tema

19 MATEMÁTICAS

Determinantes.
Propiedades.
Aplicación al cálculo del rango de una
matriz.
24-13811-13

Temario 1993
 tema 19

matemáticas

1. Determinantes
1.1. Definición

1.2. Determinantes de segundo y tercer orden

2. Propiedades
2.1. Propiedades de los determinantes

2.2. Cálculo de determinantes

2.3. Cálculo práctico de determinantes

3. Aplicación al cálculo del rango de una matriz

3.1. Matrices inversas. Cálculo de la matriz inversa

3.2. Estudio de la dependencia lineal de vectores

3.3. Cálculo del rango de una matriz

3.4. Aplicaciones del rango

3.4.1. Resolución de sistemas de ecuaciones lineales
3.4.2. Geometría afín

3
 tema 19

matemáticas

INTRODUCCIÓN

Una vez que ya hemos efectuado el estudio de las matrices estamos en condiciones de
llevar a cabo, con nuestros alumnos de enseñanza secundaria, el desarrollo de la teoría de
determinantes, puesto que a lo largo de todo este tema veremos el concepto de determinante
asociado, de forma única, al de matriz cuadrada.
Sabemos que el estudio de los determinantes puede realizarse también a través de las apli-
caciones multilineales, pero no será éste el enfoque que daremos a nuestro desarrollo por
considerarlo, actualmente, poco utilizado en el nivel de enseñanza secundaria.

5
tema 19

matemáticas

1 Determinantes

1.1. Definición

Sea A = (aij) una matriz cuadrada de orden n. Se llama determinante de A y se re-

presenta por det(A) o |A|, al número real suma de los n! productos de n elementos
formados de la manera siguiente: en cada producto entra un elemento y sólo uno
de cada fila, y uno y sólo uno de cada columna, asignando a cada uno de estos pro-
ductos el signo + o – según que las permutaciones correspondientes a los primeros
y a los segundos índices sean de la misma o de distinta clase.
Escribiremos esos productos de la forma:
a1σ(1) · a2σ(2) · ... · anσ(n)
donde la permutación de los primeros índices es la identidad y la de los segundos
es σ, como la identidad es siempre de clase par, el signo de ese término es:

+ si es de clase par
s(σ ) 
− si es de clase impar

Recordemos que una permutación es par (resp. impar) si el número de inversiones

necesario para transformarla en la permutación identidad es par (resp. impar).
Entonces, dada la matriz cuadrada (n, n) o de orden n:

 a11 a12  a1n 

 
 a21 a22  a2 n 
A=
 ..................... 
 
 an1 an 2  ann 

Podemos escribir:

a11 a12 a1n

∑
a21 a22 a2 n
det ( A) = = S (σ ) ⋅ a1σ (1) ⋅ a2σ ( 2 ) ⋅  ⋅ anσ ( n )
................ σ ∈ Sn
an1 an 2 ann

donde Sn representa el grupo de las permutaciones de {1, 2, ..., n}.

6
 tema 19

matemáticas

Precisemos algunos detalles de esta definición:

„„ Por cada permutación σ = σ (1) ... (n) de los números 1, 2, ..., n, sólo hay un
sumando o término en el desarrollo del determinante; por tanto, el determinante
de una matriz cuadrada de orden n consta de n! términos.
„„ Recordemos de la definición que cada sumando o término es un producto de
n-elementos de la matriz, de tal forma que de cada fila y de cada columna hay
un solo elemento.
„„ No podemos olvidar que el signo de cada término del desarrollo del determi-
nante depende de la clase de cada permutación.
Empecemos por obtener, pues, los desarrollos de los determinantes del menor
orden posible.

1.2. Determinantes de segundo y tercer orden

XX Determinante de orden 2
 a11 a12 
Sea A =  
 a21 a22 

Aplicando la definición al determinante de la matriz, resulta:

a11 a12
= a11 ⋅ a22 − a12 ⋅ a21
a21 a22

σ (1 ) = 1 σ (1) = 2
puesto que la permutación  es par, y la  es impar.
σ (2) = 2 σ (2) = 1
XX Determinante de orden 3

 a11 a12 a13  a11 a12 a13

 
Sea A =  a21 a22 a23  ⇒ A = a21 a22 a 23 =
a a33 
 31 a32 a31 a32 a33
= a11 · a22 · a33 + a12 · a23 · a31 + a13 · a21 · a32 – a13 · a22 · a31 – a12 · a21 · a33 – a11 · a23 · a32
puesto que en S3 hay tres permutaciones pares:

1 2 3  1 2 3  1 2 3 
     
1 2 3   2 3 1 3 1 2
     

y tres impares:

1 2 3  1 2 3  1 2 3 
     
 3 2 1  2 1 3 1 3 2 
     

7
tema 19

matemáticas

El determinante de orden tres se suele simbolizar mediante la regla de Sarrus:

* * * * * *

* * * * * *

* * * * * *

Signo +      Signo –

El cálculo de determinantes de orden superior a tres resulta muy laborioso me-

diante la definición que se ha dado; por lo que veremos, un método que permite
reducir el cálculo de un determinante de orden p al de otros de orden p – 1, y así
sucesivamente, hasta reducirlo al cálculo de determinantes de orden 3 ó 2.

