ÁLGEBRA 1 (TRIMESTRE 2 2020)

APUNTES SEMANA 7
MATRICES Y SISTEMAS DE ECUACIONES LINEALES

M. Selva Soto

7 de septiembre de 2020
Índice general

3. Matrices y sistemas de ecuaciones lineales 2

3.3. Determinante de una matriz - Para los más interesados . . . . . . . . . . . . . . . . . . . . . . . . . . 2
3.3.1. Fórmula del determinante para matrices de tamaño 2 y 3 . . . . . . . . . . . . . . . . . . . . 5
3.4. Determinante de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.5. Operaciones elementales sobre las filas y/o columnas de una matriz. Matrices equivalentes. . . . . . . 9
3.6. Rango de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

1
Capı́tulo 3

Matrices y sistemas de ecuaciones

lineales

La semana pasada definimos qué es una matriz, ası́ como las operaciones de suma y producto de matrices y vimos
sus propiedades.
Esta semana trabajaremos con los conceptos de determinante y rango de una matriz. Ambos son números asociados
a matrices, el primero es un número asociado a matrices cuadradas y el segundo es un número asociado a matrices
cualesquiera. Ambos números dan información importante sobre la matriz y, en el caso de matrices cuadradas,
existe una relación entre ellos que explicaremos más adelante.
Dada A ∈ Mn (R), n ∈ N, det(A) o |A| denotan el determinante de A, mientras que para cada B ∈ Mm×n (R),
m, n ∈ N, r(B) denota el rango de B.
Si quieres y tienes tiempo para entender mejor el concepto de determinante, te invitamos a leer la siguiente sección.
De lo contrario, puedes ir directamente a la sección 3.4.

3.3. Determinante de una matriz - Para los más interesados

Como mencionamos antes, el determinante es un número asociado a matrices cuadradas.
En esta sección consideraremos a una matriz de tamaño n × n como una colección de vectores en Rn . Veamos qué
queremos decir con esto para los casos n = 2 y n = 3.
En los ejemplos a continuación veremos el significado geométrico del determinante de una matriz y, considerando este
significado geométrico, veremos también qué propiedades debe tener el determinante. A partir de estas propiedades
construiremos el valor que debe tener el determinante de una matriz de tamaño n × n.
Consideremos primero la matriz identidad de tamaño 2×2,
 
1 0
I= .
0 1
   
1 0
En la figura 3.1 se muestra el paralelogramo (cuadrado) cuyos lados son los vectores y , que forman las
0 1
columnas de I. Éste es un cuadrado cuya área es igual a 1 y 1 es también el determinante de I, que denotaremos
mediante |I|.
Sin embargo, si consideramos la matriz  
0 1
P = ,
1 0
los vectores que forman sus columnas son exactamente los mismos que forman las columnas de I, pero en distinto
orden. El cuadrado formado por estos vectores es el mismo que el formado por las columnas de I y tiene, por
supuesto, área 1. El determinante de esta matriz, a diferencia del determinante de I, no es 1, sino -1, |P | = −1. La
diferencia en el signo del determinante indica un cambio en el orden de los vectores que forman las columnas de la

2
CAPÍTULO 3. MATRICES Y SISTEMAS DE ECUACIONES LINEALES 3

   
1 0
Figura 3.1: Cuadrado formado por y .
0 1

   
2 0
Figura 3.2: Rectángulo formado por y .
0 1

matriz. El determinante de la matriz que se obtiene al intercambiar dos columnas de I es, en valor absoluto, igual
al determinante de I, pero tiene signo contrario.
¿Qué ocurre si expandimos al doble uno de los vectores que forman las columnas de I? Es decir, ¿qué relación existe
entre el área del cuadrado que se forma con las columnas de I y el rectángulo que se construye con los vectores en
las columnas de  
2 0
D= ?
0 1
Observa la figura 3.2. El área del rectángulo es el doble del área anterior. El determinante de esta nueva matriz es
el doble del determinante de I, es decir, |D| = 2. El determinante de la matriz que se obtiene al multiplicar por dos
una de las columnas de I es el doble del determinante de I.
¿Cuál es la relación entre el área del cuadrado formado por los vectores en las columnas de I y el paralelogramo
formado por los vectores en las columnas de esta nueva matriz
 
