ALGEBRA LINEAL : SEMANA_1

MATRICES

Definición. Una matriz es un arreglo rectangular de elementos u objetos, distribuidos en

filas y columnas. Nosotros estudiaremos matrices donde los elementos son números. De
este modo si consideramos una matriz formada por m-filas y n-columnas, entonces
dicha matriz lo escribimos como:

 a11 a12 a1n 

a a22 a2 n 
 21
 
 
 
 am1 am 2 amn 

Nota
(1). Generalmente una matriz se denota por letras mayúsculas: A, B, C, etc. de esta

manera, si A es una matriz de m-filas y n-columnas, entonces: A = ( aij ) (escritura

mn

abreviada de A).

(2). Si A = ( aij ) es una matriz, al término m  n se le llama orden de A. ahora, si

mn

m = n , se dice que A es una matriz cuadrada.

(3). Si A = ( aij ) es una matriz, entonces cada aij , para i =1, 2,. . ., m ; j =1, 2,. . ., n se
mn

denomina entrada, componente o elemento de la matriz A.

(4). El conjunto de matrices con entradas en ( = ) y de orden m  n , se suele

denotar como mn

ó M mn ( ) . Es decir:
m n

= A = ( aij )
m n
, i =1, 2,. . ., m ; j =1, 2,. . ., n 

Operaciones con Matrices

Sean A = ( aij ) ; B = ( bij ) y 
mn mn

Álgebra lineal: Semana 01 1

1) SUMA: A + B = ( aij + bij ) .
mn

2) MULTIPLIACIÓN DE UN NÚMERO POR UNA MATRIZ:

  A = ( aij )mn

3) IGUALDAD DE MATRICES

A = B sí ysolamentesí aij = bij , i =1, 2,. . ., m , y j =1, 2,. . ., n

Propiedades básicas de matrices

(1) A + B = B + A , para todo A, B en mn
.

( 2)( A + B ) + C = A + ( B + C ) , , para todo A, B en mn

(3) Para todo A  mn

, existe O  mn
tal que A + O = A = O + A (“O” es la llamada

matriz nula)

( 4) Para todo A  mn

, existe A '  mn
tal que A + A ' = O = A '+ A (A’ se le llama

opuesto aditivo de A y se denotará por: − A )

(5)(  ) A =  ( A) =  (  A) , para todo A  mn

y   

( 6)(  +  ) A =  A +  A, para todo A  mn

y   

( 7)  ( A + B ) =  A +  B , para todo A  mn

y 

(8)1.A = A; para todo A  mn

y1

Demostración:
Queda como ejercicio , a modo de ejemplo, demostraremos las propiedades (3), (6) y
(7).

(3). Como A  mn

, escribamos A = ( aij ) , y O = ( xij ) es la matriz a determinar, tal
mn mn

que debe verificarse: A + O = A , sí y sólo sí

aij + xij = aij (*) ,  i =1, 2,. . ., m ; j =1, 2,. . ., n

Como aij + xij son elementos de , es decir, son números, entonces de (*) . Por la

Ley de Cancelación aditiva se tiene:

Álgebra lineal: Semana 01 2

 xij = 0, i =1, 2,. . ., m ; j =1, 2,. . ., n

0 0 0
0 0 0 
Por tanto: O= ( MATRIZ NULA )
 
 
0 0 0

Nota: Análogamente se puede mostrar que la matriz opuesta aditiva

A ' de A = ( aij ) es de la forma:

mn

 − a11 − a12 − a1n 

 −a − a22 − a2 n 
 21 := − A
 
 
 − an1 − an 2 − ann 

(6). Sea A = ( aij ) ;    ; por definición de multiplicación de un número por una

mn

matriz tenemos:

(  +  ) A = (  +  ) ( aij )mn = (  aij +  aij )mn = (  aij )mn + ( aij )mn

=  A + A

(7) Sean A = ( aij ) , B = ( bij ) . Nuevamente, por las definiciones de multiplicación

mn mn

de un número por una matriz, y por suma de matrices se tiene:

 ( A + B ) =  ( aij + bij ) = (  aij + bij )

mn
= (  aij )
mn
+ ( bij )
mn
mn

Entonces:  ( A + B) =  A + B

Ejemplo (1)

1 a1 0 b + a −2 b2 
A=  y B= 1 1
1 + b1 
Sean matrices iguales
 a2 −1 + a1 a3   3 b3

Calcular: A + B, 3A y el opuesto de B.

