1

Definición 0.0.1 Una matriz de números reales es un arreglo rectangular de números

reales  
a11 a12 a13 . . . a1n
 a21 a22 a23 . . . a2n 
 
 a31 a32 a33 . . . a3n 
 
 . . . . .  (1)
 
 . . . . . 

 . . . . . 
am1 am2 am3 . . . amn

A las lı́neas horizontales de una matriz les llamaremos renglones o filas, mientras que
a las lı́neas verticales, columnas. Para denotar a una matriz usaremos letras mayúsculas,
tales como A, B, C, etc.
Notemos que en el cuerpo de la matriz aparecen los elementos aij a los cuales les
llamaremos las componentes o entradas de la matriz. Aquı́ es necesario comentar un
poco sobre los subı́ndices que aparecen en las componentes de la matriz. Siempre que
nosotros veamos aij entenderemos que estamos haciendo referencia a la componente de
la matriz la cual se encuentra localizada en el i-ésimo renglón y en la j-ésima columna,
es decir, el primer subı́ndice denotará siempre al número de renglón, mientras
que el segundo se referirá al número de columna en el que se encuentra localizada
la componente aij . Siempre habrá que re-co-rdar”que el primer subindice se refiere al
número de renglón, y el segundo al número de columna.

Ejemplo 0.0.1

En la matriz  
−1 −3
A= 5 0 ,
2 5
la componente a22 es 0, la componente a32 es igual a 5, mientras que no tiene sentido
hablar de la componente a33 pues la matriz dada no contiene a una tercera columna.

¥
2

Notación:
Para hacer referencia, de una manera abreviada, a la matriz
 
a11 a12 a13 . . . a1n
 a21 a22 a23 . . . a2n 
 
 a31 a32 a33 . . . a3n 
 
A=  . . . . . ,

 . . . . . 
 
 . . . . . 
am1 am2 am3 . . . amn

escribimos A = (aij ) i=1,2,...m o, simplemente, A = (aij )m×n .

j=1,2,...n

También podemos encontrarnos con matrices cuyas componentes sean funciones, en

este caso habları́amos de matrices de funciones. En lo sucesivo, el contexto del tema nos
dirá con que tipo de matrices estamos trabajando, ası́ que simplemente diremos matrices
sin importarnos el tipo de matrices del que se trate.

Ejemplo 0.0.2

En la matriz  
cos θ − sin θ 0
B =  sin θ cos θ 0 
0 0 1
las componentes de ella son funciones. Ası́, por ejemplo, a22 es la función cos θ y la
componente a33 es la función de valor constante uno, etc. ¥

En este capı́tulo nos concretaremos al estudio de las matrices de números reales; definire-
mos operaciones entre ellas, estudiaremos algunas de sus propiedades y la aplicación de
ellas a la solución de sistemas de ecuaciones lineales.

Definición 0.0.2 Definimos el tamaño (también algunas veces llamado el orden) de

una matriz como

(el número de renglones) × (el número de columnas).

Ası́, en el ejemplo (0.0.1), la matriz dada es de tamaño 3 × 2, pues tiene 3 renglones

y 2 columnas.

A la colección formada por todas las matrices de tamaño n × m, con componentes reales,
la denotaremos por Mn×m (R), o, en algunos casos, por Mnm (R).
 3

Ejemplo 0.0.3

En muchos casos es muy conveniente escribir una matriz listando sus elementos con
ayuda de una regla de recurrencia, e indicando el tamaño de ésta. Por ejemplo, sea
A = (aij ) la matriz de tamaño 3 × 3 en la cual el elemento aij = 2i + j. Con esta
información podemos escribir quién es la matriz A, pues:
 
a11 = 2(1) + 1 = 3 a12 = 2(1) + 2 = 4 a13 = 2(1) + 3 = 5
 a21 = 2(2) + 1 = 5 a22 = 2(2) + 2 = 6 a23 = 2(2) + 3 = 7  = A.
a31 = 2(3) + 1 = 7 a32 = 2(3) + 2 = 8 a33 = 2(3) + 3 = 9

Ejemplo 0.0.4

Sea A = (aij ) la matriz de tamaño 20 × 20 en la cual sus elementos aij cumplen con la
regla 
 2i − j si i < j
aij = j−2 si i = j (2)

i−j si i > j
Listemos a los elementos a10, 16 , a10, 10 , a20, 7 .