8
 tema 19

matemáticas

2 Propiedades

2.1. Propiedades de los determinantes

1. El determinante de una matriz A coincide con el determinante de su matriz

traspuesta At. Es decir, det(A) = det(At).
Demostración:
Sean A = (aij) y At = (a’ij)
Se tiene que a’ij = aij
Por definición: det ( At ) = ∑ s(σ ) ⋅ a′
σ ∈ Sn
1σ (1) ⋅  ⋅ a′nσ ( n )

Por la conmutatividad del cuerpo  (los elementos de A pertenencen a ) se
puede escribir el término general de manera que {σ (1), σ (2), ..., σ (n)} vuelva
al orden natural {1, 2, ..., n}. Se pasa del primero al segundo conjunto mediante
la permutación r = σ–1.
Si ponemos ∀i ∈ {1, ..., n}: σ (i) = k, entonces: r (k) = i.
Y, en consecuencia: a’iσ(i) = a’r(k)k = a’kr(k), el término general se escribe (seña-
lando que s(r) = s(σ–1)):
s(r) · a1r(1) · a2r(2) · anr(n)
Por otra parte, sumar cuando o recorre Sn viene a ser como sumar cuando
σ–1 = r recorre Sn, obteniéndose como consecuencia:

det ( At ) = ∑ s(r ) ⋅ a
r ∈ sn
1r (1) ⋅  ⋅ anr ( n ) = det ( A)

2. Al permutar dos filas o dos columnas en una matriz cuadrada, su determinante

cambia únicamente de signo.
Resulta evidente, por lo que omitimos su demostración, ya que al permutar dos
filas o dos columnas las permutaciones que se obtienen cambian de clase, y,
por tanto, hay un cambio de signo pero el valor absoluto del determinante se
mantiene.
3. Si una matriz cuadrada tiene dos filas o dos columnas idénticas, su determinan-
te vale cero.
Demostración:
En efecto, según la propiedad 2), si en un determinante cambiamos dos filas o
columnas entre sí, el valor del determinante cambia de signo. Por lo tanto:
|A| = –|A| ⇒ 2 |A| = 0 ⇒ |A| = 0
4. Si todos los elementos de una fila o columna de una matriz cuadrada son igua-
les a cero, entonces el valor del determinante es cero.

9
tema 19

matemáticas

Demostración:
Esto se deduce de la definición de determinante:

a11 a12  a1n

a21 a22  a2 n
A = =
..................... σ ∈ Sn ∑
S (σ ) ⋅ a1σ (1) ⋅ a2σ ( 2 ) ⋅  ⋅ anσ ( n )

an1 an 2  ann

Si la fila i-ésima es la que está compuesta por ceros, resulta que en la suma que
define el determinante, en cada uno de los sumandos siempre tiene que figurar
un elemento de la fila i-ésima y, por consiguiente, uno de los factores que apa-
recen en cada sumando es cero y la suma es, por tanto, cero.
5. Si todos los elementos de una fila o columna de un determinante contienen un
factor común, este factor común puede sacarse fuera del signo determinante.
Demostración:
Recurriendo a la definición:

a11 a12  a1n

........................
A = kai1 kai 2  kain =
σ ∈ Sn
∑
S (σ ) ⋅ a1σ (i ) ⋅  ⋅ kaiσ (i ) ⋅  ⋅ anσ ( n ) =
.........................
an1 an 2  ann

a11  a1n
a21  a2 n

∑ s(σ ) ⋅ a
...............
=k⋅ 1σ (1) ⋅ a2σ ( 2 ) ⋅  ⋅ aiσ (i ) ⋅  ⋅ anσ ( n ) =k
σ ∈ Sn
ai1  ain
...............
an1  ann

Como corolario de esta propiedad, resulta que para multiplicar un determinan-
te por un número k basta multiplicar una fila o una columna del determinante
por dicho número.
6. Una matriz cuadrada con dos filas o dos columnas proporcionales tiene deter-
minante nulo.
Demostración:
Es evidente, pues, por la propiedad 5), podemos sacar el factor común fuera
del determinante y queda el determinante de una matriz cuadrada con dos filas
o columnas iguales que, por la propiedad 3), tendrá valor cero.

10
 tema 19

matemáticas

7. Si los elementos de cualquier fila o columna de una matriz cuadrada son sumas
de igual número de términos (cosa que siempre puede lograrse añadiendo ceros
para aquellos que tengan menor número), entonces su determinante asociado
es igual a la suma de tantos determinantes como sumandos figuren en la fila o
columna, en los que todas las filas o columnas permanecen inalteradas salvo la
que está formada por sumandos, que será reemplazada por el primer sumando
para el primer determinante, por el segundo sumando para el segundo, y así
sucesivamente.
Demostración:
Supongamos que es la fila i-ésima la que tiene k sumandos y demostrémoslo
para k = 3:

a11 a12  a1n

...................................................................
ai1 + bi1 + ci1 ai 2 + bi 2 + ci 2  ain + bin + cin =
...................................................................
an1 an 2  ann

= ∑ S (σ ) ⋅ a
σ ∈ Sn
1σ (1) ⋅  ⋅ (aiσ ( i ) + biσ ( i ) + ciσ ( i ) ) ⋅  ⋅ anσ ( n ) =

= ∑ S (σ ) ⋅ a
σ ∈ Sn
1σ (1)  aiσ (i )  anσ ( n ) +

+ ∑ S (σ ) ⋅ a
σ ∈ Sn
1σ (1)  biσ (i )  anσ ( n ) +

+ ∑ S (σ ) ⋅ a
σ ∈ Sn
1σ (1)  ciσ (i )  anσ ( n ) =

a11 a12  a1n a11 a12  a1n a11 a12  a1n

..................... ..................... .....................
= ai1 ai 2  ain + bi1 bi 2  bin + ci1 ci 2  cin
..................... ...................... .....................
an1 an 2  ann an1 an 2  ann an1 an 2  ann

8. Si una fila (o columna) de A es combinación lineal de otras filas (o columnas)
entonces el determinante es cero.
9. Si a los elementos de una fila (o columna) de una matriz se le suma una com-
binación lineal de algunas otras filas (o columnas), el valor del determinante
no varía. Esta propiedad es muy útil, pues con ella puede conseguirse que en
algunas filas o columnas aparezcan ceros, lo que simplificará el desarrollo del
determinante.

