MATRICES Y DETERMINANTES

1.- GENERALIDADES
Se llama matriz de orden mxn a un conjunto de mxn números (o letras que representan
números) dispuestos en m filas y n columnas y encerrado entre paréntesis o corchetes.

 4 2 5
  es una matriz de orden 2x3
 3 1 2

 a11 a12 ... a1n 

 
 a21 a22 ... a2 n 
es la expresión general de una matriz de orden mxn
 ... ... ... ... 
 
 am1 am 2 ... amn 

El conjunto de todas las matrices de orden mxn suele denotarse por Emxn.

La matriz suele denotarse con una letra mayúscula. A cada número que va dentro de la
matriz se le llama elemento. El elemento que está en la fila i y la columna j se denota con
la misma letra que la matriz, pero en minúscula, y dos subíndices que indican la posición
del elemento. Por ejemplo, en una matriz A, el elemento de la fila i y columna j se denota
a ij .

 4 2 5
En la matriz   el elemento a 13 es 5, el elemento a 23 es 2.
 3 1 2

Una matriz suele definirse también a través de sus elementos, de la siguiente manera:
A=( a ij ) mxn . Lo anterior indicaría que tenemos una matriz de orden mxn, llamada A y a
cuyos elementos llamamos a ij .

Los elementos (números) de una matriz pueden ser reales o complejos. En el primer
caso se dice que la matriz es real y en el segundo que es compleja.

 2 3 5  2-i 0 2 + i 
   
 4 2 1  es una matriz real  4 2 4 − i  es una matriz compleja
 3 4 8  3 1+ i 8 
  

Se dice que dos matrices A y B son equidimensionales si y sólo si tienen el mismo

número de filas y de columnas.

 2 3 2 0 0 1 
  y   son equidimensionales
 0 −3 2   0 −2 −5 

Se dice que dos matrices A y B son iguales si y sólo si, siendo equidimensionales, los
elementos que ocupan la misma posición son iguales. Es decir:

1
a ij = b ij ∀i = 1, 2,...,m ∧ ∀j = 1, 2, ..., n. (siendo m y n el número de filas y columnas
respectivamente)

Una matriz que tiene todos sus elementos nulos se denomina matriz nula, y se
representa por (0)mxn , siendo mxn el orden de la matriz.

0 0 0
  es la matriz nula de 2x3
0 0 0

Se denomina matriz línea a la matriz que consta de una sola línea. Si está formada por
una sola fila se llama matriz fila (su orden es 1xn) y si está formada por una sola columna
se llama matriz columna (su orden es mx1).

2
( −1 2 0 ) es una matriz fila   es una matriz columna
 −1

Dada una matriz A = (a ij )mxn , se llama matriz opuesta de A a la que se obtiene

cambiando el signo de todos los elementos de A. Se representa por –A. Es
decir: -A=(- a ij )mxn .

 −1 3 −2   1 −3 2 
Si A=   ⇒ -A=   es la opuesta de A
2 1 5  −2 −1 −5 

1.1.- Matrices cuadradas

Se dice que una matriz es cuadrada si y sólo si tiene el mismo número de filas que de
columnas. Así, una matriz cuadrada de orden n tiene n filas y n columnas.

 2 −1
  es una matriz cuadrada de orden 2
4 5 

 a11 a12 a13  a1n 

 
 a21 a22 a23  a2 n 
 a31 a32 a33  a3n  es una matriz cuadrada de orden n
 
      
a  ann 
 n1 an 2 an 3

Existen definiciones importantes aplicables sólo a matrices cuadradas. Algunas de ellas

se exponen a continuación.

Se llama diagonal principal de una matriz cuadrada a la formada por los elementos a ii
(es decir: a 11, a 22, …, a 33 ).

2
 1 2 −1 
 
4 3 −2  los elementos encuadrados forman la diagonal principal.
 
0 2 2 


Se llama traza de una matriz cuadrada a la suma de los elementos de su diagonal

n
principal. Es decir, Traza (A) = ∑a
i =1
ii = a11 + a22 +  + ann .

En el ejemplo anterior, la traza de la matriz sería: 1+3+2=6

Una matriz cuadrada se dice triangular superior si todos los términos situados por
debajo de la diagonal principal son ceros (es decir, aij = 0 ∀i > j ). Análogamente, se dice
triangular inferior si todos los términos situados por encima de la diagonal principal son
ceros (es decir, aij = 0 ∀i < j ).

