1

MATEMÁTICA I 2020

Capítulo 6
MATRICES

CONTENIDOS:

MATRICES

Definición. Operaciones elementales Anexo:

Nociones Operaciones sobre las filas de una
Básicas matriz Aplicaciones

Suma
Producto por Definición
Matrices Propiedades
Especiales: escalar
Nula Propiedades
Diagonal Producto Matriz
Propiedades escalonada y
Triangular reducida por
Identidad Recordar: NO ES filas
CONMUTATIVO.
Transposición
NO SIEMPRE
HAY INVERSA Propiedades

Método para hallar

la inversa

Matemáticos invitados: Arthur Cayley y James Joseph Sylvester

Las matrices como cuadros numéricos han sido usadas desde la antigüedad,
fundamentalmente para resolver sistemas de ecuaciones lineales.
 2

El libro chino Nueve capítulos sobre el Arte de las matemáticas (Jiu Zhang Suan Shu)
que proviene del año 300 a 200 a.c., es el primer ejemplo conocido de uso del método de
matrices para resolver sistemas de ecuaciones.
Después del desarrollo de la teoría de determinantes por Seki Kowa y Leibniz para
facilitar la resolución de ecuaciones lineales, Carl Friederich Gauss y Wilhelm Jordan
desarrollaron la eliminación de Gauss-Jordan, basada en las operaciones elementales, en
el siglo XIX.
Fue James Joseph Sylvester quien utilizó por primera vez el término MATRIZ
alrededor de 1848.
Cayley introdujo en 1858 la notación matricial, como forma abreviada de escribir un
sistema de m ecuaciones lineales con n incógnitas.
Ambos nacieron en Inglaterra, Cayley nació en 1821 y fue abogado de profesión,
mientras trabajaba en matemáticas en su tiempo libre, más adelante, conoce a Sylvester,
que había nacido unos años antes, en 1814, y abandona la abogacía para dedicarse por
completo a la matemática. Ambos trabajaron muchos años juntos e hicieron grandes aportes
a la teoría de invariantes, campo relacionado con el álgebra lineal.

1. Introducción. Nociones básicas.

Una ecuación lineal con coeficientes reales a1 , a2 , ..., an , término independiente b e

incógnitas x1 , x2 , ..., xn es una expresión de la forma a1.x1  a2 .x2  ...  an .xn  b , por ejemplo

2
.x1  5.x2  8.x3  1 .
5

Si se tienen dos o más ecuaciones lineales en las mismas incógnitas se tiene un

sistema de m ecuaciones con n incógnitas. El siguiente es un sistema de 2 ecuaciones con
3 incógnitas (sistema 2x3):

 2
 .x1 +5.x2  8.x3  1
S1 :  5 .
 x1  6.x2  4.x3  9
 3

Una solución del mismo, cuando existe, será una terna ordenada de números
( x10 , x20 , x30 ) que satisfaga simultáneamente todas las ecuaciones del sistema.

Si en S1 se cambian x1 , x2 , x3 por, respectivamente, x, y, z o bien por u1, u2, u3 el

sistema es el mismo. De modo que toda la información del sistema se encuentra en los
coeficientes y términos independientes en el orden que aparecen dispuestos, es decir en los
2 
 5 8   -1
siguientes “cuadros” de números A  5 , b=   que llamaremos matrices.
  9
1 6 4 
A es una matriz 2x3 (2 filas por 3 columnas), b es una matriz 2x1 (2 filas por 1
columna).

Este es uno de los problemas más importantes en los que se aplican las matrices: la
resolución de sistemas lineales de ecuaciones.

En general una matriz mxn tendrá la forma:

 a11 a12 a13 a14 ..... a1n 

 
 a21 a22 a23 a24 ..... a2 n 
A   a31 a32 a33 a34 ..... a3n 
 
 ... ... ... ... ... ... 
a ..... amn 
 m1 am 2 am3 am 4

Usamos en general letras mayúsculas de imprenta para nombrar a las matrices y la

misma letra en minúscula con dos subíndices para nombrar a sus elementos, así

Para la matriz A, el elemento que está en la fila 𝑖 columna 𝑗 se nota 𝑎𝑖𝑗 .

El primer subíndice 𝑖 de cada coeficiente indica la fila donde se encuentra dicho

coeficiente, el segundo subíndice j indica en qué columna está, para i = 1,2,…,m, j = 1, 2,
…,n.
 4

El conjunto de todas las matrices mxn con coeficientes 𝑎𝑖𝑗 ∈ ℝ, se indica ℝ𝑚𝑥𝑛 , decimos
entonces que si:

A es una matriz de m filas y n columnas con números reales 𝐴 ∈ ℝ𝑚𝑥𝑛

En el caso particular en que m=n decimos que las matrices son cuadradas, de lo
contrario son rectangulares.

En una matriz cuadrada la diagonal principal está dada por los elementos que
tienen igual número de fila que de columna, es decir: ( a11 , a22 , a33 ,..., ann ).

Por ejemplo ( 5, 3 , 9) es la diagonal principal de la siguiente matriz 3x3

5 0 3 
 
1
B 3 0
8 
 1 35 9 
 

Algunas clases especiales de matrices

Matriz nula:
Es una matriz cuadrada o rectangular en la que todos sus coeficientes son ceros.
Si llamamos 𝑏𝑖𝑗 a los elementos de la matriz nula nxm, definimos:

𝚶𝒏𝒙𝒎 es la matriz tal que 𝑏𝑖𝑗 = 0 ∀𝑖, 1 ≤ 𝑖 ≤ 𝑛 𝑦 ∀𝑗, 1 ≤ 𝑗 ≤ 𝑚

Observar que hay una matriz nula para cada dimensión.

0 0
Por ejemplo la matriz nula 2x2 es ( ) , se escribe con un subíndice para indicar
0 0
la dimensión: Ο2𝑥2
0 0
La matriz nula 3x2 es (0 0) , se escribe: Ο3𝑥2
0 0

Matriz triangular superior (respectivamente inferior):

Es una matriz cuadrada en la que son ceros todos los coeficientes debajo (respectivamente
arriba) de la diagonal principal.
 5

Si 𝐴 ∈ ℝ𝑛𝑥𝑛 es triangular superior entonces ∀𝑖, ∀𝑗, 𝑠𝑖 𝑖 > 𝑗 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑎𝑖𝑗 = 0

Si 𝐴 ∈ ℝ𝑛𝑥𝑛 es triangular inferior entonces ∀𝑖, ∀𝑗, 𝑠𝑖 𝑖 < 𝑗 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑎𝑖𝑗 = 0

La matriz A es una matriz 4x4, triangular superior y la matriz B es una matriz 4x4
triangular inferior:

5 6 1 0 3 0 0 0
   
0 1 8 5 1 6 0 0
A= B= 
0 0 4 2 0 3 4 0
   
0 0 0 5   36 5 0 3 
Los elementos que están debajo de la diagonal principal cumplen que la fila es mayor
o igual que la columna y los que están arriba cumplen que la fila es menor o igual que la
columna.

Notar que en la definición no se dice nada del resto de los elementos, es decir que
también puede haber 0 en otros lugares como en la matriz B del ejemplo.

