1

Universidad Tecnológica Nacional SISTEMAS DINÁMICOS I

Facultad Regional San Rafael Comisiones 3 y 4
2019
TEMA: MODELOS MATRICIALES. ÁLGEBRA MATRICIAL

INTRODUCCIÓN
Las matrices son herramientas convenientes para la sistematización de cálculos laboriosos,
proveyendo una notación compacta para almacenar información y describir relaciones complicadas. Su uso
está sumamente extendido en distintas
ramas de la ciencia y aún en aplicaciones no
tan científicas, como puede ser la tabla de
posiciones de un campeonato deportivo o
un listado de precios. Actualmente un
ejemplo puede ser la llamada tarjeta de
coordenadas, como la de la figura.

DEFINICIÓN
En una forma simple podríamos decir simplemente que una matriz 1 es un arreglo o disposición
rectangular de números, dispuestos en filas y columnas.
Una matriz A de m x n (Amxn) es un arreglo rectangular de m x n números dispuestos en m filas y n
columnas. Cada uno de los números que componen a una matriz se llama elemento de la matriz. Estos
números pueden ser reales o complejos.

NOTACIÓN
Las matrices se pueden indicar de muchas maneras, dependiendo en general del texto o autor. Las
más comunes son indicar la matriz con una letra mayúscula o minúscula, en negrita, A o a. Por ejemplo:
2i 3 4  2i 1 0 0 
A=  a    
3 2 7  B= 1  I = 0 1 0 
6 0 0 0 1 
 3 
En muchas oportunidades es necesario indicar en forma genérica una matriz, y usamos la siguiente
notación, para indicar que la matriz A se forma a partir de un término genérico aij , donde “i” indica la fila la
y “j” la columna.
A = [ ai j ]
Dicho de otra manera aij indica el elemento de la matriz que está en la “i-ésima” fila y en la “j-ésima”
columna. Así, una matriz genérica podía escribirse:

1
El término “matriz” fue introducido por primera vez por el matemático inglés James J. Sylvester (1814-
1897) con el propósito de distinguir entre matrices y determinantes. La idea era que matriz significaba madre
de los determinantes.
 j- ésima columna 2

 a11 a12  a1j  a1n 

 
 a21 a22  a2 j  a2n 
       
A= [ aij ] = 
 ai1 ai2  aij  ain 
  i- ésima fila
       
a am2  amj  amn 
 m1

En algunos casos es útil indicar el “tamaño” de la matriz, o sea el número de filas y columnas. Una
forma de hacerlo es decir A mxn o simplemente decir que A es una matriz de (m x n). Por ejemplo si decimos
que A3 x 2 = [ aij ] estaremos hablando de una matriz genérica de 3 filas y 2 columnas:
 a11 a12 
 
A =  a21 a22 
 a31 a32 

IDENTIFICACIÓN DE LOS ELEMENTOS DE UNA MATRIZ

En muchas oportunidades es importante indicar un elemento de una matriz. Esto lo hacemos usando
el doble subíndice. Así el elemento a24 será el elemento de la matriz A que está en la fila 2 y columna 4. Por
ejemplo:

si A =   2 9 0 7 
 entonces a24=  1; a21 = 1; etc.
1 8 6 1 

ÁLGEBRA DE MATRICES
El álgebra de matrices implica varias operaciones similares a las que ya conocemos de los números
reales, pero con otras profundamente distintas.

IGUALDAD DE MATRICES
Dos matrices, A y B son iguales si son del mismo tamaño y sus elementos correspondientes son
iguales:
Am x n = B m x n  aij = bij para todo i, j

SUMA DE MATRICES
La suma de matrices se puede realizar (o es conformable) sólo cuando ambas son del mismo tamaño.
A mxn = [aij] y B mxn = [bij]  A + B = C / cij = aij + bij para todo i, j
Escrito simbólicamente:
 a11 a12 a13  b11 b12 b13   a11  b11 a12  b12 a13  b13 
     
a21 a22 a23   b21 b22 b23   a21  b21 a22  b22 a23  b23 
a31 a32 a33  b31 b32 b33  a31  b31 a32  b32 a33  b33 

PROPIEDADES DE LA SUMA
 Asociativa
Dadas las matrices A m x n ; B m x n ; C m x n se verifica:
(A + B) + C = A + (B+C)
 Existencia de elemento neutro para la suma
Existe una matriz nula, para cada tamaño que verifica:
 3

