MATRICES Y DETERMINANTES

1. Introducción

Las matrices y los determinantes son herramientas del álgebra que facilitan el ordenamiento de datos,
así como su manejo.

Los conceptos de matriz y todos los relacionados fueron desarrollados básicamente en el siglo XIX por
matemáticos como los ingleses J.J. Sylvester y Arthur Cayley y el irlandés William Hamilton.

Las matrices se encuentran en aquellos ámbitos en los que se trabaja con datos regularmente ordenados
y aparecen en situaciones propias de las Ciencias Sociales , Económicas y Biológicas.

2. Matrices. Definición y primeros ejemplos

Una matriz de dimensión m x n es un conjunto de m x n números reales dispuestos en m filas y n

columnas, es decir:
 a11 a12 " a1n 
 
 a21 a22 " a2 n 
 # # % # 
 
a amn 
 m1 am 2 "

Las matrices se representan con letras mayúsculas A, B, C, etc.

Los elementos se representan con la misma letra que la matriz pero en minúscula, seguido de dos
subíndices, el primero de los cuales indica a qué fila pertenece y el segundo a qué columna. Por
ejemplo, a25 es un elemento de la matriz A situado en la 2ª fila y en la 5ª columna. Así el elemento a23
está en la 2ª fila y 3ª columna.

Abreviadamente una matriz se puede expresar como A = (aij) con 1 ≤ i ≤ m y 1 ≤ j ≤ n.

Ejemplos:
Son ejemplos de matrices los siguientes:
2 3 2
 
 1 3  −2 3 2  1 0 5
A =   B=   C= 
 4 5  −1 0 5  3 5 8
 
6 5 1
En las matrices anteriores:

A tiene 2 filas y 2 columnas, diremos que es de dimensión 2 x 2.

B tiene 2 filas y 3 columnas, diremos que es de dimensión 2 x 3.
C tiene 4 filas y 3 columnas, diremos que es de dimensión 4 x 3.

Dos matrices, A y B, son iguales cuando tienen los mismos elementos, dispuestos en los mismos
lugares:
A = B ⇔ aij = bij ∀ i, j
3. Tipos de matrices

Algunas matrices reciben nombres especiales de acuerdo con su dimensión o sus elementos:

TIPOS DEFINICIÓN Y OBSERVACIONES EJEMPLO

Fila Matriz formada por una sola fila; dimensión 1x n (1 2 3)
 3
 
Columna Matriz formada por una sola columna; dimensión m x 1  2
 4
 
Matriz en la que todos sus elementos son iguales a cero. Se  0 0
Nula  
representa por O.  0 0
Es una matriz con el mismo número de filas que de columnas,
 a11 a12 " a1n 
es decir, de dimensión n x n. En lugar de hablar de dimensión,  
se dice que una matriz A con n filas y n columnas es de orden a a " a2 n 
Cuadrada A =  21 22
n. ord (A) = n # # % # 
 
Los elementos de la forma aii forman la diagonal principal. a " ann 
La otra diagonal recibe el nombre de diagonal secundaria.  n1 an 2

Matriz cuadrada en la que todos 1 − 3 4

 
Superior los elementos que hay por debajo 0 2 5
de la diagonal principal son cero.  0 0 2
 
Triangular
Matriz cuadrada en la que todos  3 0 0
los elementos que hay por  
Inferior  − 6 4 0
encima de la diagonal principal  1 2 3
son cero.  
 2 0 0
Matriz cuadrada que tiene nulos los elementos  
Diagonal 0 − 3 0
situados fuera de la diagonal principal. 0 0 7
 
Matriz diagonal en la que los elementos de la 1 0 0
 
Identidad diagonal principal son todos igual a uno. Se I =  0 1 0
representa con la letra I. 0 0 1
 

En una matriz cuadrada, se llama traza de la matriz a la suma de los elementos de la diagonal principal,
es decir:
Traza (A) = a11 + a22 + a33 + . ··· + ann

4. Operaciones con matrices

Vamos a estudiar las operaciones que pueden realizarse con las matrices:

4.1 Suma y diferencia

Para sumar (o restar) matrices de igual dimensión, se suman (o restan) los elementos que ocupan el
mismo lugar, esto es, se suma (o resta) el elemento aij con el bij, obteniéndose otra matriz de igual
dimensión:
A + B = (aij + bij ) A – B = (aij – bij )
Para poder sumar (o restar) matrices, éstas han de ser de la misma dimensión. En caso contrario no se
podrán sumar (o restar).