Matriz diagonal:
Es una matriz nxn en la que son 0 todos los coeficientes que no están en la diagonal
principal.
Si 𝐴 ∈ ℝ𝑛𝑥𝑛 es diagonal entonces ∀𝑖, ∀𝑗 𝑠𝑖 𝑖 ≠ 𝑗 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑎𝑖𝑗 = 0

Las siguientes son matrices diagonales:

2 0 0
3 0
𝐴 = (0 −4 0 ) , 𝐵=( )
0 0
0 0 √2

Matriz identidad:
Es una matriz diagonal, en la que los coeficientes de la diagonal principal son todos 1.
Si llamamos 𝑒𝑖𝑗 a los elementos de la matriz identidad nxn, definimos:
1 𝑠𝑖 𝑖 = 𝑗
𝐼𝑛 es la matriz tal que 𝑒𝑖𝑗 = {
0 𝑠𝑖 𝑖 ≠ 𝑗
 6

Observar que al igual que la matriz nula, hay una matriz identidad para cada dimensión.
1 0
Por ejemplo la matriz identidad 2x2 es: 𝐼2 = ( ) , se escribe con un subíndice para indicar
0 1
la dimensión
1 0 0
La matriz identidad 3x3 es: 𝐼3 = (0 1 0)
0 0 1
_________________________________________________________________________

2. Operaciones

Definimos en principio la igualdad de matrices.

Dadas dos matrices de la misma dimensión, 𝐴 ∈ ℝ𝑚𝑥𝑛 y 𝐵 ∈ ℝ𝑚𝑥𝑛 decimos que:

𝐴=𝐵 si 𝑎𝑖𝑗 = 𝑏𝑖𝑗 ∀𝑖, 1 ≤ 𝑖 ≤ 𝑚, ∀𝑗, 1 ≤ 𝑗 ≤ 𝑛

2.1 Suma

Dadas dos matrices de la misma dimensión, 𝐴 ∈ ℝ𝑚𝑥𝑛 y 𝐵 ∈ ℝ𝑚𝑥𝑛 la suma de las

matrices se define como una nueva matriz 𝐶 ∈ ℝ𝑚𝑥𝑛 donde sus elementos son la suma de
los elementos de A y de B en la misma posición:

Ejemplo 2.1:

A
0 1 2  3 -1 1  , 3 0 3
Dadas 𝐴 𝑦 𝐵 ∈ ℝ2𝑥3  B  A B  
3 5 4  -3 3 4  0 8 8
0+3 1−1 2+1
La matriz 𝐶 = 𝐴 + 𝐵 es el resultado de: ( )
3−3 5+3 4+4

Suma de matrices
Sean las matrices, 𝐴 ∈ ℝ𝑚𝑥𝑛 y 𝐵 ∈ ℝ𝑚𝑥𝑛 se define la matriz suma 𝐶 = 𝐴 + 𝐵
Donde 𝐶 ∈ ℝ𝑚𝑥𝑛 y sus elementos 𝑐𝑖𝑗 = 𝑎𝑖𝑗 + 𝑏𝑖𝑗 ∀𝑖, 1 ≤ 𝑖 ≤ 𝑚, ∀𝑗, 1 ≤ 𝑗 ≤ 𝑛

Propiedades
 7

1) Asociatividad:
Para toda terna de matrices 𝐴, 𝐵 𝑦 𝐶 ∈ ℝ𝑚𝑥𝑛 se cumple que
𝐴 + (𝐵 + 𝐶 ) = (𝐴 + 𝐵 ) + 𝐶

2) Existencia de elemento neutro:

Existe la matriz Ο𝑚𝑥𝑛 ∈ ℝ𝑚𝑥𝑛 , tal que para toda matriz 𝐴 ∈ ℝ𝑚𝑥𝑛 se cumple que:
𝐴 + Ο𝑚𝑥𝑛 = Ο𝑚𝑥𝑛 + 𝐴 = 𝐴 .

3) Existencia de opuesto:
Para toda matriz 𝐴 ∈ ℝ𝑚𝑥𝑛 , existe una matriz 𝐵 ∈ ℝ𝑚𝑥𝑛 tal que
𝐴 + 𝐵 = 𝐵 + 𝐴 = Ο𝑚𝑥𝑛 .
𝐵 es la opuesta de 𝐴 y se indica −𝐴

2 −30 −2 30
Ejemplo 2.2: dada la matriz 𝐴 = ( √3 4 ) , su opuesta es −𝐴 = (−√3 −4)
2 2
−1 1 −5
5

Notar que gracias a la existencia del opuesto se define la resta de matrices, como la
suma de una matriz y la opuesta de otra:
Dadas 𝐶 𝑦 𝐷 ∈ ℝ𝑚𝑥𝑛 definimos 𝐶 − 𝐷 = 𝐶 + (−𝐷)

4) Conmutatividad:
Para todo par de matrices 𝐴 𝑦 𝐵 ∈ ℝ𝑚𝑥𝑛 se cumple que
𝐴+𝐵 = 𝐵+𝐴

Demostración de la propiedad conmutativa:

Queremos ver que: 𝐴 + 𝐵 = 𝐵 + 𝐴 .

Llamemos 𝐶 = 𝐴 + 𝐵 𝑦 𝐷 = 𝐵 + 𝐴 , entonces por la igualdad de matrices basta con
probar que 𝑐𝑖𝑗 = 𝑑𝑖𝑗 ∀𝑖, 1 ≤ 𝑖 ≤ 𝑚, ∀𝑗, 1 ≤ 𝑗 ≤ 𝑛
 8

En efecto: 𝑐𝑖𝑗 = 𝑎𝑖𝑗 + 𝑏𝑖𝑗 = 𝑏𝑖𝑗 + 𝑎𝑖𝑗 = 𝑑𝑖𝑗 ∀𝑖, 1 ≤ 𝑖 ≤ 𝑚, ∀𝑗, 1 ≤ 𝑗 ≤ 𝑛

Por definición de Por propiedad Por definición de

Suma de matrices conmutativa de suma de matrices
Los números reales

Hemos probado que C=D y por lo tanto 𝐴+𝐵 =𝐵+𝐴

Observación:
Como hemos visto que la operación + es cerrada, asociativa, tiene neutro, tiene
opuesto y es conmutativa, tenemos que (ℝ𝑚𝑥𝑛 , +) es un Grupo Conmutativo.

2.2 Producto de un escalar (número real) por una matriz

Dadas una matriz 𝐴 ∈ ℝ𝑚𝑥𝑛 y un número real 𝛼 la matriz 𝐶 = 𝛼. 𝐴, 𝐶 ∈ ℝ𝑚𝑥𝑛 es la

matriz que resulta de multiplicar todos los elementos de 𝐴 por el número real 𝛼 .

Ejemplo 2.3:

 1 2 5  3 6 15 
Dados 𝐴 ∈ ℝ2𝑥3 𝑦 𝛼 ∈ ℝ ,  3 , A ,  .A   
 -2 1 0   -6 3 0 
3.1 3.2 3.5
La matriz 𝐶 = 𝛼𝐴 es el resultado de: ( )
3. (−2) 3.1 3.0

Producto por un escalar

Sea la matriz, 𝐴 ∈ ℝ𝑚𝑥𝑛 y 𝛼 ∈ ℝ se define la matriz producto por escalar 𝐶 = 𝛼𝐴
Donde 𝐶 ∈ ℝ𝑚𝑥𝑛 y sus elementos 𝑐𝑖𝑗 = 𝛼. 𝑎𝑖𝑗 ∀𝑖, 1 ≤ 𝑖 ≤ 𝑚, ∀𝑗, 1 ≤ 𝑗 ≤ 𝑛

Propiedades

1) Para todo par de matrices 𝐴 𝑦 𝐵 ∈ ℝ𝑚𝑥𝑛 𝑦 𝛼 ∈ ℝ se cumple que:

𝛼. (𝐴 + 𝐵) = 𝛼. 𝐴 + 𝛼. 𝐵 y (𝐴 + 𝐵). 𝛼 = 𝐴. 𝛼 + 𝐵. 𝛼
2) Para toda matriz 𝐴 ∈ ℝ𝑚𝑥𝑛 𝑦 𝛼 𝑦 𝛽 ∈ ℝ se cumple que:
(𝛼 + 𝛽). 𝐴 = 𝛼. 𝐴 + 𝛽. 𝐴 y 𝐴. (𝛼 + 𝛽 ) = 𝐴. 𝛼 + 𝐴. 𝛽
3) Para toda matriz 𝐴 ∈ ℝ𝑚𝑥𝑛 𝑦 𝛼 𝑦 𝛽 ∈ ℝ se cumple que:
( 𝛼. 𝛽). 𝐴 = 𝛼. (𝛽. 𝐴)
 9

4) Para toda matriz 𝐴 ∈ ℝ𝑚𝑥𝑛 se cumple que:

1. 𝐴 = 𝐴

La definición de suma y producto por escalar con sus respectivas propiedades le dan
a las matrices con esas operaciones la estructura de Espacio vectorial. No trabajaremos
en este curso con espacios vectoriales pero se verá más adelante como una importante
estructura con muchas aplicaciones, entre ellas la detección de errores en la transmisión de
datos.