Solución:

Álgebra lineal: Semana 01 3

Por igualdad de matrices:
1 = b1 + a1 a1 = −2 0 = b2

a2 = 3 −1 + a1 = b3 a3 = 1 + b1

De donde: b1 = 3; b3 = −3 y a3 = 4

Luego:
1 −2 0  1 −2 0   2 −4 0 
A+ B= + = 
3 −3 4  3 −3 4   6 −6 8 

3 −6 0   −1 2 0 
3A =   −B =  
9 −9 12   −3 3 −4 

MULTIPLICACIÓN DE MATRICES
Para multiplicar matrices “AB” es necesario que el número de columnas de A, sea igual
al número de filas de B.

Esto es: A = ( aik )m p y B = ( bkj )

p n

Entonces: AB= C = ( cij )

mn

p
Donde: cij =  aik bkj
k =1

Ejemplo (2)

a a12  b b b 
Sean: A =  11  ; B =  11 12 13  , entonces:
 a21 a22  b21 b21 b23 

c c c  a b + a b a11b12 + a12b21 a11b13 + a12b23 

AB =  11 12 13  =  11 11 12 21
c21 c21 c23  23  a21b11 + a22b21 a21b12 + a22b21 a21b13 + a22b23 

Ejemplo (3)

 2 −i  i 1 
Sean las matrices: A=   ; B= 
0 1  3 −2 
Calcular: AB y BA.

Álgebra lineal: Semana 01 4

Solución:
Aplicando la definición de matrices:
 2 −i   i 1   −i 2 + 2i 
AB =   =
 0 1  3 −2   3 −2 

i 1   2 −i   2i 2 
BA =    0 1  =  6 −2 − 3i 
3 −2     

Observaciones
(1). Del ejemplo (3), podemos decir que en general AB  BA .

(2) Consideremos la matriz A = ( aij ) , esto es:

mn

 a11 a12 a1n 

a a22 a2 n 
 21
A=  ; ahora:
 
 
 am1 am 2 amn 

Escribamos las m-filas de “A” como sigue:

F1 =  a11 a12 .... a1n  ,..., Fm =  am1 am2 .... amn 

Del mismo modo, las n-columnas de A lo escribimos así:

 a11   a1n 
a  a 
C1 =  21  , ........... , Cn =  2 n 
 :   : 
   
 am1   amn 

Entones A = ( aij ) puede representarse y escribirse del siguiente modo:

mn

 F1 
F 
A =  2  = C 1 C2 .... Cn  de esta forma, si
 : 
 
 Fm 

 F1 
F 
A = ( aik )m p =  2  y B = ( bkj ) = C 1 C2 .... Cn 
 :  p n

 
 Fm 

Álgebra lineal: Semana 01 5

 Entonces AB = ( cij ) = ( FC
i j) , donde: Fi es la i-ésima fila de A, mientras que
mn mn

C j es la j-ésima columna de B, y en consecuencia, FC

i j puede observarse como el

“producto interno” de dos vectores.

Ejemplo (4)
 2 1  −1 0 
Sean A=  ; B =  3 1
 −1 0   
Calcular AB

Solución:
 −1 0
F1 =  2 1 , F2 = 1 0 ; C1 =   , C2 =  
3 1 

c c  FC F1C2   −2 + 3 0 + 1   1 1 
AB =  11 12  =  1 1 = =
F2C2   −1 + 0 0 + 0  −1 0
Llamemos
c21 c22   F2C1

 −1
F1C1 =  2 1   =  2 1 −1 3 = ( 2 )( −1) + (1)( 3) =1
t
Donde:
3
Análogamente, los elementos restantes.