1 0
E= ?
1 1

En la figura 3.3 se muestran ambas áreas. El área de color violeta es la del paralelogramo formado por los vectores
en las columnas de E. Observa que este paralelogramo tiene altura y base iguales a los lados del cuadrado. Las áreas
de las regiones sombreadas en la figura 3.3 son exactamente iguales, |E| = |I|. Observa que la primera columna
de E es la suma de las dos columnas de I y la segunda columna de E es igual a la segunda columna de I. El
CAPÍTULO 3. MATRICES Y SISTEMAS DE ECUACIONES LINEALES 4

   
1 0
Figura 3.3: Paralelogramo formado por y .
1 1

   
1 0
Figura 3.4: Paralelogramo formado por y .
1 1

determinante de la matriz que se obtiene al sumar dos columnas de I, manteniendo las restantes iguales, es igual
al determinante de I.
¿Qué relación hay entre el área del cuadrado formado por los vectores en I y el área del paralelogramo formado
por los vectores de S?      
1 0 1 0 2 0
I= , E= , S =I +E = .
0 1 1 1 1 1
La segunda columna es la misma en I, E y S. La primera columna de S es la suma de las primeras columnas de I
y E.
Observa la figura 3.4. En ella hemos mostrado, además de los paralelogramos formados por las columnas de I y E,
el formado por las columnas de S, en color azul. Observa que el área de este nuevo paralelogramo es la suma de las
áreas de los otros dos, es decir, |S| = |I| + |E|.
Estas propiedades que hemos podido comprobar en matrices de 2 × 2, generalizadas a matrices de tamaño n × n.
Sea A ∈ Mn (K),
a11 a12 · · · a1i · · · a1n
 
 a21 a22 · · · a2i · · · a2n 
A= . ..  .
 
.. ..
 .. . ··· . ··· . 
an1 an2 ··· ani ··· ann
CAPÍTULO 3. MATRICES Y SISTEMAS DE ECUACIONES LINEALES 5

La función det : Mn (K) → R es tal que

1. det(I) = 1.
2. Si B es la matriz que se obtiene de intercambiar dos columnas de A, det(B) = − det(A).
3. Sea λ ∈ K, la matriz
a11 a12 · · · λ a1i ···

a1n

 a21 a22 · · · λ a2i ··· a2n 
C= .
 
.. .. .. 
 .. . ··· . ··· . 
an1 an2 · · · λ ani ··· ann
es tal que det(C) = λ det(A).
4. Si
··· ···

a11 a12 a1i + b1i a1n

 a21 a22 ··· a2i + b2i ··· a2n 
D= . ..  ,
 
.. ..
 .. . ··· . ··· . 
an1 an2 ··· ani + bni ··· ann
es decir, la i-ésima columna de D es la suma de la i-ésima columna de A yla i-ésima columna de
a12 · · · b1i · · · a1n

a11

 a21 a22 · · · b2i · · · a2n 
B= . ..  ,
 
.. ..
 .. . ··· . ··· . 
an1 an2 · · · bni · · · ann
entonces det(D) = det(A) + det(B).
De estas propiedades se concluye que:
1. Si todos los elementos en una columna de A son iguales a cero, det(A) = 0.
2. Si dos columnas de A son iguales, det(A) = 0. Observa que si dos columnas de A son iguales, la matriz que
se obtiene al intercambiar esas dos columnas es igual a A, sin embargo su determinante es igual a − det(A).
3. Si una columna de A es igual a λ por otra columna de A, el determinante de A es cero.
4. Si una columna de A es la suma de otras dos columnas de A, el determinante de A es cero.
5. Si D es una matriz diagonal,  
a1 0 0 · · · 0 0
 0 a 0 ··· 0 0
 2 
. .. .. .. .. 
D= . . . . ··· . . ,

 0 0 0 · · · an−1 0 
 
0 0 0 ··· 0 an
entonces
1 0 0 ··· 0 0 1 0 0 ··· 0 0
0 a2 0 ··· 0 0 0 1 0 ··· 0 0
|D| = a1 ... ..
.
..
. ···
..
.
.. = a a
. 1 2
.. .. ..
. . . ···
..
.
.. ,
.
0 0 0 ··· an−1 0 0 0 0 ··· an−1 0
0 0 0 ··· 0 an 0 0 0 ··· 0 an
1 0 0 ··· 0 0
0 a2 0 ··· 0 0
= · · · = a1 a2 · · · an−1 an .. .. .. .. .. = a a · · · a .
. . . ··· . . 1 2 n

