reducida por fila es 𝐼𝑛 existe 𝑃 ∈ 𝕂𝑛 𝑥 𝑛 tal que 𝑃. 𝐴 = 𝐼𝑛
por lo tanto: 𝑃. 𝐴 = 𝐼𝑛 ⟺ 𝑃. 𝐴. 𝐴−1 = 𝐼𝑛 . 𝐴−1 ⟺ 𝑃 = 𝐴−1.
⟸) Si existe 𝐴−1 tal que 𝐴−1 . 𝐴 = 𝐼𝑛 ⟹ ∃𝑃 = 𝐴−1 tal que 𝑃. 𝐴 = 𝐼𝑛 y por lo tanto, 𝐼𝑛 es la
forma escalonada reducida por fila de A.
De esta manera queda demostrado el teorema.
Se puede establecer una relación entre el rango de una matriz cuadrada de orden n y
su matriz inversa, mediante el siguiente corolario.
Corolario: la matriz 𝐴 ∈ 𝕂𝑛 𝑥 𝑛 es invertible si y sólo si 𝜌(𝐴) = 𝑛.
D) ⟹) Si A es invertible, por el teorema anterior podemos afirmar que su forma
escalonada reducida es 𝐼𝑛 , que tienen 𝑛 filas no nulas y por lo tanto 𝜌(𝐴) = 𝑛.

Pág. 31
⟸) Si 𝜌(𝐴) < 𝑛 entonces U la forma escalonada reducida de A, tiene una fila de ceros,
luego no es invertible. Pero sabemos que U = P.A, por lo que, si A fuera invertible, U
también lo sería.
Quedando de esta manera demostrado el corolario y estableciendo una segunda
condición necesaria y suficiente para que una matriz posea inversa.
El teorema nos permite calcular la matriz inversa de una matriz A cuadrada de orden
𝑛, mediante transformaciones elementales entre sus filas, puesto que “efectuando la
misma secuencia de operaciones elementales por filas y en el mismo orden que llevan
de A a 𝐼𝑛 , la matriz 𝐼𝑛 se transforma en 𝐴−1 ”.
Esto determina un procedimiento para obtener la inversa de una matriz denominado
método de Gauss–Jordan, cuyo esquema es el siguiente:
(𝐴|𝐼) →→→ → … →→→→
⏟ ( 𝐼 | 𝐴−1 )
𝑜𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑙𝑒𝑠 𝑝𝑜𝑟 𝑓𝑖𝑙𝑎𝑠

Ejemplo 1:
Determinar por el método de Gauss–Jordan la matriz inversa de A, si dicha matriz
existe.
1 3 0
𝐴 = (0 1 1)
1 2 0
1 3 0 1 0 0 1 3 0 1 0 0 −3𝐹2 + 𝐹1 1 0 −3 1 −3 0
(0 1 1|0 1 0) ~ (0 1 1| 0 1 0) ~ (0 1 1 | 0 1 0) ~
1 2 0 0 0 1 −𝐹1+𝐹3 1 −1 0 −1 0 1 𝐹2 + 𝐹3 0 0 1 −1 1 1

−3𝐹3 + 𝐹1 1 0 0 −2 0 3
~ −𝐹3 + 𝐹2 ( 0 1 0| 1 0 −1 )
0 0 1 −1 1 1

Para verificar este resultado, al multiplicar la matriz A por su inversa se debe obtener
la matriz identidad.
1 3 0 −2 0 3 1 0 0
(0 1 1) . ( 1 0 −1) = (0 1 0)
1 2 0 −1 1 1 0 0 1
−2 0 3
Por lo tanto existe la inversa de A y es: 𝐴−1 = ( 1 0 −1)
−1 1 1
Ejemplo 2:
Determinar por el método de Gauss–Jordan la matriz inversa de A, si dicha matriz
existe.
1 1 3
𝐴 = (−1 −1 2)
1 1 0
1 1 3 1 0 0 1 1 3 1 0 0
( −1 −1 2 | 0 1 0) ~ 𝐹1 + 𝐹2 ( 0 0 5 | 1 1 0)
1 1 0 0 0 1 −𝐹1 + 𝐹3 0 0 −3 −1 0 1

Pág. 32
A partir de aquí podemos observar que no debemos considerar ni la primera fila ni la
primera columna, además el elemento 𝑎22 = 0 y el único elemento inmediatamente
debajo de él también es cero, 𝑎33 = 0. Por lo tanto no podemos seguir transformando la
matriz A en la matriz identidad, esto significa que la matriz A no posee inversa.
Existe otra condición necesaria y suficiente para determinar, más rápidamente, si una
matriz cuadrada de orden 𝑛 admite o no matriz inversa, es calculando su
determinante. Este y otros temas relacionados, se estudiaran en el capítulo
correspondiente al tema Determinantes.