Propiedades:

(1) A( BC ) = ( AB ) C
( 2) ( A + B ) C = AC + BC
(3) AB  BA ( en general )

Demostración:
A manera de ejemplo, mostramos la propiedad (2):

Sean A = ( aik )m p ; B = ( bik )m p y C = ( ckj ) pn .

Entonces A + B = ( aik + bik )m p y llamemos Aik = aik + bik para i =1, 2,. . ., m ;

k =1, 2,. . ., p ; entonces A + B = ( Aik )m p

Álgebra lineal: Semana 01 6

Ahora ( A + B ) C = E = ( eij )
p
, donde eij =  Aik Ckj 
mn
k =1

p p p
eij =  ( aik + bik ) ckj =  aik ckj +  bik ckj ......... ( )
k =1 k =1 k =1

De otro lado, llamando AC = F = ( fij ) , donde fij =  aik ckj , y BC = G = ( gij ) ,

p

mn mn
k =1

donde gij =  bik ckj , entonces AC + BC = ( fij + gij ) de donde :

p

mn
k =1

p p
fij + gij = a
k =1
ik ckj +  bik ckj
k =1
( )

Luego, de las igualdades ( )y( ) se concluye que:

( A + B ) C = AC + BC

MATRIZ IDENTIDAD
 1, i= j
La matriz identidad se denota y define como I = ( ij )nn donde  ij =  .
 0, i j

Nótese que la matriz identidad es cuadrada, no es posible definir matriz identidad para
un orden arbitrario.

Nota: Si I = ( ij ) (matriz identidad) entonces muchas veces es necesario escribirlo

nn

como I n = I .

Observación

(1) Si A = ( aij ) se cumple AI n = A , Im A = A .

mn

( 2 ) Si A = ( aij ) se cumple AI n = A = I n A .
nn

Definición.-

Sean A = ( aij ) , B = (bij ) nn , se dice que A y B son conmutativos cuando AB = BA .

nn

Ejemplo
Consideremos las matrices

Álgebra lineal: Semana 01 7

 1 1 2 3  5 5
A=  ; B=   AB =   = BA
1 1 3 2  5 5
Por tanto A y B son conmutativos

MATRIZ TRANSPUESTA

Sea A = ( aij ) la transpuesta de A es otra matriz que se denota y define como

mn

At := ( a ji ) .
nm

Ejemplo:

2 i 
2 0 i 
Sea A = 0 −1 , entonces la transpuesta de A es: At = 
 
 i −1 4 23
 i 4  32

Propiedades:
Sean A, B dos matrices,   .

(1) (  A) =  At
t

( 2) ( A  B ) = At  B t
t

( 3) ( AB ) = B t . At
t

Demostración:
Las propiedades (1) y (2) son inmediatas. A modo de ejemplo, demostraremos la
propiedad (3).

En efecto:

Sea A = ( aik )m p y B = ( bkj ) pn

Ahora AB = C = ( cij )
p
donde cij =  aik bkj ( )
mn
k =1

De aquí ( AB ) = ( c ji )nm y por lo tanto, de (  ) se tiene:

t

Álgebra lineal: Semana 01 8

 p
c ji =  aki b jk (I ) (intercambiando orden de subíndices)
k =1

De otro lado: B t = ( b jk )n p y At = ( aki ) pn ; así Bt At = E = ( e ji ) donde

nm

p
e ji =  b jk aki ( II )
k =1

Luego ( I ) = ( II ) , en consecuencia: ( AB ) = B t At
t

MATRIZ SIMÉTRICA y MATRIZ ANTISIMÉTRICA

Una matriz cuadrada A es simétrica si A = At , mientras que si A = − At , se dice que es

antisimétrica.