Las propiedades vistas para la suma no difieren de las propiedades de la suma de

números reales. Son importantes porque nos permiten operar con matrices en ecuaciones.

Ejemplo 2.4:
Hallar la matriz 𝑋 ∈ ℝ3𝑥2 que cumpla:
2 −3 1 0 3 1
(5 4 ) + 𝑋 = 3. (−2 4) + 3. (5 1)
0 1 1 1 0 1
Tenemos que despejar 𝑋 utilizando las propiedades vistas:

Por la propiedad 1 de producto por escalar y por definición de suma de matrices:

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

Por definición de producto por escalar tenemos entonces que:

2 −3 12 3
(5 4 ) + 𝑋 = ( 9 15)
0 1 3 6

Entonces por la existencia del opuesto podemos sumar a ambos miembros el

opuesto de 𝐴:
2 −3 −2 3 12 3 −2 3
(5 4 ) + (−5 −4) + 𝑋 = ( 9 15) + (−5 −4)
0 1 0 −1 3 6 0 −1

Por definición de suma de matrices y por la existencia de elemento neutro tenemos:

 10

10 6
𝑋 = ( 4 11)
3 5
2.3 Producto de matrices

Dadas dos matrices, 𝐴 ∈ ℝ𝑚𝑥𝑛 y 𝐵 ∈ ℝ𝑛𝑥𝑡 el producto de las matrices se define como
una nueva matriz 𝐶 ∈ ℝ𝑚𝑥𝑡 donde sus elementos son el resultado sumar las multiplicaciones
los elementos de cada fila de 𝐴 con cada columna de 𝐵 y la suma de los elementos de A:

Ejemplo 2.5:
4 2 4.3 + 2.1 4.5 + 2.3 14 26
3 5
Sean 𝐴 = (0 0) ∈ ℝ3𝑥2 𝑦 𝐵 = ( ) ∈ ℝ2𝑥2 , 𝐴. 𝐵 = (0.3 + 0.1 0.5 + 0.3) = ( 0 0)
1 3
1 6 1.3 + 6.1 1.5 + 6.3 9 23

Una forma práctica de hacer el producto es ubicando las matrices de la siguiente manera:
3 5
( )=𝐵
1 3
4 2 4.3 + 2.1 4.5 + 2.3
𝐴 = ( 0 0) (0.3 + 0.1 0.5 + 0.3) = 𝐶
1 6 1.3 + 6.1 1.5 + 6.3

El elemento 𝑐11 = 𝑎11 . 𝑏11 + 𝑎12 . 𝑏21 , se recorre la fila 1 de 𝐴 y la columna 1 de 𝐵

El elemento 𝑐12 = 𝑎11 . 𝑏12 + 𝑎12 . 𝑏22 , se recorre la fila 1 de 𝐴 y la columna 2 de 𝐵
…
El elemento 𝑐23 = 𝑎21 . 𝑏13 + 𝑎22 . 𝑏23 , se recorre la fila 2 de 𝐴 y la columna 3 de 𝐵

Notar que para construir un elemento de 𝐶 en la posición 𝑖𝑗 se recorre la fila 𝑖 de 𝐴 y la

columna 𝑗 de 𝐵, lo que da lugar a la siguiente definición:

Producto de matrices
Sean las matrices, 𝐴 ∈ ℝ𝑚𝑥𝑛 y 𝐵 ∈ ℝ𝑛𝑥𝑡 se define la matriz producto 𝐶 = 𝐴. 𝐵
Donde 𝐶 ∈ ℝ𝑚𝑥𝑡 y sus elementos son:
𝑛

𝑐𝑖𝑗 = ∑ 𝑎𝑖𝑘 . 𝑏𝑘𝑗 ∀𝑖, 1 ≤ 𝑖 ≤ 𝑚, ∀𝑗, 1 ≤ 𝑗 ≤ 𝑡

𝑘=1
 11

Observación:
Las matrices que multiplicamos en el ejemplo NO TIENEN LA MISMA DIMENSION,
al multiplicar cada elemento de una fila de 𝐴 por una columna de 𝐵, deben coincidir el
número de columnas de la primer matriz con el número de filas de la segunda.
Con las matrices del ejemplo, el producto 𝐵. 𝐴 no se puede hacer. Esto dice que el
producto no está definido para cualquier par de matrices, solo para las matrices que cumplen
esa relación entre columnas y filas.
Esta observación sugiere que EL PRODUCTO NO ES CONMUTATIVO, como
veremos a continuación.

Propiedades

1) Asociatividad:
Para toda terna de matrices 𝐴 ∈ ℝ𝑚𝑥𝑛 , 𝐵 ∈ ℝ𝑛𝑥𝑡 𝑦 𝐶 ∈ ℝ𝑡𝑥𝑞 se cumple que:
𝐴. (𝐵. 𝐶 ) = (𝐴. 𝐵). 𝐶
Observar que todos los productos se pueden hacer.

2) Existencia de elemento neutro:

Existe la matriz 𝐼𝑛 , tal que para toda matriz 𝐴 ∈ ℝ𝑛𝑥𝑛 :
𝐴. I𝑛 = I𝑛 . 𝐴 = 𝐴
La matriz Identidad es el elemento neutro en el producto de matrices cuadradas.
Observar que al ser cuadradas pueden realizarse los productos a derecha y a izquierda.

Si 𝐴 no es cuadrada y 𝐴 ∈ ℝ𝑚𝑥𝑛 decimos que tiene un neutro a derecha y un neutro

a izquierda, esto es: 𝐴. I𝑛 = I𝑚 . 𝐴 = 𝐴
A derecha multiplicamos por la Identidad nxn y a izquierda por la Identidad mxm.

3) Distributividad del producto en la suma:

Para toda terna de matrices 𝐴, 𝐵 𝑦 𝐶 ∈ ℝ𝑛𝑥𝑛 se cumple que:
𝐴. (𝐵 + 𝐶 ) = 𝐴. 𝐵 + 𝐴. 𝐶 y (𝐵 + 𝐶 ). 𝐴 = 𝐵. 𝐴 + 𝐶. 𝐴
Observar que las matrices al distribuir se mantienen en EL MISMO ORDEN.

4) NO SE CUMPLE la propiedad Conmutativa:

 12

Ejemplo 2.6:

 1 3  1 0  5 9   -1 -3 
Sean A=   , B=   , resulta A.B    y B. A=  
 2 5  2 3  8 15   8 21

Observación: esto no quiere decir que no haya matrices para las que sí se cumple, pero
para hablar de una propiedad debe cumplirse para todas las matrices y esto no es cierto.

Por ejemplo:
3 0 1 0
( )=𝐵 ( )=𝐴
0 5 0 2
1 0 1.3 + 0.0 1.0 + 0.5 3 0 3.1 + 0.0 3.0 + 0.2
𝐴=( ) ( )=𝐶 𝐵=( ) ( )=𝐶
0 2 ⏟0.3 + 2.0 0.0 + 2.5 0 5 ⏟0.1 + 5.0 0.0 + 5.2
3 0 3 0
( ) ( )
0 10 0 10

5) En los números naturales, enteros, reales se tiene la propiedad: a.b  0  a  0  b  0 .