 2 4 −1
 
 0 3 4  es una matriz triangular superior de orden 3
0 0 2 
 

 a11 a12 a13  a1n 

 
 0 a22 a23  a2 n 
 0 0 a33  a3n  es la forma general de una matriz triangular superior
 
      
 0  ann 
 0 0

 a11 0 0  0 
 
 a21 a22 0  0 
 a31 a32 a33  0  es la forma general de una matriz triangular inferior
 
      
a  ann 
 n1 an 2 an 3

Se llama matriz diagonal a toda matriz cuadrada cuyos términos situados fuera de la
diagonal principal son nulos (es decir, aij = 0 ∀i ≠ j ). Un caso particular de matriz
diagonal es la matriz escalar en la que todos los elementos de la diagonal principal son
iguales.

 a11 0 0  0 
 
 2 0 0  0 a22 0  0 
   0
 0 −1 0  0 a33  0  son matrices diagonales
 0 0 5  
        
 0  ann 
 0 0

3
 a 0 0  0
 
 4 0 0 0 a 0  0
  0
0 4 0 0 a  0 son matrices escalares
 0 0 4  
      
0  a 
 0 0

Se denomina matriz unidad o matriz identidad a una matriz escalar en la que los
elementos de la diagonal son todos 1. La matriz unidad de orden n suele denotarse por
In.

1 0 0
 
I 3 =  0 1 0  matriz unidad de orden 3
0 0 1
 

1 0 0  0
 
0 1 0  0
In =  0 0 1  0  matriz unidad de orden n
 
    
0  1  n
 0 0

2.- OPERACIONES CON MATRICES

2.1.- Suma de matrices

Dadas dos matrices A = (a ij ) y B = (b ij ) del mismo orden mxn, se llama matriz suma de A
y B, y se denota por A+B, a la siguiente matriz:

A+B= (a ij + b ij )

Es decir, es una matriz cuyos elementos se obtienen sumando uno a uno los elementos
que ocupan la misma posición en A y B. La matriz suma es, por lo tanto, una matriz del
mismo orden que A y B.

 1 −2 4   0 3 2 1 1 6 
Si A=   y B=   ⇒ A+B=  
 2 5 2  −1 4 2  1 9 4 

 a11 a12 ... a1n   b11 b12 ... b1n 

   
a a22 ... a2 n  b b22 ... b2n 
En general, si A=  21 y B=  21
   ...      ...  
   
 am1 am 2 ... amn   bm1 bm2 ... bmn 

4
  a11 + b11 a12 + b12 ... a1n + b1n 
 
a +b a22 + b22 ... a2 n + b2 n 
⇒ A+B=  21 21
   ...  
 
 am1 + bm1 am 2 + bm 2 ... amn + bmn 

La suma de matrices de orden mxn verifica las siguientes propiedades:

• Asociativa: (A + B) + C = A + (B + C), ∀A, B, C

• Elemento neutro: A + (0) mxn = (0) mxn + A = A, ∀A

• Elemento opuesto: A + (-A) = (-A) + A = (0), ∀A

• Conmutativa: A+B = B+A, ∀A, B

Nota: obsérvese que las propiedades de la suma de matrices son las mismas que las de
la suma de números reales.

2.2.- Producto de matrices por un escalar

Sea A = (a ij ) una matriz de orden mxn y α un número (con frecuencia llamado escalar).
Se define el producto del escalar α por la matriz A, y se denota por αA, a una matriz
cuyos elementos se obtienen multiplicando cada elemento de A por α. La matriz αA es,
por lo tanto, una matriz de la misma dimensión que A.

 1 −2 4   2 −4 8 
Si A=   y α=2 ⇒ αA=  
 2 5 2  4 10 4 

 a11 a12 ... a1n   α ⋅ a11 α ⋅ a12 ... α ⋅ a1n 

   
a a22 ... a2 n  α ⋅ a21 α ⋅ a22 ... α ⋅ a2 n 
En general, si A=  21 ⇒ αA= 
 ... ... ... ...   ... ... ... ... 
   
 am1 am 2 ... amn   α ⋅ am1 α ⋅ am 2 ... α ⋅ amn 

El producto de matrices de orden mxn por un número verifica las siguientes

propiedades:

• α×(A + B) = α ×A + α ×B ∀ α ∧ ∀ A, B

• ( α + β ) ×A = α ×A + β ×A ∀ α, β ∧ ∀A

• ( α×β ) ×A = α ×( β×A ) ∀ α, β ∧ ∀A

• 1×A = A ∀A

2.3.- Producto de matrices entre sí

Dadas dos matrices A∈E mxp y B∈E pxn (es decir, el número de filas de B coincide con el
número de columnas de A), se llama matriz producto de A y B a otra matriz que se
denota como A×B, cuyos elementos se obtienen de la siguiente manera:

5
 p
(=
ab)ij ∑a
k =1
=
ik bkj i 1, 2,..., m=
∧ j 1, 2,..., n

Es decir, si llamamos C a la matriz producto de A×B, entonces:

 .................   ......b1 j ......   ............. 

     
 .................   ......b2 j ......   ............. 
 ai1 ai 2 ...aip  .  .............  =  ....cij .....  donde
     
 .................   .............   ............. 
 .................     
  mxp  ......bpj ......  pxn  .............  mxn
p
c=
ij ai1b1 j + ai 2b2 j + ... + aip b=
pj ∑a
k =1
ik bkj

Se observa que la matriz C=A×B es de dimensión mxn.

 -2 
 2 1 -1    -5  c11 =2 ⋅ (−2) + 1 ⋅ 1 + (−1) ⋅ 2 =−5
  . 1  =   
 2 3 0  2x3  2   -1  2x1  c21 = 2 ⋅ (−2) + 3 ⋅ 1 + 0 ⋅ 2 = -1
 3x1

El producto de matrices no es conmutativo.

Teniendo en cuenta la definición del producto de matrices, se observa que, como se ha

dicho anteriormente, es necesario que el número de filas de B coincida con el número
de columnas de A. Por ello, si las matrices son rectangulares es posible que exista A×B y
no exista B×A. Pero, aun existiendo B×A, no tiene porqué coincidir con A×B. Si B×A = A×B
se dice que las matrices A y B son permutables o conmutables.

2 1  2 −1
Si A =   y B=  ⇒ A×B≠ B×A como se comprueba a continuación:
 3 2 0 3 

 2 1   2 −1  4 1 
A=
⋅B  ⋅ =   
 3 2   0 3   6 3

 2 −1  2 1   1 0 
=
B ⋅A  ⋅ =   
 0 3   3 2 9 6

Según lo anterior, cuando se multipliquen matrices ha de tenerse cuidado con el orden

de los términos. Para distinguir el orden en el producto A×B se dice que A premultiplica
a B o multiplica a B por la izquierda. De la misma manera, B postmultiplica a A o
multiplica a A por la derecha.

Si se quiere multiplicar ambos miembros de una ecuación matricial X = Y por una matriz
P, es importante que, o bien premultipliquemos ambos miembros por P, o bien
postmultipliquemos ambos miembros por P.

6
El producto de matrices verifica las siguientes propiedades:

• Distributiva del producto respecto de la suma por la izquierda

A×(B+C) = A×B + A×C ∀A∈E mxn ∧ ∀B,C∈E nxp

• Distributiva del producto respecto de la suma por la derecha

(A+B)×C = A×C + B×C ∀A,B∈E mxn ∧ ∀C∈E nxp

• Asociativa

(A×B)×C = A×(B×C) ∀A∈E mxn , B∈E nxp , C∈E pxq

α×(A×B) = (α×A)×B = A×(α×B) ∀A∈E mxn , B∈E nxp , ∀α (número)

En el producto matricial puede ocurrir que A×B sea nulo siendo A≠(0) y B≠(0) (a diferencia
del producto con escalares donde a×b=0 si y sólo si alguno de los factores es cero).

De la misma manera, siendo A≠(0) la igualdad matricial A×B=A×C no implica B=C

(mientras que con escalares, si a×b=a×c y a≠0 ⇒ b=c).

 2 0  0 0 0 0 0 0
Sean A =   y B= ; A⋅B =
 
 -3 0   2 4 1 0 0 0

6 2  4 1 3 0
Sean A =  , B=  y C=  ; A ⋅ B = A ⋅ C con A ≠ (0) y B ≠ C
3 1  2 3 5 6

Es fácil comprobar que ∀A∈E mxn , I m ×A=A y A×In=A (es decir, las matrices Im y In juegan el
mismo papel que el número 1 en la multiplicación de números).

