Análisis Matemático II

Para poder generalizar la noción de diferenciabilidad para funciones vectoriales f : Rn → Rm , y poder

desarrollar la versión general de la regla de la cadena para derivar funciones compuestas, debemos conocer
algunos conceptos básicos del álgebra matricial.

Matrices y determinantes
Las matrices y determinantes son herramientas del álgebra que permiten el ordenamiento de datos y
su manejo. Las matrices se encuentran en aquellos ámbitos en los que se trabaja con datos regularmente
ordenados.

Matrices
Una matriz es una tabla rectangular de números reales dispuestos en filas y columnas:
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A =  ..
 
.. .. .. 
 . . . . 
am1 am2 . . . amn

También escribiremos A = [aij ]. Cada elemento de la matriz lleva dos subı́ndices: el primero (i), indica
la fila a la que pertenece el elemento, y el segundo (j) la columna. Ası́, el elemento a32 está en la fila 3 y
en la columna 2. Notaremos a las matrices con letras mayúsculas.

Ejemplo: Los siguientes son ejemplos de matrices:

   √ 
2 2 3 1 19
A= B=
1 1 −8 17 4

A tiene 2 filas y 2 columnas, y por eso diremos que su tamaño es 2 × 2. B tiene 2 filas y 3 columnas,
diremos que su tamaño es 2 × 3.


En general, si una matriz A tiene m filas y n columnas, diremos que su tamaño es m × n, siempre en
primer lugar el número de filas y en segundo lugar el número de columnas.

Tipos de Matrices
1. Se llama matriz nula a la que tiene todos los elementos cero. Por ejemplo,
 
0 0 0
0 0 0
 
0 0 0
0 0 0

es una matriz nula de tamaño 4 × 3.

2. Se llama matriz fila a la que sólo tiene una fila, es decir que su tamaño es 1 × n. Por ejemplo,
 
1 2 3 4

es una matriz fila de tamaño 1 × 4.

 Análisis Matemático II

3. Se llama matriz columna a la que consta de una columna, es decir que su tamaño es m × 1. Por
ejemplo,  
−5
 3 
√
6
4. Una matriz es cuadrada cuando tiene el mismo número de filas y columnas, es decir, su tamaño es
n × n. También diremos que es de orden n. Por ejemplo,
 
1 1 1
B = 3 3 3
0 2 2
es una matriz cuadrada de tamaño 3 × 3, u orden 3.
Dentro de las matrices cuadradas llamaremos diagonal principal a la formada por los elementos
a11 , a22 , . . . , ann , siendo la matriz
 
a11 a12 a13 . . . a1n
 a21 a21 a23 . . . a2n 
A =  ..
 
.. .. . . .. 
 . . . . . 
an1 an2 an3 . . . ann

En la matriz B del ejemplo anterior, su diagonal principal está formada por 1, 3, 2.

Se llama traza de una matriz a la suma de los elementos de la diagonal principal. Es decir,
Traza(A) = a11 + a22 + . . . + ann . En el caso de la matriz B, es Traza(B) = 1 + 3 + 2 = 6.
Una clase especial de matrices cuadradas son las matrices triangulares. Una matriz es triangular
superior si todos los elementos por debajo de la diagonal principal son nulos, y es triangular inferior si son
nulos todos los elementos situados por encima de dicha diagonal. Son ejemplo de estas matrices:
 
1 0 0 0  
0 −4 0 1 4 1/5
0 

E= 3 4 5 F = 0 9 −5 
0 
0 0 π
1 3 16 −49
Si una matriz sólo tiene elementos no nulos en su diagonal principal, diremos que es una matriz
diagonal. Un ejemplo serı́a  
1 0 0
F = 0 9 0 
0 0 5/9
Por último, si una matriz diagonal tiene en su diagonal principal sólo unos, se denomina matriz unidad
o identidad. Se suele representar por In , donde n es el orden o tamaño de la matriz. Algunas matrices
identidad son:  
  1 0 0 0
  1 0 0
1 0 0 1 0 0
I2 = I3 = 0 1 0 I4 = 
 