11
tema 19

matemáticas

Demostración:
Veamos la propiedad, suponiendo que a la columna i-ésima le añadimos la
primera multiplicada por «p» y la segunda por «q».

a11 a12  a1n

Sea A = ....................
an1 an 2  ann
Entonces:

a11 a12  a1i + pa11 + qa12  a1n

a21 a22  a2i + pa21 + qa22  a2 n
= (propiedades 7 y 5))
...................................................
an1 an 2  ani + pan1 + qan 2  ann

a11 a12  a1i  a1n a11 a12  a11  a1n

a21 a22  a2i  a2 n a21 a22  a21  a2 n
= +p +
............................... ..............................
an1 an 2  ani  ann an1 an 2  an1  ann

a11 a12  a12  a1n

a21 a22  a22  a2 n
+q = (propiedad 3))
..............................
an1 an 2  an 2  ann

a11 a12  a1i  a1n

a21 a22  a2i  a2 n
= + p⋅0+ q⋅0 = A
...............................
an1 an 2  ani  ann

Antes de enunciar otra propiedad que permite realizar el desarrollo de un deter-
minante por los elementos de una línea necesitamos introducir el concepto de
menor complementario y adjunto de un elemento de una matriz. Consideremos
para ello la matriz cuadrada A = (aij) de orden n.

12
 tema 19

matemáticas

2.2. Cálculo de determinantes

Dada una matriz cuadrada de orden n, se llama menor complementario del ele-
mento aij, al determinante de la matriz de orden (n – 1), que se obtiene al suprimir
la fila i y la columna j. Se denota por αij.
Ejemplo:
 a11 a12 a13 a14 
  a11 a12 a13
a21 a22 a23 a24 
Dada:  , α 44 = a21 a22 a23
 a31 a32 a33 a34 
  a31 a32 a33
 a41 a42 a43 a44 

Y definimos: Adjunto del elemento aij, y lo denotamos por Aij, es la expresión:

Aij = (–1)i+j · αij
(Se lee: Adjunto de un elemento es su menor complementario afectado del signo
positivo o negativo, según que la suma de los subíndices del elemento sea par o
impar.) Así:
A44 = (–1)4+4 · α44= α44
Ejemplo:
Sea la matriz:

 1 −2 4 0 
 
 2 1 0 −1
2 0 0 1 
 
 1 1 −1 0 
1 −2 4
α 24 = 2 0 0 = 4 ⇒ A24 = (−1) 6 ⋅ α 24 = 4
1 1 −1

2 1 −1
α13 = 2 0 1 = −3 ⇒ A13 = (−1) 4 ⋅ α13 = −3
1 1 0

−2 4 0
α 21 = 0 0 1 = 4 − 2 = 2 ⇒ A21 = −2
1 −1 0

13
tema 19

matemáticas

XX Teorema (Propiedad 10: Desarrollo de un determinante)

Si A = (aij) es una matriz cuadrada de orden n, entonces:

n
det ( A) = ∑a ij Aij  siendo 1 ≤ i ≤ n (desarrollo del determinante por los ele-
j =1 mentos de la i-ésima fila)
o bien:
n
det ( A) = ∑a
i =1
ij Aij  siendo 1 ≤ j ≤ n (desarrollo del determinante por los ele-
mentos de la j-ésima columna)
Demostración:
Vamos a establecer la primera expresión; la otra se probaría de manera análoga.
Para ello fijémonos en el valor de la suma de todos los términos de A que con-
tienen un determinado elemento aij. Para mayor comodidad, y facilitar el razona-
miento, elijamos a11.
El término general del desarrollo de dicho determinante es:

(−1)δ ⋅ a1 j1 a2 j2 a3 j3  anjn

donde δ indica el número de inversiones de j1, j2, ..., jn, que por tener que figurar el
término a11 hace que j1 = 1. Entonces el valor buscado de tal suma será:

(−1)δ ⋅ a11a2 j2 a3 j3  anjn = a11 ⋅ Σ a2 j2 ⋅ a3 j3  anjn

donde el Σ se extiende a todas las permutaciones j2 j3 ... jn de los números 2, 3, ..., n.

Además, como el índice 1 no forma inversión con ninguno de los índices j2, j3,
..., jn hace que δ sea el número de inversiones de las permutaciones de los índices
j2, ..., jn. Por tanto, Σ a2j · a3j ... anj no es otra cosa que α11·
2 3 n

En consecuencia a11 · Σ a2j · a3j anj = a11 · α11.

2 3 ... n

Observando ahora el valor de la suma de los términos que contienen un aij cual-
quiera, vemos que dicho elemento se puede trasponer al lugar que ocupa a11 me-
diante trasposiciones, respectivamente, de la i-ésima fila y columna j con cada una
de las (i – 1) filas y (j – 1) columnas precedentes, de forma tal que las restantes
filas y columnas guardan en el nuevo determinante A’ la misma posición relativa
que en el A. Teniendo en cuenta que cada cambio de línea o columna produce otro
cambio de signo, se tiene:
|A’| = (–1)i–1+j–1 · |A| = (–1)i+j–2 · |A| = (–1)i+j · |A|
Puesto que la suma de todos los términos del determinante A’ que contienen aij,
el cual ocupa ahora la primera fila y primera columna, acabamos de ver que vale
aij αij, resulta:
|A| = (–1)i+j · |A’| = (–1)i+j (aij αij + ...) = aij Aij + ...

14
 tema 19

matemáticas

Por último, recordando que en cada término del desarrollo de A aparece un solo
elemento de cada línea prefijada, por ejemplo, la fila i-ésima, hace que se pueda
distribuir el desarrollo de dicho determinante en n grupos sin términos comunes,
formados el primero por aquellos que contienen ai1; el segundo ai2, ..., hasta el que
contiene ain. Como cada uno de estos sumandos vale ai1 Ai1, implica que
n
A = ∑ a A ,1 ≤ i ≤ n
j =1
ij ij

De manera análoga se verifica para las columnas.