En el producto de matrices tampoco es válida esa propiedad:

A.B  O no implica A  O o B  O

Ejemplo 2.7:

 1 3  -3 3  0 0
Sean A=   , B=   , el producto A.B =   da la matriz nula, mientras que ni A ni B
 2 6  1 -1 0 0
son nulas

6) La existencia de inversa NO ES una propiedad general de las matrices.

En los números reales, todo número tiene inverso multiplicativo, esto es, dado un
número real 𝑎 se busca otro que multiplicado por él de como resultado el neutro del producto,
1 1 1
es decir : 𝑎. 𝑎−1 = 1, por ejemplo: 2. 2 = 1, 5. 5 = 1, 34. 34 = 1 , etc.

En las matrices deberíamos buscar, dada una matriz 𝐴 otra matriz que multiplicada
por ella de como resultado el neutro del producto, es decir 𝐼, teniendo en cuenta además
que como el producto no es conmutativo, debe poder multiplicarse a derecha y a izquierda
 13

y ambos resultados deben dar la identidad. Para esto la única opción es que la matriz sea
cuadrada, pero veremos que esto no es suficiente:

Ejemplo 2.8:
1 2 𝑎 𝑏
Sea 𝐴 = ( ) , tenemos que buscar una matriz 𝐵 = ( ) que multiplicada por 𝐴 de
0 0 𝑐 𝑑
como resultado la identidad:
𝑎 𝑏
( )=𝐵 Entonces 1. 𝑎 + 2. 𝑐 = 1 y 1. 𝑏 + 2. 𝑑 = 0
𝑐 𝑑
1 2 1 0
𝐴=( ) ( ) 0. 𝑎 + 0. 𝑐 = 0 y 0. 𝑏 + 0. 𝑑 = 1
0 0 0 1

La última ecuación nos dice 0 = 1 que es absurdo, es decir que no existen valores
de 𝑎, 𝑏, 𝑐 𝑦 𝑑 que cumplan las ecuaciones, por lo tanto la matriz 𝐴 no tiene inversa.

Si una matriz no es cuadrada no posee inversa.

Algunas matrices cuadradas tienen inversa y otras no.
Como existen infinitas matrices cuadradas que tienen inversa e interesa conocerla,
será un objetivo identificar aquéllas que tengan inversa y en tal caso calcularla.
Obsrevación:
Vimos que (ℝ𝑛𝑥𝑛 , +) es un Grupo Conmutativo y como la multiplicación en ℝ𝑛𝑥𝑛 es cerrada,
asociativa y distributiva con respecto a la suma, decimos que (ℝ𝒏𝒙𝒏 , +, . ) es un Anillo .

En el parágrafo que sigue se dará la definición de matriz inversa y algunas

propiedades, más adelante se tratará el problema de hallar la inversa cuando ésta exista.

Matriz Inversa
Sea 𝐴 ∈ ℝ𝑛𝑥𝑛 , 𝐴 tiene inversa (se dice también que es invertible o no singular) si existe
una matriz 𝐵 ∈ ℝ𝑛𝑥𝑛 tal que: 𝐴. 𝐵 = 𝐼 y 𝐵. 𝐴 = 𝐼
Recordar que como la conmutatividad no es una propiedad general del producto de
matrices, se piden las dos condiciones.
En caso de que la matriz 𝑩 de la definición exista, esta matriz se nota 𝑨−𝟏 .
 14

Observación: en los números reales notamos a la inversa de un número 𝑎 como 𝑎−1 y

1
también puede escribirse 𝑎 . En el caso de las matrices esta última notación no es válida ya

que supondría dividir por una matriz, operación que no está definida en este conjunto.

Proposición 2.1:
Si existe B en las condiciones de la definición de Matriz Inversa, ésta es única.

Demostración
Lo probaremos por el método del absurdo:
Existe 𝐵 tal que 𝐴. 𝐵 = 𝐼 y 𝐵. 𝐴 = 𝐼 y no es única, es decir que existe otra matriz 𝐶
tal que 𝐴. 𝐶 = 𝐼 y 𝐶. 𝐴 = 𝐼

Si esto pasara entonces multiplicando la igualdad 𝐵. 𝐴 = 𝐼 por 𝐶 a ambos miembros

a derecha tenemos:
(𝐵. 𝐴). 𝐶 = 𝐼. 𝐶 = 𝐶 (1)
Y multiplicando la igualdad 𝐴. 𝐶 = 𝐼 por 𝐵 a ambos miembros a izquierda tenemos
𝐵. (𝐴. 𝐶 ) = 𝐵. 𝐼 = 𝐵 (2)
Como el producto de matrices es asociativo de (1) (𝐵. 𝐴). 𝐶 = 𝐼. 𝐶 = 𝐶 tenemos que
𝐵. (𝐴. 𝐶) = 𝐶 y en (2) teníamos que 𝐵. (𝐴. 𝐶 ) = 𝐵 Absurdo

Es decir que C=B, por lo tanto la matriz B que cumple la Definición es única.

Proposición 2.2:
Sean A, B matrices nxn inversibles entonces ( A.B)1  B1. A1 .

Demostración
Lo demostraremos por el método directo:
Por hipótesis existen A1 y B-1 .
Notar que como las matrices son nxn sus inversas y el producto entre ellas también
lo son.
De acuerdo a la definición de matriz inversa debe probarse que multiplicando B 1. A1
a izquierda y a derecha de A.B, en ambos casos se obtiene la identidad.
 15

(𝐴. 𝐵). (𝐵−1 . 𝐴−1 ) = 𝐴. (𝐵. 𝐵−1 ). 𝐴−1 = 𝐴. 𝐼. 𝐴−1 = 𝐴. 𝐴−1 = 𝐼

Por propiedad Por definición Por ser 𝐼 neutro

Asociativa de inversa en las matrices nxn
Además:

(𝐵−1 . 𝐴−1 ). (𝐴. 𝐵) = 𝐵−1 . (𝐴−1 . 𝐴). 𝐵 = 𝐵 −1 . 𝐼. 𝐵 = 𝐵−1 . 𝐵 = 𝐼

Por propiedad Por definición Por ser 𝐼 neutro

Asociativa de inversa en las matrices nxn

Hemos encontrado entonces una matriz 𝐵−1 . 𝐴−1 que multiplicada a izquierda y a
derecha por la matriz 𝐴. 𝐵 da la matriz Identidad, entonces 𝐵−1 . 𝐴−1 y es la inversa de 𝐴. 𝐵
Esto se nota como (𝐴. 𝐵)−1 = 𝐵 −1 . 𝐴−1

Corolario
El resultado anterior se generaliza a cualquier número finito de matrices inversibles de un
mismo orden nxn, esto es: (𝐴1 . 𝐴2 … . 𝐴𝑛 )−1 = (𝐴𝑛 )−1 … . (𝐴2 )−1 . (𝐴1 )−1

2.4 Transposición de Matrices

La transposición es una operación que se realiza sobre una matriz, por eso se llama
operación unaria. Esta operación intercambia las filas por las columnas en una misma matriz.

Ejemplo 2.9:
2 1 
 
 2 3 5 8  3 0
A  A 
T

 1 0 3 5   5 3 
 
8 5 
Las filas de AT son las columnas de A, las columnas de AT son las filas de A.

