UNIDAD I

MATRICES Y SISTEMAS DE ECUACIONES LINEALES

MATRICES

Definicin 1.2 Una matriz A de m x n es un arreglo rectangular de m . n nmeros reales ( o complejos )

ordenados en m filas horizontales y n columnas verticales.

a11

a 21
.

A= .
a i1
.

.
a
m1

a12

..... a1 j

a 22

..... a 2 j

ai 2

..... a ij

am2

..... a m j

..... a1n

..... a 2 n

.
.

..... a in

.
.

..... a m n

Fila i

columna j
Aqu un elemento genrico de la matriz se denota por aij donde
i : denota nmero de fila
j : denota nmero de columna
Es decir aij es un elemento particular de A que ocupa la fila i y la columna j.
Notacin: A = (aij)
Si m = n , la matriz, se dice cuadrada o de orden n.
En una matriz de orden n los elementos a11 , a22 , , ann forman la diagonal principal de A.
Ejemplo 1 :
1 2
1 2 3
es de orden
es de orden
A =
2x2
;
B =
0 4
1 0 1
1

C = 1 es de orden 3x1 ;
D = ( 3 ) es de orden 1x1
;
2

E = ( 1 0 2 )
a12 = -2 ;

2x3

es de orden 1x3

b23 = 1 ; c31 = 2 ; d11 = 3

Las matrices de 1xn o nx1 se denominan vectores.

IGUALDAD DE MATRICES

Definicin 1.3
Dos matrices de mxn , A = (aij ) B = (bij ) son iguales si los elementos correspondientes son iguales,
esto es aij = bij para 1 i m ; 1 j m
1

Ejemplo 15 :
Sean
1 2 1
1 2 w

A = 2 3 4 y B = 2 x 4
0 4 5
y 4 z

A=B
si
x = -3 ; z = 5 ; w = -1 ; y = 0

Ejercicio : Determinar a, b ,c y d para que se verifique la siguiente igualdad.

a 2b 2a b

2c d c 2d

4 2

=
4 3

Esta igualdad se cumple si :

a 2 b 4

2a - b - 2

2c d 4

c - 2 d - 3

Se deja a cargo del alumno resolver estos sistemas y verificar que : a = 0 ; b = 2 ; c = 1 ; d =2

OPERACIONES CON MATRICES

Suma
Si A = ( aij)
B = ( bij) son matrices mxn ,la suma de A y B es una matriz C = ( cij ) de mxn , tal
que cij = aij + bij para 1 i m y 1 j n
1 2 4

Ejemplo 2 : A =
2 1 3

0 2 4

B =
1 3 1

1 0 2 2 4 (4)

A + B =
2

3
3

1 0 0

=
3
2
4

Propiedades de la suma :
Sean A , B y C matrices de mxn se cumple :
1) A + B = B + A ( Prop. Conmutativa)
2) (A + B ) + C = A + ( B+ C ) ( Prop. Asociativa)
3) Existe una matriz O de mxn , tal que A + O = A , cualquiera sea A .
O se denomina matriz cero o matriz nula .
4) Para cada matriz de mxn , existe una matriz B de mxn tal que A + B = O.
B es la matriz opuesta de A y se denota B = - A ,es decir, se cumple que
A+(-A) =O
Consecuencia : Se define la resta de matrices como A B = A + (-B )
MULTIPLICACION DE UNA MATRIZ POR UN ESCALAR

Si A = (aij ) es una matriz de mxn y r es un nmero real el mltiplo escalar de A por r es la matriz B =
(bij ) de mxn, donde los elementos de B son de la forma bij = r (aij ) para 1 i m ,
2

1 j n , es decir que B se obtiene multiplicando, cada elemento de A por r.

Ejemplo 3 :
1 0 1

-5. 2 3 4
1 2 2

0
5
5

= 10 15 20
5
10 10

PRODUCTO PUNTO DE UNA MATRIZ FILA POR UNA MATRIZ COLUMNA

El producto punto o producto interior de una matriz fila A = (a1 a2

b1

b2
B = . , es el nmero real

.
b
n
A.B = a1. b1 + a2 . b2 + + an . bn

an) y una matriz columna

Ejemplo 4 :
1

0
A = 2 1 0 3 y B = ;
3

5

A . B = ( 2. 1 ) +( -1 .0 ) +( 0. 3 ) + ( 3. 5 ) = 17
MULTIPLICACION DE MATRICES

Si A = (aij ) es una matriz de m x p y B = ( bij ) es una matriz de pxn , el producto AxB es la matriz C
= (cij ) de mxn definida como :
cij = ai1 . b1j + ai2 . b2j + ..+ aip . bpj (1)
p

cij =

a
k 1

ik

.b kj

; 1im ,1jn

Observando la expresin (1) vemos que el elemento cij de C se obtiene realizando el producto punto
entre la fila i de A y la columna j de B de la siguiente manera :
b1j

b 2j
cij = ( ai1 ai2 .. aip ) . .