0 0 0 ··· 1 0
0 0 0 ··· 0 1

3.3.1. Fórmula del determinante para matrices de tamaño 2 y 3

Utilicemos las propiedades anteriores para escribir una fórmula general para el determinante de matrices de tamaño
2 y 3 que nos permita entender la fórmula que escribiremos en la sección siguiente para el determinante de matrices
CAPÍTULO 3. MATRICES Y SISTEMAS DE ECUACIONES LINEALES 6

de tamaño n.
Sea  
a b
A= .
c d
Entonces, utilizaremos las propiedades del determinante para descomponer el determinante de A en determinantes
de matrices más sencillas hasta que lleguemos a una cuyo determinante sepamos calcular (una matriz diagonal, por
ejemplo),

a b a b 0 b a b a 0 0 b 0 0
= + = + + + ,
c d 0 d c d 0 0 0 d c 0 c 0
b 0
= 0 + ad − + 0,
0 c
= ab − bc.

Nota que
a c
det(AT ) = = ad − cb = det(A).
b d
Supongamos ahora que
 
a b c
A= d
 e f .
g h i
Entonces, si procedemos del mismo modo que con la matriz de tamaño 2 × 2 y descomponenmos el determinante
de A en suma de determinantes más sencillos de calcular

a b c 0 b c 0 b c
|A| = 0 e f + d e f + 0 e f .
0 h i 0 h i g h i

Tomemos solo el primero de los determinantes anteriores, para los restantes dos se procede de manera similar.
Del mismo que antes descompongamos el determinante de la matriz en suma de determinantes de matrices más
sencillas

a b c a b c a 0 c a 0 c
0 e f = 0 0 f + 0 e f + 0 0 f ,
0 h i 0 0 i 0 0 i 0 h i
a b c a b 0 a b 0 a 0 c a 0 c
= 0 0 0 + 0 0 f + 0 0 0 + 0 e f + 0 0 f
0 0 0 0 0 0 0 0 i 0 0 i 0 h i
| {z } | {z } | {z }
=0 =0 =0

Repitiendo este proceso obtenemos

a 0 c a 0 c a 0 0 a 0 0
0 e f = 0 e 0 + 0 e f + 0 e 0 = aei
0 0 i 0 0 0 0 0 0 0 0 i
y
a 0 c a 0 c a 0 0 a 0 0
0 0 f = 0 0 0 + 0 0 f + 0 0 0 = −ahf.
0 h i 0 h 0 0 h 0 0 h i
Trabajando del mismo modo obtenemos

det(A) = aei + dhc + gbf − gec − dbi − ahf.

CAPÍTULO 3. MATRICES Y SISTEMAS DE ECUACIONES LINEALES 7

Observa que el determinante de la matriz de 3 × 3 es una suma de términos y cada término es el producto de tres
números, uno en cada columna de A, pero en filas diferentes.
El determinante de A también puede escribirse como

e f b c b c
det(A) = a(ei − hf ) − d(bi − hc) + g(bf − ec) = a −d +g
h i h i e f

Nota que hemos escrito el determinante de la matriz de tamaño 3 × 3 en términos de determinantes de matrices
de tamaño 2 × 2.
Además el determinante de A también puede escribirse como

e f d f d e
det(A) = a(ei − hf ) − b(di − gf ) + c(dh − ge) = a −b +c .
h i g i g h

Estas últimas fórmulas son las que en la próxima sección se generalizarán a matrices de tamaño n.

3.4. Determinante de una matriz

Sea A ∈ Mm×n (K). Una submatriz de A es una matriz que se obtiene de eliminar filas y/o columnas de A. La
submatriz (i, j) de A (se representa por Aij es la matriz de m − 1 filas y n − 1 columnas que se obtiene al eliminar
de A la fila i y la columna j, por ejemplo, si

−1 1 0 3
 
 
1 0 −1
A= , B = −1 1 1 5 ,
2 1 1
0 2 3 2

entonces A12 es la matriz que se obtiene de eliminar la fila 1 y la columna 2 de A, mientras que B22 es la matriz
que se obtiene de eliminar la fila 2 y la columna 2 de B, ası́
 

−1 0 3
A12 = 2 1 , B22 = .
0 3 2

Definición 3.1. Consideremos A ∈ Mn (K), A = (aij )1≤i,j≤n , el determinante de A, det: Mn (K) −→ K, es tal
que (
a11 , n = 1,
det(A) = Pn i+j
,
j=1 (−1) aij det(Aij ), n > 1,
donde Aij representa la submatriz (i, j) de A, es decir, representa a la matriz de n − 1 y n − 1 columnas que se
forma al eliminar de A la fila i y la columna j, i es un valor cualquiera entre 1 y n. No importa cuál sea la fila i
de A que escojamos para calcular su determinante, obtendremos siempre el mismo valor.
El determinante de A ∈ Mn (K) también se escribe mediante |A|.