Matriz traspuesta
Si A es mxn, su traspuesta AT es nxm y si llamamos 𝑎 ∗ 𝑖𝑗 a sus elementos, éstos son:
 16

𝑎∗ 𝑖𝑗 = 𝑎𝑗𝑖 ∀𝑖, 1 ≤ 𝑖 ≤ 𝑛, ∀𝑗, 1 ≤ 𝑗 ≤ 𝑚

Propiedades

Sean A y B ∈ ℝ𝑚𝑥𝑛
1) ( A T)T = A
2) ( A + B )T= A T + B T
3) Sea 𝑘 ∈ ℝ entonces (k. A )T = k. A T
4) Si 𝐴 𝑦 𝐵 ∈ ℝ𝑛𝑥𝑛 , entonces ( A . B )T = B T. A T

Demostraciones:
1) Si llamamos 𝑎∗ 𝑖𝑗 a los elementos de A T y 𝑎∗∗ 𝑖𝑗 a los elementos de ( A T)T , queremos
ver que 𝑎∗∗ 𝑖𝑗 = 𝑎𝑖𝑗 ∀𝑖, 1 ≤ 𝑖 ≤ 𝑚, ∀𝑗, 1 ≤ 𝑗 ≤ 𝑛

En efecto 𝑎 ∗∗ 𝑖𝑗 = 𝑎∗𝑗𝑖 = 𝑎𝑖𝑗

Por definición de transposición

∗∗
Por lo tanto 𝑎 𝑖𝑗 = 𝑎𝑖𝑗 ∀𝑖, 1 ≤ 𝑖 ≤ 𝑚, ∀𝑗, 1 ≤ 𝑗 ≤ 𝑛

2) Si llamamos 𝑐 ∗ 𝑖𝑗 a los elementos de (𝐴 + 𝐵)𝑡 y 𝑎 ∗ 𝑖𝑗 y 𝑏∗ 𝑖𝑗 a los elementos de 𝐴𝑡 𝑦 𝐵𝑡

respectivamente, queremos ver que 𝑐 ∗ 𝑖𝑗 = 𝑎∗ 𝑖𝑗 + 𝑏∗ 𝑖𝑗 ∀𝑖, 1 ≤ 𝑖 ≤ 𝑚, ∀𝑗, 1 ≤ 𝑗 ≤ 𝑛

En efecto 𝑐 ∗ 𝑖𝑗 = 𝑐𝑗𝑖 = 𝑎𝑗𝑖 + 𝑏𝑗𝑖 = 𝑎∗ 𝑖𝑗 + 𝑏∗ 𝑖𝑗

Por definición Por definición Por definición

de transposición de suma de transposición
Por lo tanto 𝑐 ∗ 𝑖𝑗 = 𝑎∗ 𝑖𝑗 + 𝑏∗ 𝑖𝑗 ∀𝑖, 1 ≤ 𝑖 ≤ 𝑚, ∀𝑗, 1 ≤ 𝑗 ≤ 𝑛

4) Llamemos 𝐶 = 𝐴. 𝐵 y 𝐷 = 𝐵𝑡 . 𝐴𝑡 y sean 𝑐 ∗ 𝑖𝑗 los elementos de 𝐶 𝑡 , 𝑎∗ 𝑖𝑗 y 𝑏∗ 𝑖𝑗 los

elementos de 𝐴𝑡 𝑦 𝐵𝑡 y como es usual 𝑎𝑖𝑗 𝑦 𝑑𝑖𝑗 , los elementos de 𝐴 𝑦 𝐷
respectivamente, queremos ver que 𝑐 ∗ 𝑖𝑗 = 𝑑𝑖𝑗 ∀𝑖, 1 ≤ 𝑖 ≤ 𝑛, ∀𝑗, 1 ≤ 𝑗 ≤ 𝑚
 17

En efecto, por definición de producto:

𝑛

𝑐𝑖𝑗 = ∑ 𝑎𝑖𝑘 . 𝑏𝑘𝑗

𝑘=1

Entonces:
𝑛 𝑛 𝑛
∗ ∗ ∗
𝑐 𝑖𝑗 = 𝑐𝑗𝑖 = ∑ 𝑎𝑗𝑘 . 𝑏𝑘𝑖 = ∑ 𝑎 𝑘𝑗 . 𝑏 𝑖𝑘 = ∑ 𝑏∗ 𝑖𝑘 . 𝑎∗ 𝑘𝑗 = 𝑑𝑖𝑗
𝑘=1 𝑘=1 𝑘=1

Por definición Por definición Por definición Por conmutatividad Por definición
de transposición de producto de transposición del producto en ℝ de producto

Por lo tanto 𝑐 ∗ 𝑖𝑗 = 𝑑𝑖𝑗 ∀𝑖, 1 ≤ 𝑖 ≤ 𝑛, ∀𝑗, 1 ≤ 𝑗 ≤ 𝑚

Las operaciones vistas con sus propiedades nos permiten resolver ecuaciones con
matrices.

Ejemplo 2.10:
0 1 𝑡 1 1 0
2𝑥3 3 1 0
Hallar la matriz 𝑋 ∈ ℝ que cumpla ( ) − 𝑋 = (−2 4) . ( 0 2 −1)
−1 2 1
1 0 −1 1 1

Resolvemos primero el lado derecho de la ecuación utilizando la definición de

transposición:
0 1 𝑡 1 1 0 1 1 0
0 −2 1
(−2 4) . ( 0 2 −1) = ( ).( 0 2 −1)
1 4 0
1 0 −1 1 1 −1 1 1

Ahora realizamos el producto:

1 1 0
( 0 2 −1)
−1 1 1
0 −2 1 −1 −3 3
( ) ( )
1 4 0 1 9 −4

3 1 0 −1 −3 3
Tenemos entonces que: ( )−𝑋 =( )
−1 2 1 1 9 −4
 18

3 1 0
Sumamos el opuesto de ( ) a ambos miembros:
−1 2 1
3 1 0 −3 −1 0 −1 −3 3 −3 −1 0
( )+( )−𝑋 = ( )+( )
−1 2 1 1 −2 −1 1 9 −4 1 −2 −1

Como sumar una matriz con su opuesta nos da la matriz nula y ésta es el elemento
neutro en la suma de matrices:
−4 −4 3
−𝑋 = ( )
2 7 −5
Ahora aplicamos la operación de producto por escalar, en este caso -1:
4 4 −3
𝑋=( )
−2 −7 5

Ejemplo 2.11:
Dos comercios de venta de tecnología, T1 y T2, reciben mensualmente tablets y celulares,
de dos empresas de fabricación distintas (f y g). Se registran esas cantidades y sus precios
(expresados en precio en pesos/mil pesos) en las siguientes matrices:

Tablets Celulares Precio T1 Precio T2

f 20 30 20 21 Tablets
𝐴=( ) 𝐵=( ) a1
g 50 40 14 13 Celulares
eta 1

Si queremos obtener cuál será la ganancia total de cada comercio vendiendo la totalidad
de los productos que recibieron, por cada fábrica, realizamos el producto A.B:

20 30 20 21
( ).( )=
50 40 14 13

Ganancia de T1 Ganancia de T2
vendiendo los vendiendo los
productos de f productos de f

20.20 + 30.14 20.21 + 30.13 820 810

=( )=( )
50.20 + 40.14 50.21 + 40.13 1560 1570

Ganancia de T1 Ganancia de T2
vendiendo los vendiendo los
productos de g productos de g

Ejemplo 2.12:
 19

Si 𝐴 es una matriz cuadrada que cumple que: 𝐴3 = −4𝐴 − 𝐼, hallar 𝐴−1 .

Tenemos que encontrar una matriz 𝐵 que cumpla que: 𝐴𝐵 = 𝐵𝐴 = 𝐼

Observemos que no conocemos a la matriz 𝐴, solo conocemos que cumple:
𝐴3 = −4𝐴 − 𝐼
Entonces: −𝐴3 − 4𝐴 = 𝐼 Observemos que cuando sacamos
como factor común una matriz que
Podemos sacar factor común 𝐴 : 𝐴(−𝐴2 − 4𝐼) = 𝐼 está multiplicada por un número, el
término dentro del paréntesis es el
número multiplicado por la matriz
identidad, que es el neutro del
O también: (−𝐴2 − 4𝐼)𝐴 = 𝐼 producto de matrices

𝐴(−𝐴2 ) = −𝐴3 y (−𝐴2 )𝐴 = −𝐴3

𝐴(−4𝐼 ) = −4𝐴 y (−4𝐼 )𝐴 = −4𝐴

Esto nos dice que la matriz (−𝐴2 − 4𝐼) multiplicada a derecha y a izquierda por la matriz 𝐴
da como resultado la matriz Identidad, por lo tanto (−𝐴2 − 4𝐼) es la inversa de 𝐴.