0 1 0 0 1 0
0 0 1
0 0 0 1

Operaciones con Matrices

Suma y diferencia
Definición
Dadas dos matrices m × n, A y B, podemos realizar la suma o la diferencia para obtener una nueva
matriz m × n, cuyo ij-ésimo elemento, cij , es la suma o la resta de aij y bij .
Si las matrices tienen tamaños diferentes, no se pueden sumar o restar entre si.
 Análisis Matemático II

Propiedades de la suma de matrices:

a) Conmutativa: A + B = B + A
b) Asociativa: A + (B + C) = (A + B) + C
c) Elemento neutro: La matriz nula del tamaño correspondiente.
d) Elemento opuesto de A: La matriz −A, que resulta de cambiar de signo a los elementos de A.
Ejemplo:    
0 −1 0 1
Si A = 8 32 , entonces su opuesta es −A = −8 −32. Claramente al sumarlas obtenemos la
−7 π 7 −π
matriz nula del mismo tamaño.


Producto por un Número Real

Definición
Dado un escalar λ y una matriz m × n, podemos multiplicar a A por λ y obtener otra matriz m × n,
λA = C, cuyo ij-ésimo elemento, cij , es el producto de λ y aij .
 
3 9 12
Ejemplo: Multipliquemos a la matriz M = por λ = 8:
0 0 1
   
3 9 12 24 72 96
8 =
0 0 1 0 0 8


Propiedades:
a) Distributiva respecto de la suma de matrices: λ(A + B) = λA + λB
b) Distributiva respecto a la suma de escalares: (λ + β)A = λA + βA
c) Asociativa: λ(βA) = (λβ)A
d) Elemento neutro 1: 1A = A

Trasposición de Matrices
Dada una matriz cualquiera A, se llama matriz traspuesta de A, y se representa por AT a la matriz
que resulta de intercambiar
 las filas ylas columnas de A.
2 1 0 7
Por ejemplo, si A = , entonces la matriz traspuesta de A es
−3 4 2 1
 
2 −3
1 4 
AT =  0 2 


7 1
Evidentemente, si A es una matriz de tamaño m × n, su traspuesta AT tendrá tamaño n × m, pues el
número de columnas será el de filas y viceversa.
Si la matriz es cuadrada, su traspuesta tendrá el mismo tamaño.
 Análisis Matemático II

Propiedades:
a) (AT )T = A, es decir, la traspuesta de la traspuesta es la matriz inicial.

b) (A + B)T = AT + B T

c) (λA)T = λAT

En base a esta nueva operación, podemos definir otras clases de matrices, que son:
Matrices simétricas: aquellas para las que se verifica que AT = A. En estas matrices los elementos
son simétricos respecto de la diagonal principal.
Matrices anti-simétricas: aquellas para las que se cumple que AT = −A. En estas matrices, los
elementos de la diagonal principal son siempre nulos (¿por qué?) y los restantes son opuestos respecto a
dicha diagonal.

Ejemplo:
 
2 1 3
1. La matriz A = 1 0 √ −2 es una matriz simétrica.
3 −2 7
 
0 1 3
2. La matriz B = −1 0 −2 es una matriz anti-simétrica.
−3 2 0


Producto de Matrices
Veamos ahora la multiplicación entre matrices. Si A = [aij ] y B = [bij ] son matrices n×n (cuadradas),
entonces el producto A · B = C tiene elementos dados por:
n
X
cij = aik bkj ,
k=1

que es el producto escalar de la fila i-ésima de A con la columna j-ésima de B:

    
a11 . . . aj2 . . . a1n b11 . . . b 1j . . . b1n c11 . . . c1j . . . c1n
 .. .. .. .. ..   .. .. .. .. ..   .. .. .. .. .. 
 . . . . .  . . . . .   . . . . . 
a i1 . . . a ij . . . a in   bi1 . . . b ij . . . bin  =  ci1 . . . c ij . . . cin 
    