.
b
pj
Observaciones :
1) El producto de A y B slo est definido cuando el nmero de columnas de A es igual al nmero de
filas de B.
3

A . B
= C
mxp pxn
mxn
2) El orden de la matriz resultante del producto es igual m x n donde
m = n filas de A
n = n columnas de B
1

1 2 1

Ejemplo 5 : Dadas A =
y B = 1 encontrar de ser posible los productos
3 1 4
3

A . B y B .A.
A y B son de rdenes 2x 3 y 3x 1 respectivamente.
n columnas de A = n de filas de B = 3
existe A . B
1 1 2.1 1.3
2
=
A.B =
3. 1 1.1 4.3
10
Veamos B .A :
Aqu n columnas de B (= 1)
n de filas de A ( = 2)
2 5

1 2 1
, B = 4 3 y
Ejemplo 6 : Dadas A =
3 1 4
2
1

15 1 22

4 2
; B . A = 5 5 16 ;
A . B =
B.C=
6 16
5 5 2

no es posible obtener B .A

C=

1

1

7

7
1

A . C no es posible.
2 2

;
1 0
8 4
2 2
; B. A =

A .B =
0
1
12 10

Ejemplo 7 : Dadas A =

1 0

B =
5 2

Observaciones
1) De los ejemplos anteriores se tiene que de existir, en general A . B B . A por lo que el producto de
matrices no es conmutativo.
2) (A + B )2 A2 + 2 A .B + B2 pues
(A + B )2 = A B . A B = A 2 +A. B + B A + B2
A 2 +A. B + B A + B2 A2 + 2 A .B + B2
Aqu

ya que A. B B A

3) A2 B2 (A B ).( A +B) pues

Aqu

A + AB - B.A - B

( A-B ).( A +B ) = A2 + AB - B.A - B2

A B2 ya que A. B B A
2

Caso Particular : A . I = I .A , donde I es la matriz identidad ; vale la propiedad conmutativa en este caso
.
4

PROPIEDADES DEL PRODUCTO .

Si A , B y C son matrices de tamao apropiado vale lo siguiente :

1) A ( B . C ) = (A .B ). C ( Prop. Asociativa )
2) A ( B + C ) = A . B + A .C ( Prop. Distributiva del producto con respecto a la suma por la izquierda
).
3 ) ( A + B ) . C = A . C + B .C. ( Prop. Distributiva del producto con respecto a la suma por la derecha).
TIPOS DE MATRICES

Matriz Diagonal
Una matriz A = (aij ) cuadrada, es diagonal si cada elemento fuera de la diagonal principal es igual a 0,es
decir aij = 0 si i j
Ejemplo 8 :

Matriz Identidad
Una matriz A = (aij ) diagonal , se denomina matriz identidad, si todos los elementos de la diago
nal principal son iguales a uno , es decir : aij = 1 , para i = j y aij = 0
, para i j
Denotamos por In a la matriz identidad de orden n.
Ejemplo 9 :

1 0

=
0 1

1 0 0

0 1 0
0 0 1

Matriz Traspuesta
Si A = ( aij ) es una matriz de mxn la transpuesta de A denotada por At = ( aji ) es una matriz de
nxm donde las entradas o elementos de cada fila son las entradas correspondientes en la columna de A

Ejemplo 10 :

1 2 1

A =
3 5 7

1 3

A = 2 5
1 7

PROPIEDADES DE LA MATRIZ TRANSPUESTA

Si r es un escalar y A, B son matrices , entonces

1) ( At )t = A
2) ( A + B )t = At + Bt
3) ( A . B )t = Bt . At
4) ( r. A )t = r. At

1 3 2

Verificacin de la propiedad 3) Tomamos A =

2 1 3

0 1

B = 2 2
3 1

12 7
12 5
(1)
=
(A . B) =
5 3
7 3
Por otro lado :
1 2
12 7
0 2 3
t
t
. 3 1 =
(2)
B . A =
1 2 1 2 3 5 3

