Matrices, determinantes y sistemas de

ecuaciones lineales
Juan Medina Molina
13 de agosto de 2015

Matrices
Definición 1 Sea K un cuerpo y n, m ∈ N∗ . Una matriz n × m sobre K es
una aplicación:
A : {1, . . . , n} × {1, . . . , m} −→ K.
Si (i, j) ∈ {1, . . . , n} × {1, . . . , m} denotaremos aij = A(i, j) y diremos
que aij es el elemento (i, j) de A.
Denotaremos por Mn×m (K) el conjunto de las matrices n × m sobre K.

La forma de representar la matriz anterior es ordenando las imágenes por

A en una caja que consta de n filas y m columnas de la siguiente forma:
a11 a12 . . . a1m
 
 a21 a22 . . . a2m 
A=  ... .. .. ..  .
. . . 
an1 an2 . . . anm
Ası́, diremos que A tiene n filas y m columnas.
Para abreviar escribiremos A = (aij ) para referirnos a la matriz anterior.
A los n vectores

(a11 , a12 , . . . , a1m ), (a21 , a22 , . . . , a2m ), . . . , (an1 , an2 , . . . , anm ) ∈ K m

se les llama vectores fila de A y a los m vectores

(a11 , a21 , . . . , an1 ), (a12 , a22 , . . . , an2 ), . . . , (a1m , a2m , . . . , anm ) ∈ K n

se les llama vectores columna de A.

Una matriz real es una matriz con elementos en R y una matriz compleja
es una matriz con elementos en C.

1
Definición 2 Dada la matriz
a11 a12 ... a1m
 
 a21 a22 ... a2m 
A=  ... .. ... ..  ∈ Mn×m (K)
. . 
an1 an2 ... anm

se define la matriz traspuesta de A a:

a11 a21 ... an1

 
 a12 a22 ... an2 
AT =   ... .. ... ..  ∈ Mm×n (K)
. . 
a1m a2m ... anm
.

Ejemplo  
  −1 4
−1 2 3
Si A = ∈ M2×3 (R) entonces AT =  2 0  ∈ M3×2 (R).
4 0 2
3 
2 
  −1 1 0
−1 3 4 2  3 2 −1 
Si B =  1 2 3 −5  ∈ M3×4 (R) entonces B T = 
 4
∈
3 1 
0 −1 1 1
2 −5 1
M4×3 (R).

Definición 3 Dada A ∈ Mn×m (K), diremos que A es cuadrada si n = m.

Denotaremos por Mn (K) al conjunto Mn×n (K).

Definición 4 Dada A = (aij ) ∈ Mn×m (K), a la r-tupla (a11 , a22 , . . . , arr ),

donde r = min{n, m}, se le llama diagonal principal de A.

Definición 5 Dada A = (aij ) ∈ Mn×m (K) se define la matriz opuesta de

A a −A = (bij ) ∈ Mn×m (K) donde bij = −aij 1 ≤ i ≤ n, 1 ≤ j ≤ m.

Definición 6 Se define la matriz 0n×m = (cij ) ∈ Mn×m (K) donde cij = 0,

1 ≤ i ≤ n, 1 ≤ j ≤ m.

Definición 7 Sea A = (aij ) ∈ Mn×m (K).

i) Diremos que A es una matriz fila si n = 1.

ii) Diremos que A es una matriz columna si m = 1.

2
Definición 8 Sea A = (aij ) ∈ Mn (K).
i) Diremos que A es diagonal si aij = 0 si i 6= j.
ii) Diremos que A es triangular superior si aij = 0 si i > j.
iii) Diremos que A es triangular inferior si aij = 0 si i < j.
iv) Diremos que A es simétrica si AT = A.
v) Diremos que A es antisimétrica si AT = −A.
Observemos que si una matriz cuadrada es antisimétrica entonces la
diagonal principal es el vector nulo.
vi) Una matriz escalar es una matriz diagonal cuyos elementos de la diag-
onal principal son todos iguales.
vii) Se define la matriz unidad de orden n y se denota In a la matriz escalar
cuyos elementos de la diagonal principal son 1.

