1

Tema 2: Vectores y Matrices.

Introducción: Las matrices aparecen por primera vez hacia el año 1850, introducidas por el matemático inglés
J.J. Sylvester (1814-1897). El desarrollo inicial de su teoría se debe al matemático y astrónomo irlandés W.R.
Hamilton (1805-1865) y al inglés A. Cayley (1821-1895) quien utilizó en 1858 la notación matricial como una
forma abreviada de representar un sistema de ecuaciones lineales (algo que veremos más adelante en este
capítulo). Las matrices están presentes de forma natural en geometría, estadística, economía, informática, física
y actualmente su utilización constituye una parte esencial de los lenguajes de programación, ya que la mayoría
de los datos se introducen en los ordenadores como tablas organizadas en filas y columnas: hojas de cálculo,
bases de datos, etc. Recordemos:

Matriz: Se llama matriz de tamaño × (se lee “m por n”) a una disposición de mxn números (o símbolos
que representan números) en m líneas horizontales (llamadas filas o renglones) y n líneas verticales (llamadas

…
columnas) encerrados entre paréntesis o corchetes.

…
= ⋮ ⋮ ⋮ ⋮ . Abreviadamente = ×
. Los subíndices , indican la
…
Simbólicamente

y entre 1 y .
posición del elemento dentro de la matriz, el primero indica la fila y el segundo la columna . Por lo cual varía

−1 3 5
entre los valores 1 y
Por ejemplo: = ! es de tamaño 2x3 y sus elementos = 3 , = 0 , " = −2 , etc.
0 2 −2

Vector de componentes (o elementos) es una -upla ordenada de números (o símbolos que representan

4
Los vectores son matrices de un renglón o de una columna. Por ej: #$ = ! ∈ ( ; *̅ = ,* , * , *" , … , * - ∈ (
números) dispuestos en una fila o una columna.

7
Algunos tipos especiales de matrices:

Matriz cuadrada: es aquella que tiene igual número de filas que de columnas ( = ). En tal caso,
llamaremos diagonal principal a sus elementos , , "" , … , y diagonal secundaria a
•

, , . - , … , , . - , . Por ejemplo: Si = "×"

⇒ , , "" es su diagonal principal
" , , "
0 0 0
y es su diagonal secundaria.
Matriz nula: es la que tiene todos sus elementos cero. Por ejemplo : 0 = ! es la matriz nula
0 0 0
•
de tamaño 2*3.
•
√2 0 0
Matriz diagonal: es una matriz cuadrada en la que todos los elementos no pertenecientes a la diagonal
−1 0
principal son nulos. Por ejemplo: ! ; 2 0 7 04 .
0 8
0 0 0

Ejercicios mínimos sugeridos de Guía 1 pág 2: 8, 9; pág 5: 4, 5, 7b, d, f ; pág 7: 14a , 18; pág 8: 20 , 23 ; pág 9:
32; pág 11: 7, 9, 18; pág 10: 1, 3, 5
 2

•
√2 6 6
Matriz triangular superior (o inferior): matriz cuadrada en la que todos sus elementos por debajo (o por

encima) de su diagonal principal son nulos. Por ejemplo: 5 0 7 68 es triangular inferior.

1/2 −2 1

Antes de definir operaciones útiles entre matrices y vectores (útiles por sus aplicaciones prácticas y teóricas)
necesitamos definir la igualdad entre matrices:

IGUALDAD: Dos matrices = y 9= #

=# para todo valor de y de .
son iguales cuando tienen el mismo tamaño y los
elementos que ocupan el mismo lugar en ambas son iguales, es decir

EJEMPLO 1:

4 4 7 −7 3,5 −1 −√49
! ≠ ,4 7- ; b) ! ≠ ! ; c) 5 ; 8=> A⇔ = −1 y # = = .
7 7 4 √2 − 1 #
@."
5+ √3 =
a)

Operaciones con matrices

SUMA de matrices: Dadas dos matrices del mismo tamaño = ×
y 9 = # ×
de con 9 y se denota + 9 , como la matriz de tamaño ×
, se define la suma

correspondientes de ambas matrices. Simbólicamente, + 9 = +#

que se obtiene sumando los elementos
×
.

−1 0 4 −4 1 1/2 3/2 1 FG HI
5 −4 4
EJEMPLO 2: D E+D E=D E ; 20 4 + 2 4=2 4 ; 2 0 4 + ! =
√2 8 √5 −8 √2 + √5 0 7 JGI #KH.
= −1 =−1 =

=
×
MULTIPLICACIÓN de una matriz POR UN ESCALAR: Dada una matriz
complejo) α (“alfa”), se define la multiplicación α como la matriz que se obtiene multiplicando por α a cada
y un escalar (número real o

elemento de . Simbólicamente α = α. ×
.

−" 0 1 0
−1 0 HK NHOPGQ 4 −4 HK NHOPGQ
D E = 5 8 0 2 0 4 = 2 04 ; ,−1- != !
" √2 8 √ M RKG −7 7 GJRHIPG
= 0
EJEMPLO 3: ; .
" "

A partir de la multiplicación por un escalar podemos definir la resta de matrices.

= y 9 = #
× ×
RESTA de matrices : Dadas dos matrices del mismo tamaño
de con 9 y se denota − 9, como la suma de con la matriz opuesta de 9.
, se define la resta

Simbólicamente, − 9 = + ,−9-. Lo cual en la práctica, no es más que restar los elementos

correspondientes, es decir − 9 = −#
×
.

