TEMA 8: MATRICES

1.- Matriz: Definicin y elementos.

2.- Tipos de matrices.
3.- Operaciones con matrices.
4.- Matr iz inversa de una matriz cuadrada.
5.- Rango de una matriz

Las matrices, vistas de una forma sencilla, no son ms que una forma ordenada de colocar
una serie de datos, donde a cada dato le asignamos una posicin.
Desde el punto de vista matemtico, sin embargo, su trascendencia va mucho ms all tanto
por su estructura formal como por la multitud de sus aplicaciones, constituyendo una herramienta
fundamental.
1.- Matriz: Definicin y elementos.
Definicin: Llamaremos matriz de orden o dimensin
n m
a un conjunto de mn
elementos reales dispuestos en m filas y en n columnas. Los representaremos de la siguiente forma:

,
_

mn m2 m1
2n 22 21
1n 12 11
a .......... a a
...... .......... ..........
a .......... a a
a .......... a a
A
Definicin: Llamamos elemento a
ij
al que pertenece a la fila i y a la columna j.
Ejemplo: La siguiente matriz tiene dimensin 3x4.

,
_

4 6 2 0
1 5 1 3
0 1 3 2
A
Adems, a
23
= 5 y a
33
= 6
Si llamamos a la matriz A, tambin denotaremos a dicha matriz como
n m ij
a A

) (
donde los a
ij
son elementos reales. Al conjunto de todas las matrices de orden
n m
sobre el conjunto de los
nmeros reales lo denotaremos como
) (
n m
M
.
1
Vector es fila y vectores columna
Dada una matriz cualquiera, por ejemplo,

,
_

2 0 3
3 1 2
A
podemos escribirla separando sus filas, o
bien, sus columnas, es decir,

,
_

2 0 3
3 1 2
A
( ) 3 1 2
1
A ( ) 2 0 3
2
A A tiene dos vectores fila

,
_

2 0 3
3 1 2
A

,
_

3
2
A
1

,
_

0
1
A
2

,
_

2
3
A
3
A tiene tres vectores columna
Esto significa que podemos pensar en una matriz bien como una tabla de elementos, bien
como un conjunto de vectores puestos en fila, bien como un conjunto de vectores puestos en
columna.

,
_

mn m2 m1
2n 22 21
1n 12 11
a .......... a a
...... .......... ..........
a .......... a a
a .......... a a
A

,
_

m
A
A
A
A
...
2
1
( )
n
A A A A .....
2 1

Definicin: Llamaremos submatriz de una matriz A de orden

n m
, a otra matriz M resultante de
eliminar p filas y q columnas de A, donde p y q son nmeros naturales tales que
n q m p < < 0 0
Ejemplo:

,
_

4 6 2 0
1 5 1 3
0 1 3 2
A

Al eliminar la 2 fila y la 3 columna, nos queda:

,
_

4 2 0
0 3 2
M
2.- Tipos de matrices.
Matriz fila.
Llamaremos matriz fila a la matriz que solo tiene una fila, es decir, a una matriz de orden n 1
Ejemplo: ( ) 0 3 4 1 A
Matriz columna.
Llamaremos matriz columna a la matriz que solo tiene una columna, es decir, a una matriz de orden
1 m
Ejemplo:

,
_

1
4
2
A
2
Matriz nula.
Llamaremos matriz nula a aquella en la que todos sus elementos son cero.
Ejemplo:

,
_

0 0 0
0 0 0
0
Matrices iguales.
Dos matrices A y B diremos que son iguales si tienen la misma dimensin y si los elementos que
ocupan la misma posicin son iguales, es decir,
A = (a
ij
) y B = (b
ij
) son iguales si a
ij
= b
ij
ij

Ejemplo: Si

'