Las matrices en (1) y (2) son iguales , luego se verifica la igualdad.

t

Matriz Simtrica
Una matriz A = ( aij ) de orden n cuyos elementos son nmeros reales ,es simtrica si At = A.
Es decir : A es simtrica si aij = aji para i j .
Ejemplo 11 : Son simtricas las siguientes matrices
1 2 3

1 2
; B = 2 1 0
A=
2 1
3 0 1

Matriz triangular
Una matriz A = (aij ) es :
Triangular Inferior si aij = 0 para i < j
Triangular Superior si aij = 0 para i > j
Ejemplo 12 :
1 6 9

A = 0 0 4
0 0 7

4 0 0

B = 8 0 0
5 1 3

A es triangular superior y B es triangular inferior.

Observacin : toda matriz diagonal es matriz triangular superior e inferior
MATRIZ EN FORMA ESCALONADA POR FILAS

Una matriz A de mxn esta en forma escalonada por fila cuando satisface las siguientes
propiedades :
1) Todas las filas que constan solo de cero, si las hay, estn en la parte inferior de la matriz .
2) La primera entrada distinta de cero de cada fila no nula , es un 1 .Esta entrada se denomina entrada
principal o 1 principal .
3) En cada fila que no consta solo de ceros , el 1 principal de la fila aparece a la derecha y en una columna
posterior respecto del lugar que ocupan los unos principales de las filas anteriores .
6

MATRIZ EN FORMA ESCALONADA POR FILAS REDUCIDAS

Una matriz A de mxn esta en forma escalonada por filas reducida, si cumple lo siguiente :
1) A esta en forma escalonada por filas.
2) Si una columna contiene un uno principal , el resto de los elementos de dicha columna son iguales a
cero.

Ejemplo 13 :
1

0
A=
0

0 0 0

1 3 0
0 1 0

0 0 1

1
B=
0

0 0 2
0 0

0 1

0 0

8
2

1 2 0 4

D = 0 0 0 0
0 0 1 3

1 0 3 4

E = 0 2 2 5
0 0 1 2

1 2 3 4

G = 0 1 2 5
0 0 1 2

0 0 1 2 3

H = 0 0 0 1 0
0 0 0 0 1

Matriz
A
B
C
D
E
F
G
H
I

OPERACIONES

Forma escalonada
si
no
si
no
no
no
si
si
si

1 2 0 0 1

C = 0 0 1 2 3
0 0 0 0 0

0
F =
0

I = 0
0

0
1
1
0
0
1
0

2 5
2 2

0 0
0 0

0 1
1 2
3

Forma escalonada reducida

no
no
si
no
no
no
no
no
si

ELEMENTALES POR FILAS SOBRE UNA MATRIZ

Sea A una matriz de mxn , i ,j dos filas cualquiera de A y r R , r 0

Cualquiera de las siguientes, es una operacin elemental por filas sobre A:
1) Intercambiar las filas i y j.
2) Multiplicar la fila i por la constante r .
3) Sumarle a la fila i, la fila j multiplicada por una constante distinta de cero .

Ejemplo 14 :
0 0 1 2

A = 2 3 0 2
3 3 6 9

f 2 + f f
2

3 3 6 9

2 3 0 2
0 0 1 2

1
f
3 1

1 1 2 3

2 3 0 2
0 0 1 2

1 1 2 3

0 1 4 4
0 0 1
2

. Hasta aqu logramos a travs de operaciones elementales llevar A a su forma

escalonada .
Seguimos aplicando operaciones sobre esta ltima matriz para arribar a una matriz en forma escalonada
reducida .
1 0 6 7
1 0 0 19

0 1 4 4
0 1 0 12
0 0 1
0 0 1
2
2

6 f 3 f 1 f 1
4 f 3 + f 2 f 2

1 f 2 f 1

La ltima matriz obtenida es equivalente a A y llamada la forma escalonada reducida de A .