A m x n ,  0m x n / A + 0 = A
 Existencia de matriz opuesta
Dada una matriz A m x n , existe una matriz B m x n
A m x n B m x n / A + B = 0
Esa matriz, llamada opuesta se la designa como –A y verifica entonces:
A + (A) = 0

 Conmutativa
Dada dos matrices A m x n y B m x n se verifica:
A+B=B+A

PRODUCTO DE UN ESCALAR POR UNA MATRIZ (MÚLTIPLO ESCALAR DE UNA MATRIZ)

Sea un escalar k, y una matriz Amxn , se define el producto del escalar por la matriz a la matriz
resultante de multiplicar cada elemento de la matriz por el escalar.
k. A mxn = k. [aij] = [ k. a ij]

PROPIEDADES DEL PRODUCTO DE ESCALAR POR MATRIZ

 Distributiva con respecto a la suma de matrices
Sea el escalar k y las matrices A mxn y B mxn se verifica:
k . (A +B) = k. A + k. B
 Distributiva con respecto a la suma de escalares
Sean los escalares k y m y la matriz A m x n se verifica:
(k + m) A = k A + m A
 Asociativa mixta
Sean los escalares k y m y la matriz A(m x n) se verifica:
(k . m) A = k (m A )

PRODUCTO DE MATRICES
Esta operación entre matrices es bastante singular. En realidad es posible definir distintos tipos de
productos entre matrices, dependiendo esto de la aplicación en la que se va a usar. En nuestro caso, dado
que estamos haciendo una introducción al álgebra de matrices, y que estamos abordando los aspectos
básicos de ella, nos ocuparemos del producto tradicional, y analizaremos sus propiedades.

DEFINICIÓN
La definición establece en primer lugar que las dos matrices a multiplicar, para que sean
conformables para la operación el número de columnas de la primera sea igual al número de filas de la
segunda. También se establece en la definición que la matriz producto debe tener el mismo número de filas
de la primera y el de columnas de la segunda.
Esta definición, si bien parece absolutamente arbitraria y sin sentido tiene su origen en un problema
de transformaciones lineales (que no hacen al fondo de la cuestión). Fue establecido por Cayley (1821-1895)
en 1857, al igual que el resto del álgebra de matrices.
Cada elemento de la matriz producto se obtiene como resultado de una suma algebraica formada a
partir de los elementos de una fila de la primer matriz por los elementos de una columna de la segunda,
como vemos en el siguiente esquema.
 4

También se suele interpretar este producto llamándolo producto escalar de matrices, ya que el
producto descripto coincide con el producto escalar de vectores.

 b11 b12 b13  

 
 b21 b22 b23  
 b31 b32 b33  
 
    

 a11 a12 a13    c11 c12 c13  

   
a21 a22 a23   c 21 c 22 c 23  
=
a31 a32 a33   c 31 c 32 c 33  
   
        

Donde:
c11 = a11 . b11 + a12 . b21 + a13 .b31 c12 = a11 . b12 + a12 . b22 + a13 .b32 c13 = a11 . b13 + a12 . b23 + a13 .b33

En el esquema siguiente podemos ver como quedaría la matriz producto:

 a11 .b11  a12 .b21  a13 .b31 a11 .b12  a12 .b22  a13 .b32 a11 .b13  a12 .b23  a13 .b33  
a .b  a .b  a .b a21 .b12  a22 .b22  a23 .b32 a21 .b13  a22 .b23  a23 .b33  
 21 11 22 21 23 31 
a31 .b11  a32 .b21  a33 .b31 a31 .b12  a32 .b22  a33 .b32 a31 .b13  a32 .b23  a33 .b33  
 
   
En general:
Sean las matrices A (m x n ) y B (n x r) se define el producto A x B como la matriz C (m x r), en la cual
cada elemento se obtiene como sigue:
n
c ij  ai1  b1 j  ai2  b2 j    aik  bkj    ain  bnj   aik  bkj
k 1

n
A. B = C = [ ci j ] / cij = a
k 1
ik  bkj

Ejemplos:
 1 0  0 2 9  0 2 9 
 .  
 2 7  1 2 5  7  10  17 
Si verificamos la operación según la definición, veremos qué A es de (2 x 2) y B es de (2 x 3), por lo
tanto A.B debe ser de 2 x 3.