Para conocer a estos elementos de la matriz A recurrimos a la regla (2) la cual de-
termina de manera general a los elementos aij de A. Para el elemento a10, 16 , observamos
que el número del renglón, 10, es menor que el número de la columna, 16, por tanto,
usamos la primera regla listada para obtener 2i − j = 2(10) − 16 = 4 = a10, 16 . Para
el elemento a10, 10 , como en éste el número de renglón es igual al número de columna,
usamos la segunda definición, esto es, j − 2 = 10 − 2 = 8 = a10, 10 . Por último, para
la componente a20, 7 , como el número de renglón es mayor que el número de columna,
usamos la regla i − j = 20 − (7) = 13 = a20, 7 .

Es importante notar que, en vista de que la matriz dada es de tamaño 20 × 20, no

tiene sentido preguntarnos por elementos aij en donde i > 20 o j > 20. Por ejemplo, es
absurdo preguntarnos por el elemento a22, 7 , o por el elemento a5, 30 . ¥

Ejemplo 0.0.5
½
i + j si i ≤ j
Escriba la matriz A = (aij ) de tamaño 3 × 2 si aij =
2j si i > j
La matriz buscada es
   
a11 = 1 + 1 = 2 a12 = 1 + 2 = 3 2 3
A =  a21 = 2(1) = 2 a22 = 2 + 2 = 4 = 4 4 .
a31 = 2(1) = 2 a32 = 2(2) = 4 2 4
4

A continuación damos nombre a ciertos tipos de matrices las cuales, por su importancia,
merecen tenerlo.

Aquellas matrices en las cuales el número de renglones es igual al número de colum-

nas las llamaremos matrices cuadradas. Si A es una matriz cuadrada de tamaño n × n,
entonces se dice que A tiene orden n y que A es una n-matriz cuadrada. Denotaremos al
conjunto formado por todas las matrices cuadradas de orden n, con entradas reales, por
Mn (R).
La diagonal principal de una n-matriz cuadrada A = (aij ) está formada por los ele-
mentos aii , es decir, a11 , a22 , a33 , ..., ann . Ası́, en el ejemplo (0.0.3), los elementos de la
diagonal principal son
a11 = 3, a22 = 6, a33 = 9.
Es importante notar que nosotros nos referimos a la diagonal principal de una matriz
únicamente cuando la matriz considerada sea una matriz cuadrada, en caso contrario
no tiene sentido hablar de la diagonal principal. A cada matriz cuadrada A = (aij ), le
asociamos un número que llamaremos la traza de la matriz A, que denotaremos por T rA,
el cual definimos como la suma de los elementos de la diagonal principal. Esto es:
n
X
T rA = T r(aij ) = a11 + a22 + . . . + ann = aii . (3)
i=1

Para la matriz A del ejemplo (0.0.3), el valor de la traza es

T rA = a11 + a22 + a33 = 3 + 6 + 9 = 18.

Ejemplo 0.0.6

Para la matriz A del ejemplo (0.0.4), determinemos el valor de la traza de A.

Los elementos de la matriz A, la cual es de tamaño 20 × 20, están determinados por

la regla 
 2i − j si i < j
aij = j−2 si i = j (4)

i−j si i > j
Por lo tanto,
20
X X20 X20 X20
20(21)
T r(A) = ajj = (j − 2) = j− 2= − 2(20) = 170.
j=1 j=1 j=1 j=1
2
 5

En donde hemos empleado la conocida fórmula que calcula la suma de los n primeros
números naturales, esto es,
n
X n(n + 1)
j = 1 + 2 + 3 + ... + n = . (5)
j=1
2