Ejemplo:
Vamos a desarrollar el siguiente determinante por los elementos de la fila 2ª.

1 2 −3
A = 0 −2 1 = a21 ⋅ A21 + a22 ⋅ A22 + a23 ⋅ A23 =
2 1 −1

2 −3 1 −3 1 2
= 0 ⋅ (−1) ⋅ + (−2) ⋅ 1 ⋅ + 1 ⋅ (−1) ⋅ =
1 −1 2 −1 2 1

= 0 − 2 ⋅ 5 − 1 ⋅ (−3) = −7

Corolario:
En las condiciones del teorema anterior se verifica que:
n

a) ∑a A
j =1
ij kj = 0, ∀ i ≠ k , es decir, si sumamos los productos de los elementos

de una fila (o columna) por los adjuntos de otra fila (o columna), el resultado
es cero.
b) El determinante de una matriz triangular es igual al producto de los elementos
de la diagonal.
Antes de pasar a caracterizar las matrices no-singulares, veamos cómo se porta el
determinante respecto al producto de matrices.

XX Teorema (Propiedad 11: Determinante del producto de dos matrices)

Si A y B son dos matrices cuadradas de orden n, entonces:

det(A · B) = det(A) · det(B)
Utilizando esta propiedad es fácil caracterizar las matrices no-singulares, así como
obtener una regla práctica para el cálculo de su matriz inversa. Todo esto se hace
patente en el siguiente teorema (y en su demostración).

15
tema 19

matemáticas

2.3. Cálculo práctico de determinantes

El artificio comúnmente empleado para realizar el cálculo de determinantes de

orden elevado se basa en la propiedad 9).
Ahora bien, cuando no se ve fácilmente la oportuna asociación de líneas, existe un
procedimiento basado en la existencia de algún elemento del determinante igual
a 1, caso al que se puede reducir cualquier determinante (bien sacando fuera del
determinante, como factor del mismo, uno de sus elementos, o también restando
dos líneas paralelas que tengan dos elementos que difieran en 1; etc.).
Aunque el método es general, como ahora veremos, nosotros para facilitar su ex-
posición lo desarrollaremos en el siguiente determinante de cuarto orden:
a11 a12 a13 a14
a21 a22 1 a24
(1)
a31 a32 a33 a34
a41 a42 a43 a44

Restamos de la primera fila la segunda, previamente multiplicada por a13, de la
tercera fila la segunda, multiplicada por a33, y de la cuarta también la segunda,
multiplicada por a43 (notemos que los factores a13, a33 y a43 son los elementos que
junto con el 1 forman la tercera columna); se tiene entonces que el determinante
(1) es:

a11 − a13 a21 a12 − a13 a22 0 a14 − a13 a24

a21 a22 1 a24
a31 − a33 a21 a32 − a33 a22 0 a34 − a33 a24
a41 − a43 a21 a42 − a43 a22 0 a44 − a43 a24

que desarrollando por la tercera columna se reduce al determinante

de tercer orden:

a11 − a13 a21 a12 − a13 a22 a14 − a13 a24

(−1) 2+3
a31 − a33 a21 a32 − a33 a22 a34 − a33 a24
a41 − a43 a21 a42 − a43 a22 a44 − a43 a24

Se llega así a la siguiente regla de Chio:

«De cada elemento no perteneciente a la fila y la columna que se encuentran en el elemen-
to igual a 1 en que nos hemos fijado (que suele llamarse «pivote») se resta el producto de
aquellos elementos situados en los extremos de la diagonal del rectángulo, que determinan
el elemento considerado y el pivote como extremo de la otra diagonal; se suprime la fila y la
columna a las que pertenece el pivote, y al determinante así obtenido se antepone signo + ó –,
según que la suma de los índices relativos al pivote sea par o impar».

16
 tema 19

matemáticas

XX Determinante de Vandermonde

Un determinante particularmente importante, cuyo valor se alcanza rápidamente

también utilizando la propiedad 9), es el determinante de Vandermonde, forma-
do por las potencias de n números a1, a2, ..., an dispuestos del modo siguiente:

1 1  1
a1 a2  an
a 21 a 22  an2 = V
  
a 1n −1 a2n −1  ann −1

Restando de cada fila la anterior multiplicada por a1, no alteramos el valor de V y

anulamos todas las componentes de la primera columna, salvo la primera. Resulta,
en efecto:

1 1 1  1

0 a2 − a1 a3 − a1  an − a1

V = 0 a2 (a2 − a1 ) a3 (a3 − a1 )  an (an − a1 )

    

0 a2n − 2 (a2 − a1 ) a3n − 2 (a3 − a1 )  ann − 2 (an − a1 )

Desarrollando este determinante por los elementos de la primera columna y sacan-
do factor común (a2 – a1) · (a3 – a1), ..., (an – a1), de entre las restantes columnas,
se tiene:
1 1  1
a2 a3  an
V = (a2 – a1) · (a 3 – a1) ... (a n – a1) ·
  
a2n − 2 a3n − 2 ann − 2
en donde el determinante que figura en el segundo miembro es de la misma forma
que el dado y su orden inferior en una unidad al de V. Aplicando en él la misma
transformación que antes en V, resulta:
1 1  1
a3 a4  an
V = (a2 – a1) · (a3 – a1) ... (an – a1) · (a3 – a2) ... (an – a2) ·
  
a3n −3 a4n −3 ann −3

17
tema 19

matemáticas

Con el determinante que resulta, el cual ya es de orden (n – 2), se repite el mismo

proceso, y así se sigue las veces precisas para al final llegar al determinante de
segundo orden:

1 1
= an − an −1
an −1 an

Se tiene entonces que:

V = (a2 – a1) · (a3 – a1) ... (an – a1) ·
   · (a3 – a2) ... (an – a2) ·
   ...................................
   ...................................
· (an – an–1)
Esto es:
«El determinante de Vandermonde de n números a1, a2, ..., an es igual al producto de todas
las diferencias obtenidas restando cada número de todos los anteriores».