Definición 9 Sea A = (aij ) ∈ Mn×m (K), i1 , i2 , . . . , ir ∈ {1, 2, . . . , n} y

j1 , j2 , . . . , js ∈ {1, 2 . . . , m} con i1 < i2 < . . . < ir y j1 < j2 < . . . < js .
Entonces la matriz que resulta de eliminar las filas distintas de i1 , i2 , . . . , ir
y las columnas distintas de j1 , j2 , . . . , js o sea
ai1 j1 ai1 j2 . . . ai1 js
 
 ai2 j1 ai2 j2 . . . ai2 js 
 . .. .. .. 
 .. . . . 
ai r j 1 air j2 ... a ir js
se dice que es una submatriz de orden r × s de A.
 
−1 3 4 5
Ejemplo Sea A =  2 2 3 3  ∈ M3×4 (R). Las submatrices de
 1 −1 1 −1        
−1 3 −1 4 −1 5 3 4 3 5 4 5
orden 2×2 de A son: , , , , , ,
2 2 2 3 2 3 2 3 2 3 3 3
           
−1 3 −1 4 −1 5 3 4 3 5 4 5
, , , , , ,
1 −1 1 1 1 −1 −1 1 −1 −1 1 −1
           
2 2 2 3 2 3 2 3 2 3 3 3
, , , , , .
1 −1 1 1 1 −1 −1 1 −1 −1 1 −1

Definición 10 Un bloque es una submatriz donde las filas no eliminadas

son consecutivas y las columnas no eliminadas son consecutivas.

3
 Ejemplo Los bloques de orden 2 × 2 de la matriz anterior son:
           
−1 3 3 4 4 5 2 2 2 3 3 3
, , , , , .
2 2 2 3 3 3 1 −1 −1 1 1 −1

Definición 11 Sea A = (aij ) ∈ Mn×m (K). Sea n1 , . . . , nr ∈ N∗ tales que

n1 +n2 +. . .+nr = n y m1 , m2 , . . . , ms ∈ N∗ tales que m1 +m2 +. . .+ms = m.
Entonces si i ∈ {1, 2, . . . , r} y j ∈ {1, 2, . . . , s} sea Aij la matriz que resulta
de excluir las filas 1, 2, . . . , n1 +. . .+ni−1 , n1 +. . .+ni +1, . . . , n y las columnas
1, 2, . . . , m1 + . . . + mj−1 , m1 + . . . + mj + 1, . . . , m. Entonces

An1 ,m1 An1 ,m2 ... An1 ,ms

 
 An2 ,m1 An2 ,m2 ... An2 ,ms 
A=
 ... .. .. .. 
. . . 
Anr ,m1 Anr ,m2 ... Anr ,ms

y diremos que hemos descompuesto A en bloques.

Operaciones con matrices

Sea K un cuerpo y n, m, r ∈ N∗ .
1. Suma. Si A = (aij ) ∈ Mn×m (K) y B = (bij ) ∈ Mn×m (K) definimos

A + B = (cij ) ∈ Mn×m (K) donde cij = aij + bij , 1 ≤ i ≤ n, 1 ≤ j ≤ m.

Proposición 1 (Mn×m (K), +) es un grupo abeliano.

2. Ley externa. Si A = (aij ) ∈ Mn×m (K) y α ∈ K definimos αA =

(cij ) ∈ Mn×m (K) donde cij = αaij , 1 ≤ i ≤ n, 1 ≤ j ≤ m.

Proposición 2 (Mn×m (K), +) es un K-espacio vectorial.

3. Producto de matrices. Si A = (aij ) ∈ Mn×m (K) y B = (bij ) ∈

Mm×r (K) se define AB = (cij ) ∈ Mn×r (K) donde cij = m

P
k=1 aik bkj , 1 ≤ i ≤
n, 1 ≤ j ≤ r.
Observemos que sólo hemos definido el producto de dos matrices cuando
el número de columnas de la primera coincide con el número de filas de la
segunda.

4
 Ejemplos.  
3 0
( −5 4 3 )  2 2  = ( −10 17 ).
 −1 3
−5
( −1 2 3 )  4  = ( 16 ).
  1  
2 −2 10 8 6
( −1 5 4 3 ) = .
−1   1 −5 −4 −3
3
( 2 −1 ) 4  no se puede calcular.