Ejemplo:

a b c a b c
Dado A =  b d e  , entonces A =  b d
 t
e 

 c e f   c e f 

Así A = At , por tanto, A es simétrica.

Ejemplo:

 0 a −b   0 −a b 
Dado  
A =  −a 0 c  , entonces A =  a
t
0 −c  sí y sólo sí
 b −c 0   −b c 0 

 0 a −b 
A = −  −a 0 c  = − A , por tanto, A es antisimétrica.
t

 b −c 0 

MATRIZ INVERSA (MATRIZ INVERSIBLE)

Sea A = ( aij ) , se dice que A admite inversa (A es inversible), si existe una matriz
nm

B = ( bij ) tal que AB = I n = BA . ( Notación: B = A−1 ) .

nm

Álgebra lineal: Semana 01 9

Ejemplo:
1 2 
Sea A =   , calcular la inversa de A.
4 5

Solución
a b 
Llamemos B =   a la inversa de A (por determinar), entonces
c d 

 a + 2c b + 2d  1 0 
AB = I = BA   = 
 4a + 5c 4b + 5d  0 1 
5 2 4 1
Po igualdad de matrices: a = − , b = , c = , d = −
3 3 3 3

1  −5 2 
A−1 = 
3  4 −1
Por lo tanto:

Nota. Existen varias formas para determinar la matriz inversa.

Propiedades:

( 2 ) ( A−1 )
−1
(1) (  A)
−1
=  −1 A−1 = A

( 3)( AB )
−1
= B −1 A −1

Prueba de (3)

( AB)( B −1 A−1 ) = A( BB −1 ) A−1 = AIA−1 = AA−1 = I

 ( AB) −1 =B −1 A−1

¿Cuál es la inversa de ABC?

Observación

Si A = ( aij )  mn
, para = ( números complejos) , escribiremos A* = At
nm

(transpuesta de conjugada ó conjugada de la transpuesta).

mn
Una matriz A  es hermitiana si A = A* y es antihermitiana si A = − A* .

Álgebra lineal: Semana 01 10

Ejemplo

 0 i 1− i   0 −i 1 + i 

Sea A = −i 1  
2 + i  , entonces A =  i
t
1 2 − i 

1 + i 2 − i 3  1 − i 2 + i 3 

 0 i 1− i 
Así t 
A = A =  −i
t
1 2 + i  = A
1 + i 2 − i 3 

Es decir A* = A , por tanto, A es hermitiana.

Ejemplo:

 0 a − bi   0 −a − bi 
Sea A =   , entonces At = 
 −a − bi 0   a − bi 0 

 0 −a + bi   0 a − bi 
Así At =   = −
 a + bi 0   −a − bi 0 

Es decir A* = − A , por tanto, A es antihermitiana.

ALGUNOS TIPOS DE MATRICES CUADRADAS:

Sea A = ( aij ) , diremos que A es:

nn

i) Diagonal, si aij = 0 para i  j .

ii) Triangular superior, si aij = 0 para j < i .

iii) Triangular inferior, si aij = 0 para i < j .

iv) Ortogonal, si At . A = I = A. At ( K = ) .

v) Unitaria, si A* A = I = AA* ( = ).
vi) Normal, si A* A = AA* ( = ). (Normal, si At A = AAt ( = ).
vii) Idempotente, si A2 = A .

viii) Involutiva , si A2 = I .

ix) Nilpotente, si Aq = O , para algún q  1( q  ).

x) Definida positiva, si X t AX  0 para todo X  nx1
,   X , con = .

Álgebra lineal: Semana 01 11

Ejercicio.
1) Buscar un ejemplo de cada tipo de matrices, dadas líneas arriba.
2) Mostrar que toda matriz, se puede expresa como la suma de una matriz simétrica y
una antisimétrica.