2.4.- Potencias de matrices cuadradas

Las potencias de matrices cuadradas son un caso particular del producto de matrices.
Se llama potencia p-ésima (p∈+) de una matriz cuadrada A a la matriz que se obtiene
multiplicando A p veces por sí misma.

A p = (A ⋅ A ⋅ A ⋅  ⋅ A)

p veces

Por lo tanto:

A1 = A
A 2= A ⋅ A
A3 = A ⋅ A ⋅ A


7
Se observa fácilmente que esta operación no puede realizarse con matrices
rectangulares.

Propiedades:

•
ApAq = Ap+q ∀p,q∈+

•
(Ap)q = Apq ∀p,q∈+

Nota: A0 = I ∀A cuadrada, por convenio.

A pesar de que, como hemos dicho, el producto de matrices en general no es

conmutativo, es interesante darse cuenta de que cuando multiplicamos dos matrices,
donde cada una de ellas es una potencia entera positiva de otra, el orden en que las
multipliquemos es indiferente (es decir, estas matrices conmutan).

 1 2  97 -142   97 -142 
Para A =   , A2A3=   A3A2=  
 -3 2   213 26   213 26 

Es sencillo demostrar que la afirmación anterior se cumple en general:

ApAq = Ap+q= Aq+p =AqAp ∀p,q∈+

Podría pensarse que las potencias de matrices cuadradas funcionan a todos los efectos
como las potencias de números. Pero esto no es cierto:

Dadas A y B, matrices cuadradas del mismo orden,

(A+B)2 = (A+B)(A+B) = A2 + BA + AB + B2 ≠ A2 + 2AB + B2

pues en general AB ≠ BA.

Del mismo modo:

(A+B)(A-B) = A2 + BA - AB - B2 ≠ A2 - B2

3.- MATRIZ TRASPUESTA DE UNA DADA

Se llama matriz traspuesta de una matriz A a la que se obtiene intercambiando sus filas
por sus columnas. Se representa por At o A’. Por lo tanto, si A∈Emxn ⇒ At∈Enxm (si A es de
orden mxn su traspuesta es de orden nxm)

 0 3
 0 3 -2   
=
A 2×3   ⇒=
t
A 3×2  3 2 
 3 2 2   -2 2 
 

8
Propiedades:

• (At)t = A ∀A∈Emxn

 0 3
 0 3 -2   0 3 -2 
 
( )
t

Ejemplo:
= A   ⇒
= A  3 2 ⇒
t
=
At  
 3 2 2   -2 2  3 2 2 
 

• (A+B)t = At+Bt ∀A,B∈ Emxn. En general: (A1 + A 2 + ... + A n ) t = A1t + A 2t + ... + A nt

 0 3 -2   1 -4 1 
Ejemplo: A =   y B= 
3 2 2   -2 -1 0 

 0 3  1 -2   1 1
     
=A 3 = t
2  Bt  -4 -1  ⇒ =
A + B  -1 1 
t t

 -2 2  1 0  -1 2 
     

 1 1
1 -1 -1  
⇒ ( A+B )=  -1 1  =A t + Bt
t
= 
A+B 
1 1 2   -1 2 
 

• (A×B)t = Bt×At ∀A∈Emxq , ∀B∈Eqxn En general: (A1 ⋅ A 2 ⋅ ... ⋅ A n ) t = A nt ⋅ A nt -1 ⋅ ... ⋅ A1t

 1 2
 -8 4 
Ejemplo: A =  −3 4  y B =  
 
 2 1  -7 5 
 

 1 −3 2   −8 −7   −22 −4 −23 
=At  = t
, B   ⇒=
Bt ⋅ A t  
2 4 1  4 5  14 8 13 
 -22 14 
   −22 −4 −23 
=A ⋅ B  -4 8  ( A ⋅ B)t 
⇒=  =B ⋅ A
t t

 -23 13   14 8 13 
 

Una matriz cuadrada se dice que es simétrica si coincide con su traspuesta, lo cual sólo
se puede cumplir si los elementos dispuestos simétricamente a ambos lados de la
diagonal principal son iguales. Es decir:

A es simétrica ⇔ A=At ⇔ aij = aji ∀i,j=1, 2,..., n

 1 0 −2 
 
 0 6 4  es simétrica
 −2 4 3 
 

9
Una matriz cuadrada A se dice que es antisimétrica si coincide con la opuesta de su
traspuesta, lo cual sólo puede ocurrir si los elementos dispuestos simétricamente a
ambos lados de la diagonal principal son opuestos y los elementos de la diagonal
principal son nulos; es decir