 . .. .. .. ..   . .. .. .. ..   . .. .. .. .. 
 .. . . . .   .. . . . .   .. . . . . 
an1 . . . anj . . . ann bn1 . . . b nj . . . bnn cn1 . . . cnj . . . cnn

Ejemplo:    
1 0 3 0 2 0
Dados A = 2  1 0 y B = 2 3
  0, veamos como serı́a el producto C = A · B. Calculemos
1 0 1 1 1 3
primero el elemento c11 que es el producto escalar de la primer fila de A y la primer columna de B:

c11 = a11 b11 + a12 b21 + a13 b31 = 0 + 0 + 3

Ahora, por ejemplo, calculemos c31 , que se obtiene haciendo el producto escalar de la fila 3 de A y la
columna 1 de B:
c31 = a31 b11 + a32 b21 + a33 b31 = 0 + 0 + 1
 Análisis Matemático II

Haciendo lo mismo con el resto de la matriz, obtenemos que:

 
3 5 9
A · B = 2 7 0
1 3 3
Claramente este producto no es conmutativo, pues si conmutamos los factores obtenemos:
 
4 2 0
B·A= 5 3 6
6 1 6


Hay que dejar en claro que no todas las matrices pueden multiplicarse. Para multiplicar dos matrices
A y B, en ese orden, es condición indispensable que el número de columnas de A sea igual al
número de filas de B.
Si no se cumple esta condición, no se puede realizar el producto, de modo que esto es algo que debemos
chequear previamente a la propia multiplicación.
Entonces, podemos multiplicar una matriz m × n (m filas y n columnas) por una matriz n × p (n
filas y p columnas), y obtendremos una matriz m × p (m filas, p columnas), mediante la misma regla que
desarrollamos antes.

Ejemplo:
 
  1 1 1
2 1 3
1. Sean A = y B = 3 3 3 , entonces:
0 4 1
0 2 2
 
5 11 11
A·B =
12 14 14
Y el producto B · A no está definido.
 
1
2  
2. Sean A = 3 y B = 5 6 7 8 , tenemos que:


4
 
5 6 7 8
10 12 14 16
A·B =
15

18 21 24
20 24 28 32
y  
B · A = 80

Propiedades del Producto de Matrices:

a) Asociativa: A · (B · C) = (A · B) · C
b) Distributiva respecto de la suma:
A · (B + C) = A · B + A · C
(B + C) · A = B · A + C · A
 Análisis Matemático II

c) Elemento neutro, la matriz identidad correspondiente, si A es m × n:

A · In = A

Im · A = A

d) En general, el producto de matrices no es conmutativo

A · B 6= B · A

e) El producto de dos matrices no nulas A yB puede dar lugar a una matriz nula:
 
  5  
2 1 3   0
· 2 =
0 2 1 0
−4

Se dice que el conjunto de las matrices con la operación producto tiene divisores de cero, es decir,
hay matrices no nulas cuyo producto es nulo.

La Matriz Inversa
Ya sabemos multiplicar matrices y hemos visto algunas de las propiedades de esta operación. Recor-
demos que no siempre es posible multiplicar dos matrices, y que en caso de poder hacerlo, esta operación
no es conmutativa.
En el caso particular de que tratemos con matrices cuadradas del mismo orden A y B, ya vimos que
podemos efectuar A · B y B · A y obtenemos otra matriz cuadrada del mismo orden, aunque en general
las resultantes serán distintas.
Sabemos también que el elemento neutro del producto de matrices es la matriz identidad In . En los
números reales, sabemos que para todo número real x, salvo el 0, existe otro número real que al multiplicarlo
por x dá como resultado el elemento neutro del producto, es decir, el 1. A este elemento lo llamamos el
elemento inverso de x, y todo real salvo el 0 tiene inverso.
Trasladando esto a las matrices, nos podemos plantear si dada una matriz cuadrada A de orden n,
cualquiera, existe su inversa X para el producto de matrices, tal que

A · X = In

es decir, el producto de A por su inversa produce el elemento neutro matricial, la matriz identidad In .
Sin embargo, hay algunas diferencias con respecto al caso de los números reales:
In
1) No podemos “despejar” la matriz X del modo X = , porque no hemos definido la división de
A
matrices.