−1 0 5 −4 −2 0 15 −12 −17 12
E −3D E=D E−D E=D E
√2 8 √2 8 2√2 16 3√2 24 −√2 −8
EJEMPLO 4: 2D

Ejercicios mínimos sugeridos de Guía 1 pág 2: 8, 9; pág 5: 4, 5, 7b, d, f ; pág 7: 14a , 18; pág 8: 20 , 23 ; pág 9:
32; pág 11: 7, 9, 18; pág 10: 1, 3, 5
 3

Ahora, teniendo en cuenta las propiedades conocidas para los números reales, pensemos qué propiedades
cumplen las operaciones hasta aquí definidas y formulemos el siguiente teorema.

Sean , 9 y T tres matrices de × y sean α , β dos escalares. Entonces:

Teorema: Propiedades de la suma y multiplicación por un escalar de matrices.

• + 0 = , donde 0 es la matriz nula de × .

• 0 = 0 , donde 0 ∈ ( y 0 es la matriz nula de × .
+9 =9+
, + 9- + T = + ,9 + T- (asociativa para la suma)
• (conmutativa para la suma)
•
α, + 9- = α + α9 (distributiva de la multiplicación respecto de la suma de matrices)
,α + β- = α + β (distributiva de la multiplicación respecto de la suma de escalares)
•
•
• 1 =

Productos escalar y matricial.

Si bien las siguientes definiciones de producto entre vectores y matrices no son intuitivas ni naturales, ambas
tienen importantes aplicaciones prácticas y teóricas (algunas de las cuales veremos en detalle)

#
#
PRODUCTO ESCALAR o PRODUCTO PUNTO entre vectores : Sean $ = ⋮ y #$ =
⋮
#
dos vectores de

de componentes. Entonces el Producto escalar (o punto) de $ y #$ denotado por $ ∙ #$ , es el número dado

por W X = WZ Y Z + W[ Y [ + ⋯ + W Y .
X∙Y
5 −2
Por ejemplo: !. ! = 5,−2- + ,−7-,−3- = −10 + 21 = 11 .
−7 −3

10 *
de las incógnitas del problema y un vector de datos dado. Por ejemplo: ],*, ^- = 10* + 15^ = ! . ^!.
Una aplicación: la función objetivo de un problema de programación lineal, es el producto escalar entre el vector

15

¿Qué propiedades tiene el producto escalar?

Sean $ , #$ y O̅ tres vectores de ( y α un escalar. Entonces:

Teorema: Propiedades del producto escalar entre vectores.

$ ∙ 0$ = 0 donde 0$ es el vector nulo y 0 es número real.

$ ∙ #$ = #$ ∙ $ (conmutativa)
•

$ ∙ #$ + O X = $ ∙ #$ + $ ∙ O̅ (distributiva del producto punto respecto de la suma de vectores)

•

,α $- ∙ #$ = α , $ ∙ #$- = $ ∙ ,α #$-
•
•

Ejercicios mínimos sugeridos de Guía 1 pág 2: 8, 9; pág 5: 4, 5, 7b, d, f ; pág 7: 14a , 18; pág 8: 20 , 23 ; pág 9:
32; pág 11: 7, 9, 18; pág 10: 1, 3, 5
 4

NO EXISTE una ley ASOCIATIVA para el producto escalar o punto. La expresión $ ∙ #$ ∙ O̅ no tiene sentido por no
Advertencia:

∙ #$) ∙ O̅ no podemos resolver el producto punto entre un número y un vector.

estar definida. Si asociamos , $_
∈`
Veamos otra aplicación del producto escalar entre vectores en la definición del siguiente producto entre
matrices:

PRODUCTO MATRICIAL: Sean dos matrices = ×

y 9 = # ×a
. Entonces el producto de y 9,
9 (sin ningún símbolo), es una matriz T = O donde cada elemento O
×a
que podemos denotar es el
producto escalar entre el renglón de y la columna de 9.

Advertencia:
Dos matrices se pueden multiplicar únicamente si el número de columnas de la primera es igual al número de
renglones de la segunda (observar los tamaños indicados en la definición). En tal caso se dice que las matrices
son “conformes o compatibles para el producto matricial”.

−1 2
EJEMPLO 5:
−3 4 1
= 2−3 7 4 y 9 = !. 9 dado que
−9 2 2
0 −1
Sean Notamos que podemos hacer el producto

= 2 = n° renglones de 9 y el resultado será una matriz T = O

b×b
n° columnas de .
Una disposición que facilita la realización de este producto, es la siguiente

−3 4 1
9 Donde O = ,−1 2-. ,−3 − 9- = ,−1-,−3- + 2,−9- = −15
−9 2 2
O = ,−1 2- ∙ ,4 2 - = ,−1-4 + 2 ,2- = 0
−1 2 −15 0 3
−3 7 −54 2 11 O " = ,−1 2- ∙ ,1 2 - = ,−1-1 + 2 ,2- = 3
0 −1 9 −2 −2
O = ,−3 7- ∙ ,−3 − 9 - = ,−3-,−3- + 7,−9- = −54

⋮
⋮

y así sucesivamente el último elemento es O"" = ,0 − 1- ∙ ,1 2 - = ,0-1 + ,−1-2 = −2

−15 0 3
De tal manera que T = 9 = 2−54 2 11 4 .
9 −2 −2

Notemos que en este caso también es posible realizar, el producto 9 porque el n°columnas de B = 3 = n°
renglones de A. Pero el resultado de 9 será una matriz 2x2:

Ejercicios mínimos sugeridos de Guía 1 pág 2: 8, 9; pág 5: 4, 5, 7b, d, f ; pág 7: 14a , 18; pág 8: 20 , 23 ; pág 9:
32; pág 11: 7, 9, 18; pág 10: 1, 3, 5
 5

−1 2 O = ,−3 4 1-. ,−1 − 3 0- = ,−3-,−1- + 4,−3- + 1,0- = −9

9 −3 7
O = ,−3 4 1- . , 2 7 − 1- = ,−3-,2- + 4,7- + 1,−1- = 21
0 −1

−3 4 1 −9 21 O = ,−9 2 2-. ,−1 − 3 0- = ,−9-,−1- + 2,−3- + 2,0- = 3

−9 2 2 3 −6 O = ,−9 2 2- . , 2 7 − 1- = ,−9-,2- + 2,7- + 2,−1- = −6

Observación: Este ejemplo muestra que el producto matricial no verifica la propiedad conmutativa. También
hay casos donde incluso alguno de los productos ni siquiera puede efectuarse. No obstante existen otros donde
la propiedad sí se cumple, son casos excepcionales, algunos de los cuales veremos enseguida.

Sean , 9 y T tres matrices tales que los siguientes productos y sumas están definidos, entonces:
Teorema: Propiedades del producto matricial

(a) ,9T- = , 9-T

(b) ,9 + T- = 9 + T y , + 9-T = T + 9T DISTRIBUTIVO respecto de la suma de matrices
ASOCIATIVO

Recordar: NO es CONMUTATIVO. En general 9 ≠ 9

Consecuencias de las propiedades del producto matricial: Se cumple en general que

, ± 9- ≠ ±2 9+9
, + 9-, − 9- ≠ −9
•

Si 9 = T no podemos deducir que 9 = T.

•

1 2 1 −1 1 2 3 3 1 −1 3 3
•
! != ! ! pero !≠ !
2 4 2 3 2 4 1 1 2 3 1 1
Por ejemplo:
Si 9 = 0 no tiene por qué ocurrir que o 9 sean iguales a la matriz nula 0.
1 −1 1 −1 0 0
•
! != ! y ninguna de las dos primeras matrices es la nula.
−2 2 1 −1 0 0
Por ejemplo:

Cuadro comparativo de Propiedades (PARA RECORDAR)

Propiedades Producto Escalar Producto Matricial

CONMUTATIVA SI NO
ASOCIATIVA NO SI
DISTRIBUTIVA SI SI
POTENCIA de matrices: Si es una matriz cuadrada y d es un número entero positivo, definimos e
como el
producto de d veces la matriz por ella misma, es decir e
= fghgi
… Observar que e
= e.
.
e jklkm

Cadenas de Markov: Una aplicación de producto y potencia de matrices.

Se trata de una herramienta creada por el matemático ruso "Andrei Markov" en el año 1907 que mezcla
principios algebraicos y estadísticos para analizar procesos que evolucionan a lo largo del tiempo en un conjunto
de estados. Es posible aplicar este principio a campos tan diferentes como la meteorología, astrología, biología o
a las empresas, entre otras muchas áreas por supuesto. Veamos un ejemplo:
Ejercicios mínimos sugeridos de Guía 1 pág 2: 8, 9; pág 5: 4, 5, 7b, d, f ; pág 7: 14a , 18; pág 8: 20 , 23 ; pág 9:
32; pág 11: 7, 9, 18; pág 10: 1, 3, 5
 6

Competencia entre negocios:

Dos negocios (A y B) surten de un producto a cierta población. Con el tiempo algunos clientes cambian de
repartidor por diferentes razones (publicidad, costo, conveniencia, etc.). Se desea modelar y analizar el
movimiento de los clientes entre los dos negocios suponiendo, por simplicidad, que la misma fracción de clientes
cambiará de un negocio a otro durante cada período de tiempo. Suponer que después de un mes el negocio A ha
logrado mantener el 80% de sus propios clientes y además ha atraído el 30% de los clientes del negocio B. Si el
negocio A cuenta actualmente con 30 000 clientes y el número total de clientes es de 100 000, responder:
a) ¿Con qué cantidad de clientes contará cada negocio después de un mes?
b) ¿Y al cabo de dos meses?
c) ¿Cuál será la fórmula que permite conocer la distribución de clientes al cabo de n meses?
d) ¿Cómo podrías determinar si en algún momento la distribución del mercado se estabiliza?

Resolución: Podemos hacer el siguiente esquema con los datos del movimiento de clientes mes a mes,
30%

80% 9 70%

30.000 20% 70.000

a) Teniendo en cuenta este esquema, con 30.000 y 70.000 clientes respectivamente en A y B al inicio, es claro
que al cabo de un mes la distribución de clientes en cada negocio será:

En A: (0,8)(30.000) + (0,3)(70.000) = 45000 , de la misma manera podemos expresar la cantidad en B,

En B: (0,2)(30.000) + (0,7)(70.000) = 55000

Notemos que podemos expresar esas sumas de productos usando el siguiente producto matricial,

0,8 0,3 30000 45000

! != ! tuuuuuuuuuuuv wx$ = x$
0,2 0,7 70000 55000 n oóq lr k sk y
donde

• w recibe el nombre de matriz de transición: sus elementos representan el cambio o movimiento en

cada período de tiempo (mes a mes en este caso) y siempre tiene la propiedad de que la suma de los

x$y es el vector del estado inicial (en este caso, la distribución inicial de clientes en A y B respectivam.)
elementos de sus columnas es igual a 1.

x$ denota el estado del sistema al cabo de 1 período de tiempo (es este caso representa la distribución
•
•
de clientes al cabo de 1 mes)

Resp: Al cabo de un mes habrá 45.000 clientes en A y 55.000 en B.