A es antisimétrica ⇔ A=-At ⇔ aij =- aji ∀ i,j =1, 2,..., n

0 1 3
 
 −1 0 −5  es antisimétrica
 −3 5 0 
 

4.- DETERMINANTES DE MATRICES CUADRADAS

4.1.- Definición de determinante

Asociado a cada matriz cuadrada A existe un número que es el valor del determinante
y se denota por |A|. La expresión matemática de la definición de determinante puede
parecer y, de hecho, es complicada, pero su significado es muy sencillo. Es interesante
observar esta definición para darse cuenta del coste que supondría emplearla en
matrices de orden elevado y comprender así porqué se buscan modos alternativos de
obtener el valor de un determinante y la necesidad de conocer las propiedades de los
determinantes para emplear estos métodos. (NOTA: los alumnos y alumnas tinen a su
disposición, entre el material de este curso, un documento con la definición matemática
del determinante. Lo consideramos de estudio opcional).

Precisamente de la aplicación directa de la definición de determinante se obtienen las

fórmulas para su cálculo cuando éstos son de orden 2 y 3, fórmulas éstas que es seguro
que el alumnado conoce y aplica habitualmente, si bien estos determinantes pueden
calcularse también por los métodos que se van a explicar posteriormente, válidos para
matrices de cualquier orden. Recordamos dichas fórmulas:

a11 a12
Orden 2: A = = a11 ⋅ a22 − a12 ⋅ a21
a21 a22

a11 a12 a13

Orden 3: A = a21 a22 a23 = a11 ⋅ a22 ⋅ a33 + a12 ⋅ a23 ⋅ a31 + a13 ⋅ a21 ⋅ a32
a31 a32 a33

− a11 ⋅ a23 ⋅ a32 − a12 ⋅ a21 ⋅ a33 − a13 ⋅ a22 ⋅ a31

Es más sencillo recordar esta última expresión haciendo uso de la regla de Sarrus, que
“dibuja” esta fórmula mediante un esquema que agrupa los términos que van en cada
sumando. En el dibujo de la regla de Sarrus que se muestra a continuación, los círculos
representan los elementos de la matriz; se han unido con líneas de un mismo color los
elementos que van multiplicados en un mismo sumando (a la izquierda los positivos y a
la derecha los negativos).

10
 Términos positivos Términos negativos

4.2.- Otras definiciones relacionadas con los determinantes

Para los métodos de cálculo de determinantes que se van a presentar posteriormente
es necesario definir algunos conceptos previos.

Si en un determinante D de orden n se suprimen q filas y q columnas, las restantes filas

y columnas definen un nuevo determinante de orden (n-q) que se llama menor del
determinante D.

a11 a12 a13 a14 a15

a21 a22 a23 a24 a25
Si en a31 a32 a33 a34 a35 se suprimen las filas 3 y 5, y las columnas 2 y 4, se obtiene
a41 a42 a43 a44 a45
a51 a52 a53 a54 a55
a11 a13 a15
el menor de orden 3 a21 a23 a25
a41 a43 a45

A cada elemento aij de un determinante D se le puede asociar un determinante, que se

obtiene suprimiendo en D la fila i y la columna j en las que se encuentra el elemento.
Este nuevo determinante se denomina menor asociado a aij, y que se denota por Dij. Se
observa fácilmente que, si D es de orden n, Dij es de orden n -1.

a11 a12 a13 a14 a15

a21 a22 a23 a24 a25
Si en el determinante anterior buscamos D12: a31 a32 a33 a34 a35
a41 a42 a43 a44 a45
a51 a52 a53 a54 a55

a21 a23 a23 a25

a a33 a34 a35
D12 = 31 es el menor asociado al elemento a12.
a41 a43 a44 a45
a51 a53 a54 a55

11
Cuando un menor de un determinante está formado por las q primeras filas y las q
primeras columnas se denomina menor principal de orden q.

Así, por ejemplo, en un determinante de orden 5 para obtener sus menores principales
de orden 1, 2, 3, 4 y 5 (el propio determinante) vamos seleccionando los elementos (o
filas y columnas) como se indica a continuación:

a11 a12 a13 a14 a15

a21 a22 a23 a24 a25
a31 a32 a33 a34 a35 resultando así:
a41 a42 a43 a44 a45
a51 a52 a53 a54 a55

a11 a12 a13 a14

a11 a12 a13
a11 a12 a21 a22 a23 a24
a11 a21 a22 a23 y el propio determinante.
a21 a22 a31 a32 a33 a34
a31 a32 a33
a41 a42 a43 a44

Se llama adjunto de un elemento aij al determinante Aij=(-1)i+j×Dij . Es decir, al valor del

menor correspondiente a aij con signo + o -, según el lugar que ocupa aij.