Ejemplo 3.2. Calculemos el determinante de

1. A = (2), ésta es una matriz de 1 fila y 1 columna, por tanto, det(A) = 2.
 
1 2
2. A = .
0 3
Si escogemos la primera fila para desarrollarlo, se tiene det(A) = (−1)1+1 ·1·det((3))+(−1)1+2 ·2·det((0)) = 3.
3. A ∈ M2 (K), A = (aij )1≤i,j≤2 , entonces det(A) = a11 a22 − a12 a21 .

Observación 3.3.
1. El valor del determinante de A no depende de la fila que se escoja para desarrollarlo.
2. El valor del determinante de A también es el mismo si se desarrolla por columnas, es decir, si se escoje una
columna de A, la columna k por ejemplo, y se hace
(
a11 , n = 1,
det(A) = Pn j+k
,
j=1 (−1) ajk det(Ajk ), n > 1,
CAPÍTULO 3. MATRICES Y SISTEMAS DE ECUACIONES LINEALES 8

3. Una consecuencia de la propiedad anterior es que det(A) = det(AT ).

4. Si todos los elementos en una fila (o columna) de A son ceros, entonces det(A) = 0.
5. det(AB) = det(A) det(B).
6. si A ∈ Mn (K) y λ ∈ K, entonces det(λ A) = λn det(A).
 
1 1 2
Ejemplo 3.4. Calculemos el determinante de A = −1 3 1. Si escogemos la segunda columna para calcular
2 0 5
el determinante de A, obtenemos

−1 1 1 2
det(A) = (−1)1+2 1 + (−1)2+2 3 = 10.
2 5 2 5

Ejercicio 3.5. Muestre que si A es una matriz triangular superior (o triangular inferior), su determinante es igual
al producto de los elementos en la diagonal principal de A.

Ejercicio 3.6. Mostremos que si A es invertible, entonces det(A) 6= 0.

Si A es invertible, existe A−1 de modo que AA−1 = I. Entonces

det(I) = det(AA−1 ) = det(A) det(A−1 ) ⇒ det(A) 6= 0.

También es posible mostrar que el recı́proco de esta proposición se cumple, es decir, si det(A) 6= 0, entonces A es
1
invertible y esto es cierto pues si det(A) 6= 0, entonces es posible calcular su inversa y ésta es A−1 = Adj(A),
det(A)
donde Adj(A) representa la matriz adjunta de A.

Definición 3.7. Sea A ∈ Mn (K), la matriz adjunta de A es la traspuesta de su matriz de cofactores de A.

La matriz de cofactores de A, la representaremos por Ac es tal que Ac = (cij )1≤i,j≤n con

cij = (−1)i+j det(Aij ).

Ejemplo 3.8. Calcule, si existe, la inversa de

−1
 
0 2
A = −1 2 1 .
3 1 −2

A es invertible si y solo si su determinante es distinto de cero. Calculemos el determinante de A fijando la primera

fila
2 1 −1 2
det(A) = (−1)1+1 (−1) + (−1)1+3 2 = −(−4 − 1) + 2(−1 − 6) = −9 6= 0.
1 −2 3 1
Podemos entonces asegurar que A tiene inversa. La matriz A−1 podemos calcularla como escribimos antes, es decir,
A−1 = − 91 Adj(A),
 T
c11 c12 c13
1
A−1 = − c21 c22 c23  ,
9
c31 c32 c33
donde para cada 1 ≤ i, j ≤ 3, cij es el cofactor i, j de A. Por ejemplo,

2 1 −1 0 0 2
c11 = (−1)1+1 = −5, c23 = (−1)2+3 = 1, c31 = (−1)3+1 = −4.
1 −2 3 1 2 1