,
_

,
_

5
3
3
1
5 3
3 1
d
c
b
a
d c
b a
Matriz traspuesta.
Dada una matriz A = (a
ij
), se llama traspuesta de A, y se representa por A
t
, a la matriz que se obtiene
intercambiando en A las filas por las columnas. Si A es de orden
n m
, A
t
es de orden
m n
Ejemplo:
Si

,
_

6 4 0
3 2 1 -
A
que es de orden 2 x 3

,
_

6 3
4 2
0 1
A
t
que es de orden 3 x 2.
Propiedades de las matrices traspuestas:
1.- (A
t
)
t
= A
2.- (A + B)
t
= A
t
+ B
t
3.- (kA)
t
= kA
t
4.- (A:B)
t
= B
t
A
t
Matriz cuadrada.
Llamamos matriz cuadrada de orden n a aquella que tiene igual nmero de filas que de columnas,
por tanto su orden es
n n
. Al conjunto de todas las matrices de orden n sobre el conjunto de los
nmeros reales lo denotaremos
) (
(

n
M
.
Ejemplo:

,
_

2 5 3
0 1 7
3 8 4
A

3
Dada una matriz cuadrada de orden n, A=(a
ij
), llamaremos diagonal principal de A a los elementos
a
ii
, donde n i 1 .

,
_

2 5 3
0 1 7
3 8 4
A
es la diagonal principal
De igual forma llamaremos diagonal secundaria a los elementos a
ij
tal que i+j=n+1.

,
_

2 5 3
0 1 7
3 8 4
A
es la diagonal secundaria
Matriz triangular.
Dada una matriz cuadrada A entonces:
Diremos que A es una matriz triangular superior si todos los elementos por debajo de la
diagonal principal son ceros.

,
_

1 0 0
6 3 0
2 4 1
A
Diremos que A es una matriz triangular inferior si todos los elementos por encima de la
diagonal principal son ceros.

,
_

2 5 3
0 1 7
0 0 4
B
Matriz diagonal.
Diremos que A es una matriz diagonal si es una matriz triangular superior e inferior a la vez,
es decir, es la que tiene todos sus elementos nulos excepto los de la diagonal principal.
Ejemplo:

,
_

3 0 0
0 4 0
0 0 5
D
Matriz escalar.
Llamaremos matriz escalar a una matriz diagonal en la que todos los elementos de la
diagonal principal son iguales.
Ejemplo:

,
_

5 0 0
0 5 0
0 0 5
E
4
Matriz identidad o matriz unidad.
Llamamos matriz unidad o matriz identidad de orden n, a una matriz escalar especial en la
que todos los elementos de la diagonal principal son 1. A dicha matriz la denotamos por I o por I
n
,
donde n indica el orden de la matriz.
Ejemplo:

,
_

1 0 0
0 1 0
0 0 1
3
I
Matriz simtrica.
Dada una matriz cuadrada A, diremos que A es una matriz simtrica si es igual a su traspuesta, es
decir, si A
t
= A. (el elemento a
ij
= a
ji
.)
Ejemplo:

,
_

5 7 0
7 4 2
0 2 1
A
y

,
_

5 7 0
7 4 2
0 2 1
A
t
por tanto, A es simtrica
(Nota: Obsrvese que doblada por la diagonal principal los nmeros que coinciden son iguales)

3.- Operaciones con matrices.
A la hora de trabajar con matrices, vamos a definir las siguientes operaciones:
- Suma de matrices.
- Producto de una matriz por un escalar (nmero)
- Producto de dos matrices
3.1. Suma de matrices
Dadas dos matrices A = (a
ij
) y B = (b
ij
), A,B
) (
n m
M
, (de la misma dimensin)
entonces, se define la matriz suma de A y B como otra matriz C = (c
ij
)
) (
n m
M
tal que:
c
ij
= a
ij
+ b
ij
{ } n j i ,...., 1 ,
As pues, de la anterior definicin de suma de matrices extraemos como consecuencia que,
para poder sumar dos matrices, stas tienen que tener el mismo orden, y que la suma se hace
elemento a elemento.
Ejemplo:

,
_

,
_

,
_

5 1
7 6
7 3
3 1
0 7
3 1
2 0
7 1
4 2
Propiedades de la suma de matrices:
Con la definicin vista de suma de matrices elemento a elemento es fcil imaginar que las
propiedades de la suma de matrices son las mismas que la de la suma de nmeros reales.
Considerando entonces las matrices A, B, C
) (
n m
M
, tendremos las siguientes propiedades:
5

1.- Asociativa: A + (B + C) = (A + B) + C
2.- Conmutativa: A + B = B + A
3.- Existe elemento neutro: El elemento neutro ser la matriz nula 0, puesto que

A + 0 = A, sea cual sea la matriz A.
4.- Existe elemento opuesto: La matriz opuesta de A = (a
ij
) ser la matriz
A = (-a
ij
), ya que A + (-A) = 0.
3.2. Producto de una matriz por un escalar.
Dada la matriz A
) (
n m
M
y un nmero k , entonces la matriz producto kA ser el producto
de multiplicar cada elemento de A por k, es decir si A = (a
ij
) entonces: kA = (ka
ij
)
Ejemplo:

,
_

,
_

2 8
6 10
2 14
1 4
3 5
1 7
2
Propiedades del producto de una matriz por un escalar:
Igual que decamos antes para la suma de matrices, las propiedades del producto de una
matriz por un escalar sern las mismas que las del producto de nmeros reales. As sean A, B
) (
n m
M
y
,
tendremos las siguientes propiedades:
1.- Distributiva respecto de la suma de matrices: (A + B) = A + B
2.- Distributiva respecto de la suma de escalares: ( +

)A = A +

A

3.- Asociativa mixta: (

A) = ( )A

4.- Existe elemento neutro: Dicho elemento ser el 1 (n real), ya que: 1A = A
3. 3. Producto de dos matrices.
Antes de definir el producto de dos matrices con carcter general, vamos a definir el
producto de una matriz fila por una matriz columna:
6
Producto de una matriz fila por una matriz columna:
Si consideramos una matriz fila A y otra matriz columna B, (ambas con el mismo nmero de
elementos) entonces su producto ser:
( )
n n
n
n
b a b a b a
b
b
b
a a a + + +

,
_

.......
....
...
...
......
2 2 1 1
2
1
2 1
Ejemplo:
( ) 13 15 8 6 5 3 ) 4 ( 2 6 1
5
4
6
3 2 1 + + +

,
_

Importante: obsrvese que el resultado de multiplicar una fila por una columna es un nmero.
Producto de dos matrices.
Dada una matriz A = (a
ij
)
) (
n m
M
y otra matriz B = (b
ij
)
) (
p n
M
, es decir, tales que el
nmero de columnas de A es igual al nmero de filas de B, entonces se define la matriz producto
AB como otra matriz C = (c
ij
)
) (
p m
M
, tal que c
ij
ser el producto de la fila i de A por la
columna j de B, es decir:
c
ij
=
( )
nj in j i j i
nj
j
j
in i i
b a b a b a
b
b
b
a a a + + +

,
_

.......
....
.... ......
2 2 1 1
2
1
2 1
o tambin

n
h
hk ih ik
b a c
1
.
Ejemplo:

,
_

,
_

,
_

5 1 3 5
10 7 15 4
3 1 4 0
2 2 1 5
5 0 1 6
1 1 0
3 2 1
2x3 3x4 2x4
iguales
7
Explicacin:
Para hallar c
11
= -4 hemos hecho lo siguiente: elegimos la fila 1 de A y la multiplicamos por la
columna 1 de B :
4 0 3 ) 5 ( 2 6 1
3 1 4 0
2 2 1 5
5 0 1 6
1 1 0
3 2 1
11
+ +