2) No todas las matrices cuadradas no nulas tienen matriz inversa.

Definamos, en primer lugar, el término de matriz inversa:

Definición
Dada una matriz cuadrada de orden n, A, se dice que A es invertible (o regular, o que posee inversa o
que es no singular), si existe otra matriz del mismo orden, denominada matriz inversa de A, representada
A−1 , tal que:
A · A−1 = In
y
A−1 · A = In
 Análisis Matemático II

Si A no tiene inversa, se dice que es singular o no invertible.

Si una matriz tiene inversa, dicha matriz inversa es única (sólo hay una). Para calcular dicha matriz
inversa, podemos utilizar dos vı́as:

Método directo:
Consiste en determinar A−1 planteando
 un sistema de ecuaciones, es decir, si por ejemplo queremos
1 2
determinar la inversa de la matriz A = , lo que estamos buscando es otra matriz de igual tamaño
−1 1  
−1 −1 −1 x y
(de orden 2) tal que A · A = I2 y A · A = I2 , es decir, si A = , se tiene que cumplir que:
z t
     
1 2 x y 1 0
· =
−1 1 z t 0 1
   
x + 2z y + 2t 1 0
=
−x + z −y + t 0 1
Es decir que debemos resolver el siguiente sistema:


 x + 2z = 1
y + 2t = 0


 −x + z = 0
−y + t = 1


Resolviéndolo, obtenemos que

1 −2 1 1
x = ,y = ,z = ,t =
3 3 3 3
por lo que la matriz inversa es
1 −2
 
3 3  1  
−1 1 −2
A = =
 
1 1  3 1 1
3 3
Se puede comprobar que también se cumple que A−1 · A = I2 , luego A es invertible, por lo tanto, tiene
inversa. Si el sistema no tiene solución, entonces
 la matriz A no tiene inversa.
1 1
Por ejemplo, en el caso en que A = , del mismo modo, buscamos A−1 tal que A · A−1 = I2 :
2 2
     
1 1 x y 1 0
· =
2 2 z t 0 1
   
x+z y+t 1 0
=
2x + 2z 2y + 2t 0 1


 x+z =1
y+t=0


 2x + 2z = 0
2y + 2t = 1


Y por ejemplo, de 2x + 2z = 0 se obtiene que x = −z, si se sustituye en la primera ecuación es −z + z = 1,

es decir que 0 = 1, lo que es una contradicción. El sistema no tiene solución, y A no es invertible, es
singular.
Este método directo sólo se suele utilizar para matrices cuadradas de tamaño 2, puesto que para las de
tamaño 3 obtenemos un sistema de 9 ecuaciones con 9 incógnitas! Algo que puede ser difı́cil de resolver.
 Análisis Matemático II

Método de Gauss-Jordan:
Consiste en hacer transformaciones elementales en las filas de la matriz para llegar a obtener la matriz
identidad. Realizando estas mismas transformaciones a la matriz identidad llegamos a la matriz A−1 .
Se llama transformación elemental en una matriz a

T1) Multiplicar o dividir una fila por un número real distinto de cero.

T2) Sumar o restar a una fila otra multiplicada por un numero real no nulo.

T3) Intercambiar el lugar de dos filas entre sı́.