Una matriz diagonal es una matriz cuadrada en la cual todas las componentes que no
están en la diagonal principal son cero. Es decir , A = (aij ) será una matriz diagonal si
aij = 0, si i 6= j. Por ejemplo, la matriz siguiente es una matriz cuadrada de tamaño
3 × 3 la cual es diagonal  
−2 0 0
A =  0 1.5 0  .
0 0 .7
Una matriz diagonal de tamaño n × n de gran importancia es aquella cuyas componentes
en su diagonal principal son todas iguales al número uno, a esta matriz la llamaremos
la matriz identidad n × n, y la denotaremos por In , o, simplemente, por I cuando sea
claro el tamaño de dicha matriz: I = (aij ) ∈ Mn (R), en donde aij = 1, si i = j y
aij = 0, si i 6= j. Por ejemplo, la matriz identidad de orden 3, I3 , será
 
1 0 0
I3 =  0 1 0  ;
0 0 1

y la matriz identidad de orden 4, I4 , tendrá la forma

 
1 0 0 0
 0 1 0 0 
I4 =   0 0
.
1 0 
0 0 0 1
Decimos que una matriz cuadrada es triangular superior (inferior), si todos los elementos
de la matriz que se encuentran por debajo (por arriba) de la diagonal principal son cero.
Es decir, una matriz A = (aij ) de tamaño n × n la llamaremos triangular superior si
aij = 0, si i > j, y le llamaremos triangular inferior si aij = 0, si i < j. Recordemos
que en una matriz cuadrada (aij ) los elementos de la diagonal principal son aquellos aij
donde i = j.

Definición 0.0.3 Se dice que dos matrices A = (aij ) y B = (bij ) son iguales si son de
igual tamaño, digamos n × m, y las componentes correspondientes son iguales, es decir,
aij = bij ∀ i ∈ { 1, 2, . . . , n } y j ∈ { 1, 2, . . . , m }.
6

Ejemplo 0.0.7

Dadas las matrices

· ¸ · ¸
2 9 x+7 9
A= , B= ,
6 3 6 2y − 5

encontraremos los valores de x, e y para los cuales las matrices A y B resulten iguales.
Esto ocurrirá, de acuerdo con la definición de igualdad entre matrices, si

2 = x+7
3 = 2y − 5.

Resolviendo este sistema de ecuaciones se tiene que x = −5, y = 4.

¥

0.0.1. Operaciones elementales sobre los renglones de una ma-

triz
Una de las herramientas de cálculo y análisis más importantes que hay en el estudio
de las matrices, y por ello, como veremos más adelante, en el estudio de los sistemas de
ecuaciones lineales, son las operaciones elementales sobre los renglones de una matriz.
Ellas nos permitirán, entre otras cosas, desarrollar lo que se conoce como el método de
Gauss y el método de Gauss-Jordan; métodos con los cuales encontraremos la solución
general de un sistema de ecuaciones lineales de una manera sencilla, rápida y elegante.

Definición 0.0.4 Sea Ri el i-ésimo renglón de una matriz A, y λ un número real. Sobre
los renglones de la matriz A definimos tres operaciones elementales:

i) Permutar dos renglones,

ii) Cambiar un renglón por un múltiplo, no cero, de él,

iii) Cambiar el i-ésimo renglón, por la suma del el i-ésimo renglón más λ-veces el j-
ésimo renglón.

En sı́mbolos, las anteriores operaciones se escriben como:

i) Ri ←→ Rj ,

ii) Ri 7−→ λRi , λ ∈ R \ {0},

iii) Ri 7−→ Ri + λRj , i 6= j.

 7

A estas alturas es necesario explicar la manera en que se llevan a cabo estas opera-
ciones.
Con respecto de la primera operación no debemos de tener problema, pues únicamente
lo que hacemos es escribir en lugar del renglón i, el renglón j, y en lugar del renglón j,
escribimos el renglón i.

Para describir la manera en que se aplica la segunda operación, escribamos el i-ésimo

renglón de la matriz A como Ri = (ai1 ai2 ai3 . . . ain ), si sobre él hacemos la segunda
operación elemental, entonces obtendremos el nuevo i-ésimo renglón siguiente

λRi = (λai1 λai2 λai3 . . . λain ). (6)

En palabras dirı́amos que, al efectuar la segunda operación elemental, en lugar de

escribir al renglón Ri de la matriz A, escribiremos al renglón λRi .