13.- Submatrices
Submatriz: dada la matriz 𝐴 = ‖𝑎𝑖𝑗 ‖𝑚 𝑥 𝑛 si se eligen 𝐼 filas de las 𝑚 posibles y 𝐽

columnas de las 𝑛 posibles, se define la submatriz de A de orden 𝐼𝑥𝐽 como la matriz

[𝐴]𝐼𝑥 𝐽 cuyos elementos 𝑎𝑖𝑗 de A tales que 𝑖 ∈ 𝐼 𝑦 𝑗 ∈ 𝐽.
Una submatriz de la matriz A, es la matriz que se obtiene de A al eliminar las filas que
no están en I y las columnas que no están en J, es decir, es la matriz resultante de
eliminar de A determinadas filas y/o columnas.
1 −2 3
Sea A = (0 1 1 ) entonces, algunas de las submatrices son:
4 2 −1
2 1 0
0 1
[A]2 x 2 = (1 −2) [A]3 x 2 = (4 2) [A]1 x 3 = (4 2 1)
0 1
2 1
14.- Ecuaciones matriciales
Para poner en práctica el álgebra con matrices estudiada en los apartados anteriores,
se propone a continuación la resolución –en forma genérica– de ecuaciones donde se
involucran incógnitas que representan matrices. La resolución genérica se realizará
por medio de ejemplos.

Ejemplo 1:
Siendo A, B, X matrices y k un escalar no nulo, determinar X.
𝑘. 𝑋 + 𝐴 = 𝐵
El procedimiento que se emplea para encontrar la solución en esta ecuación matricial,
son similares a los seguidos en la ecuaciones algebraicas.
𝑘. 𝑋 + 𝐴 = 𝐵
𝑘. 𝑋 + 𝐴 − 𝐴 = 𝐵 − 𝐴 sumando en ambos miembros la opuesta de A
𝑘. 𝑋 + (𝐴 − 𝐴) = 𝐵 − 𝐴 por asociatividad de la suma (resta) de matrices
𝑘. 𝑋 = 𝐵 − 𝐴 por suma (resta) de matrices
1 1 1
𝑘
(𝑘. 𝑋) = 𝑘 (𝐵 − 𝐴) multiplicando ambos miembros por el escalar 𝑘
1
𝑋 = 𝑘 (𝐵 − 𝐴) por la asociatividad del producto de una matriz por un escalar

Pág. 33
Este procedimiento se realizó con detalles para evidenciar la similitud enunciada en el
primer párrafo. Evidentemente, este procedimiento se puede realizar –sobre todo en la
práctica– de manera más sintética si se eliminan los pasos obvios.
𝑘. 𝑋 + 𝐴 = 𝐵
𝑘. 𝑋 = 𝐵 − 𝐴
1
𝑋 = 𝑘 (𝐵 − 𝐴)

Ejemplo 2:
Siendo A y X matrices y A invertible, determinar X en: 𝐴. 𝑋 = 𝐵
Como la matriz A esta multiplicando por izquierda a la matriz X, de igual manera se
multiplicara ambos miembros por la inversa de A.
𝐴−1 . 𝐴. 𝑋 = 𝐴−1 . 𝐵
(𝐴−1 . 𝐴). 𝑋 = 𝐴−1 . 𝐵 por la asociatividad del producto de matrices
𝐼. 𝑋 = 𝐴−1 . 𝐵 por definición de inversa de una matriz
𝐼. 𝑋 = 𝐴−1 . 𝐵 por ser la matriz identidad el elemento neutro del producto de matrices
𝑋 = 𝐴−1 . 𝐵
Observemos, en primer lugar que como en el caso anterior, aquí también se puede
hacer un procedimiento más sintético que el expuesto. En segundo lugar, en el primer
paso del procedimiento no se puede multiplicar por 𝐴−1 ambos miembros de la
ecuación por derecha. Es decir hay que distinguir y recordar las dos siguientes
situaciones que no son iguales.
𝐴. 𝑋 = 𝐵 ⟹ 𝑋 = 𝐴−1 . 𝐵 ó bien 𝑋. 𝐴 = 𝐵 ⟹ 𝑋 = 𝐵. 𝐴−1
Finalmente, esto último también nos indica que para determinar la matriz X no se
debe dividir ambos miembros de la ecuación, por una misma matriz. No está definida
la división de matrices.