Si calculamos todos los cofactores de A, obtenemos

−5 −4
 
2
1
A−1 =−  1 −4 1 .
9
−7 1 −2
CAPÍTULO 3. MATRICES Y SISTEMAS DE ECUACIONES LINEALES 9

Ejemplo 3.9. Demuestre que para todo número natural n,

1 2 3 4 ··· n−1 n
0 1 0 0 ··· 0 0
0 0 1 0 ··· 0 0
.. .. .. .. .. .. = 0.
. . . . ··· . .
0 0 0 0 ··· 1 0
2 4 6 8 ··· 2(n − 1) 2n

Sugerencia: Tome, por ejemplo, n = 2, n = 3 y demuestre que la propiedad se cumple. Intente después demostrarla
para un valor cualquiera de n.
Ya hemos visto entonces que para toda matriz A ∈ Mn (K) se cumple que A es invertible si y solo si det(A) 6= 0.
Además hemos visto cómo calcular la matriz inversa de A a partir de la matriz de cofactores de A. Sin embargo, esta
manera de calcular la inversa de A es bastante trabajosa pues involucra el cálculo de determinantes de submatrices
de A. En la siguiente sección definiremos las operaciones elementales sobre filas y columnas de matrices. Estas
operaciones nos van a servir, un poco más adelante, no solo para determinar si una matriz es invertible y, si lo
fuera, calcular su inversa, sino también para resolver sistemas de ecuaciones lineales.

3.5. Operaciones elementales sobre las filas y/o columnas de una ma-
triz. Matrices equivalentes.
Sea A ∈ Mm×n (K), A = (aij )1≤i≤m,1≤j≤n . A las filas y/o columnas de A podemos aplicar las siguientes operaciones
elementales (estas operaciones reciben el nombre de elementales porque, aunque con ellas transformemos la matriz
A, ellas permiten conservar propiedades importantes de A que mencionaremos más adelante).
1. intercambio de las filas (columnas) l y k de A, se representa por fl ↔ fk (cl ↔ ck ). Si B es la matriz que
resulta de intercambiar las filas l y k de A, entonces B es una matriz de m filas y n columnas, todas las filas
de B, excepto la l y la k son iguales a la fila correspondiente de A, pero la fila l de B es la fila k de A y la
fila k de B es la l de A, es decir,

aij , i 6= k, i 6= l,


B = (bij )1≤i≤m,1≤j≤n , bij = akj , i = l, .


a , i = k,
lj

Tomemos, por ejemplo,

 
0 1 0
A = −1 2 3
1 2 1
Si intercambiamos las filas 1 y 3 de A se obtiene la matriz
 
1 2 1
B = −1 2 3 .
0 1 0

La fila 2 de B es igual a la fila 2 de A, la fila 1 de B es la 3 de A y la fila 3 de B es la 1 de A.

Cuando utilicemos estas operaciones para resolver sistemas de ecuaciones lineales o averiguar otras propie-
dades de las matrices, escribiremos
   
0 1 0 1 2 1
−1 2 3 ∼f1 ↔f3 −1 2 3
1 2 1 0 1 0

para indicar que la segunda matriz resulta de aplicar la operación elemental f1 ↔ f3 (intercambio de filas 1
y 3) a la primera matriz.
CAPÍTULO 3. MATRICES Y SISTEMAS DE ECUACIONES LINEALES 10

2. multiplicar la fila (columna) k de A por el escalar λ ∈ K, λ 6= 0, se representa por fk ← λfk (ck ← λck ). Si
B es la matriz que resulta de aplicar la operación elemental fk ← λfk a A, entonces
(
aij , i 6= k
B = (bij )1≤i≤m,1≤j≤n , bij = .
λ akj , i = k,

Tomemos, por ejemplo,

 
0 1 0
A = −1
 2 3
1 2 1
Si multiplicamos la segunda fila de A por -1 se obtiene la matriz
 
0 1 0
B = 1 −2 −3 .
1 2 1

La fila 2 de B es igual a la fila 2 de A multiplicada por el escalar -1. Las restantes filas de B son iguales a las
filas de A.
Cuando utilicemos estas operaciones para resolver sistemas de ecuaciones lineales o averiguar otras propie-
dades de las matrices, escribiremos
   
0 1 0 0 1 0
−1 2 3 ∼f2 ←−f2 1 −2 −3
1 2 1 1 2 1

para indicar que la segunda matriz resulta de aplicar la operación elemental f2 ← −f2 (se multiplica fila 2
por escalar -1 6= 0) a la primera matriz.
3. añadir a la fila (columna) k de A la fila (columna) l de A multiplicada por el escalar λ ∈ K, se representa
por fk ← fk + λfl (ck ← ck + λcl ). Si B es la matriz que resulta de aplicar esta operación elemental a las
filas de A, entonces B es tal que
(
aij , i 6= k
B = (bij )1≤i≤m,1≤j≤n , bij = .
akj + λ alj , i = k,