Por último, describamos la manera en que se opera con la tercera operación. Para esto,
al igual que arriba, denotemos al i-ésimo renglón de la matriz A por Ri = (ai1 ai2 ai3 . . . ain ),
entonces, al efectuar la tercera operación elemental sobre Ri , obtenemos el nuevo i-ésimo
renglón
Ri + λRj = (ai1 + λaj1 ai2 + λaj2 ai3 + λaj3 . . . ain + λajn ). (7)
En palabras dirı́amos que, al efectuar la tercera operación elemental, en lugar de
escribir al renglón Ri de la matriz A, escribiremos al renglón Ri + λRj .

Definición 0.0.5 Diremos que una matriz A es equivalente por renglones, o equiv-
alente a una matriz B, lo que denotaremos por A ∼ B, si B se puede obtener de A
efectuando un número finito de operaciones elementales entre los renglones de A.

La relación ∼ anterior entre matrices cumple:

i) A ∼ A Reflexiva ,

ii ) A ∼ B ⇒ B ∼ A Simétrica,

iii) A ∼ B y B ∼ C ⇒ A ∼ C. Transitiva.

Nota:
A toda relación que satisface los tres puntos anteriores se le llama una relación de
equivalencia.
8

Ejemplo 0.0.8

Consideremos la matriz
 
1 −2 0 2
A= 2 3 2 4 ,
−4 4 2 1

y realicemos sobre ella la operación R1 ←→ R3 . Al efectuar tal operación sobre la matriz

A, obtenemos una nueva matriz B la cual es equivalente a la matriz original.
 
−4 4 2 1
B= 2 3 2 4 .
1 −2 0 2

Observemos que no se alteró en nada al segundo renglón, es decir, se escribe tal cual
aparece en la matriz A, pues, en este ejemplo, la primera operación únicamente afecta al
primer y tercer renglones.

Ahora, realicemos sobre la matriz B la segunda de las tres operaciones elementales

entre renglones. Por ejemplo, R3 7→ 5R3 , al efectuar tal operación sobre la matriz B,
obtenemos una nueva matriz C, la cual es equivalente a la matriz B.
 
−4 4 2 1
C= 2 3 2 4 .
5 −10 0 10

Al igual que antes, es necesario observar que el primer y segundo renglones se escri-
bieron sin alteración alguna, es decir, tal cual como aparecen en la matriz B, pues la
segunda operación únicamente afecta, en este ejemplo, al tercer renglón.

Por último, realicemos sobre la matriz C la tercera operación elemental. Por ejemplo,
R1 7→ R1 + 2R2 , al efectuar tal operación, obtenemos una nueva matriz D, la cual es
equivalente a la matriz C.  
0 10 6 9
D= 2 3 2 4 .
5 −10 0 10
Al igual que antes, observamos que los segundo y tercer renglones se escribieron sin
alteración alguna, es decir, tal cual como aparecen en la matriz C, pues la tercera ope-
ración únicamente afecta, en este ejemplo, al primer renglón.

¥
Un concepto de gran importancia en el estudio de las matrices lo presentamos en la
definición siguiente.
 9

Definición 0.0.6 Se dice que una matriz A está en forma escalonada o que A es
una matriz escalonada, si el número de ceros anteriores a la primera componente
distinta de cero en un renglón, al leerlo de izquierda a derecha, crece renglón por renglón,
al leer los renglones de arriba hacia abajo, hasta que los renglones de la matriz se agotan,
o bien, hasta llegar a renglones en las que todas sus componentes sean igual a cero.

Definición 0.0.7 Si una matriz A se encuentra en forma escalonada, entonces, al primer

elemento diferente de cero que nos encontramos en cada renglón, al leerlo de izquierda a
derecha, le llamaremos elemento distinguido de la matriz A.

Claramente, una matriz en la forma escalonada tiene en cada renglón a lo más un elemento
distinguido, como lo veremos en los ejemplos siguientes.