PROPIEDADES DEL PRODUCTO

 Asociativa
Sean las matrices A( m x n), B(n x r) y C( r x p ) entonces se verifica:
( A B ) C = A (B C)

Es obvio decirlo, pero para poder verificar la propiedad enunciada es necesario que B tenga el
mismo número de filas que columnas tiene A, y C el mismo número de filas que columnas el
producto de A por B, o sea el número de columnas de B en definitiva.
 5

 Distributiva con respecto a la suma de matrices

Sean A m x n , B n x r ; C r x p se verifica:

A.(B + C) = A.B + A.C

En el enunciado de esta propiedad se establecen las características de las matrices para que
puedan ser “conformables” para ambas operaciones, esto significa que B y C deben tener el
mismo “tamaño” para que podamos sumarlas y tener el mismo número de filas que columnas
tiene A.

 Asociativa mixta con respecto al producto por escalar

Sean las matrices Am x n y Bn x r y el escalar k, se verifica:

k (A B) = (k A) B = A (k B)

Esta propiedad es de simple demostración, por lo que se deja por cuenta del lector.

 La multiplicación de matrices no es conmutativa

Por lo general A.B  B.A. La causa es obvia. Si se puede realizar el producto A.B implica que el
número de filas de B es igual al número de columnas de A, pero en los requerimientos para este
producto no se establecen condiciones para el número de filas de A ni las columnas de B. Por lo
tanto, si intentamos el producto en sentido contrario no siempre podrá realizarse, y es por esto
que decimos que por lo general no se puede hacer.
A continuación veamos algunos casos especiales. Supongamos que A es de (m x n) y que B es
de n x m. Obviamente se puede realizar en ambos sentidos. Sin embargo, (A . B ) es de m x m y
(B. A) es de n x n . Por esta razón ambos productos no son iguales.
Debido a la no conmutatividad del producto es que al hablar de producto de matrices es
necesario indicar si es por izquierda (premultiplicar) o por derecha (posmultiplicar).
¿ Qué sucedería si A y B fuesen matrices cuadradas, por ejemplo de m x m ?. Sin duda ambos
productos serían matrices del mismo tamaño, pero en general no serían iguales.
En definitiva, ¿ por qué razón no decimos entonces que nunca es conmutativa ?. Porque hay
algunos casos, muy especiales en los cuales el producto si es conmutativo (todos ellos para
matrices cuadradas). Uno de estos lo veremos en la propiedad siguiente, y los otros más
adelante.
 Elemento neutro para el producto
Sin duda que en este producto tan especial es dado preguntarse si habrá elemento neutro para
el producto, esto es que exista alguna matriz que multiplicada por otra no la altere.
Para poder responder a esto debiéramos en primer lugar recordar algunas cosas sobre otros
neutros estudiados, como los de los números reales. En esos casos los neutros siempre
resultaron bilaterales, esto es que operados por derecha y por izquierda, actuaban como tales.
En el caso del producto de matrices, por su carácter no conmutativo esto parecería difícil. Sin
embargo, para matrices cuadradas si existe.
Entendemos por matriz cuadrada aquella en la que el número de filas es igual al de columnas.
Sea una matriz Anxn,, se verifica que existe una matriz Inxn (identidad) tal que:
A. I  I. A  A
 6

La matriz identidad a la que referimos es una matriz cuadrada, cuya diagonal consta de 1 y el
resto de la matriz o sea:
1 0 0 
I   0 1 0  es una matriz identidad de orden 3
 0 0 1 
Por ejemplo sea:
 2
3 1
A   20 1 
 1
0 3
 2 3 1 1 0 0   2.1  3.0  1.0 2.0  3.1  1.0 2.0  3.0  1.1 
2 0 1 . 0 1 0    2.1  0.0  1.0 2.0  0.1  1.0 2.0  0.1  1.1 

 1 0 3 0 0 1   1.1  0.0  3.0 1.0  0.1  3.0 1.0  0.0  3.1
 2 3 1 1 0 0   2 3 1 
 2 0 1 . 0 1 0    2 0 1 
     