OPERACIONES ELEMENTALES

Definición. Son operaciones que se aplican a una matriz sobre las filas y las columnas.
De este modo podemos hablar de operaciones elementales FILA y operaciones
elementales COLUMNA. Estas operaciones son de gran utilidad en la determinación
de: la inversa, el rango, el determinante y en la solución de un sistema de ecuaciones
lineales. Son esencialmente tres operaciones elementales fila (tres operaciones
elementales columna).
Estas son:
(1) Multiplicar una fila " Fi " por un número    , esto lo denotaremos como:

Fi (  ) A .

(2) Intercambiar dos filas, esto lo escribiremos como: Fij (es decir, se intercambia la

i-ésima fila con la j-ésima fila)

(3) Sumar a una fila " Fi " , el múltiplo de otra fila " Fj " (es decir, a la fila “j” se

multiplica por un    , y se le suma a la fila " Fi " ) Esto lo denotaremos por:

Fij (  ) A .

Ejemplo

 1 3 −1
Dado A =  0 1 2  , determinar F2 ( 3) A, F1,3 A y F2,3 ( −2) A .
 
 −2 4 1 

Solución
(1º) F2 ( 3) A , es la matriz obtenida de A, al multiplicar la fila “dos de A por 3”, esto es:

Álgebra lineal: Semana 01 12

  1 3 −1
F2 ( 3) A =  0 3 6 
 −2 4 1 

(2º) F1,3 A , es la matriz obtenida de A, al intercambiar la fila uno con la fila tres. Esto es:

 −2 4 1 
F1,3 A =  0 1 2 
 1 3 −1

(3º) F2,3 ( −2) A , es la matriz obtenida de A, al multiplicar por −2 a la fila tres y este

resultado sumarle a la fila dos. Esto es:

1 3 −1

F2,3 ( −2 ) A =  4 −7 0 
 −2 4 1 

Nota: Las operaciones elementales columna son establecidas y efectuadas en forma

análoga.

MATRICES ELEMENTALES
Son las matrices obtenidas al aplicar operaciones elementales a la matriz identidad y son

denotadas por: Ei (  ) , Ei , j y Ei , j (  ) para    .

Ejemplo

1 0 0 
Dado I = 0 1 0 , determinar las matrices elementales: E3 ( 4) , E1,2 y E3,1 (8) .
 
0 0 1 

Solución

1 0 0  0 1 0  1 0 0 
E3 ( 4 ) = 0 1 0  , E1,2 = 1 0 0  y E3,1 (8 ) = 0 1 0 
0 0 4 0 0 1  8 0 1 

Álgebra lineal: Semana 01 13

Nota: Matrices elementales también pueden ser obtenidas aplicando operaciones
elementales columna, y éstas serán denotadas por:

Ci (  ) , Ci , j y Ci , j (  )

Observación
Las matrices elementales son invertibles, más aún, se verifica:

(1) ( Ei (  ) ) = Ei (  −1 ) ,   
−1

( 2 ) ( Ei , j )
−1
= Ei , j , i  j

( 3) ( Eij (  ) )
−1
= Eij ( − ) ,   

Ejemplo

Las inversas de E3 ( 4) , E1,2 y E3,1 (8) son:

1 0 0 
1 
( E ( 4)) = E3   = 0 1 0 
−1
3
4
0 0 1/ 4 

0 1 0 
( E12 ) = E12 = 1 0 0 
−1

0 0 1 

 1 0 0
( E (8) ) = E31 ( −8) =  0 1 0 
−1
31

 −8 0 1 

CÁLCULO DE LA INVERSA DE UNA MATRIZ PARA OPERACIONES

ELEMENTALES FILA

Para calcular la inversa de una matriz A = ( aij ) mediante operaciones elementales

nn

FILA, tomamos la matriz  A | I n  y aplicamos operaciones elementales fila hasta que

“A” se convierta en identidad y la matriz que la acompaña (es decir, la matriz obtenida
de I al aplicar operaciones elementales) es la inversa de A. Expliquemos con un
ejemplo:
Álgebra lineal: Semana 01 14
Ejemplo

 2 −1 1 
Calcular la inversa de A = 1 0 3  por operaciones elementales.
 