1 2
Veamos como se realiza el método de Gauss-Jordan, realizándolo de nuevo con la matriz .
−1 1

i) Consideramos la matriz formada por A y la matriz identidad correspondiente. En nuestro caso:

 
1 2 1 0
(A|I2 ) = .
−1 1 0 1

ii) Se hace la matriz triangular superior (es decir, hacemos ceros por debajo de la diagonal principal)
usando transformaciones elementales en filas.
La mejor forma de realizar esto es hacer cero los elementos por debajo de la diagonal en la segunda
columna usando la fila 2, y ası́ sucesivamente.
En nuestro caso, basta con cambiar la fila 2 por la suma de la la fila 2 con la fila 1, y se obtiene:
   
1 2 1 0 F2 =F1 +F2 1 2 1 0
(A|I2 ) = −→
−1 1 0 1 0 3 1 1

iii) Una vez hecha la matriz triangular superior, se hace la matriz triangular inferior, haciendo ceros a
los elementos por encima de la diagonal. El proceso es parecido al anterior: Hacer cero los elementos
por encima de la diagonal en la última columna usando la última fila. Luego, hacer cero los elementos
por encima de la diagonal en la penúltima columna usando la penúltima fila, y ası́ sucesivamente.
En nuestro caso.    
1 2 1 0 F1 =3F1 −2F2 3 0 1 −2
−→
0 3 1 1 0 3 1 1

iv) Ya tenemos una matriz diagonal. Lo único que falta es dividir a cada fila entre el número adecuado
para obtener unos en la diagonal principal, es decir, para obtener la matriz identidad en la parte
izquierda:    
3 0 1 −2 F1 =F1 /3, F2 =F2 /3 1 0 1/3 −2/3
−→
0 3 1 1 0 1 1/3 1/3

v) Una vez que se tiene la matriz identidad en la parte de la izquierda, la parte derecha es la matriz
inversa, es decir, llegamos a:
     
−1 1 0 1/3 −2/3 −1 1/3 −2/3 1 1 −2
(I2 , A ) = =⇒ A = =
0 1 1/3 1/3 1/3 1/3 3 1 1

matriz que habı́amos obtenido antes por el método directo.

Si al realizar el método de Gauss-Jordan en algún momento alguna fila se anula (tiene
todos sus elementos nulos), entonces la matriz no tiene inversa.
Cuanto mayor sea el orden de la matriz, mejor es este método frente al directo.
 Análisis Matemático II


1 1 0
Ejemplo: Calcular la inversa de la matriz B = −1 1 2 por el método de Gauss-Jordan.
1 0 1
Siguiendo los pasos anteriores:
     
1 1 0 1 0 0 1 1 0 1 0 0 1 1 0 1 0 0
F =F2 +F1 F 3=F3 −F1
(B, I3 ) = −1 1 2 0 1 0 2 −→ 0 2 2 1 1 0 −→ 0 2 2 1 1 0
1 0 1 0 0 1 1 0 1 0 0 1 0 −1 1 −1 0 1
   
1 1 0 1 0 0 1 1 0 1 0 0
F3 =2F3 +F2 F2 =2F2 −F3
−→ 0 2 2 1 1 0 −→ 0 4 0 3 1 −2
0 0 4 −1 1 2 0 0 4 −1 1 2

   
4 0 0 1 −1 2 F =
F1
,F =
F2
,F =
F3 1 0 0 1/4 0 0
F1 =4F1 −F2 1 2 3
−→ 0 4 0 3 1 −2 4
−→4 4
0 1 0 3/4 1/4 −2/4 = (I3 |B −1 )
0 0 4 −1 1 2 0 0 1 −1/4 1/4 2/4
 
1/4 0 0
Por lo tanto B −1 =  3/4 1/4 −1/2 es la inversa de la matriz B. También, podemos expresarla
−1/4 1/4 1/2
como:  
1 0 0
B −1 = 1/4  3 1 −2
−1 1 2
 
1 1
Si calculáramos con este método la inversa de la matriz A = resulta:
2 2
   
1 1 1 0 F2 =F2 −2F1 1 1 1 0
(A|I2 ) = −→
2 2 0 1 0 0 −2 1
Como aparece una fila de todos ceros, la matriz A no tiene inversa.