Ejercicios mínimos sugeridos de Guía 1 pág 2: 8, 9; pág 5: 4, 5, 7b, d, f ; pág 7: 14a , 18; pág 8: 20 , 23 ; pág 9:
32; pág 11: 7, 9, 18; pág 10: 1, 3, 5
 7

b) Ahora para obtener la distribución al cabo de 2 meses repetimos las cuentas, lo cual podemos expresar
0,8 0,3 45000 52500
! != ! tuuuuuuuv wx$ = x$ €•••••••••••••‚ w,wx$y - = x$ €••••••‚ ,ww-x$y = x$
0,2 0,7 55000 47500 n oóq lr `kk zqr{r |} ~$• rm}l r |}

O sea x$ = w x$y . Entonces es fácil intuir cuál es la fórmula para determinar la distribución al cabo de 3 meses,
de 4 meses, etc.

Resp: Al cabo de dos meses habrá 52.500 clientes en A y 47.500 en B.

c) La fórmula para determinar el estado de un sistema de Markov, al cabo de n períodos de tiempo es

x$ = w x$y donde w es la matriz de transición (descripta en a) y x$y es el vector del estado inicial.

que se desee. Por ejemplo, al cabo de un año: x$ = w x$y y resolver con calculadora si es posible.
Observación: La utilidad de esta fórmula radica en que es posible calcular directamente el estado en el período

*
planteamos la ecuación matricial que describe este equilibrio. Si denotamos con x$ = ^! al vector del estado
d) Para determinar si en algún momento la distribución del mercado se estabiliza (estado de equilibrio),

*
de equilibrio, entonces tenemos que analizar si existe x$ = ^! con * + ^ = 100000 y tal que wx$ = x$ .
Juntando ambas ecuaciones obtenemos el SEL que tenemos que resolver:

0,8 0,3 * * 0,8 * + 0,3 ^ = * −0,2 * + 0,3 ^ = 0

! ! = ^! „
ƒ 0,2 0,7 ^ €••••••••••••••••‚ ƒ0,2 * + 0,7 ^ = ^„ €•••••••‚ ƒ 0,2 * − 0,3 ^ = 0 „ €••••••‚
* + ^ = 100000 * + ^ = 100000 * + ^ = 100000 qr rs… {
z…}|†ls} rs… l rq k }…|k r r… kmlrq} r…
‡†rq|r| |k rs… lkm kq nˆ‰
r zq r|r
−0,2 0,3 0 1 1 100000 1 0 60000 * = 60000„
2 0,2 −0,3Š 0 4 ⋯ ⋯ 20,2 −0,3Š 0 4 ⋯ ⋯ 20 1Š400004 €•••••••‚ •
^ = 40000
0 ggghg
fg 0 g0ggi
n msk r
1 1 100000 0 0 0 kŽ† jrqk sk
‹.ˆmlrq} r|r `k|†l |r
,Œr†mm.•}…|r -

Resp: A largo plazo habrá 60.000 clientes es A y 40.000 en B (este sistema alcanza el estado de equilibrio) No
sabemos cuándo se logra el equilibrio en este sistema pero sí la distribución de su estado de equilibrio.
----------------------------
Matrices y Sistemas de Ecuaciones Lineales(SEL): otra aplicación del producto matricial

*
Todo SEL se puede escribir como una ecuación matricial usando el producto entre matrices. Veamos un ejemplo:

2 * − 7 *" = 11 „ 2 0 −7 * 11
• €•••••••‚ !2 4 = ! Notar que resolviendo el producto de la matriz de
* + * − *" = 1 z†k|k 1 1 −1 * 1
k•z…kmr…mk "
2 * − 7 *" 11
coeficientes por el vector de incógnitas se obtiene D E luego igualando a ! se tiene el SEL dado.
* + * − *" 1

Ejercicios mínimos sugeridos de Guía 1 pág 2: 8, 9; pág 5: 4, 5, 7b, d, f ; pág 7: 14a , 18; pág 8: 20 , 23 ; pág 9:
32; pág 11: 7, 9, 18; pág 10: 1, 3, 5
 8

Todo SEL se puede expresar como una ecuación matricial que llamaremos FORMA MATRICIAL

* + * + " *" + … + * = # … * #
… * #
‘ … * + * + * + … + * = # „
… … … … … … … … …"…" … … … … … … … … … . ⇔ ⋮ ⋮ ⋮ ⋮ ⋮ = ⋮
* + * + " *" + … +
fggggggggggggggghgggggggggggggggi * = # … * #
fgggggggggggghggggggggggggi
n msk r |k ˆll†rl } km ‰ krqkm ’“”•– •–—”˜™˜–š

Ventaja de la Forma Matricial: de ahora en más al referirnos a un SEL usaremos sólo tres letras, una para su
matriz de coeficientes, otra para el vector de incógnitas y otra para el vector de términos independientes.

Forma matricial
x$ = #$
de un SEL
Notación abreviada!!