2

Proposición 3 Sea n, m, r, s ∈ N∗ .

i) Si A ∈ Mn×m (K), B ∈ Mm×r (K) y C ∈ Mr×s (K) entonces (AB)C =

A(BC).

ii) Si A ∈ Mn×m (K) y B, C ∈ Mm×r (K) entonces A(B + C) = AB + AC.

iii) Si A ∈ Mn×m (K) entonces AIm = A y In A = A.

Rango de una matriz.

Proposición 4 Si A ∈ Mn×m (K) entonces el rango del conjunto de los n

vectores fila en K m coincide con el rango del conjunto de los m vectores
columna en K n .

Definición 12 Si A ∈ Mn×m (K) se define el rango de A y se denota rgA al

rango del conjunto de los vectores fila (que coincide con el rango del conjunto
de los vectores columna).

Transformaciones elementales.

Sea A ∈ Mn×m (K). Las transformaciones elementales de A son:

1. Intercambiar dos filas (columnas) de A.

2. Si α ∈ K \ {0}, sustituir una fila (columna) por el producto de α por

esta fila (columna).

5
 3. Si α ∈ K, sustituir una fila (columna) de A por la suma de ésta más
otra fila (columna) multiplicada por α.

Como consecuencia de un resultado del Capı́tulo de Espacios Vectoriales

se obtiene el siguiente teorema:

Teorema 1 El rango de una matriz no varı́a al realizar una operación ele-

mental sobre ésta.

Definición 13 Dadas A, B ∈ Mn×m (K) diremos que A y B son equiva-

lentes si existen P ∈ Mn (K) y Q ∈ Mm (K) tales que B = P AQ.

Proposición 5 Sean A, B ∈ Mn×m (K). Entonces:

i) A y B son equivalentes ⇔ rgA = rgB.

 
Ir 0r×(m−r)
ii) rgA = r ⇔ A es equivalente a .
0(n−r)×r 0(n−r)×(m−r)

Matrices Invertibles. Sea n ∈ N∗ y K un cuerpo.

Definición 14 Dada A ∈ Mn (K) diremos que A es invertible, regular o no

singular si existe B ∈ Mn (K) tal que AB = BA = In . Entonces diremos que
B es una matriz inversa de A.
Denotaremos por GLn (K) el conjunto de las matrices de Mn (K) que son
invertibles.

Proposición 6 Se verifica que (GLn (K), ·) tiene estructura de grupo.

Como consecuencia de lo anterior se obtienen los dos siguientes resultados:

Proposición 7 Si A ∈ Mn (K) es invertible entonces la matriz inversa de

A es única. Denotaremos por A−1 la matriz inversa de A.

Proposición 8 Sean A, B ∈ GLn (K). Entonces:

i) (A−1 )−1 = A.

ii) AB ∈ GLn (K) y (AB)−1 = B −1 A−1 .

Proposición 9 Sea A ∈ Mn (K). Entonces A es invertible ⇔ rgA = n.

6
 Método para el cálculo de la matriz inversa de una matriz in-
vertible.

Sea A ∈ Mn (K). Consideramos la matriz descompuesta en bloques (A|In ).

Entonces realizamos operaciones elementales a las filas de esta matriz
para intentar obtener en el primer bloque la matriz In .
Primer Caso. Si es imposible obtenerla entonces A no es invertible.
Segundo Caso. Si se obtiene, la matriz del segundo bloque es la matriz
inversa de A.