Así, para el determinante de orden 5 de los ejemplos anteriores:

a21 a23 a23 a25

a a33 a34 a35
A12=(-1)1+2×D12= − 31
a41 a43 a44 a45
a51 a53 a54 a55

4.3.- Propiedades de los determinantes

Para calcular los determinantes por los métodos que se van a exponer posteriormente
convendrá realizar una serie de transformaciones que no alteren su valor, pero que lo
conviertan en otro más sencillo de calcular (por ejemplo, por tener muchos elementos
nulos o ser triangular).

Para realizar dichas transformaciones deben tenerse en cuenta siempre las propiedades
de los determinantes (no vamos a demostrar ninguna de ellas a pesar de que algunas
demostraciones son muy sencillas):
1.
El determinante de una matriz es igual al de su traspuesta: |A|=|A|t

2. Si una fila (o columna) tiene todos sus elementos nulos, el valor del determinante
es cero.

3. Un determinante que tiene dos filas (o dos columnas) iguales es nulo.

12
 4. Si en un determinante los elementos de una fila o columna son múltiplos de los
de otra, el valor del determinante es cero.

5. Un determinante en el cual una fila (o columna) es combinación lineal de otra es

nulo.

6. Si a una fila (o columna) se le suma otra multiplicada por un escalar, el

determinante no varía.

7. Si se cambian entre sí dos filas, el valor del determinante cambia de signo

(análogamente con las columnas).

8. Multiplicando todos los elementos de una fila (o columna) por α, el determinante

queda multiplicado por α.

9. Sea el determinante

a11 + b11 a12 + b12 ... a1n + b1n a11 a12 ... a1n b11 b12 ... b1n
a21 a22 ... a2 n a21 a22 ... a2 n a21 a22 ... a2 n
= +
... ... ... ... ... ... ... ... ... ... ... ...
an1 an 2 ... ann an1 an 2 ... ann an1 an 2 ... ann

En general: Si todos los elementos de una fila (o columna) de un determinante son

sumas de p números, se puede descomponer dicho determinante en suma de p
determinantes que tienen comunes todas las filas (o columnas) excepto la considerada,
la cual viene sustituida por el primer sumando en el primer determinante, por el
segundo sumando en el segundo determinante,..., por el p-ésimo sumando en el p-
ésimo determinante.

10. A ⋅ B = A ⋅ B . ∀A,B∈Enxn.

11. |Ap|=|A|p ∀A∈Enxn.

Nota: en general A+B ≠ A + B

4.4.- Algunos métodos de cálculo de determinantes

4.4.1.- Desarrollo de un determinante por los elementos de una línea (o regla de Laplace)
El valor de un determinante D se puede calcular como la suma de los productos de los
elementos de una línea (fila o columna) por los adjuntos de los mismos (para reducir el
número de operaciones a realizar será conveniente elegir la línea que tenga mayor
número de elementos nulos).

13
 a11 a12 ... a1n
a a22 ... a2 n
Así, si D = 21 , desarrollando el determinante por la i-ésima fila se
... ... ... ...
an1 an 2 ... ann
obtiene:

D = ai1 ⋅ Ai1 + ai 2 ⋅ Ai 2 +  + ain ⋅ Ain

Y haciéndolo por la j-ésima columna, se obtiene:

D = a1 j ⋅ A1 j + a2 j ⋅ A2 j +  + anj ⋅ Anj

2 1 0 3
4 2 2 1
Ejemplo: Calculemos D =
0 3 2 2
0 0 1 3 ← 2 elementos nulos

Desarrollando D por los elementos de la cuarta fila:

1 0 3 2 0 3 2 1 3 2 1 0
D=
−0 ⋅ 2 2 1 + 0 ⋅ 4 2 1 − 1 ⋅ 4 2 1 + 3 ⋅ 4 2 2 =
−66
3 2 2 0 2 2 0 3 2 0 3 2

En el ejemplo anterior, el cálculo del determinante de orden 4 se ha transformado en el

cálculo de 4 determinantes de orden 3 (que podemos obtener haciendo uso de la regla
de Sarrus, por ejemplo), dos de los cuales no calcularemos por ir multiplicados por cero.
El cálculo de un determinante de orden n se transforma con este método en el cálculo
de n determinantes de orden n -1 (o alguno menos si en la línea por la que desarrollamos
hay ceros). Por ello, este método en sí mismo, sin combinarlo con el uso de las
propiedades de los determinantes, no es de gran utilidad para el cálculo de
determinantes de orden elevado.