18
 tema 19

matemáticas

3 Aplicación al cálculo del rango de una matriz

Entre las muchas aplicaciones de los determinantes podemos citar:
−− Cálculo de la matriz inversa de una matriz regular.
−− Estudio de la dependencia lineal de vectores.
−− Cálculo del rango de una matriz.
−− Resolución de sistemas de ecuaciones.
−− Su aplicación a la geometría del plano y del espacio.
No obstante, tales cuestiones pueden resolverse sin hacer uso de los determinantes
aplicando para las primeras el cálculo matricial, pero vamos a poner de manifiesto
el gran instrumento de trabajo que son los determinantes a la hora de efectuar tales
cálculos.

3.1. Matrices inversas. Cálculo de la matriz inversa

XX Definición

Sea A una matriz cuadrada de orden n. Diremos que la matriz B es una matriz
inversa de A si y sólo si AB = BA = In, siendo In la matriz identidad de orden n.
Se cumple que si una matriz A tiene inversa ésta es única y se denotará por A−1.
Supongamos que B y C fuesen dos matrices inversas de A. Entonces:
B = BI = B(AC) = (BA)C = IC = C

XX Teorema

Una matriz A ∈ Mn tiene inversa si y sólo si det(A) ≠ 0.

Demostración:
Supongamos que A tiene inversa, es decir, existe una matriz A–1 tal que:
A · A–1 = A–1 · A = In = I (Por comodidad)
De donde:
det(A · A–1) = det(I)
Ahora bien:
det(A · A–1) = det(A) · det(A–1), y det(I) = 1
Resulta, así, que:
det(A) · det(A–1) = 1
lo que implica que cada factor del primer miembro de esta igualdad es distinto de
cero, y así, en particular, det (A) ≠ 0.

19
tema 19

matemáticas

Recíprocamente, supongamos que det(A) ≠ 0; entonces definimos A–1 como la

matriz cuadrada del orden de A, cuya ij-componente bij está dada por:
1
bij = ⋅ A ji
det( A)

Es fácil comprobar que la matriz A–1 = (bij) así definida es tal que:
A · A–1 = A–1 · A = I (matriz identidad de orden n)
En efecto, para poner de manifiesto que A · A–1 = I, por definición de igualdad de
matrices, habrá que ver que:
1, si i = k
componente –ik de A · A–1 = componente –ik de la matriz I = 
0, si i = k
Ahora bien, n n

∑a b ∑a
Akj
componente –ik de A ⋅ A −1
= ij jk = ij =
↓ ↓ A
defin. de la j =1 definición j =1
componente -ik de b jk
de la matriz producto

 1
 ⋅ A , si i = k

n
A
∑
1
= aij Akj =  =
A  1
j =1 ⋅ 0, si i ≠ k
 A

1, si i = k
= = componente − ik de I
 0, sii i ≠ k

Ejemplo:
3 4
Sea A = 
−1
 , calcular A .
 1 2 
Como |A| = 2 ≠ 0 ya sabemos que existe A–1, y además:

 A11 A21   2 −4 
 A A   2  1 −2 
= 2 = 
A−1 =  −1 3 
 A12 A22   −1 3   
     2 2
 A A   2 2 

Se puede comprobar que A ⋅ A−1 = A−1 ⋅ A = I .

XX Definición

Sea A = (aij) ∈ Mn. Definimos la matriz adjunta de A, que denotaremos A*, como
A* = (Aij) siendo Aij el adjunto del elemento aij de A, ∀i,j, definido anteriormente.
Entonces como consecuencia de la propiedad 10 se sigue:

20
 tema 19

matemáticas

XX Teorema

Cualquiera que sea la matriz A ∈ Mn se verifica:

A · (A*)t = (A*)t · A = det(A) · I
Como consecuencia de los dos teoremas anteriores tenemos:

XX Corolario

Si la matriz A ∈ Mn tiene inversa entonces:

1
( A* )
t
A−1 =
det( A)

Esta expresión nos permite, pues, el cálculo de la matriz inversa de una matriz
cuadrada siempre que ésta sea inversible o invertible. Tengamos, pues, presentes
los siguientes conceptos:
−− Una matriz cuadrada A se llama regular si su determinante es no nulo.
−− Si el determinante de una matriz A es nulo, la matriz se llama singular.

XX Teorema

El determinante de la matriz adjunta de una matriz cuadrada A, de orden «n», es

igual al determinante de la matriz A elevado al exponente «n–1».
|A*| = |A|n–1
Demostración:
Sabemos que
|A| · |A*| = |A| · |(A*)t| = |A · (A*)t| = |det(A) In| = det(A)n = |A|n
Por tanto si
|A| ≠ 0 entonces |A*| = |A|n–1

3.2. Estudio de la dependencia lineal de vectores

Vamos a sintetizar las propiedades que relacionan el estudio de la dependencia

lineal de vectores con los determinantes, omitiendo las demostraciones (por ser
consecuencia inmediata de las propiedades de los determinantes).
a) Sean A1, A2, ..., An, n-vectores de Kn y sea:
n
B = k1A1 + ... + knAn = ∑k A
i =1
i
i
con ki ∈ K, 1 ≤ i ≤ n
Entonces se verifica:
n
1 2 n
det(A , A , ..., B, ... A ) = ∑ k det(A , A , ..., A , ..., A )
i =1
i
1 2 i n