Determinantes.
Definición 15 Sea A = (aij ) ∈ Mn (K). Definimos el determinante de A y
a11 a12 . . . a1n
a21 a22 . . . a2n
se denota |A| o .. .. .. .. de la siguiente forma:
. . . .
an1 an2 . . . ann

Si n = 1 entonces |A| = | a11 | = a11 .

a11 a12
Si n = 2 entonces |A| = = a11 a22 − a12 a21 .
a21 a22
Supongamos que tenemos definidos los determinantes de las matrices
de orden n − 1.
a11 a12 . . . a1n a22 a23 . . . a2n
a21 a22 . . . a2n a32 a33 . . . a3n
Entonces definimos |A| = .. .. .. .. = (−1)1+1 a11 .. .. .. .. +
. . . . . . . .
an1 an2 . . . ann an2 an3 . . . ann
a21 a23 ... a2n a21 a22 . . . a2,n−1
a31 a33 ... a3n a31 a32 . . . a3,n−1
(−1)1+2 a12 .. .. ...
1+n
. . . +. . .+(−1) a1n .. .. .. .. .
. . . . . .
an1 an3 ... ann an1 an2 . . . an,n−1

Como caso particular, para el caso de n = 3 se tiene la regla de Sarrus:

a11 a12 a13

a21 a22 a23 =
a31 a32 a33
a11 a22 a33 + a13 a21 a32 + a31 a12 a23 − a31 a22 a13 − a11 a32 a23 − a33 a21 a12 .

7
Proposición 10 Sea A = (aij ) ∈ Mn (K).

i) Si B es la matriz que se obtiene al permutar dos filas (columnas) de A

entonces |B| = −|A|.

ii) Si una fila (columna) de A es combinación lineal de las otras o equiv-

alentemente, si las filas (columnas) de A son linealmente dependientes,
entonces |A| = 0.

iii) Si λ ∈ K y B es una matriz con las misma filas (columnas) que A ex-
cepto una fila (columna) que es la correspondiente a la de A multiplicada
por λ entonces |B| = λ|A|.

iv) Si B es la matriz que resulta de sustituir una fila (columna) de A por la

suma de ésta y una combinación lineal de las demás entonces |A| = |B|.

v) |A| = |AT |.

vi) Si B ∈ Mn (K) entonces |AB| = |A||B|.

a11 a12 ... a1n a11 a12 ... a1n a11 a12 ... a1n
a21 a22 ... a2n a21 a22 ... a2n a21 a22 ... a2n
.. .. .. .. .. .. .. .. .. .. .. ..
. . . . . . . . . . . .
vii) = + .
ai1 + bi1 ai2 + bi2 ... ain + bin ai1 ai2 ... ain bi1 bi2 ... bin
.. .. ... .. .. .. .. .. .. .. .. ..
. . . . . . . . . . .
an1 an2 ... ann an1 an2 ... ann an1 an2 ... ann
La propiedad análoga se da también para columnas.

viii) Si A ∈ Mn (K), A es regular ⇔ |A| =

6 0.

ix) Si A ∈ GLn (K) entonces |A−1 | = |A|−1 .

x) El determinante de una matriz triangular superior o triangular inferior

coincide con el producto de los elementos de su diagonal.

Definición 16 Sea A = (aij ) ∈ Mn (K) e i, j ∈ {1, . . . , n}.

i) Se define el menor complementario del elemento (i, j) y se denota ∆ij al

determinante de la matriz que resulta de eliminar la fila i y la columna
j de A.

ii) Se define el adjunto del elemento (i, j) y se denota Aij a Aij = (−1)i+j ∆ij .

8
Proposición 11 El valor de un determinante coincide con la suma de los
productos de cada uno de los elementos de una fila (columna) por sus respec-
tivos adjuntos.

Cálculo de la matriz inversa usando determinantes.

Definición 17 Dada A = (aij ) ∈ Mn (K) se define la matriz adjunta de A

a
A11 A12 . . . A1n
 
 A21 A22 . . . A2n 
Adj(A) = 
 ... .. .. ..  .
. . . 
An1 An2 . . . Ann

Proposición 12 Si A ∈ GL(n, K) entonces A−1 = Adj(A)T /|A|.

Cálculo del rango de una matriz usando determinantes.

Definición 18 Sea A ∈ Mn×m (K) y r ∈ N∗ , r ≤ min(n, m). Un menor de

orden r de A es el determinante de una submatriz r × r de A.

Proposición 13 Dada A ∈ Mn×m (K), rgA coincide con el máximo de los

ordenes de sus menores no nulos.

Sistemas de Ecuaciones Lineales.

Sea K un cuerpo y n, m ∈ N∗ .