Matriz de Vector de
coeficientes términos independientes
Vector de
Incógnitas

Motivación: Dado que todo sistema de ecuaciones lineales se puede escribir como x$ = #$ donde x$ es el
Inversa de una matriz cuadrada

vector de incógnitas y , #$ son matrices conocidas, es natural preguntarse si será posible despejar x$ como
en las ecuaciones escalares * = # donde * es la incógnita (que representa a un escalar) y , # son números
conocidos. Sabemos que si ≠ 0 entonces podemos despejar * multiplicando ambos miembros por el inverso
de , o sea W.Z * = W.Z # €••••‚ * = W.Z # . Ahora queremos estudiar “lo análogo” para matrices. Lo
«Z W r¬
- •¬•
primero que necesitamos es definir una matriz que sea la identidad para el producto matricial, es decir que al
multiplicarla por cualquier matriz A el resultado sea A. La matriz que cumple con esto es la siguiente,

Matriz identidad: es una matriz cuadrada diagonal que tiene todos 1 en su diagonal principal y 0 fuera de ella.

1 0 0 0
1 0 0 ⋯
1 0 ²0 1 0 0¶
Por ejemplo: ® = ! ; ®" = 20 1 04 ;: ® = ± ⋮ ⋱ ⋮ µ
0 1 0 0 1 0
×
0 0 1 "×" ⋯
°0 0 0 1´ ×

Teorema: Sea una matriz × . Entonces ® =® = (® es la identidad para el producto matricial)

# # 1 0 # 1 0 #
= ! . Verificar que ! != != ! !
O · O · 0 1 O · 0 1 O ·
Ejercicio: Sea

Definición de Matriz Inversa: Si y 9 son dos matrices × tales que 9 = 9 = ® . Entonces 9 se llama
inversa de (o inversa de 9). Y se dice que es invertible (o 9 invertible- .

Ejercicios mínimos sugeridos de Guía 1 pág 2: 8, 9; pág 5: 4, 5, 7b, d, f ; pág 7: 14a , 18; pág 8: 20 , 23 ; pág 9:
32; pág 11: 7, 9, 18; pág 10: 1, 3, 5
 9

Teorema: Si una matriz es invertible, entonces su inversa es ÚNICA

Supongamos que 9 y T son dos inversas de , debemos demostrar que 9 = T para que el teorema quede
Demostración:

demostrado. Notemos que 9 = 9® = 9, T- = ,9 -T = ®T = T . Por lo tanto 9 = T y la inversa es única! ▲

Como C es inversa de A ⇒ T = ® asociativa Pues B es inversa de A

.
a la inversa de .
----------

=, -.
Notación: Dado que la inversa de una matriz invertible es única, podemos denotar con
Entonces como .
= .
= ® podemos afirmar que es la inversa de .
, es decir .

1 2
¿Qué matrices tienen inversa y cómo se calcula?
= ! ¿ Existe . ?
3 4
EJEMPLO 6: Sea
Si existe . esta debe cumplir con la definición de inversa, es decir: al multiplicar la matriz por su inversa el
#
resultado debe ser la matriz identidad ®. Planteamos esto usando . = ! como la matriz incógnita que
O ·
estamos buscando. Entonces,

#
.
Planteando las ecuaciones lineales que resultan de la ecuación matricial .
= ®:
O ·
+ 2O = Z
1 2 Z 0
Notemos que estas dos primeras ecuaciones
3 + 4O = 6 constituyen un SEL con incógnitas y O.
3 4 6 1

# + 2 · = 0
3# + 4· = 1 SEL con incógnitas # y ·.
Y estas otras dos ecuaciones conforman otro

1 2
= !.
3 4
Si bien tenemos dos SEL para resolver, notamos que la matriz de coeficientes de ambos es

1 2 1„ 0
Entonces podemos resolver ambos sistemas simultáneamente escribiendo la matriz aumentada con las dos
» » !
3 4 0 1
columnas de términos independientes de ambos sistemas, de la siguiente manera:

Luego, trabajando con esa matriz aumentada de tamaño 2×4, aplicamos el método de Gauss-Jordan (hacer 6
debajo y sobre los pivotes 1):

1 2 1 0 1 2 1 0 1 2 1 0 1 0 −2 1
» „ » ! tuuuuv » „ » ! tuuv > ½ 3¾ „ ½ −1¾ A tuuuuv > ½ 3¾ „ ½ −1¾ A
3 4 0 1 `¼ ."`• 0 −2 −3 1 .•¼`¼ 0 1 2 2 `• . `¼ 0 1 2 2

La forma escalonada
Y hemos terminado de REDUCIDA de A es I
escalonar “por completo”

Ejercicios mínimos sugeridos de Guía 1 pág 2: 8, 9; pág 5: 4, 5, 7b, d, f ; pág 7: 14a , 18; pág 8: 20 , 23 ; pág 9:
32; pág 11: 7, 9, 18; pág 10: 1, 3, 5
 10

= −2 y O = . Y los valores
"
Ahora, de la última forma escalonada, sabemos que los valores de la primer columna de términos
independientes son las soluciones del primer SEL, por lo cual son los valores de
de la segunda columna de términos independientes son los de # = 1 y · =
.
. Por lo cual la matriz inversa de
−2 1
A es, .
=> " . A Resumiendo: el procedimiento consiste en reducir – a la matriz identidad ˜.

.
es igual a ® :
−2 1
Podemos verificar el resultado, comprobando que, efectivamente, el producto
. " .