Ejemplo:
− 6 0   5 − 5  − 1 − 5
  +   =  
 12 − 45   − 10 45   2 0 
 4 0   3 − 3  1 3
  −   =  
 − 8 30   − 6 27   − 2 3 

Propiedades de la suma (y diferencia) de matrices:

a) Conmutativa:
A+B=B+A

b) Asociativa:
A + (B + C) = (A + B) + C

c) Elemento neutro es la matriz nula, O, del tamaño correspondiente.

A+O=O+A=A

d) Elemento opuesto de A es la matriz –A, que resulta de cambiar de signo a los elementos de A.
A + (–A) = (–A) + A = O

4.2 Producto por un número real

Dada una matriz cualquiera A y un número real k, el producto k·· A se realiza multiplicando todos los
elementos de A por k, resultando otra matriz de igual dimensión que A.

 a11 a12 " a1n   ka11 ka12 " ka1n 

   
a a22 " a2 n   ka21 ka22 " ka2 n 
k · A = k ·  21 =
# # % #   # # % # 
   
a " amn   kam1 kam 2 " kamn 
 m1 am 2

De manera abreviada se expresa como k · A = k · (aij) = (k · aij)

Propiedades:

a) Distributiva respecto de la suma de matrices:

k·(A + B) = kA + kB

b) Distributiva respecto de la suma de números:

(k + d)·A = kA + dA

c) Asociativa:
k·(dA) = (kd)·A
 d) Elemento neutro, el número 1:
1·A = A

4.3 Producto de matrices

Hay que dejar claro ya desde el principio que no todas las matrices pueden multiplicarse. Dos matrices
se pueden multiplicar cuando se cumple la siguiente condición:

Para multiplicar dos matrices A y B, en este orden, A · B, es condición indispensable que el

número de columnas de A sea igual al número de filas de B.

Si no se cumple esta condición, el producto A · B no puede realizarse, de modo que esta es una
condición que debemos comprobar previamente a la propia multiplicación.

Una vez comprobado que el producto A · B se puede realizar, si A es una matriz m x n y B es una matriz
n x p (observemos que el número de columnas de A, n, es igual al número de filas de B), entonces el
producto A · B, da como resultado una matriz C de tamaño n x p del siguiente modo:

El elemento que se encuentra en la fila i y la columna j de la matriz C = A · B, se obtiene

multiplicando escalarmente la fila i de A por la columna j de B.

Ejemplo:
 0 −1 
A =  1 1 
 1 3
B =  
 5 −3   4 5
 

Entonces:
dim (A) = 3 x 2 ; dim (B) = 2 x 2 ⇒ dim (C) = dim (A · B) = 3 x 2

Así:
 0 −1   −4 −5 
   1 3   
C = A · B = 1 1  ·   =  5 8
4 5
 5 −3     −7 0 
   
ya que:
c11 = (1ª fila de A) · (1ª columna de B) = 0 · 1 + (–1) · 4 = –4
c12 = (1ª fila de A) · (2ª columna de B) = 0 · 3 + (–1) · 5 = –5
c21 = (2ª fila de A) · (1ª columna de B) = 1 · 1 + 1 · 4 = 5
c22 = (2ª fila de A) · (2ª columna de B) = 1 · 3 + 1 · 5 = 8
c31 = (3ª fila de A) · (1ª columna de B) = 5 · 1 + (–3) · 4 = –7
c32 = (3ª fila de A) · (2ª columna de B) = 5 · 3 + (–3) · 5 = 0