Tomemos, por ejemplo,

 
0 1 0
A = −1 2 3
1 2 1
Si sumamos a la fila 2 de A la tercera multiplicada por 1, es decir, si aplicamos la operación elemental
f2 ← f2 + f3 , se obtiene la matriz
 
0 1 0
B = 0 4 4 .
1 2 1
La fila 2 de B es igual a la suma de las filas 2 y 3 de A. Las restantes filas de B son iguales a las filas de A.
Cuando utilicemos estas operaciones para resolver sistemas de ecuaciones lineales o averiguar otras propie-
dades de las matrices, escribiremos
   
0 1 0 0 1 0
−1 2 3 ∼f2 ←f2 +f3 0 4 4
1 2 1 1 2 1

para indicar que la segunda matriz resulta de aplicar la operación elemental f2 ← f2 + f3 (añadir a fila 2 el
producto de fila 3 por 1) a la primera matriz.
Las operaciones elementales definidas tienen las siguientes propiedades:
CAPÍTULO 3. MATRICES Y SISTEMAS DE ECUACIONES LINEALES 11

1. Realizar una operación elemental sobre las filas de A es equivalente a multiplicar A por la izquierda por
la matriz F que resulta de aplicar la misma operación elemental a la matriz identidad. Esta matriz F es
invertible y se denomina matriz elemental. Los siguientes son ejemplos de matrices elementales: la matriz que
resulta de aplicar a I3 la operación elemental f1 ↔ f3 o la matriz que resulta de aplicar a I2 la operación
elemental f2 ← f2 + f1 ,
 
0 0 1  
1 0
I3 ∼f1 ↔f3 0 1 0 , I2 ∼f2 ←f2 +f1
 
1 1
1 0 0

2. Si A es invertible, la matriz que resulta de aplicar operaciones elementales a las filas o las columnas de A
también es invertible.
Esto ocurre porque si A es invertible, la matriz que resulta de aplicar operaciones elementales a las filas de
A puede escribirse como
B = Fm · · · F2 F1 A
donde cada una de las matrices Fi es una matriz elemental (invertible). Dado que el determinante de un
producto de matrices es el producto de los determinates, tenemos que

det(B) = det(Fm ) · · · det(F2 ) det(F1 ) det(A).

Como los determinantes de las matrices elementales son distintos de cero, el producto anterior es cero si y
solo si el determinante de A es cero, es decir, el determinante de B es cero si y solo si el de A es cero.

Definición 3.10. Dos matrices A, B ∈ Mm×n (K) son equivalentes (se escribe A ∼ B) si y solo si existen matrices
invertibles P ∈ Mm (K), Q ∈ Mn (K) tales que B = P AQ.
En el caso particular en que m y n sean iguales, es decir, si A y B son cuadradas, se dice que A y B son semejantes
si y solo si existe una matriz invertible P ∈ Mn (K) de modo que A = P BP −1 .
Si B se obtiene de aplicar operaciones elementales a las filas y/o columnas de A, entonces A y B son equivalentes
pues
B = Fm Fm−1 · · · F1 AC1 C2 · · · Cn = P AQ
con P = Fm Fm−1 · · · F1 y Q = C1 · · · Cn invertibles (P −1 = F1−1 · · · Fm −1
, Q−1 = Cn−1 · · · C1−1 ).
Las matrices Fm , Fm−1 , . . . , F1 representan las operaciones elementales aplicadas a las filas de A y las matrices
C1 , C2 , . . . , Cn , las operaciones elementales aplicadas a las columnas de A.

Si, realizando operaciones elementales sobre las filas de una matriz A ∈ Mn (K), se obtiene la matriz identidad,
entonces A es invertible

Fm Fm−1 · · · F1 A = I ⇒ A = F1−1 · · · Fm
−1
⇒ A−1 = Fm · · · F1 = Fm · · · F1 I

y su inversa es la matriz que se obtiene al aplicar las mismas operaciones elementales sobre las filas de I.