0 1 −1

Solución

Consideremos la matriz  A | I 3  , esto es:

 2 −1 1 1 0 0 1 0 3 0 1 0  1 0 3 0 1 0 
  F12   F21 ( −2)  
1 0 3 0 1 0  ⎯⎯→  2 −1 1 1 0 0  ⎯⎯⎯→ 0 −1 −5 1 −2 0 
0 1 −1 0 0 1  0 1 −1 0 0 1  0 1 −1 0 0 1 

1 0 3 0 1 0  1 0 3 0 1 0 
F2 ( −1)   −  
⎯⎯⎯ → 0 1 5 −1 2 0  ⎯⎯⎯
F32 ( 1)
→ 0 1 5 −1 2 0 
0 1 −1 0 0 1  0 0 −6 1 −2 1 

   1 0 1 
1 0 3 0 1 0  1 0 0 2 2
F3 (
⎯⎯⎯→
−1
6
)
0 1 5 −1 2 0  ⎯⎯⎯→
F13 ( −3) 0 1 0 −1 1 5 
 
F23 ( −5)  6 3 6
0 0 1 −1 6 1 −1  0 0 1 −1 1 −1 
 3 6  6 3 6 

 1/ 2 0 1/ 2 
La matriz identidad (obtenida) es −1/ 6 1/ 3 5 / 6  y por lo tanto:

 
 −1/ 6 1/ 3 −1/ 6 

3 0 3
A =  −1 2 5 
1
−1

6
 −1 2 −1

Verificando

 2 −1 1   3 0 3  6 0 0 
 
A A = 1 0 3  .  −1 2 5  = 0 6 0  = I
−1 1  1
6 6
0 1 −1  −1 2 −1 0 0 6 

Álgebra lineal: Semana 01 15

RANGO DE UNA MATRIZ – MÉTODO DE GAUSS JORDAN:

Para calcular el rango de una matriz A = ( aij ) por el método de Gauss-Jordán, se dan
mn

los siguientes pasos:

• Primero. Se elige un elemento aij  0 de la matriz A, este elemento elegido se

denomina pivote y los elementos de la fila correspondiente son divididos por el

pivote (incluido el pivote) y los elementos restantes de la columna son
convertidos automáticamente en CEROS.

• Segundo. Los elementos que no están ni en la fila, ni en la columna del pivote es

igual a la diferencia del elemento a transformarse menos el producto de la
contradiagonal dividido por el pivote (nótese que la diagonal es la que se forma
por elemento a transformarse con el pivote).

• Tercero. Se elige un nuevo pivote en las condiciones anteriores que no se

encuentre ni en la fila ni en la columna de los pivotes antes elegidos. El proceso
se termina cuando ya no es posible elegir un nuevo pivote en las condiciones
antes indicadas.

Ahora el RANGO de la matriz A es igual al número de vectores canónicos diferentes (o

igual al número de vectores fila no nulas) obtenidas luego de aplicar el método de
Gauss-Jordan.

Ejemplo

a b 
Dada la matriz A =   con a, b, c, d  0 . Calcular el rango de A.
c d 
Solución
• Elijamos como pivote al elemento “a”, entonces tenemos:

a / a b / a  1 ba −1 
 0 = 
 d − bc / a  0 d − bca −1 

Álgebra lineal: Semana 01 16

 • Si  = d − bca−1  0 , lo elegimos a este elemento como nuevo pivote,

1 0
1 0 
obteniéndose:    =   , observamos que los vectores canónicos son:
0 0 1 
 

1   0 
0  y 1  . Por tanto, el rango de A es igual a dos.
   
(Nótese que el número de vectores fila no nulas también es igual a dos).