Propiedades del producto de matrices:

a) Asociativa:
A · (B · C) = (A · B) · C
 b) Distributiva respecto de la suma:
A · (B + C) = A · B + A · C
(B + C) · A = B · A + C · A

c) En el caso de las matrices cuadradas de orden n, la multiplicación cumple una propiedad

adicional, la existencia del elemento neutro, que es la matriz identidad correspondiente. Si A es
de orden n, entonces el elemento neutro en la matriz identidad de orden n, esto es In:
A · In = In · A = A

d) En general el producto de matrices no es conmutativo:

A·B≠B·A

e) El producto de dos matrices no nulas A y B puede dar lugar a una matriz nula. Se dice que el
conjunto de las matrices con la operación producto tiene divisores de cero, es decir, hay
matrices no nulas cuyo producto es nulo.
1 0 0 0  0 0
A=   B=   ⇒ A·B=  
 2 0  0 −3  0 0

En el conjunto de las matrices cuadradas podemos definir la potencia de matrices como:

A2 = A · A
A = A2 · A = A · A · A
3

#
n n–1
A =A · A = A · A · A · … · A (n veces)

4.4 Trasposición de matrices

Dada una matriz cualquiera A, se llama matriz traspuesta de A, y se representa por At a la matriz que
resulta de intercambiar las filas y las columnas de A.

Evidentemente, si A es una matriz de dimensión m x n, su traspuesta At tendrá dimensión n x m, pues el

número de columnas pasa a ser el de filas y viceversa. Si la matriz A es cuadrada, su traspuesta tendrá
la misma dimensión.

Ejemplo:
 1 3 1 4
A =   ⇒ At =  
 4 5 3 5

Propiedades:
a) La traspuesta de la traspuesta es la matriz inicial, es decir:
(At)t = A

b) Traspuesta de la suma:
(A + B)t = At + Bt

c) Traspuesta del producto:

(A · B)t = Bt · At
En base a esta nueva operación, podemos definir otras dos clases de matrices, que son:

• Matriz simétrica, que es aquella para la que se cumple que At = A, por ejemplo la matriz:
 3 −6 1   3 −6 1 
 
A =  −6 4 2  At =  −6 4 2 
1 2 3  1 2 3 
 

• Matriz antisimétrica, es aquella para la que se cumple que At = –A. En una matriz antisimétrica,
los elementos de la diagonal principal son siempre nulos y los restantes son opuestos respecto a
dicha diagonal.
 0 −6 1   0 6 −1
  t  
A =  6 0 −2  A =  −6 0 2  = –A
 −1 2 0   1 −2 0 
   

5. La matriz inversa

Sabemos ya multiplicar matrices y hemos visto algunas de las propiedades de esta operación.
Recordemos, en primer lugar, que no siempre es posible efectuar la multiplicación de dos matrices, y
en segundo lugar, que aunque sea posible hacer esta multiplicación, en general no es conmutativo, es
decir A · B es distinto de B · A.

En el caso particular de que tratemos con matrices cuadradas del mismo orden A y B, es claro que
podemos efectuar los productos A · B y B · A, que darán como resultado otra matriz del mismo orden,
aunque, como ya se ha dicho, las matrices resultantes serán, en general, distintas. Sabemos también que
el elemento neutro del producto de matrices es la matriz identidad In.

Nos planteamos ahora si, dada una matriz cuadrada A, existe otra matriz cuadrada B que verifique que:
A · B = B · A = In

Si B existe, diremos que es la matriz inversa de A. La representaremos por A–1.

Si A tiene inversa, se dice que es una matriz regular. Si A no tiene inversa, se dice que es singular o no
invertible.

Si una matriz tiene inversa, dicha matriz inversa es única (sólo hay una).