Ejemplo 3:
Sabiendo que A, B, X son matrices y que además A y B son invertibles, determinar X.
𝐴. 𝐵. 𝑋 = 𝐶
Solución 1 Solución 2
𝐴. 𝐵. 𝑋 = 𝐶 𝐴. 𝐵. 𝑋 = 𝐶
(𝐴. 𝐵). 𝑋 = 𝐶 𝐴−1 . 𝐴. 𝐵. 𝑋 = 𝐴−1 . 𝐶
(𝐴. 𝐵)−1 . (𝐴. 𝐵). 𝑋 = (𝐴. 𝐵)−1 . 𝐶 𝐵. 𝑋 = 𝐴−1 . 𝐶
𝐼. 𝑋 = (𝐴. 𝐵)−1 . 𝐶 𝐵−1 . 𝐵. 𝑋 = 𝐵−1 . 𝐴−1 . 𝐶
𝑋 = (𝐴. 𝐵)−1 . 𝐶 𝑋 = 𝐵−1 . 𝐴−1 . 𝐶
Debido a que (𝐴. 𝐵)−1 = 𝐵−1 . 𝐴−1 ambos resultados son igualmente correctos.

Ejemplo 4:

Pág. 34
Sabiendo que A, X son matrices, determinar X en los siguientes dos casos: 𝑋 𝑡 = 𝐴 y
𝑋 −1 = 𝐴
Ambos casos se basan en propiedades similares de la trasposición e inversión de
matrices. Se los resolverá sintéticamente y de manera simultánea.
𝑋𝑡 = 𝐴 𝑋 −1 = 𝐴
(𝑋 𝑡 )𝑡 = 𝐴𝑡 (𝑋 −1 )−1 = 𝐴−1
𝑋 = 𝐴𝑡 𝑋 = 𝐴−1

Los siguientes ejemplos son una combinación de los ejemplos anteriores, es

importante ser cuidadoso y riguroso en cuanto a los pasos necesarios para determinar
la incógnita.
Ejemplo 5:
Sabiendo que A, B, C, D, X son matrices, A invertible y k un escalar no nulo,
determinar X: 𝐴. (𝑘𝑋 + 𝐵) + 𝐶 = 𝐷
𝐴. (𝑘𝑋 + 𝐵) + 𝐶 = 𝐷
𝐴. (𝑘𝑋 + 𝐵) = 𝐷 − 𝐶
𝑘𝑋 + 𝐵 = 𝐴−1 . (𝐷 − 𝐶)
𝑘𝑋 = 𝐴−1 . (𝐷 − 𝐶) − 𝐵
1
𝑋 = 𝑘 (𝐴−1 . (𝐷 − 𝐶) − 𝐵)

Ejemplo 6:
Sabiendo que A, B, C, D, E, X son matrices invertibles, determinar X:
𝐴. ((𝐵. 𝑋)−1 + 𝐶)𝑡 + 𝐷 = 𝐸
𝐴. ((𝐵. 𝑋)−1 + 𝐶)𝑡 = 𝐸 − 𝐷
((𝐵. 𝑋)−1 + 𝐶)𝑡 = 𝐴−1 . (𝐸 − 𝐷)
(𝐵. 𝑋)−1 + 𝐶 = (𝐴−1 . (𝐸 − 𝐷))𝑡
(𝐵. 𝑋)−1 = (𝐴−1 . (𝐸 − 𝐷))𝑡 − 𝐶
𝐵. 𝑋 = ((𝐴−1 . (𝐸 − 𝐷))𝑡 − 𝐶)−1
𝑋 = 𝐵−1 . ((𝐴−1 . (𝐸 − 𝐷))𝑡 − 𝐶)−1