21
tema 19

matemáticas

b) Dados n-vectores A1, A2,..., An de Kn son linealmente independientes si y sólo si:

det (A1, ..., An) ≠ 0.
r r r
Así, por ejemplo, u = (4, 2, 0); v = (1, 0, 2); w =(–1, 0, 1).
4 1 −1
r r r r r r
det(u , v , w) = 2 0 0 = − 2 ≠ 0 ⇒ u , v , w son linealmente independientes.
0 2 −1
3.3. Cálculo del rango de una matriz

Dada una matriz A de orden m × n, se llama menor de orden k de la matriz A al

determinante de la submatriz cuadrada formada por los elementos pertenecientes
a la intersección de k-filas y k-columnas. Así:

 a11 a12  a1n 

 
 a21 a22  a2 n  a11 a12 ai1 ai 2
A= → , ,etc., son ejemplos de menores de orden 2.
................ 
 ................ a21 a22 am1 amn
 
 am1 am 2  amn 
Obviamente, los menores de orden 1 son todos y cada uno de los elementos de A.

XX Rango de una matriz

Sea A una matriz de orden q × p sobre el cuerpo conmutativo K.

 a11 a12  a1 p 
 
 a21 a22  a2 p 
A=
 ................. 
 
 aq1 aq 2  aqp 

Podemos considerar las filas de esta matriz como vectores de un espacio vectorial
V de dimensión p. Igualmente, las columnas como vectores de un espacio vecto-
rial W de dimensión q.
Por consiguiente, tenemos:



f1 = (a11 , a12 ,  , a1 p ) 
f2 = (a21 , a22 ,  , a2 p )
      q vectores fila de V
...................... . .... 


fq = (aq1 , aq 2 ,  , aqp )

22
 tema 19

matemáticas

Igualmente:

 a11   a12   a1 p 
     
 a21   a22   a2 p 
 .   .   . 
g1 =   , g2 =   ,  , gp =  
 .   .   . 
 .   .   . 
     
 aq1   aq 2   aqp 

p vectores columna de W.

XX Definición

Llamamos rango por filas de la matriz A, A ∈ Mq×p (K), al número máximo de

vectores linealmente independientes del conjunto:
{f1, f2, ..., fg}
Y llamamos rango por columnas de la matriz A, A ∈ Mq×p (K), al número máxi-
mo de vectores linealmente independientes del conjunto:
{g1, g2, ..., gp}

XX Teorema

El rango por filas de una matriz A es igual al rango por columnas de la misma.
Demostración:
Sea la matriz A ∈ Mq×p (K) antes considerada, y supongamos que:
Rango {f1, f2, ..., fq} = r ⇔ Hay r vectores fi, i ∈ {1, ... , q},
linealmente independientes.
Rango {g1, g2, ..., gp} = s ⇔ Hay s vectores gj, j ∈ {1, ... , p},
linealmente independientes.
Veamos que r ≤ s:
Supongamos, por comodidad, que los s vectores columna linealmente indepen-
dientes son los s primeros. Entonces los vectores gs+1, gs+2, ..., gp son combinacio-
nes lineales de los s primeros. Por lo tanto:
gs+k = t1k g1 + t2k g2 + ... + tsk gs, k = 1, 2, ..., p – s (a)
Observando los vectores fila, vemos que las coordenadas de orden i-ésimo de los
vectores columna forman una fila de la matriz, constituyendo, por consiguiente,
el vector fila i -ésimo.

23
tema 19

matemáticas

Teniendo en cuenta la expresión (a), para cada vector fila, podemos expresar las
(p – s) últimas componentes en combinación lineal de las s primeras, siendo inde-
pendientes los coeficientes de la fila considerada. Luego:
ai s+k = t1k ai1 + t2k ai2 + ... + tsk ais (b)
siendo i = {1, 2, ..., q},   k = {1, 2, ..., p – s}
Ahora demostraremos que si el rango de los vectores fila es r, entonces r ≤ s:
Sea B = {e1, e2, ..., ep} una base canónica de V. Los q vectores fila fi se podrán
escribir en la forma:
p
fi = ∑ aiI eI , i = 1,  , q.
I =1

Teniendo en cuenta (b) resulta:

p p−s
fi = ∑ ail el + ∑ (t1k ai1 + t2 k ai 2 + tsk ais ) ⋅ es + k =
l =1 k =1

= ai1e1 + ai 2 e2 +  + ais es + (t11ai1 + t21ai 2 +  + ts1ais ) es + k +

+ (t12 ai1 + t22 ai 2 +  + ts 2 ais ) es + 2 +  +

+ (t1, p − s ai1 + t2, p − s ai 2 +  + ts , p − s ais ) ep =

= ai1 (e1 + t11es +1 + t12 es + 2 +  + t1, p − s ep ) +

+ ai 2 (e2 + t21es +1 + t22 es + 2 +  + t2, p − s ep ) +  +

+ ais (es + ts1es +1 + ts 2 es + 2 +  + ts , p − s ep )

p−s
Si llamamos eI′ = eI + ∑t
k =1
e
Ik s + k , I = 1,  , s, vamos a probar que estos vecto-
res son linealmente independientes:
Si b1 e’1 + b2 e’2 + ... + bse’s = 0, veamos que b1 = b2 = ... = bs = 0
En efecto,
p−s
b1e1′ + b2 e2′ +  + bs es′ = b1 (e1 + ∑ t1k es + k ) +
k =1

p−s p−s
+ b2 (e2 + ∑ t2 k es + k ) +  + bs (es + ∑ tsk es + k ) =
k =1 k =1

= b1e1 +  + bs es + (b1t11 +  + bs ts1 ) es +1 +

+ (b1t12 +  + bs ts1 ) es + 2 +  + (b1t1, p − s +  + bs ts , p − s ) ep = 0

24
 tema 19

matemáticas

Y como e1, ..., ep es una base, entonces

b1 = 0, b2= 0, ..., bs= 0 = (b1t11 + ... + bsts1) = ... =
= (b1t1, p–s + ... + bsts, p–s) = 0
Lo que prueba que los b1, ..., bs son nulos y, por consiguiente, los
e’1, e’2, ..., e’s son linealmente independientes y en número s. Vemos que todos los
vectores fila fi, i = 1, ..., q, se pueden expresar como combinación lineal de estos
s vectores. Por consiguiente, el número máximo de vectores linealmente indepen-
dientes entre los fi es «s». Luego si había «r» vectores linealmente independientes
entre los fi, queda probado que r ≤ s.
Repitiendo análogo razonamiento con los vectores fila, obtenemos que el número
de vectores columna linealmente independientes es de s ≤ r, y, por lo tanto, s = r.