 1 0 3 0 0 1   1 0 3
Verificar el producto en sentido inverso
 No es cancelativa
En general, si A.B = A.C ( o B.A = C.A) esto no implica que B = C
La demostración de esto no es simple, pero podemos decir cuál es el fundamento en el que se
basa (al igual que todas las otras demostraciones). Es en el hecho de poder demostrar o no que
los elementos de ambas matrices, A.B y A.C son iguales.
 Existencia de elemento absorbente
Si 0 es una matriz nula, y A una matriz de tamaño conformable para el producto:
A.0=0
 Existencia de matriz inversa multiplicativa
Esta propiedad, como todas las otras tiene sus características particulares. Debiéramos
preguntarnos si dada una matriz A( m x n ) es posible hallar una matriz que multiplicada por ella,
de por resultado el neutro, o sea la identidad.
Simbólicamente decimos que dada una matriz A, su inversa multiplicativa es la matriz B que
satisface:
A.B=B.A=I
En caso de existir esta matriz se indica como A1.

MATRIZ INVERSA
Aunque lo hemos planteado en el punto anterior, es necesario remarcar el concepto de matriz
inversa. La definición es la siguiente:
Sea una matriz Anxn, se define como matriz inversa de A a una matriz B tal que:
A . B = B. A = I
La matriz B n x n se la designa A1. O sea:
A A1 = A1 A = I
La matriz inversa es única. ¿Cómo obtenerla? Aplicando la definición:
 a11 a12   x1 x 2  1 0 
a  
x 4  0 1 
 21 a22   x 3
 7

 a11 x1  a12 x 3 a11 x 2  a12 x 4  1 0 

  
a21 x1  a22 x 3 a21 x 2  a22 x 4  0 1 
Esto equivale, por definición de igualdad de matrices en los siguientes sistemas de ecuaciones:
 a11 x1  a12 x 3  1

a21 x1  a22 x 3  0
a11 x 2  a12 x 4  0

a21 x 2  a22 x 4  1
La solución de estos sistemas daría por resultado el valor de x1, x2, x3, x4.

MATRICES ESPECIALES
Es importante conocer algunas matrices especiales.

MATRIZ FILA
Es una matriz que consta exclusivamente de una fila. Será por ejemplo una matriz A 1 x n, indicando
esto que será una matriz de una fila y “n” columnas.
A = [ a1 1 ... a1 j ... a1 n ]

MATRIZ COLUMNA
Es una matriz que consta exclusivamente de una columna. Será por ejemplo una matriz A m x 1,
indicando esto que será una matriz de “m” filas y sólo una columna.
 a11 
 
  
A =  ai1 
 
  
a 
 m1 

MATRICES CUADRADAS
Cuando una matriz tiene el mismo número de filas y de columnas se llama cuadrada, o sea toda
matriz A m x n tal que m = n o sea An x n .
 a11  a1n 
 
A =   a11  
an1  ann 

MATRICES TRIANGULARES
Algunos casos de matrices cuadradas tienen interés especial, como las llamadas triangulares
(superior e inferior):
 a11  a1 j a1n  Esta matriz se llama triangular superior, y su característica
  principal es que todos los elementos que se encuentran por
0 a22  a2n 
A=  debajo de la diagonal principal ( aij tales que i = j) valen 0.
0    
  También se pueden definir diciendo que son matrices:
 0  0 ann 
An x n = [ ai j ] / ai j = 0 si i > j
 8

 a11 0  0  Esta matriz se llama triangular inferior, y su característica

  principal es que todos los elementos que se encuentran por
 a22  0 
A =  encima de la diagonal principal valen 0. También se pueden
ai1    
  definir diciendo que son matrices:
 an1  anj ann 
A n x n = [ ai j ] / ai j = 0 si i < j

MATRICES DIAGONALES
Un caso especial de matrices triangulares son las diagonales. Se caracterizan por que todos los
elementos que están por encima y por debajo de la diagonal valen 0.
a11 0  0  También se pueden definir diciendo que son matrices:
 
 a22  0 An x n = [ ai j ] / ai j = 0 si i  j
A= 
0    
 
0  0 ann 
En Mathematica se obtienen con la siguiente opción:

MATRICES ESCALARES
Un caso especial de matrices diagonales son las escalares. Se caracterizan por ser una matriz diagonal
en la que todos los elementos de la diagonal son iguales.
k 0  0 También se pueden definir diciendo que son matrices:
 
 k  0 A n x n = [ ai j ] / ai j = 0 si i  j y aij = k si i = j
A= 
0    
 
0  0 k 

MATRIZ CONJUGADA
Se representa con A*. Es la matriz formada por los elementos conjugados. Esto en matrices con
elementos complejos.
 2 i i   2  i i 
A   A*   
 4  2i 1  i  4  2i 1  i

MATRIZ HERMITIANA
Una matriz es hermitiana si es igual a la transpuesta de su conjugada.
A = (AT)*

MATRICES IDENTIDAD
Representan un caso particular de matrices escalares, por lo que se deduce que son cuadradas. Los
elementos de la diagonal valen 1.
1 0  0 También se pueden definir diciendo que son matrices:
 
 1  0 I(n x n) = [ ai j ] / ai j = 0 si i  j y ai j = 1 si i = j
I= 
0    
 
0  0 1

En Mathematica se pueden generar matrices identidad de distintos tamaños, por ejemplo de 3x3.
 9

TRANSPUESTA DE UNA MATRIZ O MATRIZ TRANSPUESTA

En muchas oportunidades resulta de interés utilizar el concepto de matriz transpuesta o transpuesta de
una matriz.
Dada una matriz A m x n y una matriz B n x m se dice que B es la transpuesta de A si cumple con la condición:

B n x m es transpuesta de A m x n  [aij ] = [ bji ] para todo “i “, “j”

Se indica B = AT o simplemente que AT es la matriz transpuesta de A.

Expresado esto de otra forma diríamos que una matriz es transpuesta de otra si se obtiene al cambiar
“filas por columnas”.
Simbólicamente:

 a11 a12 
a a11 a21 a31 
a   
A   21 22   A T  a12 a22 a32 
a31 a32 
       
  

MATRIZ SIMÉTRICA Y ANTISIMÉTRICA

Una matriz cuadrada Anxn es simétrica si AT =A. Se caracteriza por tener
aij = aji si i j
Ejemplo:
 1 2 3
 
2 5 1
3 1 2

La matriz cuadrada A nxn es antisimétrica si AT =  A

Los aij = aji para i  j y son 0 (cero) los aij para i=j
Ejemplo
 0 2 3 
 
 2 0 5
3 5 0 

MATRIZ ORTOGONAL:
Se define como matriz ortogonal a aquella matriz A de n x n en la cual se verifica que su inversa es
igual a su transpuesta. Es decir:
A e s m at r i z ort og ona l  A  1 = A t

MATRIZ IDEMPOTENTE:
A es idempotente si es de n x n y si A2 = A

COMBINACIÓN LINEAL DE FILAS O COLUMNAS

El concepto de combinación lineal de filas o de columnas es sumamente importante, sobre todo en
sistemas de ecuaciones. Hay una combinación lineal entre filas (o entre columnas) si una de ellas se obtiene
 10

a partir de una suma algebraica de otras, multiplicadas por un escalar distinto de 0. O sea, si llamamos con F i
a las filas de una matriz, habrá combinación lineal si, por ejemplo:
F3= k1 F1 + k1 F2 siendo k1 y k2 escalares distintos de 0 (Fila 3 combinación lineal de la 1 y 2)
F4= k1 F1 + k3 F3 (Fila 4 combinación lineal de la 1 y 3)
Ejemplos:
2 3 
A   0 1
 7 3 
Si analizamos la tercera fila vemos que:
2.2 3  31 1   4 6  3 3  7 3
Este tipo de operaciones puede darse en varias filas, entre todas, entre algunas, y también puede
presentarse en las columnas.
La importancia práctica de este concepto es que cualquier fila o columna que sea combinación lineal
de otras, no aporta ninguna información nueva al problema. Es “superflua”, no es importante. De aquí que
sea importante poder detectarlas.
Las dos combinaciones lineales obvias son dos o más filas o columnas iguales, o dos filas o columnas
que son múltiplo una de otra.