Nota: También .
= ® (este es un caso donde se cumple la conmutativa)
1 2 Z 0
3 4 6 1

Ahora nos preguntamos ¿Podrá toda matriz reducirse a la matriz identidad ˜ ? La respuesta es NO. Veamos:

1 −1
= ! Hallar si es posible, su inversa.
−1 1
EJEMPLO 7: Sea

Aplicamos directamente el procedimiento de reducción por renglones a la matriz aumentada , | ® - ,

1 −1 1„ 0 Z −1 1„ 0
» » ! tuuuv » » !
−1 1 0 1 `¼ À`• 0 6 1 1

® ) ⋯⋯ ≠ ® €•••••••‚ NO EXISTE .
y decimos que – NO ES INVERTIBLE
l} lq† }m
(

forma escalonada obtenida tiene sólo un pivote (al tener un renglón de ceros nunca podrá transformarse en ®).
Conclusión: No es posible hallar la inversa de esta matriz pues no podemos reducirla a la identidad, ya que la

También notemos que los correspondientes sistemas lineales equivalentes resultan incompatibles.

– × es INVERTIBLE Æ•••‚ La Forma Escalonada Reducida de – × ÇÈ ˜

Teorema:
En tal caso, , – | ˜ - tuv ⋯ ⋯ tuv ˜ Ê –.Z

Un resultado útil para decidir rápidamente si una matriz 2 × 2 tiene inversa y en tal caso expresarla
inmediatamente es el siguiente:

Teorema (SOLO PARA MATRICES [ × [ )

# · −#
= ! y . · − #. O ≠ 0. Entonces es invertible y su inversa es = r.|.o.l !
. Z
O · −O
Si

Nota: el número . · − #. O se llama determinante de la matriz A2x2 (concepto que se estudiará en Tema 3)

Ejercicios mínimos sugeridos de Guía 1 pág 2: 8, 9; pág 5: 4, 5, 7b, d, f ; pág 7: 14a , 18; pág 8: 20 , 23 ; pág 9:
32; pág 11: 7, 9, 18; pág 10: 1, 3, 5
 11

EJEMPLO 8: Decidir si son invertibles las siguientes matrices y en caso afirmativo, hallar sus inversas.

4 2 1 −2 ËÇÌÍÎÍÏÐÌ ÑÐÏÍÇÒÓÔ ÇÕ ÖÌÔÓ×ÏØÔ

! es invertible pues 4(1) – 2(1)= 2 ≠ 0 €•‚ = !
. Z
1 1 [ −1 4 ÙÐÚÛÍéÒ ÏÔÒ ÕÐ ÏÐÕÏ×ÕÐÓÔÌÐ!
a)

1 2
! NO es invertible pues 1(-4) – 2(-2) = 0 €•‚ ∄ .
−2 −4
b) (∄: se lee no existe-

2 4 6
c) 24 5 6 4 como esta es una matriz 3x3 no es aplicable el teorema anterior, entonces planteamos , | ® -:
3 1 −2

2 4 6 1 0 0 1 2 3 1/2 0 0 1 2 3 1/2 0 0
24 5 6 Š0 1 04 tv 2 4 5 6Š 0 1 04 tuuuuv
`¼ .@`•
2 0 −3 −6 Š −2 1 04 … …
3 1 −2 0 0 1 ¼`• 3 1 −2 0 0 1 `à ."`• 0 −5 −11 −3/2 0 1
•

1 2 3 1/2 0 0 En este momento sabemos que la matriz dada es invertible

20 1 2 Š 2/3 −1/3 04 pues la forma escalonada obtenida tiene 3 pivotes .
0 0 −1 11/6 −5/3 1 Continuamos hasta lograr la matriz identidad a izquierda:

1 0 0 −8/3 7/3 −1 −8/3 7/3 −1

… … 20 1 0 Š 13/3 −11/3 2 4 €•‚ .
=2 13/3 −11/3 24
0 0 1 −11/6 5/3 −1 −11/6 5/3 −1

Nota: Este último ejemplo se desarrolló para tenerlo como modelo para los casos en que no se pueda usar
calculadora (por ejemplo: matrices con algún parámetro como elemento)
------------------------------
Ahora que sabemos que muchas matrices son invertibles, volvemos a la ecuación que motivó este concepto:

Teorema: Si es una matriz invertible, entonces el sistema de ecuaciones lineales x$ = #$ tiene una solución
única x$ = . #$ .
Demostración: Sea x$ = #$ con invertible. Entonces multiplicamos ambos miembros (a izquierda) por –.Z ,

–.Z x$ = –.Z #$ y como por definición –.Z = ®, entonces resulta

®x$ = –.Z #$ y como ®x$ = x X , por ser ® la identidad para el producto matricial, tenemos que

X èÔÕ×ÏÍóÒ ÓÇ ÈÍÈØÇÚÐÈ ÓÇ ÇÏ×ÐÏÍÔÒÇÈ ÕÍÒÇÐÕÇÈ

x$ = –.Z #
ÇÒ ØéÌÚÍÒÔÈ ÓÇ ÕÐ ÍÒéÇÌÈÐ ÓÇ È× ÚÐØÌÍê ÓÇ ÏÔÇÎÍÏÍÇÒØÇÈ
Comprobamos que es solución: al reemplazar x$ en la ecuación matricial esta se satisface:
x$ = –.Z #$ = –.Z #$ = ® #$ = #$
Asociativa del Producto

Unicidad: Si ë$ es otra solución, entonces ë$ = #$. Multiplicamos ambos miembros (a izquierda) por –.Z
Matricial

resulta (como hicimos anteriormente) que ë$ = –.Z #$. Es decir, x$ = ë$ y así la solución es única! ▲

Ejercicios mínimos sugeridos de Guía 1 pág 2: 8, 9; pág 5: 4, 5, 7b, d, f ; pág 7: 14a , 18; pág 8: 20 , 23 ; pág 9:
32; pág 11: 7, 9, 18; pág 10: 1, 3, 5
 12

y 9 son matrices invertibles de nxn. Entonces el producto 9 es invertible y

Otro resultado que será de utilidad para resolver ecuaciones matriciales lo da el siguiente teorema