XX Definición

Se llama rango o característica de una matriz A, que se denota por rg(A), al

rango por filas de A o, como coinciden, al rango por columnas de A.
El enunciado del siguiente teorema es, en muchos textos, tomado como definición
de rango de una matriz pues éste está en función sólo de determinantes, sin recu-
rrir a independencia lineal.

XX Teorema

El rango o característica de una matriz A es igual al máximo orden de los menores

no nulos que tenga la matriz A.
Demostración:
Sea la matriz A de orden q×p y sea k el máximo orden de los menores no nulos.
Entonces existe un menor de orden k distinto de cero. Admitamos que tal menor
sea el formado por la intersección de las k primeras filas y las k primeras colum-
nas. Esto es:

 a11 a12  a1 p  a11 a12  a1k

 
a21 a22  a2 p  a21 a22  a2 k
A= y ≠0
 .................
.................  .................
................ ..
 
 aq1 aq 2  aqp  ak1 ak 2  akk

Entonces las k-primeras filas de la matriz A (o bien, las k-primeras columnas) son
linealmente independientes. Si la matriz A tuviese k + 1 filas (o columnas) lineal-
mente independientes, entonces la matriz:

 a11 a12  a1k a1 j 

 
 a21 a22  a2 p a2 j 
............. ......... 
 .....................
 
 ak1 ak 2  akk akj 
 a j1 a j 2  a jk a jj 
 

25
tema 19

matemáticas

tendría rango k + 1; por tanto, su determinante sería distinto de cero, lo que supone
una contradicción con la hipótesis de que k es el máximo orden de los menores no
nulos de la matriz A.
El método práctico para calcular el rango de una matriz es el siguiente:
Según el teorema anterior el rango de una matriz A es h si A tiene algún menor de
orden h distinto de cero y todos los menores de orden superior a h son nulos. Por
ello, para determinar el rango de una matriz se sigue el siguiente método:
Si A = 0, entonces rg(A) = 0. En otro caso rg(A) ≥ 1
Se consideran dos filas, si hay un menor de orden 2 que sea distinto e cero, se aña-
den las restantes filas y columnas. Si, al considerar la fila siguiente, hay un menor
de orden 3 que sea distinto de cero se procede análogamente con la fila siguiente,
y así sucesivamente.
Si al añadir a un menor de orden k, que es distinto de cero, la fila (k + 1) re-
sulta que todos los menores de orden (k + 1) son nulos, entonces la fila
(k + 1) considerada es combinación lineal de las anteriores y podemos
(según la definición de rango) despreciarla para obtener el rango de la matriz. Si
considerada la fila (k + 2) sucede igual, e idénticamente con las p – k restantes,
como todas estas filas son combinaciones lineales de las k primeras, el rango de
la matriz es «k».

3.4. Aplicaciones del rango

3.4.1. Resolución de sistemas de ecuaciones lineales

Dado un sistema de m ecuaciones lineales y n incógnitas

Ax = b
siendo A la matriz de coeficientes de orden m × n sobre K, x el vector incógnita y
b el vector de términos independientes, ambos de Km , se llama matriz ampliada
del sistema a la matriz A’ = (A|b) formada ampliando la matriz de coeficientes con
el vector de términos independientes. Entonces se cumple que:
„„ El sistema es incompatible (no tiene solución) si y sólo si rg(A) ≠ rg(A’)
„„ El sistema es compatible (tiene solución) si y sólo si rg(A) = rg(A’).
En tal caso:
−− El sistema es determinado (tiene solución única) si y sólo si rg(A) = n
−− El sistema es indeterminado (no tiene solución única) si y sólo si rg(A) < n

26
 tema 19

matemáticas

3.4.2. Geometría afín

Comentaremos en este apartado el uso del rango de matrices para determinar las
posiciones relativas de rectas y planos en el espacio.
„„ Caso 1 (una recta y un plano)
Consideremos las ecuaciones de una recta y un plano:

 ax + by + cz = d
r: Π : a '' x + b '' y + c '' z = d ''
a ' x + b ' y + c ' z = d '

Sea A la matriz de coeficientes y A’ la matriz ampliada. Entonces:

−− Si rg(A) = rg(A’) = 2 la recta está contenida en el plano.
−− Si rg(A) = 2 ≠ rg(A’) = 3 la recta es paralela al plano.
−− Si rg(A) = rg(A’) = 3 la recta es secante al plano.
„„ Caso 2 (dos planos)
Consideremos dos planos ∏, ∏’ de ecuaciones:
Π : ax + by + cz = d Π ': a'x + b' y + c'z = d '

Sea A la matriz de coeficientes y A’ la matriz ampliada. Entonces:

−− Si rg(A) = rg(A’) = 1 los planos son coincidentes.
−− Si rg(A) = 1 ≠ rg(A’) = 2 los planos son paralelos.
„„ Caso 3 (dos rectas)
Consideremos dos rectas r, r’ de ecuaciones:

 ax + by + cz = d  a '' x + b '' y + c '' z = d ''

r: r ': 
a ' x + b ' y + c ' z = d ' a ''' x + b ''' y + c ''' z = d '''