RANGO DE UNA MATRIZ

El concepto de rango de una matriz está asociado al de combinación lineal de filas y de columnas. El
rango de una matriz es igual al número de vectores fila (o columna) linealmente independientes. Decimos
que son independientes aquellas filas o columnas que no son combinaciones lineales de otras.
Se puede demostrar que en una matriz el número de filas y columnas linealmente independiente es
el mismo.
El rango se indica de la siguiente manera:
(A) = n, donde “n” es el número de filas o columnas linealmente independiente.
El rango fila será (AF) = n; el rango columna será (AC) = m.
Existe un teorema, no incluido aquí que demuestra que en toda matriz el rango fila y columna son
iguales, por lo tanto:
n= m o sea (AF)= (AC)= (A)
El rango de una matriz será por lo tanto, a lo sumo, igual al número de filas o columnas, el que sea
menor. Es decir si hay 3 filas y 4 columnas, el rango a lo sumo será (A) = 3; si es de 1 fila y cuatro columnas
(A)=1, etc.
 11

TRANSFORMACIÓN DE MATRICES
Así como el concepto de álgebra matricial permite una serie de aplicaciones basadas en sumas,
productos, resta, etc., existe una gama muy amplia de uso de matrices basado sólo en la notación, o sea la
distribución en filas y columnas.
Para este tipo de aplicaciones es necesario “transformar” la matriz, en sus filas y/o columnas. Las
transformaciones “permitidas” son las llamadas “transformaciones elementales”.

MATRICES EQUIVALENTES
Son matrices equivalentes aquellas que se obtienen de otras matrices a partir de transformaciones
elementales. No son matrices iguales.

OPERACIONES ELEMENTALES
Son operaciones elementales aquellas que se realizan en una matriz, obteniendo como resultado
matrices equivalentes. Ellas son las siguientes:
a) Permutación de dos filas o columnas entre sí.
 a11 a12 a13   a21 a22 a23 
a   
 21 a22 a23   F1  F2   a11 a12 a13 
 a31 a32 a33   a31 a32 a33 
Hemos permutado la fila 1 por la 2.

b) Adición de una fila a otra o adición de una columna a otra.

 a11 a12 a13   a11  a21 a12  a 22 a13  a23 
   
a
 21 a 22 a 23   F1  F1  F2   a21 a22 a23 
 a31 a 32 a33   a31 a32 a33 
A la fila 1 la transformamos adicionándole la fila 2.

c) Multiplicación de una fila o columna por un escalar

 a11 a12 a13  k a11 k a12 k a13 
   
 a21 a22 a23   F1  k F1   a21 a22 a23 
 a31 a32 a33   a31 a32 a33 
La fila 1 se ha transformado al multiplicarla por un escalar k.
También se pueden llegar a combinar operaciones en un solo paso, por ejemplo a una fila sumarle otra
multiplicada por un escalar.
 a11 a12 a13  k a21 + a11 k a22 + a12 k a23 + a13 
   
 a21 a22 a 23   F1  k F2  F1   a21 a22 a23 
 a31 a32 a 33   a31 a32 a33 
 12

MÉTODO DE GAUSS- JORDAN (PIVOTAL)

OBJETIVO DEL MÉTODO:

Este método proporciona una forma mecánica de transformar una matriz mediante operaciones
elementales, con el propósito de transformarla en otra equivalente, de forma más simple, con filas y
columnas que consten de 0 y 1 en su mayor parte. El método se aplica transformando filas o renglones.

DESARROLLO DEL MÉTODO

Sea la matriz A que sigue:

 a11 a12 a13  a1 j  a1n 

 
 a21 a22 a23  a2 j  a2n 
a a32 a33  a3 j  a3n 
 31
A=       
 
 ai1 ai2 ai3  aij  ain 
 
      
 am1 am2 am3  amj  amn 


1) Elegimos un pivote distinto de 0 (por ejemplo a11), y se divide toda la fila por el valor del mismo,
con lo que el mismo se ve transformado en un 1 (operación elemental equivalente a multiplicar
una F o C por un escalar distinto de 0):

 a12 a13 a1j a1n 

 1   
 a11 a11 a11 a11 
a a22 a23  a2j  a2n 
 21 
 a31 a32 a33  a3j  a3n 
 
      
a ai2 ai3  aij  ain 
 i1 
      
 
 am1 am2 am3  amj  amn 

2) A continuación se anulan los elementos de la columna que contiene al pivote, restándole a cada
fila la primera multiplicada por un número (operación equivalente a sumar o restar de una F otra
multiplicada por un escalar distinto de 0).
 a12 a13 a1j a1n 
 1   
 a11 a11 a11 a11 
 a12 a13 a1j a1n 
 a21  a21 .1 a22  a21 . a23  a21  a2 j  a21  a2n  a21 
 a11 a11 a11 a11 
 
a a12 a13 a1j a
 a31 .1 a32  a31 . a33  a31  a3 j  a31  a3n  a31 1n 
 31 a11 a11 a11 a11 
 