Determinantes
Introducimos a continuación el concepto de determinante asociado a una matriz cuadrada. Este con-
cepto permite simplificar operaciones matriciales tales como el cálculo de la matriz inversa.

Definición
Si A es una matriz 2 × 2, el determinante de la matriz A es el número real definido por la ecuación:

a11 a12
= a11 a22 − a12 a21 .
a21 a22

Ejemplo:

1 1 2 3
1) =1−1=0 2) = 10 − 12 = −2
1 1 4 5
 Análisis Matemático II

El determinante de una matriz 3 × 3 es el número real que definimos por medio de la ecuación:

a11 a12 a13

a a a a a a
a21 a22 a23 = a11 22 23 − a12 21 23 + a13 21 22
a32 a33 a31 a33 a31 a32
a31 a32 a33

La regla que tenemos para no tener que memorizar esta ecuación es: recorremos la primer fila multipli-
cando a1j por el determinante de la matriz 2 × 2 obtenida al eliminar la primer fila y la j-ésima columna,
y después sumamos todo, recordando poner un signo menos delante del término a12 .

Ejemplo:
 
1 0 0
1. El determinante de la matriz identidad I = 0 1 0, es:
0 0 1

1 0 0
1 0 0 0 0 1
0 1 0 =1 −0 +0 =1
0 1 0 1 0 0
0 0 1
 
1 2 3
2. Sea M = 4 5 6, calculemos su determinante:
7 8 9

1 2 3
5 6 4 6 4 5
4 5 6 =1 −2 +3
8 9 7 9 7 8
7 8 9

= 1(45 − 48) − 2(36 − 42) + 3(32 − 35)

= −3 + 12 − 9 = 0

Propiedades de Determinantes
Si cualquier fila o columna contiene únicamente ceros, el valor del determinante es cero.

Si una matriz tiene dos filas iguales o proporcionales, su determinante es cero.

El intercambio de dos filas o de dos columnas da lugar a un cambio de signo. Para el determinante
de una matriz 2 × 2, tenemos:

a11 a12
= a11 a22 − a12 a21
a21 a22

= −(a12 a21 − a11 a22 )

a21 a22
=− (intercambiamos las filas)
a11 a12
 Análisis Matemático II

Y lo mismo sucede si conmutamos los factores en cada producto y lo consideramos como un inter-
cambio de columnas:
a11 a12
= a11 a22 − a12 a21
a21 a22

= −(a12 a21 − a11 a22 )

a12 a11
=− (intercambiamos las columnas)
a22 a21

Podemos sacar afuera del determinante los escalares comunes a cualquier fila o columna, es decir,
para determinantes 2 × 2 tenemos:
αa11 a12 a11 αa12 αa21 αa22 a21 a22 a11 a12
= = = =α
αa21 a22 a21 αa22 a11 a12 αa11 αa12 a21 a22

En otras palabras, si multiplicamos todos los elementos de una lı́nea de un determinante por un
número, el determinante queda multiplicado por ese número.
Si a una linea de una matriz se le suma otra linea multiplicada por un número, el determinante no
cambia. Para determinantes 2 × 2, tenemos:
a1 a2 a1 + λb1 a2 + λb2 a1 a2 a1 + λa2 a2 a1 a2 + λa1
= = = =
b1 b2 b1 b2 b1 + λa1 b2 + λa2 b1 + λb2 b2 a2 b2 + λb1

El determinante de una matriz es igual al de su traspuesta,

|A| = |AT |

Si A tiene matriz inversa, A−1 , se verifica que

1
det(A−1 ) =
det(A)

Estas propiedades puede probarse directamente de la definición de determinante, y valen para cual-
quier matriz cuadrada A de orden n.