𝐴−1 = (−𝐴2 − 4𝐼)

Ejercicios:
1 2 1 0  1 0
1) Dadas las matrices A    , B    , C=  
0 1 3 1  1 0
Calcular: a) 3A-2B+C
b) A- 3(B-C)

2) Sean A  ℝ4𝑥5 , B ℝ5𝑥7 , C  ℝ4𝑥5 , D  ℝ7𝑥5 . Indicar cuáles de las siguientes

operaciones son posibles y, en caso afirmativo, cuál es la cantidad de filas y de columnas
de la matriz resultado.
a) A .B b) B.A c) A.C d) C.B e) A.B.D

3) En los casos que sea posible calcular A.B y B.A, ¿Es A.B = B.A ?
2 3   3 2 2 
a) A    B=  
 1  4  1 0 1
 20

  2
 
b) A  (1 2 3) B 4 
 1 
 

 6 1 2
 3 4 0  
c) A    B 0 4 5
 1 0 2  1 5 4
 

4) Al igual que en los números reales definimos recursivamente la potencia natural de una
𝐼 𝑠𝑖 𝑛 = 0
matriz: 𝐴𝑛 = { 𝑛−1 , es decir que 𝐴𝑛 no es otra cosa que multiplicar n veces 𝐴
𝐴. 𝐴 𝑠𝑖 𝑛 ≥ 1
por sí misma.
 3 4  6  1
Dadas A    , B    calcular: a) A2 b) B3 c) A.B d) 2A2+ B.A
 1 0 0 4 

 1 3  2 1
5) Dadas A    B    establecer si es cierto que:
  2 0  1 2
a) (A+B)(A - B) = A2 - B2
b) (A+B)2 = A2 + 2 AB + B2
c) ¿Por qué valen (o no) las igualdades?

 6 9 1 1   2 1
6) Dadas las matrices A    B    C   
 4 6 1 2   3 2
a) Calcular A.B y A.C.
b) ¿Es válida la propiedad cancelativa en el producto de matrices? (Recordar que la
propiedad cancelativa de los números reales dice que: si 𝑎. 𝑏 = 𝑎. 𝑐 entonces 𝑏 = 𝑐 )

7) Hallar los valores de 𝑎 y de 𝑏 para que se cumpla la siguiente igualdad:

2 3 1 0 𝑎 5 3 8
( )+( ).( )=( )
1 4 2 2 0 𝑏 3 21

1 1 0
3 1 0 2 0 0
8) Hallar la matriz 𝑋 ∈ ℝ2𝑥3 que cumpla ( ) + 3𝑋 = ( ).( 0 2 −1)
−1 0 1 0 3 1
−1 1 1
 21

9) Sea A una matriz cuadrada 2x2. Probar que si A tiene una fila (o una columna) nula,
entonces A no tiene inversa.

10) Si A, B, C, D  R nxn tienen inversa, deducir cuál es  A.B.C.D 1

11) Para las matrices del ejercicio 1, comprobar que AT+BT=(A+B)T y que (A.B)T = BT.AT

12) Sea A una matriz nxn inversible. Probar que (AT)-1 = (A-1)T (Indicación : Usar la
definición de matriz inversa y propiedades de la traspuesta)

13) Sea A ∈ ℝ𝑚𝑥𝑛 y 𝑘 ∈ ℝ , demostrar que (k. A )T = k. A T

14) Una empresa que fabrica autos tiene 4 sucursales y fabrica 3 modelos distintos. Tiene
guardada en dos matrices, la siguiente información de las ventas del último mes:

Mod 1 Mod 2 Mod 3 Precio/1000 Ganancia/1000

Suc. 1 30 25 5
700 100 Mod. 1
Suc. 2 23 20 6
𝐴=( ) 𝐵 = (900 150) Mod. 2
Suc. 3 20 22 4 Mod. 3
980 200
Suc. 4 15 10 1

a) ¿Qué dimensión tiene el producto A.B? ¿Qué información obtiene al realizarlo?

Indique qué representa cada fila y cada columna de la matriz producto.
b) ¿Qué dimensión tiene el producto 𝐵𝑡 . 𝐴𝑡 ? ¿Qué información obtiene en este caso?

15) Sea 𝐴, una matriz cuadrada, que cumple que: 𝐴2 = 2𝐴 − 𝐼 . Hallar 𝐴−1

16) Sea 𝐴, una matriz cuadrada, que cumple que: 𝐴3 = 0 (0 es la matriz nula de la misma
dimensión que 𝐴) . Demostrar que 𝐼 + 𝐴 + 𝐴2 es la matriz inversa de 𝐼 − 𝐴.
________________________________________________________________________

3. Operaciones elementales sobre las filas de una matriz

 22

Definimos en primer lugar qué es una matriz escalonada y reducida por filas, ya que las
operaciones elementales las haremos sobre las filas de una matriz para transformarla en
una escalonada y reducida por filas.
3.1 Matriz escalonada y reducida por filas
Sea A  ℝ𝑚𝑥𝑛 , A está en forma escalonada y reducida por filas si:
1) el primer número distinto de cero de cada fila es 1, ese coeficiente se llama coeficiente
principal.
2) si el número de ceros que precede al primer coeficiente no nulo va aumentando en las
filas sucesivas.
3) en el resto de la columna donde hay coeficiente principal los elementos son 0.
4) si hay filas de 0 están al final.

Ejemplos 3.1:
A y B no son escalonadas y reducidas por filas, sólo C es reducida y escalonada por filas.

1 3 5 0 5 0 3 1 5 1 0 0 4
    1 5 0 0 3 0
0 0 2 8 0 3 9 0 0 1 3 0 5  
0 0 1 0 3 0
A = 0 0 0 0 0 2 1 B = 0 0 0 1 8 5 C= 
    0 0 0 1 2 0
0 0 0 0 0 0 0 0 0 0 0 0 1  
    0 0 0 0 0 1 
   

3.2 Operaciones elementales sobre las filas de una matriz.

Existen 3 tipos de operaciones elementales sobre las filas de una matriz que permiten
llevar cualquier matriz 𝐴 ∈ ℝ𝑚𝑥𝑛 a una matriz equivalente reducida y escalonada por filas:
1) Multiplicar una fila Fk de A por un escalar   ℝ no nulo, Fk  Fk
2) Sumar a la fila Fh la fila Fk multiplicada por   ℝ no nulo, Fh  Fh+ Fk
3) Permutar dos filas Fh  Fk

Cada operación elemental e tiene su inversa e-1 que es también elemental y del
mismo tipo que e. Es decir que si realizamos:
 23

1) la operación de permutar la fila i con la fila k, la operación inversa es permutar la fila i con
la fila k para volver a la misma matriz.
2) la operación de sumarle a la fila i la fila k multiplicada por , la operación inversa es
sumarle a la fila i la fila k multilicada por (-)
3) la operación de multiplicar la fila j por , la operación inversa es multiplicar la fila j por 1/.

Definición:
Dos matrices A , B se llaman equivalentes por filas si de una de ellas se pasa a
la otra aplicando un número finito de operaciones elementales de fila.
A  f B si ek o ek-1 o ... o e2 o e1( A ) = B

(Como cada ei posee su inversa que también es una operación elemental, de B se puede
llegar a A aplicando las inversas respectivas).