Ejemplo 3.11. Sea

 
1 0 1
A = 1 1 0
1 1 1
Aplicando las siguientes operaciones elementales sobre las filas de A y de I

f2 ← f2 − f1 , f3 ← f3 − f1 , f3 ← f3 − f2 , f2 ← f2 + f3 , f1 ← f1 − f3

se obtiene
−1
 
1 1
A−1 = −1 0 1 .
0 −1 1

Observación 3.12. Sea A ∈ Mn (R).

CAPÍTULO 3. MATRICES Y SISTEMAS DE ECUACIONES LINEALES 12

1. Si B se obtiene de aplicar la operación elemental fi ↔ fj sobre A, entonces det(B) = − det(A).

2. Si B se obtiene de aplicar la operación elemental fi ← λ fi , λ 6= 0 sobre A, entonces det(B) = λ det(A).
3. Si B se obtiene de aplicar la operación elemental fi ← fi + λ fk sobre A, entonces det(B) = det(A).
4. Si una fila o columna de A tiene todos sus elementos iguales a cero, entonces det(A) = 0.
5. Si dos filas (o columnas) de A son iguales, entonces det(A) = 0.
6. Si una fila (o columna) de A es combinación lineal de las restantes filas (o columnas) de A, su determinante
es cero.

3.6. Rango de una matriz

En esta sección se define el rango de una matriz. La utilidad de este concepto la veremos más adelante, cuando
resolvamos sistemas de ecuaciones lineales. Por ahora solo debemos concentrarnos en aprender a calcular rangos
de matrices.

Definición 3.13. Sea A ∈ Mm×n (K), el rango de A es el orden de la mayor submatriz (cuadrada) de A con
determinante distinto de cero. El rango de A se representa por r(A).

Observación 3.14.
1. Note que r(θ) = 0.
2. Toda matriz distinta de la matriz nula tiene rango mayor o igual que 1. Si, por ejemplo,
 
1 0 0
A= ,
0 0 0

entonces (1) es una submatriz cuadrada de A con determinante distinto de cero y el rango de A es, por tanto,
mayor o igual que 1. El rango de A es 1 si todas sus submatrices de tamaño 2 tienen determinante igual
a cero, lo cual ocurre con esta matriz pues cualquier submatriz cuadrada de tamaño 2 tiene que incluir a
elementos en la segunda fila de A.
3. Si A ∈ Mn (K) es tal que det(A) 6= 0, entonces r(A) = n.
4. Si A ∈ Mm×n (K), entonces r(A) ≤ mı́n{m, n}.

Ejemplo 3.15. Si
−1
 
1 2 3 3
A= 1 1 0 3 6 ,
2 2 1 2 2
el rango de A es menor o igual que 3 (no pueden formarse submatrices cuadradas de A de más de 3 filas y 3
columnas) y como A 6= θ, su rango es mayor o igual que 1. Dado que

−1 1
= −2 6= 0
1 1
 
−1
1
y es una submatriz de orden 2 de A, entonces el rango de A es mayor o igual que 2. Si logramos
11
 
2 3 3
encontrar una submatriz de orden 3 con determinante distinto de cero, el rango será 3. La submatriz 0 3 6
1 2 2
tiene determinante igual a −3 6= 0 y, por ello, el rango de A es 3.

Ésta es una forma algo complicada de calcular el rango de una matriz pues para probar que el rango de una matriz
dada es k es necesario comprobar que los determinantes de todas las submatrices de tamaño k + 1 son iguales a
cero. Veamos una forma más sencilla de calcular el rango de una matriz.

Definición 3.16. Una matriz está en forma escalonada por filas (columnas) si el primer elemento distinto de cero
en cada fila (columna) está al menos una posición a la derecha (hacia abajo) del primer elemento distinto de cero
de la fila anterior.
CAPÍTULO 3. MATRICES Y SISTEMAS DE ECUACIONES LINEALES 13

No es difı́cil ver que si una matriz está en forma escalonada por filas (columnas), entonces su rango es el número
de filas (columnas) distintas de la fila (columna) nula.