Definición 19 Un sistema de n ecuaciones y m incognitas es un conjunto

de n ecuaciones en la forma:


 a11 x1 + a12 x2 + . . . + a1m xm = b1
a21 x1 + a22 x2 + . . . + a2m xm = b2


 ...
an1 x1 + an2 x2 + . . . + anm xm = bn


donde aij ∈ K, 1 ≤ i ≤ n, 1 ≤ j ≤ m, éstos reciben el nombre de coeficientes

del sistema y bi ∈ K, 1 ≤ i ≤ n, éstos reciben el nombre de términos
independientes del sistema. Los x1 , x2 , . . . , xm reciben el nombre de incognitas
del sistema.

9
 Dado c = (c1 , c2 , . . . , cm ) ∈ K m , diremos que c es una solución del sistema
anterior si al sustituir en las ecuaciones anteriores cada xj por cj , 1 ≤ j ≤ m,
las igualdades son ciertas.
Dado el sistema anterior,
a11 a12 . . . a1m
 
 a21 a22 . . . a2m 
A=  ... .. .. .. 
. . . 
an1 an2
. . . anm
b1
 
 b2 
se dice que es la matriz del sistema, b =  ...  se dice que es la matriz de


bn
x1

 x2 
los términos independientes y x =   ...  es la matriz de las incognitas.


xm
∗
La matriz descompuesta por bloques A = (A|b) recibe el nombre de matriz
ampliada del sistema.

Claramente el sistema anterior se puede expresar por la siguiente igualdad

matricial:
Ax = b.
Esta recibe el nombre de forma matricial del sistema.

Definición 20 Diremos que un sistema de ecuaciones lineales es homogéneo

si el vector de los términos independientes es el vector nulo.

Definición 21 a. Diremos que un sistema es compatible (SC) si tiene solu-

ciones.
a.1. Diremos que un sistema es compatible determinado (SCD) si es
compatible y sólo tiene una solución.
a.2. Diremos que un sistema es compatible indeterminado (SCI) si es
compatible y no tiene una única solución.
b. Diremos que un sistema es incompatible si no tiene solución.

Observemos que un sistema homogéneo es siempre compatible.

Definición 22 Dados dos sistemas lineales de n ecuaciones con m incogni-

tas con coeficientes en K, diremos que son equivalentes si sus conjuntos de
soluciones coinciden.

10
Proposición 14 Consideremos un sistema de n ecuaciones con m incogni-
tas con coeficientes en K.

i) Si sustituimos una ecuación del sistema por el resultado de multiplicar

dicha ecuación por un elemento de K no nulo, el sistema obtenido es
equivalente al primero.

ii) Si sustituimos una ecuación del sistema por el resultado de sumar a esta
ecuación otra ecuación multiplicada por un escalar, el sistema obtenido
es equivalente al primero.

Teorema 2 (Rouché-Fröbenius)Sea Ax = b un sistema de n ecuaciones

con m incognitas y sea A∗ = (A|b) ∈ Mn×(m+1) (K). Entonces el sistema es
compatible ⇔ rgA = rgA∗ .

i) Si rgA = rgA∗ = m entonces el sistema es compatible determinado.

ii) Si rgA = rgA∗ < m entonces el sistema es compatible indeterminado.

Además, en ese caso, el número de parámetros es m − rgA.

(Observemos que m es el número de incognitas del sistema).

Proposición 15 Supongamos que Ax = b es un sistema compatible y sea

z una solución de este sistema. Entonces el conjunto de las soluciones del
sistema es
{z + t | At = 0}.

Teorema 3 ((Regla de Cramer) Consideremos el sistema de n ecua-

ciones con n incognitas Ax = b, supongamos que A = (aij ) y |A| =
6 0.
Entonces:
b1 a12 . . . a1n
b2 a22 . . . a2n
.. .. ... ..
. . .
bn an2 . . . ann
x1 = ;
|A|
a11 b1 ... a1n
a21 b2 ... a2n
.. .. .. ..
. . . .
an1 bn ... ann
x2 = ;
|A|
···

11
 a11 ... a1,n−1 b1
a21 ... a2,n−1 b2
.. .. .. ..
. . . .
an1 ... an,n−1 bn
xn = .
|A|

12