Para calcular dicha matriz inversa, podemos utilizar dos vías:

5.1 Método directo (a partir de la definición):

 2 −1  –1 a b 
Sea A =   . Para calcular la inversa de A, A , debemos hallar una matriz   tal que:
1 3  c d
 2 −1   a b   1 0 
 · =  = I2
1 3   c d  0 1
Efectuamos el producto indicado en el primer miembro de la igualdad, obteniendo:
 2a − c 2b − d   1 0 
  = 
 a + 3c b + 3d   0 1 

Aplicando la condición de igualdad de matrices, obtenemos los siguientes sistemas de ecuaciones:

2a − c = 1  2b − d = 1
 y 
a + 3c = 0  b + 3d = 0 

cuyas soluciones son:

3 1 1 2
a= b= c= − d=
7 7 7 7

Luego la matriz inversa de A, A–1, es:

 3 1
 7 7
A–1 =  
− 1 2
 
 7 7

El cálculo de matrices inversas a partir de la definición conduce a la resolución de sistemas de

ecuaciones, lo que suele resultar laborioso. Obsérvese que éste método directo sólo se suele utilizar
para matrices cuadradas de tamaño 2, puesto que para las de tamaño 3 obtenemos un sistemas de 9
ecuaciones con 9 incógnitas, que realmente es difícil de resolver.

5.2 Método de Gauss-Jordan:

Se puede obtener la matriz inversa de una matriz dada A, a partir de transformaciones elementales. Se
llama transformación elemental en una matriz a:

1) Multiplicar o dividir una fila por un número real distinto de cero.

2) Sumar o restar a una fila otra multiplicada por un número real no nulo.
3) Intercambiar el lugar de dos filas entre sí.

Para aplicar este método, procedemos como sigue:

− Partimos de una matriz formada por la matriz A y una matriz identidad del mismo orden que A.
Esta matriz se llama matriz ampliada y se simboliza por (A | I):
 a11 a12 " a1n 1 0 " 0 
 
 a21 a22 " a2 n 0 1 " 0 
 # # % # # # % #
 
 an1 an 2 " ann 0 0 " 1 
 − Aplicamos las transformaciones elementales adecuadas para llegar a una matriz (I | B):
 1 0 " 0 b11 b12 " b1n 
 
 0 1 " 0 b21 b22 " b2 n 
# # % # # # % # 
 
 0 0 " 1 bn1 bn 2 " bnn 
La matriz B resulta ser A–1.

Ejemplo:
 2 −1 
Sea A =   . Partimos de la matriz ampliada:
1 3 
 1 1 
 1 1  1 − 2 2 0
 2 −1 1 0  f1 → f1 / 2  1 − 0 f 2 → f 2 − f1
f2 → f2 :
7

   → 2 2  →    2

→
  7 1
1 3 0 1 1 3 0 1  0 − 1
  
 2 2 
 1   3 1
1 − 1 2
f2 → f2 :
7 0
f1 → f1 + f 2 / 2
 1 0 7 7
 →  2 2
  →  
0 1 − 1 2 0 1 − 1 2 
   
 7 7  7 7
 3 1
 7 7
Por tanto, A–1 =  
− 1 2
 
 7 7

Nota: Al aplicar el método de Gauss-Jordan para calcular la inversa de una matriz A, puede que, al
efectuar alguna de las transformaciones elementales, se obtengan una o más filas nulas el la matriz
ampliada (A | I). En este caso, la matriz A no tiene inversa, es decir, es singular.

Cuanto mayor sea el orden de la matriz, mejor es este método frente al directo.

Nota: Más adelante, veremos otro método para calcular la inversa de una matriz, utilizando
determinantes.

6. Rango de una matriz

Un concepto muy importante relacionado con las matrices es el de rango. El concepto de rango se
encuentra ligado al de “independencia lineal” de filas o columnas de una matriz, pero no se introducirá
de esta manera porque se requieren conceptos que no conocemos.

Baste saber que se define el rango de una matriz como el número máximo de filas o columnas
linealmente independientes.

A continuación veremos cómo asignar a una matriz su rango. Fíjate en las siguientes matrices:
 4 6
 −1 5 0   
 3 −1 1  0 0
A=   B =  0 3 2  C= 
0 2 6  0 0 2 0 0
   
0 0

En ellas se cumple que:

• Si hay filas nulas, están situadas en la parte inferior de la matriz.
• En las filas no nulas, el primer elemento diferente de cero de una fila está situado más a la
derecha que el primer elemento diferente de cero de la fila inmediatamente superior.

De ellas se dice que son matrices escalonadas.

En este caso se dice que el rango de una matriz escalonada A es el número de filas no nulas de A. Lo
denotamos por rg (A).