,
_

,
_

c

Para hallar c
23
= -1 hemos hecho lo siguiente: elegimos la fila 2 de A y la multiplicamos por la
columna 3 de B :
1 1 1 2 ) 1 ( 0 0
3 1 4 0
2 2 1 5
5 0 1 6
1 1 0
3 2 1
23
+ +

,
_

,
_

c

Consecuencias:
- Dos matrices A y B son multiplicables si el nmero de columnas de A es igual al nmero de filas
de B. (en el ejemplo anterior, A es de dimensin 2x3 y B de dimensin 3x4 )
-Adems, la matriz producto C tendr tantas filas como A y tantas columnas como B. (2x4)
Propiedades del producto de matrices
Sean A
) (
n m
M
, y B,C
) (
p n
M
, entonces se verifican las siguientes propiedades:
1.- No es una ley interna, ya que las matrices que se multiplican no tienen por qu ser del mismo
orden, y la matriz resultado normalmente no es de la misma dimensin que ninguna de las que se
multiplica.
A B = C
(m,n) (n,p) (m,p)
Vemos que C no es de la misma dimensin que A, ni que B.
2.- Asociativa: Si A
) (
n m
M
, B
) (
p n
M
y C
) (
q p
M
entonces:
A(BC) = (AB)C
3.- No es conmutativa.
AB BA
Lo anterior no quiere decir que eso sea siempre distinto, sino que no son necesariamente iguales.
En general ni siquiera sern comparables, a menos que p = m; en cualquier otro caso no podremos
ni hacer el producto BA.
8
Ejemplos:
Sean A=

,
_

1 4 2
1 3 1
B=

,
_

2 1 0
3 4 1
1 0 2
Est claro que podemos realizar A B

,
_

1 4 2
1 3 1

,
_

2 1 0
3 4 1
1 0 2
Sin embargo es imposible realizar B A

,
_

2 1 0
3 4 1
1 0 2

,
_

1 4 2
1 3 1

Pero an en el caso de que pudiese realizarse, tampoco es cierto que salga el mismo
resultado como prueba el siguiente ejemplo:
Si A=

,
_

1 3
2 1
B=

,
_

3 0
4 1
entonces: A B =

,
_

9 3
10 1
pero B A =

,
_

3 9
6 11

4.- Distributiva:
A(B + C) = AB + AC
Adems de las propiedades anteriores, que son vlidas para todas las matrices,
independientemente de su orden, si consideramos una matriz cuadrada de orden n A
) (
n
M
,
podemos aadir las siguientes:
5.- Existe elemento neutro: El elemento neutro del producto de matrices cuadradas de orden n
ser la matriz unidad o matriz identidad I
n
, puesto que:
AI
n
= I
n
A = A
Ejemplo:

,
_

3 2 0
5 4 1
3 2 1

,
_

1 0 0
0 1 0
0 0 1
=

,
_

3 2 0
5 4 1
3 2 1
6.- Elemento inverso: No existe, en general, elemento inverso A
-1
de una matriz cuadrada A
Ejemplo:

,
_

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

,
_

1 0
0 0
=

,
_

1 0
0 1
Sin embargo, si hay matrices que tienen inverso, es decir tal que: AA
-1
= A
-1
A = I
n
9
Ejemplo:
Si consideramos la matriz A =

,
_

0 1 2
0 2 0
1 2 1
podemos probar que la matriz =

,
_

2
1
4
3
2
1
2
1
4
1
1
0 0
0
verifica
que:

,
_

0 1 2
0 2 0
1 2 1

,
_

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

,
_

1 0 0
0 1 0
0 0 1
por tanto A
-1
=

,
_

2
1
4
3
2
1
2
1
4
1
1
0 0
0
Observaciones:
A partir de lo anterior, observamos diferencias sustanciales no slo entre la forma de
multiplicar matrices y nmeros reales, sino tambin entre las propiedades que verifican una forma
de multiplicar y otra. Estas propiedades, que vistas directamente, es sencillo distinguir y tener en
cuenta, en ocasiones aparecen de forma ms o menos indirecta en expresiones o situaciones que,
por ser sobradamente conocidas en nuestra experiencia anterior con los nmeros reales, tendemos a
generalizar tambin para las matrices, llevndonos a cometer errores que es preciso evitar. La nica
forma de evitar dichos errores es empezar de nuevo, eliminando nuestros prejuicios y
preguntndonos siempre en virtud de qu propiedades se cumple sta o aquella expresin o
afirmacin. Veamos unos ejemplos de todo esto:
1.- Si AB = 0, entonces no necesariamente se tiene que verificar que A = 0 o que B = 0.
Aunque esta es una propiedad evidente de los nmeros reales, en las matrices no tiene por qu
ocurrir. La causa o la propiedad que est detrs de esto es la existencia (para los nmeros reales) o
la no existencia (para las matrices) de elemento inverso.
Ejemplo:

,
_

,
_

,
_

0 0
0 0
1 1
0 0
0 0
0 1
Ninguna de las matrices multiplicadas es la matriz nula, pero su producto s lo es. La causa es que
ninguna de esas matrices tiene inversa.
2.- En general, (A + B)
2
A
2
+ 2AB + B
2
.
La propiedad que subyace detrs de est afirmacin es la no conmutatividad de las matrices, en
general. Vemoslo ms claro:
(A + B)
2
= A
2
+ AB + BA + B
2
A
2
+ 2AB + B
2
puesto que en general AB BA.
3.- Por la misma razn, (A - B)
2
A
2
- 2AB + B
2
.
4.- Y de igual forma, (A + B)(A - B) A
2
- B
2
.
10
4.- Matriz inversa de una matriz cuadrada.
Podemos comenzar diciendo que una matriz que no sea cuadrada, nunca tendr inversa y que
entre las matrices cuadradas, en general, tampoco existen inversas (hemos visto en el apartado
anterior ejemplos en el que unas veces si tienen y otras no)
De existir la matriz inversa de una matriz cuadrada A, la representaremos por A
-1
y la llamaremos
matriz inversa de A.
Por tanto, entre las matrices cuadradas podemos establecer una gran divisin: aquellas que tienen
inversa y aquellas que no la tienen.
Definicin: Llamaremos matriz regular a toda matriz cuadrada que tenga inversa.
Definicin: Llamaremos matriz singular a toda matriz cuadrada que no admita inversa.
Ejemplos:
A=

,
_

0 1 2
0 2 0
1 2 1
es una matriz regular porque tiene inversa.
B=

,
_

1 4 1
0 2 0
1 2 1
es una matriz singular porque no tiene inversa
Nos planteamos entonces dos preguntas:
1.- Cmo saber si una matriz cuadrada tiene inversa o no?
2.- Si existe inversa, cmo se calcula?
Para contestar a la primera pregunta esperaremos hasta el apartado siguiente, as que vamos a ver
como se calcula la inversa de una matriz, suponiendo que tenga.
Clculo de la matriz inversa.
Una manera de proceder es mediante sistemas de ecuaciones y con operaciones vectoriales (aunque
ya veremos en el tema siguiente que hay una forma mucho ms rpida)
Ejemplo: Vamos a calcular la inversa de la matriz A =

,
_

0 1 2
0 2 0
1 2 1
Esta matriz tiene inversa pero, cmo la calculamos? Planteemos la situacin.