Ejemplo 3.17. Determine el rango de las siguientes matrices

1 0 0 −1 −1
     
  1 2 0 0 0
0 0 1 3
A= 0 0 0 2 , B=
  , C= 0 1
 1 , D=  1 0 0
0 0 0 2
0 0 0 0 0 0 2 −1 3 0

Todas ellas son matrices en forma escalonada. Las tres primeras son matrices en forma escalonada por filas y la
última es una matriz en forma escalonada por columnas.
La primera matriz tiene rango 2, observa que, escogiendo las filas que tienen elementos distintos de cero y las
columnas donde está el primer elemento distinto de cero en cada una de ellas, podemos construir una submatriz
cuadrada de A con determinante distinto de cero, ella es
 
1 −1
.
0 2

Cualquier submatriz de tamaño 3 de A debe incluir elementos en la tercera fila de A, que está llena de ceros. El
determinante de cualquier submatriz de tamaño 3 de A es, por tanto, igual a cero y A tienen rango 2 (número de
filas con al menos un elemento distinto de cero).
La matrixz B también tiene rango 2 pues  
1 3
0 2
es una submatriz de ella con determinante distinto de cero. Esta matriz tiene el mayor rango posible.
La matriz C es una matriz cuadrada con determinante distinto de cero, su rango es, por tanto, 3.
La matriz D tiene rango 2 (número de columnas con al menos un elemento distinto de cero). De manera similar a
como escogimos una submatriz de A con determinante distinto de cero, podemos escoger una de D con determinante
distinto de cero, simplemente tomamos las columnas con elementos distintos de cero y las filas donde está el primer
elemento distinto de cero en cada columna, es decir, la submatriz con las columnas 1 y 2 y las filas 2 y 3 de D,
 
1 0
−1 3

tiene determinante distinto de cero. Cualquier submatriz cuadrada de D de orden mayor tiene que incluir a elementos
en la tercera columna.

El rango de matrices que no estén en forma escalonada lo determinaremos con ayuda de operaciones elementales
sobre las filas y/o las columnas de la matriz.
Dado que es posible demostrar que si dos matrices son equivalentes (una se obtiene de la otra mediante operaciones
elementales a sus filas y/o columnas), sus rangos son iguales, es posible averiguar el rango de una matriz cualquiera
A ∈ Mm×n (K) realizando operaciones elementales sobre las filas (columnas) de A hasta obtener una matriz
equivalente a A en forma escalonada, de la cual es fácil determinar su rango.

Ejemplo 3.18. Calcule el rango de

1 2 −1 3 1
 
1 0 1 1 1
A=
−1
.
1 −2 1 0
1 1 0 2 1
Ejemplo 3.19. ¿Para qué valores de k ∈ R el rango de
   
1 1 1 1 k 1 1
A = 1 k 1 k , B= 1
 k 1
1 1 k−1 1 1 1 k

es 0, 1, 2, 3? Dado que ∀k ∈ R, se cumple que A 6= Θ, no existe k tal que r(A) = 0.

CAPÍTULO 3. MATRICES Y SISTEMAS DE ECUACIONES LINEALES 14

Para averiguar cuando el rango es 1, 2 o 3, llevemos A, mediante operaciones elementales sobre filas (f2 ←
f2 − f1 , f3 ← f3 − f1 a forma escalonada
 
1 1 1 1
A ∼ 0 k−1 0 k − 1 .
0 0 k−2 0

Si k = 2, r(A) = 2. Si k = 1, luego de intercambiar las filas 2 y 3 A está en forma escalonada y su rango es 2. Si

k 6= 1 ∧ k 6= 2, entonces A está en forma escalonada y su rango es 3. El rango de A nunca es 1.
El determinante de B es k 3 − 3k + 2 = (k − 1)2 (k + 2) 6= 0 ⇔ k 6= 1 ∧ k 6= −2. Por tanto, si k 6= 1 y k 6= −2 el
rango de B es 3. Sólo nos resta averiguar qué ocurre si k = 1 o k = −2. Esto puede hacerse analizando cada una
de las matrices que se obtienen al sustituir k por 1 o -2 en B. También podemos aplicar operaciones elementales
sobre las filas de B y obtenemos
 
1 k 1
B ∼ 0 1 − k k−1  =: B̃
0 0 (1 − k)(k + 2)

det(B̃) = (1 − k)2 (k + 2) por ser B una matriz triangular superior. B̃ se obtiene de aplicar las siguientes operaciones
elementales sobre las filas de B:

f1 ↔ f2 , f2 ← f2 − kf1 , f3 ← f3 − f1 , f2 ↔ f3 , f3 ← f3 − (k + 1)f2 .

Esto significa que det(B) =det(B̃) = (1 − k)2 (k + 2). Además si k 6= −2 y k 6= 1, r(B) = 3. Si k = −2, r(B) = 2.
Si k = 1, r(B) = 1.