Así pues, para las matrices anteriores se tiene: rg (A) = 2; rg (B) = 3; rg (C) = 1.

Los ejemplos anteriores ponen de manifiesto que el rango de cualquier matriz siempre es menor o igual
que el número de filas de la matriz. De hecho se verifica que el rango de cualquier matriz siempre es
menor o igual que su número de filas y de columnas. Esto permite, antes de calcular el rango de una
matriz, saber entre qué valores va a estar ese rango.

Si A es una matriz de tamaño m x n no nula se cumple que 1 ≤ rg (A) ≤ min {m, n}.

Nos preguntamos ahora cómo podemos definir el rango de una matriz cualquiera. Para ello, estudiemos
el siguiente concepto. Dos matrices son equivalentes si una de ellas se obtiene a partir de la otra
mediante transformaciones elementales.

Definimos entonces el rango de una matriz cualquiera como:

El rango de una matriz A es el rango de una matriz escalonada equivalente a A.

Por tanto, el cálculo del rango de una matriz lo abordaremos desde la perspectiva del método de Gauss.
Supongamos que tenemos una matriz cualquiera A, a la que aplicamos el método de Gauss con el fin de
simplificarla lo más posible (es decir, consiguiendo que tenga el mayor número de ceros posible),
realizando operaciones elementales en las filas.

Ejemplo:
2 1 3 1
Calculemos el rango de la matriz A =  1 1 2 2 
 −1 4 3 −1 
 

Para facilitar los cálculos posteriores, hacemos el elemento a11 sea 1. Para ello intercambiamos las dos
primeras filas:
 2 1 3 1 1 1 2 2
  f1 ↔ f 2  
 1 1 2 2  → 2 1 3 1
 −1 4 3 − 1   −1 4 3 −1 
   

Hacemos que los demás elementos de la primera columna sean nulos:

1 1 2 2 1 1 2 2 
  f 2 → f 2 − 2 f1  
 2 1 3 1  → f3 → f3 + f1  0 −1 −1 −3 
 −1 4 3 − 1  0 5 5 1 
   

Hacemos que el elemento a32 sea cero:

1 1 2 2  1 1 2 2 
  f3 → f3 +5 f 2  
 0 −1 −1 −3  →  0 −1 −1 −3 
0 5 5 1   0 0 0 −14 
   

Hemos obtenido una matriz escalonada con tres filas no nulas. Así pues, el rango de la matriz A es 3.

Ejemplo:
 3 −3 6 
B =  2 −2 4 
 −1 1 −2 
 

Para facilitar los cálculos posteriores, hacemos el elemento b11 sea 1. Para ello dividimos la primera fila
entre 3:
 3 −3 6   1 −1 2 
  f1 → f1 / 3
 2 −2 4   →  2 −2 4 
 −1 1 − 2   −1 1 −2 
   

Hacemos que los demás elementos de la primera columna sean nulos:

 1 −1 2   1 −1 2
  f 2 → f 2 − 2 f1  
 2 −2 4  → f3 → f3 + f1 0 0 0
 −1 1 − 2  0 0 0 
  

Hemos obtenido una matriz escalonada con sólo una fila no nula. Así pues, el rango de la matriz B es 1.

7. Determinantes

Introduciremos a continuación el concepto de determinante asociado a una matriz cuadrada. Este

concepto permite simplificar operaciones matriciales tales como el cálculo del rango o de la matriz
inversa.
Si A es una matriz 2 x 2 se define el determinante de la matriz A, y se expresa como det (A) o bien | A |,
como el número:
a11 a12
det (A) = | A | = = a11 · a22 – a12 · a21
a21 a22

Ejemplo:
1 2 1 2
A =   ⇒ |A|= = 1 · 4 – 2 · 3 = 4 – 6 = –2
3 4 3 4

Si A es una matriz 3 x 3 se define el determinante de la matriz A como:

a11 a12 a13
a21 a22 a23 = (a11 · a22 · a33 + a21 · a32 · a13 + a12 · a23 · a31) – (a31 · a22 · a13 + a32 · a23 · a11 + a21 · a12 · a33)
a31 a32 a33