Ejemplo 3.2:
2 4 6
Hallar la matriz escalonada y reducida por filas equivalente con 𝐴 = ( )
2 0 1

Importante: Realizaremos operaciones elementales sobre la matriz en un orden

determinado, esto es por columnas, primero pondremos el 1 en la posición fila 1 columna 1,
luego pondremos 0 en el resto de la columna, después pondremos el 1 en la posición fila 2
columna 2 y buscamos 0 en el resto de la columna. Este orden no es caprichoso, nos
garantiza que los 1 y 0 que vayamos obteniendo no cambiarán con ninguna operación.

2 4 6 1 1 2 3
𝐴=( ) (𝐹1 ← .𝐹 )~( (𝐹2 ← 𝐹2 − 2. 𝐹1 )~ (1 2
)
3
)
2 0 1 2 1 2 0 1 0 −4 −5
1
1 1 2 3 1 0
(𝐹2 ← − . 𝐹2 ) ~ ( 5) (𝐹1 ← 𝐹1 − 2. 𝐹2 ))~ ( 2) = 𝐴
𝑅
4 0 1 5
4 0 1
4

A esta última matriz la llamamos 𝑨𝑹 que es la matriz escalonada y reducida por

filas equivalente con 𝑨, esto se escribe 𝑨 ≈𝒇 𝑨𝑹 o simplemente 𝑨 ≈ 𝑨𝑹
 24

Notar que cada vez que realizamos una operación elemental no ponemos el signo =,
sino ~ , también puede ponerse ≈ 𝑜 →, pero no =, ya que las matrices son distintas,
veremos que mantienen propiedades importantes.

Ejemplo 3.3:
3 6
Hallar la matriz escalonada y reducida por filas equivalente con 𝐵 = (1 2)
9 18
Nuevamente realizaremos operaciones elementales sobre la matriz en el mismo orden.
3 6 1 1 2 1 2
𝐵= 1 2)
( (
(𝐹1 ← . 𝐹1 ) ~ 1 2 ) ( ) (
𝐹2 ← 𝐹2 − 1. 𝐹1 ~ 0 0)
3
9 18 9 18 9 18
1 2
(𝐹3 ← 𝐹3 − 9. 𝐹1 )~ (0 0) = 𝐵𝑅
0 0

3.3 Rango

Definición
Se llama rango de una matriz A, indicado con r ( A) , al número de filas no nulas de
la escalonada y reducida por filas 𝐴𝑅 equivalente con A.

En los ejemplos de arriba, la matriz A tiene rango 2 mientras que la matriz B tiene
rango 1.

Existen dos aplicaciones importantes de las operaciones elementales: el cálculo de

la inversa de una matriz y la resolución de sistemas de ecuaciones lineales.
En el caso del cálculo de la inversa recuerde que la matriz debe ser cuadrada, si es
cuadrada puede tener o no inversa, pero si no lo es, seguro que no tiene inversa.

3.4 Cálculo de la inversa de una matriz

El procedimiento que seguiremos es: dada una matriz 𝐴 ∈ ℝ𝑛𝑥𝑛 , construimos un

cuadro con la matriz dada y la matriz Identidad a la derecha, luego realizaremos operaciones
elementales para hallar la escalonada y reducida por filas, 𝐴𝑅 , equivalente con A. Las
operaciones elementales se hacen sobre 𝐴 y sobre la identidad, como si fuera una matriz de
 25

nx2n. Si al llegar a 𝐴𝑅 nos quedó la Identidad entonces la matriz identidad que

transformamos es la inversa de 𝐴, sino, no tiene inversa.

Ejemplo 3.4:
 2 6  4
 
Sea A   1 4 1  𝑨𝐴 𝑰𝟑
2 6 1 
 

2 6  4 1 0 0
 
1 4 1 0 1 0
2 6 1 0 0 1 


 1 
1 3  2 0 0
1  2 
F1 .   1 4 1 0 1 0
2 2 6 1
 0 0 1 
 

 1 
 0 0
1 3  2 2 
F2  F1   0 1 3 1 0
1

 2 
2 6 1 0 0 1
 
 
 1 
 0 0
1 3  2 2 
F3  2.F1   0 1 3 1 0
1

 2 
0 0 5 1 0 1
 
 
 1 0  11 2  3 0
 1 
F1  3.F2   0 1 3  1 0
 2 
0 0 5 1 0 1 
 26

 
 
 1 0  11 2 3 0
1  1
F3 .  0 1 3  1 0
5  2 
0 0 1 1 1
  0 
 5 5
 1 11 
  3 
1 0 0 5 5 
F2  3F3   0 1 0 1  
1 3
F1  11F3 y
 10 5
0 0 1 1 1 
  0 
 5 5 

 1 11 
 3 
 5 5 
La matriz B=  1  
1 3
es la inversa de A
 10 5
 1 1 
 0 
 5 5 

Por la definición de equivalencia por filas resulta que:

A  f I ya que la Identidad es el resultado de haberle aplicado a A 7 operaciones

elementales: e7 o e6 o ... o e2 o e1( A ) = I , y además

I  f B ya que B es el resultado de haberle aplicado a la Identidad 7 operaciones

elementales: e7 o e6 o ... o e2 o e1(I) = B , y como

e7 o e6 o ... o e2 o e1( A ) = e7 o e6 o ... o e2 o e1(I. A ) = e7 o e6 o ... o e2 o e1(I) A = 𝐵. 𝐴 = 𝐼

𝐵

Además, como se mencionó, las operaciones elementales tienen inversa, en el sentido de

que pueden aplicarse para volver a la matriz anterior, por eso A es el resultado de haberle
aplicado a la identidad las inversas de las operaciones elementales:

A =e1-1 o e2-1 o ... o e6-1 o e7-1 (I) entonces

e1-1 o e2-1 o ... o e6-1 o e7-1 (𝐵) = e1-1 o e2-1 o ... o e6-1 o e7-1 (𝐼. 𝐵) =
 27

= e1-1 o e2-1 o ... o e6-1 o e7-1 (𝐼)𝐵 = 𝐴. 𝐵 = 𝐼

𝐴
De lo anterior resulta que 𝐵 = 𝐴−1

Importante:
Este procedimiento nos dice que:
𝐴 ∈ ℝ𝑛𝑥𝑛 y su rango es n si y sólo si 𝐴 tiene inversa
Que es equivalente a decir:
𝐴 ∈ ℝ𝑛𝑥𝑛 y 𝐴 ≈ 𝐼 si y sólo si 𝐴 tiene inversa

Ejemplo 3.4:
En el ejemplo 2.7) se mostró que si 𝐴 ∈ ℝ𝑛𝑥𝑛 𝑦 𝐵 ∈ ℝ𝑛𝑥𝑛 y 𝐴. 𝐵 = 0𝑛𝑥𝑛 eso no implica que
𝐴 = 0𝑛𝑥𝑛 o que 𝐵 = 0𝑛𝑥𝑛 .
Veremos que si 𝐴 tiene inversa entonces 𝐵 = 0𝑛𝑥𝑛 :

Sea 𝐴. 𝐵 = 0𝑛𝑥𝑛
Como 𝐴 tiene inversa, podemos multiplicar a ambos miembros, a izquierda, por 𝐴−1 :
𝐴−1 . (𝐴. 𝐵) = 𝐴−1 . 0𝑛𝑥𝑛
Y por la propiedad asociativa del producto de matrices, podemos escribir:
(𝐴−1 . 𝐴). 𝐵 = 𝐴−1 . 0𝑛𝑥𝑛
Y como 𝐴−1 . 𝐴 = 𝐼, tenemos: 𝐼. 𝐵 = 𝐴−1 . 0𝑛𝑥𝑛
Y como 𝐼. 𝐵 = 𝐵 y 𝐴−1 . 0𝑛𝑥𝑛 = 0𝑛𝑥𝑛 : 𝐵 = 0𝑛𝑥𝑛
_________________________________________________________________________

Ejercicios:

17) Llevar las siguientes matrices a la forma escalonada y reducida, indicando las
operaciones elementales, indicar el rango de cada una.