Observación:
Debido a estas propiedades, podemos desarrollar el determinante de una matriz recorriendo cualquier
fila o columna, teniendo en cuenta que debemos anteponer un signo menos delante del coeficiente si la
suma de los subı́ndices es impar. Para las matrices 3 × 3 indicamos los signos de los coeficientes para el
cálculo de su determinante ası́:
+ − +
− + −
+ − +

Ejemplo:
Calculemos el determinante de la matriz M del ejemplo anterior, desarrollándolo con la segunda fila:
1 2 3
2 3 1 3 1 2
4 5 6 = −4 +5 −6
8 9 7 9 7 8
7 8 9

= −4(18 − 24) + 5(9 − 21) − 6(8 − 14)

= 24 − 60 + 36 = 0
 Análisis Matemático II

Una estrategia a tener en cuenta en caso de tener matrices de orden 4 o superior, o incluso de orden 3
si la matriz es compleja, es el método de “hacer ceros”, puesto que el valor del determinante no varı́a al
realizar a la matriz ciertas transformaciones elementales en filas, como indican las propiedades. El método
se refiere a aplicar transformaciones elementales a la matriz, que no cambien su determinante, con el
objetivo de que aparezcan la mayor cantidad de ceros en la fila y desarrollar el determinante por esa fila.
Ası́ tendremos que calcular un menor número de subdeterminantes.

Relación entre la Inversa y los Determinantes

Hay una estrecha relación entre la inversa de una matriz cuadrada y su determinante. De hecho, se
verifica que,

Propiedad: Una matriz cuadrada A tiene inversa si y solo si su determinante es no nulo.

—————————————————

Aplicación de las Matrices a Sistemas de Ecuaciones

Cualquier matriz A m × n, determina una aplicación de Rn en Rm definida como sigue: Sea ~x =
(xa , . . . , xn ) ∈ Rn , consideramos la matriz columna n × 1 asociada a ~x, que notaremos por ahora como
XT :  
x1
 x2 
X T =  .. 
 
.
xn
y multiplicamos a la matriz A por X T , para obtener una matriz m × 1 :
     
a11 a12 . . . a1n x1 y1
 a21 a22 . . . a2n   x2   y2 
A · X T =  .. ..  ·  ..  =  ..  = Y
T
     
.. ..
 . . . .  .  . 
am1 am2 . . . amn xn ym

donde Y T corresponde al vector ~y = (y1 , y2 , . . . , ym ).

La regla que a cada elemento ~x ∈ Rn le asigna el producto A · X T , define una aplicación de Rn a Rm .
Esta aplicación es lineal, es decir:

A · (X T + Y T ) = A · X T + A · Y T

A · (λ)X T = λ(A · X T )
En Álgebra Lineal aprendemos que, recı́procamente, cualquier transformación lineal de Rn en Rm se
puede representar de esta forma mediante una matriz m × n.

Si la matriz A es invertible, la ecuación A · X T = Y T se puede resolver y “despejar” a la matriz X T

multiplicando ambos lados por A−1 , para obtener X T = A−1 · Y T .

Ejemplo:
Resolvamos el siguiente sistema de ecuaciones:

2x + 3y = 9
2x + 4y = 6
 Análisis Matemático II

Primero veamos que podemos representarlo de manera matricial, como:

     
2 3 x 9
· = (1)
2 4 y 6
 
2 3
Ahora, dado que la matriz que define la transformación es M = y verifica que
2 4

2 3
= 8 − 6 = 2 6= 0,
2 4

entonces sabemos que M es invertible. Utilizando alguno de los métodos que vimos, podemos calcular la
inversa de M y obtenemos  
−1 4 −3
M =
−2 2
Si ahora multiplicamos ambos miembros de (1) por M −1 , tenemos que:
         
4 −3 2 3 x 4 −3 9
· · = ·
−2 2 2 4 y −2 2 6
   
x 18 − 9
I2 =
y −9 + 6
   
x 9
=
y −3
Y por lo tanto, tenemos que la solución de nuestro sistema es x = 9, y = −3.