Se trata de hallar una matriz X =

,
_

33 32 31
23 22 21
13 12 11
x x x
x x x
x x x
que verifique que A X = I, es decir:
11

,
_

0 1 2
0 2 0
1 2 1

,
_

33 32 31
23 22 21
13 12 11
x x x
x x x
x x x
=

,
_

1 0 0
0 1 0
0 0 1
Pero si ponemos la matriz X y la matriz I en funcin de sus vectores filas tendremos:
X
1
= (x
11
, x
12,
x
13
); X
2
= (x
21
, x
22,
x
23
); X
3
= (x
31
, x
32,
x
33
)

e
1
= (1, 0, 0); e
2
= (0, 1, 0) ; e
3
= (0, 0, 1)
por lo que el sistema anterior queda:

,
_

0 1 2
0 2 0
1 2 1

,
_

,
_

3
2
1
3
2
1
e
e
e
X
X
X
y haciendo la multiplicacin, que se convierte en:

+ +
3 2 1
2 2
1 3 2 1
2
2
2
e X X
e X
e X X X
donde X
1
, X
2
y X
3
son las incgnitas pero vectores.
Si resolvemos el sistema obtenemos
X
1
=
2e e
3 2

4
X
2
=
e
2
2
X
3
=
4e - 3e - 2e
4
1 2 3
lo que traducido a vectores significa que:
( ) ( ) ( )
2
1
4
-3
3 2
1
2 2
1
4
1
1
1 = X 0 0 = X 0 = X

luego la matriz X pedida ser
X =

,
_

3
2
1
X
X
X
=

,
_

2
1
4
3
2
1
2
1
4
1
1
0 0
0
Podemos probar que efectivamente X = A
-1
, es decir, es la inversa viendo que

,
_

0 1 2
0 2 0
1 2 1

,
_

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

,
_

1 0 0
0 1 0
0 0 1
12
5.- Rango de una matriz
Antes de definir el rango de una matriz, vamos a dar una serie de definiciones relacionadas
con los vectores.
Definicin: Dado un conjunto de vectores { }
n
m
v v v v

,......, , ,
3 2 1
, diremos que dichos vectores son
linealmente dependientes cuando alguno de ellos se pueda expresar en funcin de los otros, o
tambin, cuando alguno de ellos sea combinacin lineal de los otros o, equivalentemente, si existen

n
,....., , ,
3 2 1
, alguno de ellos distinto de 0, tal que:
0 ..........
3 3 2 2 1 1

+ + + +
n n
v v v v
Ejemplo:
Dados los vectores
( )
( )
( ) 5 4 2 6
1 2 2 4
2 1 0 1
3
2
1



v
v
v

, podemos observar que el vector

3
v

se obtiene a partir
de los otros dos de la siguiente forma:
3 2 1
2 v v v

+
o equivalentemente, 0 2
3 2 1

+ v v v , por
tanto, los vectores
{ }
3 2 1
, , v v v

son linealmente dependientes.
Definicin: Diremos que dichos vectores son linealmente independientes cuando ninguno de ellos
se pueda expresar en funcin de los otros, o tambin, cuando ninguno de ellos sea combinacin lineal
de los otros o, equivalentemente, si la nica forma de conseguir que:
0 ..........
3 3 2 2 1 1

+ + + +
n n
v v v v
es cuando
0 .....
3 2 1

n


Ejemplo:
Dados los vectores
( )
( )
( ) 6 1 1
3 1 0
0 1 1
3
2
1

v
v
v

, puede comprobarse que ninguno es combinacin de los otros

dos y para ella podemos verlo intentando escribir el vector
3
v

en funcin de
1
v

y de
2
v

Deberamos encontrar entonces dos valores x e y tales que

3 2 1
v v y v x

+
, o tambin:
( ) ( ) ( ) 6 1 1 3 1 0 0 1 1 + y x
Esto nos lleva a resolver el sistema:

+
+
+
6 3 0
1
1 0
y x
y x
y x
y de las ecuaciones primera y tercera obtenemos x = 1, y = 2, pero esas soluciones no
son vlidas para la segunda ecuacin, por lo que el sistema no tiene solucin y por tanto
3
v

no se
puede expresar en funcin de
1
v

y de
2
v

13
(Nota: Habra que comprobar todos los casos posibles pero slo hemos hecho un ejemplo)
Una vez hechas las consideraciones oportunas anteriores referentes a vectores linealmente
dependientes e independientes, repasemos los conceptos de vector fila y vector columna con los que
iniciamos el tema:
Sea A =