Definicin 1.4
Se dice que una matriz A de mxn es equivalente por fila a una matriz B de mxn , si B se puede obtener al
aplicar a la matriz A una serie finita de operaciones elementales por filas .
TEOREMA

Toda matriz de mxn es equivalente por fila a una matriz en forma escalonada por filas .
TEOREMA

Toda matriz de mxn es equivalente por filas a una nica matriz en forma escalonada por filas reducidas .
Se aplicaran estos resultados a la resolucin de Sistemas Lineales
SISTEMAS LINEALES

Consideramos el sistema lineal de m ecuaciones con n incgnitas dado por :

a11.x1
a21x1
..
ai1x1
.
am1x1

a12x2
a22x2
.
ai2x2
.
am2x2

.
.
.
.
.
.

a1jxj
a2jxj
.
aijxj
.
amjxj

..
..
..
..
..
..

a1nxn
a2nxn
.
ainxn
.
amnxn

=
=
=
=
=
=

b1
b2
..
bi
..
bm
(1)
8

Podemos escribir dicho sistema como :

a11

a 21
......

a
m1

....... a1n x1 b1

a 22 ....... a 2 n x 2 b2
.

...... ...... ...... . .

a m 2 ....... a m n x n bm
a12

(2)

La representacin (2) simbolizada por AX = B , se llama forma matricial del sistema ( 1 ) donde
A : matriz de los coeficientes del sistema
X : matriz de las incgnitas
B : matriz de los trminos independientes .
a11

a 21
( AB) =
......
a m1

....... a1n b1

a 22 ....... a 2 n b2
La matriz
...... ...... ...... .

a m 2 ....... a m n bm
recibe el nombre de Matriz Ampliada del Sistema .
a12

Recprocamente , cualquier matriz con ms de una columna puede considerarse la matriz aumentada de
un sistema lineal .
Ejemplo 15: Para el sistema :
2 x z 5

2 x 3 y 4 z 7
3x 2 y 2 z 3

Forma Matricial :

Matriz Aumentada :

2 0 1 x 5

2 3 4 . y = 7
3 2 2 z 3

2 0 1 5

2 3 4 7

3 2 2 3

Ejemplo 16:
2 x y 3 z 4
2 1 3 4

es la matriz aumentada del sistema

3x 2 z
3 0 2 5

RESOLUCION DE SISTEMAS DE ECUACIONES LINEALES:

Nuestro objetivo ser resolver un sistema de ecuaciones lineal usando la matriz aumentada que
representa a ste , llevndola a una forma de la cual pueda deducirse fcilmente la solucin.
9

CLASIFICACIN DE UN SISTEMA LINEAL DE ECUACIONES

Teniendo en cuenta el nmero de soluciones de un sistema de ecuaciones lineal , se tiene la siguiente

clasificacin:

COMPATIBLE si el sistema admite solucin.

COMPATIBLE DETERMINADO : si existe nica solucin.
COMPATIBLE INDETERMINADO : si existen infinitas oluciones.
INCOMPATIBLE : si no existe solucin

TEOREMA

AX = B y CX = D , dos sistemas lineales cada uno con m ecuaciones y n incgnitas .Si las matrices
aumentadas A B y ( C D ) de estos sistemas son equivalentes por filas, ambos sistemas
lineales tienen exactamente las mismas soluciones .
METODO DE ELIMINACION DE GAUSS .

Se utiliza para resolver un sistema lineal Ax = B y consiste en los siguientes pasos:

1)Formar la matriz aumentada ( A B )
2) Transformar ( A B ) a su forma escalonada por filas ( C D ) mediante operaciones elementales.
3 )Resolver el sistema lineal correspondiente a ( C D ) por medio de sustitucin hacia atrs .
Ejemplo 17 : Resolver el siguiente sistema de ecuaciones
3x 3y 6z -9

2x 3y -2
z 2

3 3 6 9
1 1 2 3

2 3 0 2 0 1 4 4
0 0 1
0 0 1 2
2

sta matriz se corresponde con el sistema :

x y 2 z 3

y 4z 4
z 2

Resolvemos por sustitucin hacia atrs

z = 2 y 4 .2 = 4
y = 12
z = 2 ; y = 12 x + 12 + 2 . 2 = -3
x = -19
La solucin es S = { -19, 12, 2)}
METODO DE REDUCCION DE GAUSS JORDAN

El procedimiento de reduccin de GAUSS JORDAN para resolver el sistema lineal

10

A x = B es el siguiente:
1 ) Formar la matriz aumentada ( A B )
2) Transformar la matriz aumentada ( A B ) a su forma escalonada reducida por filas ( C D ) a travs de
operaciones elementales.
3) Para cada fila no nula de ( C D ) se despeja la incgnita correspondiente a los unos principales .
Ejemplo 18 : del ejercicio anterior se obtuvo la matriz ,
1 1 2 3
1 0 0 19