Pág. 35
 Apéndice
Este apartado pretende profundizar el tema: Transformaciones elementales de
matrices también llamadas operaciones elementales y que se definió para las líneas
(filas ó columnas) de una matriz.
Recordemos, en primer lugar, que se definieron tres tipos de transformaciones:
permutación, adición de una línea a otra y multiplicación de una línea por un escalar
no nulo y segundo, es válido realizar simultáneamente más de una transformación.
La primera transformación elemental sobre las filas de una matriz 𝐴 ∈ 𝕂𝑚 𝑥 𝑛 es el
intercambio de la fila 𝑖 y 𝑗 de ella. Este efecto se logra al multiplicar por izquierda la
matriz A por la matriz 𝑃𝑖𝑗 , siendo esta el resultado de intercambiar las filas 𝑖 y 𝑗 de la
matriz 𝐼𝑚 .
2 4 1 3
Por ejemplo, consideremos la matriz 𝐴 = (4 5) para intercambiar 𝐹2 𝑦 𝐹3
2 1
1 3 0 2
1 0 0
multiplicamos por izquierda la matriz A por la matriz 𝑃23 = (0 0 1) (en 𝐼3 (𝑚 = 3) se
0 1 0
intercambiaron las filas segunda y tercera).
1 0 0 2 1 3 4 2 1 3 4
𝑃23 . 𝐴 = (0 0 1) . (4 2 1 5) = (1 0 2 3)
0 1 0 1 0 2 3 4 2 1 5

Observemos que se obtuvo una matriz con las mismas filas que A pero con la segunda
y tercer fila intercambiada.

En la práctica esto no suele aplicarse ya que es simplemente volver a “escribir” la

matriz A con sus filas intercambiada, pero en el ámbito computacional el intercambio
de filas de una matriz se realiza con este procedimiento.

La segunda transformación elemental sobre las filas de una matriz 𝐴 ∈ 𝕂𝑚 𝑥 𝑛 es

multiplicar la fila 𝑖 por un número 𝛼 ≠ 0. Este efecto se logra al multiplicar por
izquierda la matriz A por la matriz 𝑃𝑖 (𝛼), siendo esta el resultado de multiplicar por 𝛼
la fila 𝑖 de la matriz 𝐼𝑚 .
2 4 1 3
Por ejemplo, consideremos la matriz 𝐴 = (4 5) para multiplicar por 3 (𝛼
2 1 = 3) la
1 3 0 2
1 0 0
segunda fila de A, multiplicamos por izquierda, A y la matriz 𝑃2 (3) = (0 3 0) (en
0 0 1
𝐼3 (𝑚 = 3) se multiplicó la segunda fila por 3).
1 0 0 2 1 3 4 2 1 3 4
𝑃2 (3). 𝐴 = (0 3 0) . (4 2 1 5) = (12 6 3 15)
0 0 1 1 0 2 3 1 0 2 3

Pág. 36
Observemos que se obtuvo una matriz con la primera y tercera fila idénticas a las de A
pero con la segunda fila igual a la segunda fila de A multiplicada por 3.

La tercera transformación elemental sobre las filas de una matriz 𝐴 ∈ 𝕂𝑚 𝑥 𝑛 es sumar

a la fila 𝑖 la fila 𝑗 multiplicada por un número 𝛼 ≠ 0. Este efecto se logra al multiplicar
por izquierda la matriz A por la matriz 𝑃𝑖𝑗 (𝛼), siendo esta el resultado de sumar a la
fila 𝑖 de la matriz 𝐼𝑚 su fila 𝑗 multiplicada por 𝛼, es decir, la matriz resultante de
sustituir el elemento 𝑖𝑖𝑗 = 0 por 𝛼.
2 1 34
Por ejemplo, consideremos la matriz 𝐴 = (4 2 15) para restar a la segunda fila de
1 0 23
1 0 0
A el doble de la primera utilizamos la matriz 𝑃21 (−2) = (−2 1 0) (en 𝐼3 (𝑚 = 3) se
0 0 1
sustituyó el elemento 𝑖21 = 0 por –2).
1 0 0 2 1 3 4 2 1 3 4
𝑃21 (−2). 𝐴 = (−2 1 0) . (4 2 1 5) = (0 0 −5 −3)
0 0 1 1 0 2 3 1 0 2 3
Observemos que en la matriz A se ha producido el efecto que deseamos.

Si bien se detallaron las transformaciones para las filas de una matriz A, se puede
trabajar de manera similar pero con las columnas de A, es decir, las transformaciones
elementales para las columnas de A son las mismas que para las filas, nada mas que
operando por columna.

Pág. 37