,
_

mn m3 m2 m1
2n 23 22 21
1n 13 12 11
a ... ... a a a
... ... ... ... ... ...
... ... ... ... ... ...
a ... ... a a a
a ... ... a a a
una matriz de orden mxn.
Podemos interpretar cada una de sus filas como un vector, y de esa forma la matriz A tendra
m vectores de n coordenadas y si denotamos la fila i mediante la expresin A
i,
tendramos:
A
1
= ( a
11
a
12
a
13
... ... a
1n
)
A
2
= ( a
21
a
22
a
23
... ... a
2n
)
..............................................
A
i
= ( a
i1
a
i2
a
i3
... ... a
in
)
..............................................
A
m
= (a
m1
a
m2
a
m3
... ... a
mn
)

y podramos escribir A =

,
_

m
i
A
A
A
A
...
...
2
1
es decir, hemos abreviado la matriz A .
Llamamos vectores fila de una matriz a cada una de las filas de dicha matriz, pero
interpretadas como vectores (Si la matriz es de orden mxn obtendremos m vectores fila de n
componentes).
Asimismo, podemos considerar ahora como vectores, en lugar de las filas, las columnas, con
lo que tendramos n vectores de m componentes.
Si denotamos cada columna de A mediante la expresin A
j
(la columna j) tendramos

a
...
...
a
a
= .........
a
...
...
a
a
= .........
a
...
...
a
a
=
a
...
...
a
a
mn
2n
1n
mj
2j
1j
m2
22
12
2
m1
21
11
1

,
_

,
_

,
_

,
_

n j
A A A A
lo que nos permite abreviar la matriz A en funcin de sus columnas
14
A = ( A
1
A
2
... .... A
j
... .... A
n
)
Llamamos vectores columna de una matriz a cada una de las columnas de dicha matriz, pero
interpretadas como vectores (Si la matriz es de orden mxn obtendremos n vectores columnas de m
componentes).
Esto nos permite tambin hacer el razonamiento inverso, es decir, dada una serie de vectores
podemos ponerlos en forma de matriz:
Ejemplo: Dados los vectores
( )
( )
( ) 3 4 8 9
1 2 2 4
2 1 0 1
3
2
1



v
v
v

podemos representarlos en forma de matriz, de

dos formas:
-Considerando cada vector una fila:
A =

,
_

3 4 8 9
1 2 2 4
2 1 0 1
- Considerando cada vector una columna.
B =

,
_

3 1 2
4 2 1
8 2 0
9 4 1
(Nota: Obsrvese que B es la matriz traspuesta de A. Esto es muy importante a la hora de entender
el concepto de rango que daremos ms adelante)
Una vez recordadas las definiciones anteriores podemos estamos en condiciones de dar la
definicin de Rango de una matriz.
Dada una matriz A =

,
_

mn m3 m2 m1
2n 23 22 21
1n 13 12 11
a ... ... a a a
... ... ... ... ... ...
... ... ... ... ... ...
a ... ... a a a
a ... ... a a a
de orden mxn,
Definicin: Se define Rango de la matriz A, y se denota K(A) o Rg A, al nmero de filas o
columnas de A linealmente independientes.
Por tanto, estudiar el rango de la matriz A se reduce a estudiar cuntos vectores
linealmente independientes hay en el sistema:
S = { A
1
, A
2
, A
3
, ...... , A
n
} (sus vectores columnas).
15
Ejemplos:
A =