0 1 4 4 . Es posible llevar sta a su forma escalonada reducida 0 1 0 12

0 0 1
0 0 1
2
2

De sta ltima es posible leer directamente la solucin x = -19 , y = 12 , z = 2

EJERCICIO : Las siguientes representan las matrices aumentadas de sistemas lineales .Dar de ser
posible , la solucin en cada caso .
a)
1 0 5 2

0
1
2
3

x +5 z = -2
y+2z = 3

x = -5z -2
y = -2z +3

El sistema tiene infinitas soluciones

Si z = t , tR x = -5t - 2 , y = -2t + 3
La solucin general es : S = { (-5t 2, -2t + 3, t )}
y el sistema es Compatible Indeterminado

b)
1

0
0

1 3 7
0 1 11

0 0 3
0

x + 2z = 3
y - 3z = 7
z = 11
0=3

La presencia en la 4ta igualdad del absurdo 0 = 3 nos indica que este sistema no tiene solucin
. Aunque quizs se pudiera hallar un valor para cada una de las tres incgnitas trabajando con las tres
primeras ecuaciones , stas no verificaran la cuarta ecuacin del sistema (comprobarlo).
Sistema Incompatible
c)
1 0 0 1 0

0 1 0 0 2
0 0 1 4 1

Si

t ;

tR

x x =0 x = x
x =2
x 4x = 1 x 4x
1

t,

+1

4 t +1

11

Solucin General {t , 2 , 4t 1, t / t R}
El sistema es Compatible Indeterminado
d)
1 0 5 3 0

0 1 2 - 4 0
0 0 0
0 0

x-5z +3w = 0 x = 5z -3w

y +2z -4w = 0 y = -2z +4w

Aqu tanto x como y dependen de los infinitos valores que pueden tomar tanto z como w.
Si z = t y w = t con t,t R ;
x = 5t -3t , y = -2t + 4t
Solucin general : S = { (5t -3t, -2t + 4t, t , t) / t,t R }
El sistema es Compatible Indeterminado
SISTEMAS LINEALES HOMOGENEOS

Un Sistema lineal de la forma AX = 0 ,recibe el nombre de SISTEMA HOMOGENEO ,es decir, que un
sistema lineal es homogneo si sus trminos independientes son nulos .

Ejemplo 19: Es un sistema lineal homogneo

-5 x3 +3 x 4 = 0

+2 x3 - 4 x 4 = 0

x
x

Observacin : Una solucin que satisface o posee cualquier sistema homogneo es

x=x
1

x=x
3

..= xn = 0 . Dicha solucin se denomina solucin trivial. Es por esto que todo sistema homogneo es
siempre COMPATIBLE.

CLASIFICACIN DE UN SISTEMA HOMOGNEO

COMPATIBLE DETERMINADO :

existe nica solucin SOLUCION TRIVIAL

COMPATIBLE INDETERMINADO : existen infinitas soluciones SOLUCION TRIVIAL + otras

soluciones ( soluciones no triviales)

MATRIZ INVERSA .

Una matriz A de orden n , es inversible ( o no singular ) si existe una matriz B de orden n , tal que A.B =
B.A = In
La matriz B se llama inversa de A, es decir ,
B = A-1 , es decir , se cumple que A . A-1.= A-1 .A = In
Si dicha matriz inversa no existe , A se denomina no inversible ( o singular ).

12

Ejemplo 20 :
2 3
es inversible y que su inversa es
Verificar que A =
2 2

=
2 .

1 1

2 3 1 3 1 0

= I2
A . A =
2 =
2 2 1 1 0 1
-1

1 2
, utilizando la definicin
Ejemplo 21 : Encontrar la inversa de A=
3
4

a
b

,
A-1 =
c
d

A-1 . A = I2

a b 1 2 1 0

.
=

c
d
3
4
0
1

a 3b 2a 4b 1 0

3
d
2
c

4
d
0
1

a + 3b = 1 , 2a + 4b = 0 , c + 3d =0 , 2c + 4d =1
Resolviendo, el sistema formado por las 2 primeras ecuaciones tenemos : a = -2 , d = -1/2 y
resolviendo, el sistema formado por las 2 ltimas ecuaciones :
b = 1 , c = 3/2

2
Por lo tanto A-1 = 3

1
1

1 2 2
. 3
Verificacin : A . A-1 =
3 4 2

1
1 =

1 0

0 1

Observacin: no siempre es posible hallar la inversa de una matriz.