        
        
 
        
 
a a12 a13 a1 j a
 m1  am1 .1 am2  am1 . am3  am1  amj  am1  amn  am1 . 1n 
 a11 a11 a11 a11 
 13

3) Esto genera ceros en la primera columna y transforma los demás elementos como se ve en la
próxima matriz.

 a12 a13 a1j a1n 

1   
 a11 a11 a11 a11 
 a22 .a11  a21 .a12 a23 .a11  a21 .a13 a2 j .a11  a21 a1j a2n .a11  a21 .a1n 
0   
 a11 a11 a11 a11 
 
 0 a32 .a11  a31 .a12 a33 .a11  a31 .a13 a3j .a11  a31 .a1 j a3n .a11  a31 .a1n 
   
a11 a11 a11 a11
 
0       
 
       
       
 
 am2 .a11  am1 .a12 am3 .a11  am1a13 amj .a11  am1 .a1j amn .a11  am1 .a1n 
0   
 a11 a11 a11 a11 

4) La matriz así transformada es equivalente a la anterior, y se puede repetir el procedimiento

eligiendo un nuevo pivote, que se encuentre en una fila y columna distinta de los anteriores, y así
sucesivamente.
5) El método concluye cuando no se pueden elegir más pivotes, o sea que estén en filas distintas y
sean distintos de 0.

En la práctica, se realiza la transformación utilizando “rectángulos” de orientación. Cada rectángulo

tiene un vértice en el elemento que se debe transformar, otro en el pivote y los dos restantes en el primer
elemento respectivamente de cada fila y columna de aquel. Con la ayuda de los rectángulos se hace la
transformación: (elemento x pivote elemento de fila por elemento de columna)/pivote.
2 3 4
A   3 5 1 Por ejemplo si desea usar el 2 de pivote y hay que transformar el 5:
 1 2 0 
2.5  3.3 10  9 1
 
2 2 2

2 3 4
A   3 5 1 Por ejemplo si se desea usar el 2 de pivote y hay que transformar el 1:
 1 2 0 
2.( 1)  3.4
2
2 3 4
A   3 5 1 Por ejemplo si se desea usar el 5 de pivote y hay que transformar el 0:
 1 2 0 
5.0  (  1)(  2)
5
Si se ha generado la unidad como pivote, es más sencillo, ya que se divide por 1, pero
aumenta el número de pasos:
 14

 3 
1 2
2
1.5  3.
3
5
9
  2 2 5 9  1
A 3 5 1  Entonces sería
1 1 2 2
 1 2 0 
 
 
Ejemplo:
Primero hagámoslo formando pivotes:
 3 
 3  1 2  3 
 1 2  2  1 2 
2 3 4 2   2
  1  
A   3 5 1   3 5 1  0 7  0 1 14  
 2 
 1 2 0   1 2 0     1 
  0  1 2  0  2 
    2 
 2 
1 0 23 1 0 23  1 0 0 
0 1 14   0 1 14   0 1 0 
     
0 0 5  0 0 1  0 0 1 
Ahora directamente, sin elegir pivotes previo a cada transformación. La fila del pivote queda dividida
por el mismo.
 3 
1 2 2
2 3 4   1 0 23 1 0 0 
  1
A   3 5 1  0 7  0 1 14   0 1 0  
 2 
 1 2 0    0 0 5  0 0 1 
1
0  2
 2 

RESUMEN:
Para la aplicación del método se hacen los pasos en forma mecánica:
a. Elegir un pivote distinto de cero y colocar en su lugar un 1.
b. Dividir la fila por el valor del pivote
c. Completar la columna del pivote con ceros
d. Transformar el resto de la matriz según la regla antes expuesta
e. Elegir un nuevo pivote, en una fila y columna distinta de la que contenía al anterior pivote
f. Repetir el procedimiento de transformación.
g. Continuar mientras se puedan elegir nuevos pivotes.
NOTA: Los pasos “a” y “b” pueden hacerse en uno y transformar la matriz, sólo dividiendo la fila
por el pivote. Luego, a la matriz resultante se le aplica de dos en adelante.