,
_

1 0 0
0 1 0
0 0 1
B =

,
_

2 1 1 0
3 2 0 1
- Rg(A) = 3 pues observamos que cada una de sus columnas es un vector
independiente (de hecho, son los vectores de la base cannica de R
3
),
C
1
= e
1
=( 1 0 0 )
C
2
= e
2
=( 0 1 0 ) luego son independientes
C
3
= e
3
=( 0 0 1 )
- Rg(B) = 2 porque las columnas segunda y tercera son combinacin lineal de las dos
primeras, que son las dos nicas independientes:
C
1
= ( 1 0 )
C
2
= ( 0 1 )
C
3
= ( 2 1 ) C
3
= 2C
1
+ 1C
2
C
4
= ( 3 2 ) C
4
= 3C
1
+ 2C
2

A la hora de estudiar el rango de una matriz existe un teorema muy importante: es el
teorema del rango.
Por tanto, a la hora de calcular el rango de una matriz lo podemos hacer por filas o por
columnas.
Adems, en una matriz cualquiera de orden mxn el rango mximo posible ser el valor ms
pequeo entre m y n. (Mximo Rg(A) = Min (m,n))
Ejemplo: A=

,
_

2 1 1 0
3 2 0 1

Mximo n de filas independientes = 2.
Mximo n de columnas independientes = 4
Luego, al tener que ser iguales, Rg(A) = 2 como mucho.
OPERACIONES EN FILAS (O COLUMNAS) QUE DEJAN INVARIANTE EL RANGO:
A la hora de calcular el rango de una matriz, podremos realizar determinadas operaciones con las
filas y las columnas de forma que el rango no vara. Vamos a ver que operaciones son esas:
1.- Si en una matriz multiplicamos una fila (o columna) por un nmero distinto de 0, la matriz
resultante tiene el mismo rango que la anterior.

Teorema: En una matriz cualquiera, el nmero de vectores columnas linealmente independientes es
igual al nmero de vectores filas linealmente independientes.
16
2.- Si en una matriz a una fila (o columna) le sumamos otra fila (o columna), la matriz resultante
tiene el mismo rango que la anterior.
3.- Si en una matriz a una fila (o columna) le sumamos una combinacin lineal de las restantes, la
matriz resultante tiene el mismo rango que la anterior.
4.- Si en una matriz eliminamos una fila (o columna) cuyos elementos sean todos 0, la matriz
resultante tiene el mismo rango que la anterior.
5.- Si en una matriz eliminamos una fila (o columna) que sea igual o proporcional a otra, la matriz
resultante tiene el mismo rango que la anterior.
6.- Si en una matriz intercambiamos dos filas (o columnas) entre s, la matriz resultante tiene el
mismo rango que la anterior.
CLCULO DEL RANGO. MTODO DE GAUSS.
El mtodo de Gauss consiste en llegar, mediante las operaciones vistas anteriormente que me
dejan invariante el rango, a una matriz escalonada a partir de nuestra matriz original, Una vez
hayamos obtenido una matriz escalonada (a
ij
=0 cuando i>j), y despus de haber eliminado las filas o
columnas nulas y las iguales o proporcionales a otras, el rango ser el menor nmero de filas o
columnas que nos queden.
Aplicaciones del clculo del rango.
* Ejemplos:
a)
2
0 0 0
1 1 0
0 1 1
2 2 0
1 1 0
0 1 1
2 1 1
1 1 2
0 1 1
2 3 3
1 2 2
1 3 3
2
2

,
_

,
_

,
_

+

+
rg
f f f
f f f
f f f
b)
3
7 0 0
3 1 0
2 1 1
2 3 0
3 1 0
2 1 1
0 2 1
1 1 2
2 1 1
2 3 1 2
1 3
3 2

,
_

,
_

,
_

+
+
rg
f f f f
f f
Teorema: Una matriz cuadrada A de orden n tendr inversa si y slo si su rango es n.
As la matriz del apartado a) anterior no tendr inversa porque su orden es 3 pero su rango es 2.
Sin embargo, la matriz del apartado b) s tiene inversa ya que su orden y su rango coinciden.
17