TEOREMA :

Si una matriz admite inversa, la inversa es nica .

Demostracin : Sean B y C inversa de A

B es inversa de A

A B = B A = In

C es inversa de A A C = C A = In
B = B . In = B. (A. C ) = ( B. A ). C = In .C = C

B=C
la inversa A es nica .

PROPIEDADES DE LA INVERSA

1) Si A es una matriz inversible, A-1 es inversible y ( A-1)-1 = A

2) Si A y B son matrices inversibles, entonces A B, es inversible y ( A .B)-1 = B-1. A-1
3) Si A es inversible, entonces ( At )-1 = ( A-1 )t
13

Demostracin de 1 ) : A-1 es inversible si existe B = ( A-1)-1, tal que

A-1 . B = B . A-1 = In
-1
-1
Como A es inversible; A . A = A . A = In A-1 . A = A. A-1 = In
Comparando (1) y (2) , se tiene, que B = A.

(1)
(2)

Por lo tanto ( A-1)-1 = A

Demostracin de 2 ) : Debemos probar que ( A .B)-1 = B-1. A-1
Esto en palabras es : que la inversa de A B es B-1. A-1
Entonces veamos que : A.B (B-1. A-1) = In

A.B (B-1. A-1) = A . (B . B-1). A-1 = A . In . A-1 = (A . In ) . A-1 = A . A-1 = In

Por lo tanto, ( A .B)-1 = B-1. A-1

Demostracin de 3):

Veamos que la inversa de At es (A-1 )t .

Debo probar que At . (A-1 )t = In

Por propiedad de transpuesta , At . (A-1 )t = ( A-1. A)t = (In )t = In ( At )-1 = ( A-1 )t
El procedimiento prctico para calcular la inversa de una matriz A de orden mxn, es el siguiente:
1) Formar la matriz ampliada ( AIn que se obtiene al adjuntar la matriz identidad a la matriz A.
2) Transformar la matriz del paso 1) a la forma escalonada reducida.
3) Sea ( CD la matriz obtenida en el paso 2) .
Si C = In entonces A-1= D. Si C In entonces A no es inversible.
1 2

Ejemplo 22: Encontrar de ser posible la inversa de B =

2 5
1 2 1 0

2 5 0 1

(-2) F 1 + F 2
Por lo tanto B-1 =

1 2 1 0

0 1 2 1

1 0 5 2

0 1 2 1

(-2) F 2 + F 1

5 2

2 1

2 2 1

Ejemplo 23 : Encontrar de ser posible la inversa de A = 4 5 2

2 3 1

2 2 1 1 0 0

(A| I) = 4 5 2 0 1 0
2 3 1 0 0 0

haciendo ( -1 ) F 1 + F 3 F 3
( -2 ) F 1 + F 2 F 2

14

 2 2 1 1 0 0

0 1 0 2 1 0
0 1 0 1 0 1

1
2

1 1 1/ 2 1/ 2 0 0

0
2 1 0
0 1
0 1
0
1 0 1

1 1 1/2 1/2 0 0

0
2 1 0 = ( CD)
(-1) F 2 + F 3 F 3 0 1
0 0
0
1 1 1

Segn, el procedimiento descripto anteriormente aqu C I3 por lo tanto la matriz dada A NO ES

-1
INVERSIBLE. No existe A .

TEOREMA :

Una matriz de orden nxn es inversible si y solo si es equivalente por filas a In.

SISTEMAS LINEALES E INVERSAS

TEOREMA : Sea A

una matriz nxn. Las siguientes afirmaciones son equivalentes :

1) A es inversible.
2) El sistema lineal A.X = b tiene solucin nica para cada matriz b de nx1.
3) X = 0 es la nica solucin de A.X= 0
4) A es equivalente por filas a In.
Demostracin :
1) 2) Supongamos A inversible. Veamos que AX = b tiene nica solucin:
AX = b A-1 .(A.X) = A-1 b In X = A-1 b X = A-1 b y esta es la nica solucin.
2) 3) Supongamos que cualquiera sea b de orden nx1 AX = b tiene la solucin X = A-1 b .
en particular si b = 0 el sistema AX = 0 tiene la solucin X = A-1.0 = 0
3) 4) Si AX =0 tiene como nica solucin a X =0 es claro que A es equivalente por filas a In ya que la
matriz ampliada ( A0) se puede llevar a (In 0 ) .
4) 1) Si A es equivalente por filas a In , A es inversible por teorema anterior.

15