Ejemplo:
1 0 − 1
 
A = 0 2 3 
 4 1 − 2
 
1 0 −1
| A | = 0 2 3 = 1 · 2 · (–2) + 0 · 1 · (–1) + 0 · 3 · 1 – (–1) · 2 · 4 – 0 · 0 · (–2) – 3 · 1 · 1 = 1
4 1 −2

Para recordar la expresión de un determinante de orden 3, resulta de utilidad la llamada regla de Sarrus:
Sumandos con signo + Sumandos con signo –

Para definir determinantes de matrices de orden mayor que 3 es necesario introducir previamente
algunos conceptos.

• Dada una matriz cuadrada A de orden n, definimos el menor complementario de un elemento de

A, aij, como el determinante de la submatriz de orden n – 1 que se obtiene al suprimir de la
matriz A la fila i y la columna j en la que se encuentra dicho elemento aij. Se representa por Mij.

• Dada una matriz cuadrada A de orden n, definimos el adjunto de un elemento aij de A como el
número:
Aij = (–1)i + j · Mij
es decir, no es más que el menor complementario correspondiente acompañado de un signo más
o menos dependiendo de la .la y la columna en la que se encuentre el elemento en cuestión.
 1 0 − 1
 
Por ejemplo, para la matriz A =  0 2 3  , los adjuntos de los elementos de la primera fila son:
 4 1 − 2
 

Adjunto de a11 = 1:
2 3
A11 = (–1)1 + 1 · M11 = (–1)2 · = 1 · [2 · (–2) – 3 · 1] = –7
1 −2

Adjunto de a12 = 0:
0 3
A12 = (–1)1 + 2 · M12 = (–1)3 · = (–1) · [0 · (–2) – 3 · 4] = 12
4 −2

Adjunto de a13 = –1:

0 2
A13 = (–1)1 + 3 · M13 = (–1)4 · = 1 · [0 · 1 – 2 · 4] = –8
4 1

De manera general, dada una matriz cuadrada A de tamaño n se define su determinante como la suma
del producto de los elementos de una línea cualquiera de la matriz (fila o columna) elegida, por sus
correspondientes adjuntos (Se puede demostrar, aunque dicha demostración excede los contenidos del
curso, que el valor del determinante no depende de la fila o columna elegida para calcularlo).

La definición de determinante es bastante engorrosa y se hace mucho más pesada a medida que
aumenta el orden de la matriz A.

Ejemplo:
 −2 0 1 2
 
1 2 1 1
Sea A =  . Entonces:
 3 1 2 0
 
 −5 −1 3 4

−2 0 1 2
2 1 1 1 1 1 1 2 1 1 2 1
1 2 1 1
|A|= = (–2) · 1 2 0 + 0 · 3 2 0 + 1 · 3 1 0 + 2 · 3 1 2 =
3 1 2 0
−1 3 4 −5 3 4 −5 −1 4 −5 −1 3
−5 −1 3 4
= (–2) · 17 – 0 · 15 + 1 · (–18) – 2 · (–31) = 10

7.1 Propiedades de los determinantes

Algunas propiedades importantes que tienen los determinantes, que se enuncian sin demostración, son:

1. El determinante de una matriz es igual al de su traspuesta: | A | = | At |.

 2. Si multiplicamos todos los elementos de una línea de un determinante por un número, el
determinante queda multiplicado por ese número.

3. Si una matriz tiene una línea (fila o columna) de ceros, el determinante vale cero.

4. Si una matriz tiene dos filas iguales o proporcionales, su determinante es nulo.

5. Si permutamos dos líneas paralelas de una matriz cuadrada, su determinante cambia de signo.

6. Si una línea de una matriz es combinación lineal de otras líneas paralelas, el determinante es
igual a cero.

7. Si a una línea de una matriz se le suma una combinación lineal de otras líneas paralelas, el
determinante no cambia.

8. Si los elementos de una línea de una matriz se descomponen en dos sumandos, su determinante
es igual a la suma de dos determinantes obtenidos al considerar por separado cada sumando de
esa línea, y el resto de líneas iguales a las del determinante inicial.