Sea A la matriz de coeficientes y A’ la matriz ampliada. Entonces:

−− Si rg(A) = rg(A’) = 2 las rectas son coincidentes.
−− Si rg(A) = 2 ≠ rg(A’) = 3 las rectas son paralelas.
−− Si rg(A) = rg(A’) = 3 la rectas son secantes.
−− Si rg(A) = 3 ≠ rg(A’) = 4 las rectas se cruzan.
„„ Caso 4 (tres planos)
Consideremos tres planos ∏, ∏’, ∏’’ de ecuaciones:
Π : ax + by + cz = d
Π ': a'x + b' y + c'z = d '
Π '' : a '' x + b '' y + c '' z = d ''

27
tema 19

matemáticas

Sea A la matriz de coeficientes y A’ la matriz ampliada. Entonces:

−− Si rg(A) = rg(A’) = 1 los tres planos son coincidentes.
−− Si rg(A) = 1 ≠ rg(A’) = 2 los planos son paralelos (puede haber dos coinci-
dentes).
−− Si rg(A) = rg(A’) = 2 la planos son secantes en una recta.
−− Si rg(A) = 2 ≠ rg(A’) = 3 los planos son secantes dos a dos pero no simultá-
neamente o dos son paralelos secantes al tercero.
−− Si rg(A) = rg(A’) = 3 los planos son secantes en un punto.

28
 tema 19

matemáticas

BIBLIOGRAFÍA
BARBOLLA, R., y SANZ, P.: Álgebra lineal y teoría de matrices. Ed. Pearson, 1998.
BIRKHOFF, G., y MAC LANE, S.: Álgebra Moderna. Ed. Vicens-Vives, 1985.
BURGOS, J.: Álgebra lineal y geometría cartesiana. McGraw-Hill, 2000.
CASTILLO BALLESTEROS y otros: Matemáticas 2, COU. Ed. Bruño.
ETAYO, J., y COLERA, J.: Matemáticas (Manuales de Orientación Universitaria). Ed. Anaya.
GODEMENT, R.: Álgebra. Ed. Tecnos, 1983.
MARTÍNEZ-MEDIANO, J., y otros: Matemáticas II, COU. MacGraw-Hill.
MARTÍNEZ SALAS, J.: Elementos de Matemáticas. Ed. Lex Nova, 1995.

29
 tema 19

matemáticas

RESUMEN

DETERMINANTES.
PROPIEDADES.
APLICACIÓN AL CÁLCULO DEL RANGO DE UNA MATRIZ.

1.
1 Determinantes

1.1. Definición
Se define el concepto de determinante de una matriz cuadrada de orden n.

1.2. Determinantes de segundo y tercer orden

En este punto se desarrollan los determinantes de orden 2 y orden 3.

2.
2 Propiedades
Se estudian aquí las propiedades de los determinantes:
1. El determinante de una matriz A coincide con el determinante de su matriz traspuesta
At. Es decir, det(A) = det(At).
2. Al permutar dos filas o dos columnas en una matriz cuadrada, su determinante cambia
únicamente de signo.
3. Si una matriz cuadrada tiene dos filas o dos columnas idénticas, su determinante vale
cero.
4. Si todos los elementos de una fila o columna de una matriz cuadrada son iguales a cero,
entonces el valor del determinante es cero.
5. Si todos los elementos de una fila o columna de un determinante contienen un factor
común, este factor común puede sacarse fuera del signo determinante.
6. Una matriz cuadrada con dos filas o dos columnas proporcionales tiene determinante
nulo.
7. Si los elementos de cualquier fila o columna de una matriz cuadrada son sumas de igual
número de términos (cosa que siempre puede lograrse añadiendo ceros para aquellos
que tengan menor número), entonces su determinante asociado es igual a la suma de
tantos determinantes como sumandos figuren en la fila o columna, en los que todas las
filas o columnas permanecen inalteradas salvo la que está formada por sumandos, que
será reemplazada por el primer sumando para el primer determinante, por el segundo
sumando para el segundo, y así sucesivamente.
8. Si una fila (o columna) de A es combinación lineal de otras filas (o columnas) entonces
el determinante es cero.
9. Si a los elementos de una fila (o columna) de una matriz se le suma una combinación
lineal de algunas otras filas (o columnas), el valor del determinante no varía. Esta pro-
piedad es muy útil, pues con ella puede conseguirse que en algunas filas o columnas
aparezcan ceros, lo que simplificará el desarrollo del determinante.

31
tema 19

matemáticas

2.1. Cálculo de determinantes

Se define los conceptos de menor complementario y adjunto de un elemento de una
matriz así como el desarrollo de un determinante por una fila o columna haciendo uso de
estos. También se demuestra que el determinante de una matriz producto es el producto de
los determinantes de las matrices que lo forman.

2.2. Cálculo práctico de determinantes

Se explica como se procede en la práctica a la hora de calcular determinantes haciendo uso
de sus propiedades. Como ejemplo se calcula el determinante de Vandermonde.

3.
3 Aplicación al cálculo del rango de una matriz

3.1. Matrices inversas. Cálculo de la matriz inversa

Se define los conceptos de matriz inversa, matriz adjunta y se establece su relación cuando
partimos de una matriz inversible.

3.2. Estudio de la dependencia lineal de vectores

En este apartado se sintetizan las propiedades que relacionan el estudio de la dependencia
lineal de vectores con los determinantes.

3.3. Cálculo del rango de una matriz

Se recuerda los conceptos de rango y de menor y su cálculo mediante determinantes.

3.4. Aplicaciones del rango

3.4.1. Resolución de sistemas de ecuaciones lineales

Se incluye aquí el Teorema de Rouché Frobenius

3.4.2. Geometría afín

Se comenta en este apartado el uso del rango de matrices para determinar las posiciones
relativas de rectas y planos en el espacio.

32