Ejemplo 0.0.9
Las siguientes matrices se encuentran en forma escalonada y sus elementos distingui-
dos se encuentran enmarcados por un cuadrado.
     
1 0 2 9 2 4 1 1 3 9 1 2 0 3 1 0
 0 0 1 3 0 4 0   0 0 1   0 0 1 4 2 0 
   ,  .
 0 0 0 4 0 0 9 ,  0 0 0   0 0 0 0 0 1 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

El siguiente teorema tienen gran importancia desde un punto de vista teórico, pero su
demostración escapa a los objetivos de este libro, por tal motivo, lo enunciaremos y lo
emplearemos sin más comentario al respecto. El lector interesado en la demostración
puede consultarla en [1].
Teorema 0.0.1 Toda matriz A es equivalente a una matriz en forma escalonada. En
otras palabras, toda matriz, vı́a operaciones elementales entre sus renglones, puede ser
llevada a la forma escalonada.
¤

Algoritmo para llevar una matriz arbitraria a la forma escalonada

Sea A una matriz la cual queremos llevar a su forma escalonada, entonces, para lograr
esto, seguimos el proceso siguiente:

1. Si j1 es la primera columna con una componente distinta de cero, entonces se

intercambian los renglones de tal manera que dicha componente aparezca en el
primer renglón, es decir, que la componente a1j1 de la nueva matriz obtenida al
permutar los renglones de A, sea diferente de cero.
10

2. Sobre el renglón Ri i > 1, de la nueva matriz obtenida en (1), efectuamos la

operación
Ri 7−→ (a1j1 )Ri ,
con esto obtenemos un nuevo renglón, el cual denotaremos por R̂i .

3. Sobre el nuevo renglón obtenido en el punto (2), efectuamos la operación

R̂i 7−→ R̂i + (−aij1 )R1 .

4. Se repiten los pasos (1), (2) y (3) con la submatriz formada por todos los renglones
excluyendo el primero. Se continúa el proceso hasta que la matriz esté en la forma
escalonada.

Terminologı́a:
Al elemento a1j1 6= 0 le llamaremos el elemento pivote o simplemente el pivote.

Nota: El algoritmo anterior siempre nos permite llevar una matriz a una forma escalon-
ada, pero, en la práctica, seguir al pie de la letra éste nos lleva en general a la aparición
de fracciones, lo que, en general, dificulta los cálculos. Por tal motivo, a continuación
presentamos algunos ejemplos en donde no seguimos al pie de la letra al algoritmo de-
scrito, dando en cada caso orientaciones al estudiante para evitar lo más posible el uso
de fracciones en los problemas a los cuales se enfrente.

Como podremos ver en los ejemplos, lo mejor que nos puede ocurrir es que el elemento
pivote a1j1 sea igual a 1, −1, o bien, que el pivote a1j1 y aij1 sean múltiplos uno del otro.
Para obtener estos elementos existen otras formas alternativas como se muestra en el
ejemplo siguiente.

Nota:
A lo largo de este libro, escribiremos las operaciones elementales que efectuaremos
sobre los renglones de una matriz A en la esquina inferior derecha de dicha matriz, tal y
como lo presentaremos en el ejemplo siguiente:

Ejemplo 0.0.10

Dada la matriz  
3 1 3 1
A =  2 2 −1 3  ,
−5 3 0 2
vı́a operaciones elementales entre sus renglones, llevémosla a una forma escalonada
 11
   
3 1 3 1 1 −1 4 −2
A =  2 2 −1 3  ∼ 2 2 −1 3 
−5 3 0 2 R1 7−→R1 +(−1)R2 −5 3 0 2 R2 7−→R2 +(−2)R1
    R3 7−→R3 +(5)R1

1 −1 4 −2 1 −1 4 −2
∼ 0 4 −9 7  ∼ 0 4 −9 7 
0 −2 20 −8 R3 7−→− 1 R3 0 1 −10 4 R3 ←→R2
2

   
1 −1 4 −2 1 −1 4 −2
∼ 0 1 −10 4  ∼ 0 1 −10 4 .
0 4 −9 7 R3 7−→R3 +(−4)R2 0 0 31 −9

En la última matriz los elementos distinguidos son 1, 1, 31, en las otras matrices no tiene
sentido hablar de sus elementos distinguidos, pues ellas no están en la forma escalonada.
¥