4.4.2.- Cálculo empleando las propiedades de los determinantes

Todas las propiedades de los determinantes son muy útiles para el cálculo de los
mismos. Siempre será conveniente observar si tenemos un determinante con todos sus
elementos nulos, o con dos líneas paralelas (filas o columnas) iguales entre sí o
proporcionales, o si una fila es combinación lineal de otras (esto último no es tan fácil de
ver por simple observación). En estos casos, por las propiedades 2, 3, 4 y 5 sabríamos que
el valor del determinante es cero, sin necesidad de calcularlo. De no ser así, se suele
intentar transformar el determinante en otro más sencillo (generalmente triangular)
haciendo uso con frecuencia de las propiedades 7, 8 y, sobre todo, 6.

Hay que tener mucho cuidado en el empleo de las propiedades 7 y 8, ya que alteran el
valor del determinante original, por lo que hay que multiplicar posteriormente el valor

14
 1
obtenido por el número adecuado (-1 o , respectivamente) para mantener el valor del
α
determinante inicial.

5.- RANGO DE UNA MATRIZ DE ORDEN mxn

5.1.- Definición
Se llama rango de una matriz A de orden mxn al orden del mayor menor no nulo que
puede extraerse de ella. También, teniendo en cuenta las propiedades de los
determinantes, se define como el mayor número de filas o columnas que son
linealmente independientes en A.

5.2.- Cálculo
El primer procedimiento que nos puede venir a la mente para calcular el rango de una
matriz es emplear directamente su definición. Así, dada una matriz de orden mxn
comenzaremos extrayendo uno a uno sus menores de mayor orden (supongamos que
éste es n). En cuanto algún menor sea no nulo pararemos el proceso y diremos que el
rango de la matriz será n. Si extraídos todos los menores de orden n no hemos
encontrado ninguno no nulo, sabremos que el rango es menor que n, pero no sabremos
cuánto menor. En este último caso tendríamos que continuar el proceso, extrayendo
uno a uno los menores de orden n-1 hasta que encontremos uno no nulo, momento en
el que podríamos decir que el rango de A es n-1. Si extraídos todos los menores de orden
n-1 no hemos encontrado ninguno no nulo, sabremos que el rango es menor que n-1,
pero no sabremos cuánto menor. Así, tendríamos que pasar a plantear los menores de
orden n-2 … Se continúa con el proceso hasta obtener algún menor no nulo de algún
orden; el rango de la matriz sería este orden.

Puede verse que este proceso es muy laborioso, por lo que si hay algún procedimiento
alternativo es conveniente emplearlo. Uno de estos procedimientos, mucho más
eficiente y comúnmente empleado en la práctica, se muestra en la teoría
correspondiente a sistemas de ecuaciones lineales al explicar cómo se discute la
existencia de solución de este tipo de sistemas cuando aplicamos el método de Gauss.

6.- MATRICES REGULARES: INVERSA DE UNA MATRIZ CUADRADA

6.1.- Definición
Una matriz cuadrada A se dice regular si existe otra matriz cuadrada, a la que
llamaremos inversa de A y denotaremos por A-1, tal que A×A-1 =A-1×A=I. En caso de no
existir esta matriz A-1 se dice que A es singular.

0 −1
 1 2 -1   1 0
La inversa de A=  es A = 1  , ya que A ⋅ A =
-1
  1  
 −1 0   0 1
2 2

Podemos decir entonces que A es regular, ya que tiene inversa.

15
Cuando una matriz cuadrada tiene inversa, ésta es única.

Cuando la inversa de una matriz A coincide con su traspuesta, se dice que A es

ortogonal. Es decir:

A es ortogonal ⇔ A-1=At ⇔ At×A = A×At=I

6.2.- Caracterización de las matrices regulares (cómo saber si una

matriz es regular)
Un primer método para saber si una matriz es regular sería utilizar directamente la
definición: dada una matriz A planteamos la ecuación matricial A×A-1=I. Si este sistema
tiene solución, la matriz A-1 obtenida será la inversa de A y A será regular; si el sistema es
incompatible significa que no se puede encontrar A-1 y por lo tanto A es singular.
Veremos un ejemplo de esto en el siguiente apartado (cálculo de la inversa).