Escribimos: rang ( A) = 2

Ejemplo

 1 2 −1
Calcular el rango de A =  −3 0 1  .
 
 −2 2 0 

Solución
Elegimos como pivote al elemento “1” que está en la primera fila y en la primera
columna, esto es:

 1 2 −1 1 2 −1 1 0 −1/ 3

    0 1 −1/ 3
 −3 0 1  0 6 −2   
 −2 2 0  0 6 −2 0 0 0 
  
Observamos que los pivotes son los que están encerrados en un cuadrado y en rojo, y se

encuentran en la primera fila: 1 y en la segunda fila 6 ; notándose que ya no es

posible elegir un nuevo pivote (puesto que los elementos de la tercera fila son todos
ceros). Por lo tanto, el rango de A es dos, es decir:

rang ( A) = 2

Definición. Dos matrices A y B son equivalentes si una es obtenida de la otra mediante

un número finito de operaciones elementales.

Ejemplo

Álgebra lineal: Semana 01 17

  2 −1 0   2 −1 0 
Dado A = 1 1 3 , B = F3,2 ( −1) A =  1 1 3  , entonces A y B son matrices
   
 0 1 1   −1 0 −2

equivalentes.

0 1 1
También B ' = F1,3 A = 1 1 3 es equivalente a A.
 
 2 −1 0 

Nota: Se dice que una fila (o columna) de una matriz es nula sí y sólo sí todos sus
elementos son nulos, y se dice que es no nula si al menos uno de sus elementos
es no nulo (diferente de cero).

Definición (Matriz Escalonada)

Una matriz E = ( eij ) es ESCALONADA si tiene la siguiente estructura:

mn

(1) Las primeras (k-filas) son no nulas y las filas restantes ( m − k ) son nulas.

(2) El primer elemento no nulo de cada una de las primeras k-filas es la unidad “1”.
(3) En cada una de las k-filas, el número de ceros antes de la unidad, crece de fila a
fila.

Ejemplo

0 1 5 3 
A = 0 0 1 4  , en este caso: m = 3, k = 2 .
0 0 0 0  34

Observamos que las dos primeras filas son nulas, por tanto, satisface la condición (1) de
la definición, también en cada fila no nula el primer elemento es uno “1” y el número de
ceros crece, pues en la primera hay un cero mientras que en la segunda hay dos ceros, y
así satisface la condición (2) de la definición, así como también la condición (3). Por
tanto es una matriz escalonada.

Álgebra lineal: Semana 01 18

Ejemplo
0 1 2 −1
También es matriz escalonada la matriz A = 0 0 1 5 
 
0 0 0 1 

Pues obsérvese que satisface las tres condiciones de la definición de matriz escalonada.

Ejemplo:

0 1 3 4  0 1 4 2 
 
B = 0 0 2 1  , C = 0 0 0 0  no son matrices escalonadas, pues la matriz B no
0 0 0 0  0 0 1 3 

satisface la condición (2), mientras que la matriz C no satisface la condición (1).

Observación

Una matriz A = ( aij ) puede ser reducida a una matriz escalonada E = ( eij )
mn mn

mediante un número finito de operaciones elementales fila.

Ejercicios
1. Halle la inversa por operaciones elementales de cada una de las siguientes
matrices si estas existen.

1 −2 0   1 4 −3  2 3 −2 
A = 1 2 2  , B =  −2 1 0  , C = 1 4 1 
0 3 2   −1 −2 2   2 1 −3

2. Pruebe las siguientes propiedades

a) (A )
−1 −1
=A

b) ( A−1 ) = ( At )
t −1

c) (A ) =(A )
−1 n n −1
, n 

d) ( At ) = ( An ) , n 
n t

3. Verdadero o falso. Justifique

a) A.B = AC
. B =C
b) A.B =   A =  o B = 
c) A. X = B  X = A−1B, A no singular

Álgebra lineal: Semana 01 19