Es muy importante observar que dada una matriz A, hay una infinidad de matrices
que están en forma escalonada las cuales son equivalentes a dicha matriz. Por ejemplo,
refiriendonos a la matriz A del ejemplo anterior (0.0.10), las matrices
   
1 −1 4 −2 1 −1 4 −2
A∼ 0 1 −10 4  ∼ 0 2 −20 8 
0 0 31 −9 R2 7−→2R2 0 0 31 −9 R3 7−→ 1 R3
31

 
1 −1 4 −2
∼ 0 2 −20 8 ,
9
0 0 1 − 31
son todas equivalentes a la matriz A, y están todas ellas en forma escalonada.

A continuación definiremos a la llamada forma canónica de una matriz1 , ésta tendrá por
caracterı́stica principal el ser única.

Definición 0.0.8 Se dice que una matriz A se encuentra en la forma canónica, o bien,
que A es una matriz escalonada reducida por renglones, si se cumplen las tres
condiciones siguientes:

i) La matriz A está en la forma escalonada,

ii) los elementos distinguidos de A son todos iguales al número uno,

1
El nombre usual es forma canónica reducida por renglones. En realidad, como el lector conocerá en
sus cursos de álgebra lineal avanzada, existen varias formas canónicas, por ejemplo, la forma canónica
de Jordan y la forma canónica racional. En este curso, sóla y únicamente nos referiremos a la forma
canónica reducida por renglones, a la cual llamaremos simplemente forma canónica.
12

iii) los elementos distinguidos son las únicas componentes diferentes de cero en sus
respectivas columnas.

Teorema 0.0.2 Toda matriz es equivalente a una única matriz la cual se encuentra
en la forma canónica. En otras palabras, toda matriz, vı́a operaciones elementales entre
sus renglones, puede ser transformada en una matriz la cual se encuentre en la forma
canónica y esta matriz es única.

Algoritmo para llevar una matriz dada a su forma canónica

Si A es la matriz la cual queremos llevar a su forma canónica, entonces, para lograr
esto, seguimos el siguiente proceso:

1. LLevamos a la matriz A a su forma escalonada.

2. Identificamos a los elementos distinguidos a1j1 , a2j2 , ..., arjr en la matriz que está en
la forma escalonada, ellos nos servirán como pivotes.

3. Sobre el renglón Rk , k = 1, 2, ..., i − 1, de la nueva matriz obtenida, efectuamos la

operación
Rk 7−→ aiji Rk ,
con i = 2, 3, . . . , r. Al hacer esta operación obtenemos un nuevo renglón el cual
denotaremos por R̂k .

4. Sobre el nuevo renglón R̂k , obtenido en el paso anterior, efectuamos la operación

R̂k 7−→ R̂k + (−akji )Ri k = 1, ..., i − 1,

para i = 2, 3, . . . , r.

Después de efectuado el proceso anterior habremos obtenido una matriz en la forma

escalonada, cuyos elementos distinguidos son las únicas componentes distintas de cero en
sus columnas respectivas. Multiplicando luego Ri por a−1iji , i ≤ r, los elementos distingui-
dos resultan todos iguales a uno, y, con esto, habremos obtenido la forma canónica de la
matriz A.

Nota: En efecto, llevando a cabo el procedimiento anterior, siempre se llega a una ma-
triz en forma canónica, pero en la práctica, este procedimiento, en general, da lugar a
fracciones desde un principio del procedimiento. A continuación presentamos ejemplos
en los cuales no seguimos a pie juntillas el algoritmo, buscando evitar lo más posible a
las fracciones.

Ejemplo 0.0.11
 13

Encontremos la forma canónica de la matriz

 
1 2 −1 2 1
A= 2 4 1 −2 3  .
3 6 2 −6 5

Primeramente llevamos la matriz A a su forma escalonada, después hagamos que los ele-
mentos distinguidos sean todos uno y, por último, haremos que los elementos distinguidos
sean los únicos diferentes de cero en su respectiva columna.