, 9-. = 9 . .
Teorema: Si

Demostración: Para probarlo usaremos la definición de matriz inversa, es decir veremos que al multiplicar 9

, 9-,9. . - = ,99 . - . = ® . = .
=®
por su inversa (a izquierda y a derecha) el resultado es la Matriz Identidad. En efecto,

,9 . . -,
9- = 9. , . -9 = 9. ®9 = 9 . 9 = ®

Por lo tanto, 9 . .
es la inversa del producto 9. ▲
Observaciones:
1- La importancia de las demostraciones anteriores radica en que muestran el procedimiento a seguir frente a
cualquier otra ecuación matricial o ejercicios teóricos sobre inversas que se tenga que resolver (ver por ejemplo,
Ejercicios 20 y 23 en pág 8 de Guía 1)
2- Es importante remarcar que como el producto matricial no es conmutativo, cuando se multiplica una
ecuación matricial por alguna matriz, debe hacerse manteniendo la “posición” es decir, a izquierda (o derecha)
en ambos miembros.

Antes de desarrollar la resolución de algunas ecuaciones matriciales, veamos un último concepto:

Transpuesta de una matriz
= ×
una matriz de tamaño × . Entonces la Transpuesta
de – , que se denota –— ,G s - , es la matriz de tamaño × que se obtiene al intercambiar en
Definición de Matriz transpuesta: Sea

renglones por las columnas. Es decir, –— =

los
×
−1 0
.

−1 3 5
= ! ۥ⠓
=2 3 2 4
0 2 −2 ×"
5 −2 "×
Por ejemplo: Si

Teorema: Propiedades de la transpuesta

a) , ì -ì = b) , + 9-ì = ì + 9ì
Si los siguientes productos y sumas de matrices están “bien” definidos (pueden realizarse), entonces

c) , 9-ì = 9ì ì d) Si es invertible, ì es invertible y , ì -. = , . -ì

Notar que cambia el orden del producto

Este concepto es de gran importancia en la teoría de matrices porque entre otras cosas se utiliza para definir

simétrica si –— = – . En términos de sus elementos,

1 −5 2 = = −5
Matriz simétrica: Una matriz cuadrada se denomina

= , , = 1, 2, … , 2 −5 7 34 , notemos que " = " = 2

2 3 8 " = " = 3
para todo . Ejemplo :

Ejercicios mínimos sugeridos de Guía 1 pág 2: 8, 9; pág 5: 4, 5, 7b, d, f ; pág 7: 14a , 18; pág 8: 20 , 23 ; pág 9:
32; pág 11: 7, 9, 18; pág 10: 1, 3, 5
 13

se denomina antisimétrica si –— = −– . En términos de sus

= − , para todo , = 1, 2, … , . Esto significa que los elementos de la diagonal principal
Matriz antisimétrica: Una matriz cuadrada

0 −5 2
elementos,

(cuando = - deben ser ceros. Ejemplo: 2 5 0 34 .

−2 −3 0

------------------------------
Ecuaciones matriciales (Ejercicios modelo)
a) Si y 9 son matrices conocidas, ® es la identidad, las siguientes operaciones están bien definidas y existen
las inversas, despejar la matriz incógnita x en términos de las matrices conocidas:

x 9 = ® “Para despejar x en este caso hay que multiplicar a izquierda por . y a derecha por 9. "
–.Z x 9î.Z = –.Z ® î.Z
i.

® x ® = 9 Entonces x = ,9 -.Z “hemos usado el teorema , 9-. = 9 . "

“notar que se mantiene el orden al multiplicar en ambos miembros”
. . .

x – 9 = x “Lo primero que hay que hacer es poner todos los términos con la incógnita x en un
mismo miembro y en el otro miembro poner los términos que no contienen la incógnita”
ii.

x – x = 9 “A continuación aplicamos la propiedad distributiva (válida para producto matricial)”

, − ®-x = 9 “Advertencia: es un ERROR poner , − 1-x = 9 ya que , − 1- no está definida!”
,– − ˜-.Z , − ®- x = ,– − ˜-.Z 9 “multiplicamos a izquierda por la inversa de ,– − ˜-"
fgggghggggi
¬ ˜
Entonces x = ,– − ˜-.Z 9

,x -. + 9 = x . “Comenzamos aplicando el teorema , 9-. = 9 . . al producto ,ð–-.Z "

–.Z ð.Z + 9 = x . “ Luego ponemos los términos con la incógnita x . en un mismo miembro y en
iii.

el otro miembro el término 9 (que es el único que no contiene a la incógnita)”

x −– ð =9
. .Z .Z
“Ahora podemos sacar ð.Z factor común a la derecha (distributiva al revés)”
,® − . -x = 9
.
“Advertencia: sería un ERROR sacar factor común x . a la izquierda pues
x . ,® − . - = x . − ð.Z –.Z ≠ x . − –.Z ð.Z "
Ahora multiplicamos ambos miembros a la derecha por ð (así queda x como incógnita) . Entonces,
,® − . - fhi x . ð = 9ð ⇒ ,® − . - = 9x €••••••••‚ î.Z ,® − . - = î fhi
.Z
9 x .
†qs zq l} r
¬ ˜ ¬ ˜
{Ž. z}… î«Z

Finalmente resulta x = 9 . ,® − . -

,® + x ì -ì = x 9 “Comenzamos aplicando por teorema , + 9-ì = ì + 9ì "

® ì + , x ì -ì = x9 “ahora ® ì = ® y aplicamos la propiedad , 9-ì = 9ì ì "
iv.