7.2. Aplicaciones

7.2.1 Calculo de determinantes de orden superior al 3

Una estrategia a tener en cuenta en este caso de determinantes de orden 4 o superior, o incluso de orden
3 si la matriz es compleja, es el método de “hacer ceros”, puesto que el valor del determinante no varía
al realizar a la matriz ciertas transformaciones elementales en filas, si bien hemos de ser cuidadosos al
aplicar dicha propiedad. Así pues la mejor forma de calcular un determinante es hacer ceros en una fila
o columna y desarrollar por dicha fila o columna, porque entonces sólo tendremos que calcular un
adjunto.

Ejemplo:
 −2 0 1 2
 
1 2 1 1
Sea A =  . Entonces:
 3 1 2 0
 
 −5 −1 3 4

−2 0 1 2 1 2 1 1 1 2 1 1
1 2 1 1 f 2 ↔ f1 −2 0 1 2 f 2 → f 2 + 2 f1
f 3 → f 3 − 3 f1 0 4 3 4
 → – →
f4 → f4 +5 f
–
3 1 2 0 3 1 2 0 0 −5 −1 −3
−5 −1 3 4 −5 −1 3 4 0 9 8 9

Desarrollando ahora por los elementos de la primera columna, tenemos que:

4 3 4
2
| A | = – 1 · (–1) −5 −1 −3 + 0 + 0 + 0 = –10
9 8 9
Como hemos dicho, hemos de tener especial cuidado al aplicar esta regla con determinantes, puesto
que no podemos hacer las mismas operaciones que con las matrices, lo que puede confundir.

7.2.2. Calculo de la matriz inversa

Hay una estrecha relación entre la inversa de una matriz cuadrada y su determinante. De hecho se
verifica que, una matriz cuadrada A tiene inversa si y sólo si | A | ≠ 0. Además, en este caso, la matriz
inversa de A, A–1, se calcula de la manera:
Adj ( At )
A–1 =
| A|

donde Adj (At) denota la matriz adjunta de A, es decir, aquella que se obtiene de sustituir cada elemento
de A por su adjunto.

Ejemplo:
 2 −1 
Sea A =   . Entonces:
1 3 
| A | = 2 · 3 – (–1) · 1 = 6 + 1 = 7 ≠ 0

 3 1
 2 1  3 1 Adj ( At
) 1  3 1   7 7
At =   ⇒ Adj (At) =   ⇒ A–1 = =  = 
 −1 3   −1 2  | A| 7  −1 2   1 2
− 
 7 7

7.2.3 Aplicación de los determinantes al cálculo del rango

Los determinantes también proporcionan una forma sencilla de calcular el rango de una matriz
cualquiera.

Una definición alternativa de rango de una matriz es:

El rango de una matriz A es el tamaño del mayor menor complementario no nulo que esté
incluido dentro de la matriz.

Ejemplo:
 3 −2 1 
 
1. Sea A =  1 − 4 − 2  . La matriz A no tiene rango 3, ya que sólo hay un menor de orden 3, que
 −1 − 6 − 5 
 
es | A |, y se cumple que | A | = 0:
3 −2 1
1 − 4 0 = 12 – 6 + 0 – 4 – 2 – 0 = 0
−1 − 6 −1
Pero de los 9 menores de orden 2 que se pueden formar, encontramos uno no nulo, como por ejemplo:
3 −2
= –12 + 2 = – 10 ≠ 0
1 −4
Por tanto rg (A) = 2.

−1 −1 1 
2. Sea A =   . Podemos encontrar en A un menor de orden 2 no nulo, como por ejemplo:
 1 1 − 3
−1 1
=3–1=2≠0
1 −3
Por tanto, rg (A) = 2.

2 1 3 1
3. A =  1 1 2 2  . Si consideramos de los 4 menores de orden 3 que se pueden formal, aquel
 −1 4 3 − 1 
 
compuesto por las columnas 1ª, 2ª y 4ª, tenemos que:
2 1 1
1 1 2 = –14 ≠ 0
−1 4 −1
Por tanto, rg (A) = 3.