   
1 2 −1 2 1 1 2 −1 2 1
A= 2 4 1 −2 3  ∼ 0 0 3 −6 1 
3 6 2 −6 5 R2 7−→R2 +(−2)R1 0 0 5 −12 2 R2 7−→ 1 R2
R3 7−→R3 +(−3)R1 3

   
1 2 −1 2 1 1 2 −1 2 1
∼ 0 0 1 −2 13  ∼ 0 0 1 −2 13 
0 0 5 −12 2 R3 7−→R3 +(−5)R2 0 0 0 −2 13 R3 7−→(− 1 )R3
2

   
1 2 −1 2 1 1 2 −1 2 1
∼ 0 0 1 −2 1 
3
∼ 0 0 1 0 0 
1
0 0 0 1 − 6 R2 7−→R2 +(2)R3 0 0 0 1 − 16 R1 7−→R1 +(−2)R3

 4
  4

1 2 −1 0 3
1 2 0 0 3
∼ 0 0 1 0 0  ∼ 0 0 1 0 0 . ¥
1
0 0 0 1 − 6 R1 7−→R1 +R2 0 0 0 1 − 16

Ejemplo 0.0.12

Encontremos la forma canónica de la matriz

 
0 0 1 2 1
 0 1 0 1 3 
A=  5 5 0 15 15
.

2 2 0 6 6

Para llavar la matriz A a la forma escalonada, primeramente es necesario situar al

elemento pivote, el cual siempre ha de ser diferente de cero, en el primer renglón, esto lo
podemos lograr permutando renglones:
14
   
0 0 1 2 1 5 5 0 15 15
 0 1 0 1 3    0 1 0 1 3 
A=
 5  ∼


5 0 15 15 0 0 1 2 1 
2 2 0 6 6 R1 ←→R3 2 2 0 6 6

Ahora, como hemos dicho antes, lo mejor que nos puede suceder es que el elemento pi-
vote sea 1, −1, o un submúltiplo de aquella componente que queremos anular. Para hacer
que el elemento pivote sea 1, en este caso, podrı́amos efectuar la operación R1 7−→ 15 R1 ,
pero, en general, al efectuar esta operación obtenemos fracciones, aún cuando en el ejem-
plo que nos ocupa no sea éste el caso, efectuaremos la operación R1 7−→ R1 + (−2)R4 ,
con el fin de mostrar otra manera de lograr que el elemento pivote sea 1. Postriormente
procederemos como en el ejemplo anterior.

   
5 5 0 15 15 1 1 0 3 3
 0 1 0 1 3    0 1 0 1 3 
 ∼ 
 0 0 1 2 1   0 0 1 2 1 
2 2 0 6 6 R1 7−→ R1 +(−2)R4 2 2 0 6 6 R4 7−→ R4 +(−2)R1

   
1 1 0 3 3 1 0 0 2 0
 0 1 0 1 
3   0 1 0 1 3 
∼
 0 ∼ .
0 1 2 1   0 0 1 2 1 
0 0 0 0 0 R1 7−→ R1 +(−1)R2 0 0 0 0 0
¥

0.0.2. Suma de matrices y multiplicación por un escalar

Sobre el conjunto de matrices de tamaño m × n es posible definir dos operaciones,
una entre dos matrices, a la que llamaremos suma, la cual da por resultado una tercer
matriz y, otra, a la que llamaremos multiplicación por escalar, la cual se efectúa entre un
número real y una matriz, dando por resultado una matriz. De ahora en adelante a los
números reales también les llamaremos escalares.

Dadas dos matrices A, B ∈ Mm×n

   
a11 a12 a13 . . . a1n b11 b12 b13 . . . b1n
 a21 a22 a23 . . . a2n   b21 b22 b23 . . . b2n 
   
 a31 a32 a33 . . . a3n   b31 b32 b33 . . . b3n 
   
A=  . . . . . , B = 
  . . . . . ,

 . . . . .   . . . . . 
   