® + ,x ì -ì ì = x9 €•••••‚
ñ
® = x9 − x ì ⇒ ® = x,9 − ì - ⇒ ®,9 − ì -. = x,9 − ì -,9
− ì -.
~ñ ¬~

Por lo tanto x = ,9 − ì -.

Ejercicios mínimos sugeridos de Guía 1 pág 2: 8, 9; pág 5: 4, 5, 7b, d, f ; pág 7: 14a , 18; pág 8: 20 , 23 ; pág 9:
32; pág 11: 7, 9, 18; pág 10: 1, 3, 5
 14

1 −1 2 1
= ! ^ 9 = ! calcular x a partir de las expresiones obtenidas en a) .
0 2 −1 1
b) Con

Respuestas: “se puede usar calculadora y en caso de no haber solución explicar por qué”

1/2 0
x=D E ii. No existe solución porque , − ®- no es invertible.
1/6 1/3
i.

0 −1/3 1 1
x=D E iv. x = !
0 1/6 0 −1
iii.

-----------------------------------------------------------

Modelo económico de Leontief: Una aplicación de Inversa.

Las relaciones interindustriales fueron estudiadas entre otros, por el economista americano Wassily W. Leontief
allá por la década del 1930. En el año 1973 Leontief gana el premio nobel de Economía por el desarrollo del
método input-output (Insumo-Producto), el cual combina el uso de la teoría económica y el análisis estadístico
y matemático. Leontief introdujo ciertas simplificaciones y supuestos para crear su modelo que ayudaría a
predecir los niveles de producción futuros de cada sector o industria, a fin de satisfacer las demandas futuras
para diversos productos. Esta poderosa herramienta de análisis económico de Leontief se sigue estudiando aún
en nuestros días. Veamos un sencillo ejemplo de este modelo:
Problema 1 (Pág 10 de la Guía 1)
Sean dos industrias en las que se producen dos artículos: Acero y vehículos.
Cada año se da una demanda externa (proveniente de otras industrias, empresas privadas o de otros países) de
360.000 toneladas de acero y 110.000 vehículos. La demanda externa no es la única que se da en las dos
industrias consideradas. Se requiere acero para producir vehículos y también se requieren vehículos para
producir vehículos, porque las plantas manufactureras de esos vehículos requieren vehículos para transportar a
los empleados; de igual manera, la industria del acero requiere acero (para su maquinaria) y automóviles para
el transporte de los trabajadores en su operación. Así, cada una de las dos industrias impone demandas a sí
misma y a la otra industria. Estas acciones se llaman demandas internas.
Si la industria del acero requiere 1/4 de tonelada de acero y 1/12 de vehículo para producir 1 tonelada de acero.
Y la industria automotriz requiere de 1/2 tonelada de acero y de 1/9 de vehículo para producir un vehículo.
¿Cuántas toneladas de acero y cuántos vehículos debe producir por año cada industria para que la disponibilidad
de cada una sea igual a la demanda total (externa + interna)?

* : la cantidad de Acero que produce la industria A en toneladas por año

Resolución

^: la cantidad de Vehículos por año que produce la industria B .

Definimos las incógnitas,

Se desea determinar la producción de cada industria para que:

oferta (o producción) = demanda total (demanda interna total + demanda externa)

oferta de acero → * = @ * + ^ + 360.000 ← demanda total de acero

oferta de vehículos → ^= * + ô ^ + 110.000 ← demanda total de vehículos

Ejercicios mínimos sugeridos de Guía 1 pág 2: 8, 9; pág 5: 4, 5, 7b, d, f ; pág 7: 14a , 18; pág 8: 20 , 23 ; pág 9:
32; pág 11: 7, 9, 18; pág 10: 1, 3, 5
 15

* * 360.000
^! = 5
@
8 ^! + ! tuuuuuuv x$ = x$ + #$ ⇒ ,® − -x$ = #$.
110.000 õ}srl ó
Escribiendo en forma matricial,
ô ro…kj r|r

Despejando el vector de producción (oferta) X

x$ = ,® − -. #

600.000
Resolviendo con calculadora x$ = !
180.000

Resp: No habrá sobreproducción si se producen por año 600.000 toneladas de acero y 180.000 vehículos.

Nota: La matriz ,® − - se llama matriz de Leontief. Donde =

×
indican la cantidad que demanda la industria sobre la producción de la industria
es la matriz de las demandas

para producir una unidad de su producto. #$ es el vector de las demandas externas.

internas, sus elementos

---------------------------------
Para terminar formulamos, a modo de resumen, los resultados equivalentes al concepto fundamental de este
tema: matriz invertible!

Teorema de resumen (Primera versión)

Los siguientes enunciados son equivalentes:

• × es invertible.
• La forma escalonada reducida de es ˜ (en otras palabras: es equivalente por renglones a ®)

X=Y X tiene única solución para cada vector #$ .

•
El sistema de ecuaciones lineales –ð
Toda forma escalonada de tiene pivotes.

X=6 X tiene únicamente la solución trivial.

•
• El sistema homogéneo –ð
•

--------------------------------------------------------------------------------------------------------------------------------------

Ejercicios mínimos sugeridos de Guía 1 pág 2: 8, 9; pág 5: 4, 5, 7b, d, f ; pág 7: 14a , 18; pág 8: 20 , 23 ; pág 9:
32; pág 11: 7, 9, 18; pág 10: 1, 3, 5