Pero, además, puede demostrarse que una matriz cuadrada es regular si y sólo si su
determinante es no nulo. De la misma manera, una matriz cuadrada es singular si y sólo
si su determinante es nulo. Recordando la definición de rango de una matriz, lo anterior
es equivalente a decir que una matriz cuadrada de orden n es regular si y sólo si el rango
de A es n, y es singular si el rango de A es menor que n.

6.3.- Algunos métodos para calcular la inversa de una matriz

6.3.1.- Utilizando directamente la definición de inversa

Como se ha indicado en el apartado anterior, el método más directo para calcular la
inversa de una matriz A sería aplicar directamente su definición. Ésta representa un
sistema de ecuaciones a partir del cual podremos obtener A-1, en caso de existir.

1 2
Por ejemplo, para calcular la inversa de A=   planteamos que buscamos una
2 1
matriz A-1 que, en caso de existir, ha de ser también cuadrada de orden 2, por lo que será
x y 1 2  x y  1 0
de la forma A −1 =  −1
 , y ha de cumplir A ⋅ A = I ⇒  ⋅ = 
z t 2 1  z t  0 1

Esta expresión representa la igualdad de dos matrices y, puesto que para que dos
matrices sean iguales han de serlo elemento a elemento (según la definición de igualdad
de matrices), de aquí se obtiene el siguiente sistema de ecuaciones lineales:

 x + 2z =1
 y + 2t =
 0

2 x + z = 0
2 y + t =1

16
La discusión de la existencia de solución de este sistema y su resolución se abordarán
por cualquier método conocido. En este ejemplo, el sistema tiene solución y es la
siguiente:

 1 2 
1 2 2 1 −3 3 
x=
− , y= , z= − . Por lo tanto, A −1 = 
, t= 
3 3 3 3  2 −1
 
 3 3

En caso de que la matriz cuya inversa buscamos no sea regular, llegaremos a un sistema
incompatible (es decir, sin solución). Por ejemplo:

2 8 −1 x y
Si A =   ⇒ A = 
1 4 z t

2x + 8z = 1

 2 8  x y  1 0 2 y + 8t = 0
A ⋅ A −1 =
I ⇒  ⋅ =  ⇒  este sistema no tiene solución
1 4  z t  0 1 x + 4z = 0
 y + 4t =
1
(no existen valores de x,y,z,t que cumplan todas las ecuaciones simultáneamente). Por
lo tanto, no existe una matriz A-1/ A×A-1=I (es decir, A es singular).

−1 1
6.3.2.- Cálculo de A-1 empleando la fórmula: A= ⋅ Aa
A
Se puede demostrar que si A es regular, su inversa se puede calcular según la expresión
anterior, donde Aa denota a la matriz adjunta de A y es aquella matriz que resulta de
sustituir cada elemento de At por su adjunto.

 1 1 −1
 
Para calcular la inversa de A =  2 3 1  necesitamos su determinante:
1 1 3 
 

A = 1 ⋅ 3 ⋅ 3 + 1 ⋅ 1 ⋅ 1 + 2 ⋅ 1 ⋅ (−1) − 1 ⋅ 3 ⋅ (−1) − 1 ⋅ 1 ⋅ 1 − 2 ⋅ 1 ⋅ 3 = 4 ≠ 0 ⇒ ∃A −1

y su adjunta:

 3 1 1 1 1 3
 − 
 1 3 -1 3 -1 1 
 2  8 −4 4 
 1 2 1
  1 1 1 1 2  
At =  1 3 1  −
⇒ Aa = − = −5 4 −3 
 -1 1 3   1 3 -1 3 
-1 1   
     −1 0 1 
 2 1
−
1 1 1 2 
 3 1 3 
 1 1 1

17
  2 −1 1 
 
Entonces, A =  -5/4 1 -3 4  .
-1

 -1 4 0 1 4 
 

6.4.- Algunas propiedades

1
• A −1 = ∀A regular∈Enxn.
A

• (A ×B)-1 = B-1 ×A-1 ∀A,B regulares∈ Enxn

18