 . . . . .   . . . . . 
am1 am2 am3 . . . amn bm1 bm2 bm3 . . . bmn
 15

definimos la suma de A y B, la cual denotaremos por A + B, como la matriz que se

obtiene sumando las componentes correspondientes, es decir:
 
a11 + b11 a12 + b12 a13 + b13 . . . a1n + b1n
 a21 + b21 a22 + b22 a23 + b23 . . . a2n + b2n 
 
 a31 + b31 a32 + b32 a33 + b33 . . . a3n + b3n 
 
A+B =  . . . . . .
 (8)
 . . . . . 
 
 . . . . . 
am1 + bm1 am2 + bm2 am3 + bm3 . . . amn + bmn
De esta definición se desprende que si A, B ∈ Mm×n , entonces A + B ∈ Mm×n .

La multiplicación de un escalar λ por una matriz A, la cual la denotaremos por λA,

es la matriz que se obtiene al multiplicar cada componente de A por λ, es decir,:
 
λa11 λa12 λa13 . . . λa1n
 λa21 λa22 λa23 . . . λa2n 
 
 λa31 λa32 λa33 . . . λa3n 
 
λA =   . . . . . . (9)
 . . . . . 

 . . . . . 
λam1 λam2 λam3 . . . λamn
Ası́, si A ∈ Mm×n , entonces λA ∈ Mm×n .
Observemos que tanto la matriz suma, como la matriz que obtenemos al efectuar la
multiplicación por un escalar, son de igual tamaño que las matrices originales. La suma
de matrices, entre matrices de diferente tamaño, no está definida.

En resumen, si A = (aij ), B = (bij ) ∈ Mm×n , λ ∈ R entonces

A + B = (aij ) + (bij ) = (aij + bij ) ∈ Mm×n , λA = λ(aij ) = (λaij ) ∈ Mm×n .

Ejemplo 0.0.13
       
2 4 4 −4 2+4 4 + (−4) 6 0
 5 −3  +  5 2 = 5+5 (−3) + 2  =  10 −1 
4 −2 2 −1 4 + 2 −2 + (−1) 6 −3
     
2 4 6(2) 6(4) 12 24

6 5 −3  =  6(5) 6(−3)  =  30 −18  .
4 −2 6(4) 6(−2) 24 −12
¥
Notación:
16

Si A = (aij ) definimos
−A = (−aij ) y B − A = B + (−A).
A la matriz m × n cuyas entradas son todas cero, le llamaremos la matriz cero y la
denotaremos por 0.  
0 0 0 . . . 0
 0 0 0 . . . 0 
 
 0 0 0 . . . 0 
 
0=  . . . . . 
.
 . . . . . 
 
 . . . . . 
0 0 0 . . . 0

Teorema 0.0.3 Sea M(m×n) el conjunto formado por todas las matrices de tamaño m×n
sobre R. Entonces para toda matriz A, B, C ∈ M(m×n) y α, β ∈ R se tiene que:
1) (A + B) + C = A + (B + C), (asociatividad)
2) A + B = B + A, (conmutatividad)
3) A + 0 = A, (neutro aditivo)
4) A + (−A) = 0, (inverso aditivo)
5) α(A + B) = αA + αB, (distributividad por la izquierda)
6) (α + β)A = αA + βA, (distribitividad por la derecha)
7) (αβ)A = α(βA) = β(αA), (asociatividad por la izquierda)
8) 1A = A.
Observemos que las igualdades anteriores tienen el sentido de igualdad entre los resultados
obtenidos al llevar a cabo dos procesos distintos. Por ejemplo,
α(A + B) = αA + αB,
nos está diciendo que hay dos maneras diferentes de obtener una misma matriz, una de
ellas es vı́a el proceso
A&
A + B −→ α(A + B) (proceso 1),
B%
la otra manera es vı́a el proceso
A −→ αA &
αA + αB (proceso 2),
B −→ αB %
 17

el teorema anterior nos indica que la matriz obtenida vı́a el proceso 1, es la misma que
la matriz obtenida vı́a el proceso 2.

Observación:
−A = (−1)A.