APLICACIONES DEL MÉTODO DE GAUSS JORDAN

Las aplicaciones más importantes del método de Gauss Jordan son las siguientes:
 Obtención del rango de una matriz
 Obtención de matriz inversa
 Resolución de sistemas de ecuaciones lineales

DETERMINACIÓN DEL RANGO POR GAUSSJORDAN

El método de Gauss Jordan permite fácilmente determinar el rango de una matriz. El proceso consiste
en aplicar el método de Gauss Jordan hasta que sea posible. En ese punto se cuentan las columnas formadas
 15

por un “1” y el resto “0”, (columnas canónicas) distintas unas de otras. El número de columnas que cumplen
con esas condiciones indican el rango de la matriz.

OBTENCIÓN DE MATRIZ INVERSA

Para obtener la matriz inversa aplicando Gauss Jordan a una matriz cuadrada, se procede de la siguiente
manera si se desea hacerlo manualmente:
 Se coloca la matriz de la que se desea obtener la inversa, por ejemplo A, y a continuación, se agrega
una matriz identidad.
[A I ]
 1 2 2   1 2 2 1 0 0
A   0 2 1 →  0 2 1 0 1 0
 1 3 3   1 3 3 0 0 1 
 Se inicia la transformación aplicando el método de Gauss Jordan, utilizando pivotes en A y
transformando todas las filas, considerando en ellas la de la matriz identidad también.
 Se aplica Gauss Jordan mientras sea posible. En el momento en que no se pueden elegir más pivotes
en A, ha terminado el procedimiento. Si A se transformó en identidad, en el lugar donde estaba ésta,
la matriz resultante es la inversa A1
 O sea [A | I ]→[ I | A1]
En nuestro caso hubiese quedado:
 3 2
1 0 0  5 0 5
 
0 1 0 1 1 1
 15 3 15 
 2 1 2
0 0 1  
 15 3 15 
La matriz que ahora está en lugar de la Identidad es la inversa o sea:
 3 2
 5 0 5
 
1 1 1
 15 3 15 
2 1 2
  
 15 3 15 
Como vemos la matriz inversa obtenida es igual a las tres últimas columnas de la que obtuvimos por
transformación de la identidad.

EXISTENCIA DE INVERSA
Puede ocurrir que una matriz no admita inversa. ¿En qué caso puede ocurrir esto? Sólo en dos
situaciones,
 La matriz no es cuadrada (por lo tanto no puede ser convertida en identidad)
 La matriz es cuadrada, pero al ser transformada por el método explicado no podemos tomar más
pivotes, porque una fila se hizo nula (todos ceros en la izquierda). Esto implica una combinación
lineal, y una matriz con combinaciones lineales no admite inversa. Esto luego se concretará diciendo
que su determinante es cero.
 16

GUÍA TEÓRICA DE MATRICES

MATRICES
1) Definir:
a) Matriz
b) Matriz triangular, superior e inferior
c) Matriz escalar
d) Matriz simétrica y antisimétrica
e) Matriz transpuesta
f) Matriz inversa
g) Matriz opuesta
h) Matriz hermitiana
2) Escribir tres propiedades de:
a) Suma de matrices
b) Producto de matrices
3) ¿Qué condiciones debe cumplir una matriz para que sea inversible o sea que admita inversa?
4) ¿Cómo se llama una matriz que no admite inversa?
5) Si A . B = A . C , ¿entonces B = C?
6) Mencionar las operaciones elementales sobre una matriz.
7) ¿Qué son matrices equivalentes?
8) ¿Cuál es el resultado de multiplicar un escalar por una matriz?
9) ¿Qué similitud hay entre el producto de matrices y el producto escalar entre vectores?
10) Mencionar algún producto entre matrices que sea conmutativo.
11) ¿En qué transformaciones se basa el método de Gauss Jordan?
12) Si se aplica el método de Gauss Jordan a una matriz, ¿cómo es la matriz que se obtiene con respecto a
la original?
13) ¿Qué es el rango de una matriz?
14) ¿Cómo se obtiene el rango de una matriz?
15) Si tenemos una matriz A4x2, ¿cuál es su rango máximo? Justificar la respuesta.