 1 1 5 3 1  1 0 1 5
     3 4 
A   2 2 10 8 3  B   2 3 1 4  C  
 6 6 30 22 8   3 3 0 9   6 8 
   
 28

18) Hallar la inversa, si existe, de las siguientes matrices, mediante operaciones elementales
e indicar el rango de cada una:
1 0 3  2 1 0
 1 4      2 5 
A  B   2 3 4 C=  5 3 0  D 
 8 2  0 2 1  0 0 5  6 15 
   
 2 4 
19) Dada A   
1 k 
a) Hallar k para que sea A2 = 𝟎2𝑥2
b) Hallado k, encontrar el rango de A.

20) Sea A una matriz nxn:

a) Indicar, justificando su respuesta, si es verdadero o falso que: (𝐴 − 𝐼𝑛 )(𝐴 + 𝐼𝑛 ) = 𝐴2 − 𝐼𝑛
b) Si A2 = 𝟎𝑛𝑥𝑛 , ¿Cuál es la inversa de (𝐴 + 𝐼𝑛 ) ?

−3 −9 0 𝑎 0 −12 9
21) Dadas las matrices: 𝐴 = ( 0 2 0), 𝐵 = (1 −1) , 𝐶 = ( 2 −2)
6 18 1 5 𝑏 29 −8
a) Encontrar los números 𝑎 y 𝑏 tales que se cumpla 𝐴. 𝐵 = 𝐶
b) Encontrar si es que existe, la inversa de 𝐴.

1 k 
22) a) Dada D    encontrar el valor de k para que sea D  O (matriz nula)
2
 5 1
b) Con el valor k encontrado, calcular el rango de D .

23) a) Encontrar los números a, b tales que ( A  B).C  D , siendo:

 a 0
3 2 5  2 1 4    9 6
A , B , C   2 b, D 
3 1 2  2 0 1   0 3 5 4
 
c) Hallar (si existe) D 1 .

24) Demostrar que si 𝐴 ∈ ℝ𝑛𝑥𝑛 𝑦 𝐵 ∈ ℝ𝑛𝑥𝑛 y 𝐴. 𝐵 = 0𝑛𝑥𝑛 y 𝐵 tiene inversa entonces 𝐴 = 0𝑛𝑥𝑛

25) Sean las matrices A, B y C de nxn, tales que B tiene inversa. Indique si la siguiente
afirmación es verdadera o falsa, justificando su respuesta:
 29

“Si 𝐶. 𝐵 = 𝐴 , entonces 𝐶 = 𝐵 −1 . 𝐴 “

26) Demuestre que si una matriz de 2x2 tiene dos filas iguales entonces no tiene inversa.

27) Sean A, B y C matrices cuadradas de la misma dimensión. Demuestre que si A tiene

inversa y se cumple que A.B=A.C entonces B=C.

4. Anexo: Aplicaciones

Una de las aplicaciones importantes que tienen las matrices es la criptografía. La

criptografía es el estudio de las formas de transmitir mensajes en forma segura. En la década
del 40 cuando se establece el inicio de la criptografía, estaba restringida prácticamente al
campo de la estrategia militar. Hoy, la criptografía es de gran utilidad en muchísimas cosas
que hacemos a diario: cuando utilizamos la tarjeta de crédito en un cajero automático para
realizar una operación bancaria, necesitamos identificarnos con una clave, cuando
accedemos a nuestra cuenta de correo electrónico, se nos pide una contraseña, etc.
Si numeramos las letras del abecedario de 1 a 27 y quisiéramos enviar como mensaje
la letra J, puede elegirse como código el número 7 y multiplicar 7.10 ya que 10 es el número
que le corresponde a la J. El mensaje enviado seria 70.
Si el receptor no conoce que el código es 7 podría pensar que se envió 5.14=70 o
10.7=70 o 7.10=70, y no puede decidir si la letra enviada es N (que correspondería al número
14 y el código sería 5) o G(que correspondería al número 7 y el código sería 10) o J(que
corresponde al número 10 y el código sería 7).
El receptor entonces debe conocer el código y multiplicar el mensaje recibido por el
1
inverso de ese número, en el caso de haber elegido código 7 sería: 70. 7 = 10. Claro que

este método para encriptar es muy vulnerable ya que hay un número muy pequeño de
posibilidades y del contexto del mensaje podría deducirse la letra. También es cierto que si
en lugar de elegir el 7 eligiéramos el 345.678, aumenta significativamente la cantidad de
posibilidades.
 30

Este mismo proceso se utiliza para la encriptación con matrices, el código ya no es

un número sino una matriz y el mensaje que se envía también se envía en una matriz, de
modo que habrá que conocer la inversa de la matriz de código para recuperar el mensaje.

Ejemplo:
Para codificar un mensaje los elementos que se requieren son: un emisor, un receptor, un
mensaje y un código.
Cuando hablamos de código, estamos hablando de un método de codificación, es decir algún
algoritmo biunívoco (una función biyectiva), que asigne a cada carácter del mensaje otro
carácter.
Este método hace que el mensaje enviado por el emisor se transforme en una cadena de
símbolos ilegibles para el resto de los receptores que no sean legales. Dependiendo de la
calidad del método de codificación, el mensaje será más o menos difícil de descifrar si es
capturado por receptores ilegales.
Método de encriptación:
1. A las letras del alfabeto se le asignan los números del 1 al 27. Al espacio en blanco se le
asigna el número 28, para poder separar palabras. Esta es una posibilidad, también podrían
asignarse las letras en orden decreciente o comenzando por el número 3, etc.
2. Cualquier matriz cuyos elementos sean enteros positivos y sea invertible se puede usar
como matriz de codificación.
3. Si la matriz de código es de nxn se construye con el mensaje una matriz de n filas y tantas
columnas como sean necesarias, escribiendo los números por columna y rellenando al final
con espacios en blanco si fuera necesario.
4. Luego se multiplica a izquierda por la matriz de código y el resultado es el mensaje
codificado.
5. Para recuperar el mensaje se multiplica la matriz anterior a izquierda por la inversa de la
matriz de código.

Mensaje a codificar: “vuelvo mañana”

Secuencia que le corresponde: 23 21 5 12 23 16 28 13 1 15 1 14 1
Para la Matriz de código, se elige cualquiera que sea invertible, debe ser conocida por el
1 3 
emisor y el receptor: C   
 2 1
 31

 23 5 23 28 1 1 1 
Construcción de la matriz A (tendrá dos filas):  
 21 12 16 13 15 14 28 
 86 22 62 69 17 16 30 
Multiplicando CA, se obtiene: B   
 67 41 71 67 46 43 85 
El receptor es quien recibe esta matriz y debe conocer la inversa de la matriz de código para
 1 3 
 
recuperar el mensaje. En este caso C 1   5 5
entonces al realizar el producto C-1 .B=
2 1
  
5 5
C-1 . C. A= I. A=A y se recupera el mensaje en forma matricial. Es evidente que el receptor
debe conocer tanto la primera fase de la codificación, es decir que número le corresponde a
cada letra, como la segunda fase, es decir la matriz de código.

Basado en el artículo “Aplicación de las matrices invertibles en criptografía”, Juan Carlos

Cortés Lopez, Gema Carlo Sanjuán.
_________________________________________________________________________

Bibliografía
- R. Espinosa Armenta, Matemáticas discretas, Editorial Alfaomega, Mexico, 2010
- Smith, et al , Algebra, trigonometría y geometría analítica, Pearson-Addison Wesley
Longman, 1998
- Swokoski, Earl W. y Cole, Jeffery A., Algebra y trigonometría con geometría analítica,
11ma ed., Editorial Thomson, 2006