1

Rango de matrices:

Definición: Se llama rango de una matriz A ∈ » mxn a la dimensión del

subespacio de » mx1 generado por las columnas de A. En otras palabras, es el
número de columnas L. I. de la misma.
Por ejemplo:
1 1 
A = 0 1  ; el subespacio de » 3 x1 generado por las dos columnas de A es
0 0 
 1  1  
 
SC = gen  0  , 1   que tiene dimensión 2, como es fácil demostrar; por lo que el
   
 0 0  
    
rango de A es 2.
Si consideramos las filas de A como vectores de »1x 2 , podemos definir el
subespacio que las mismas generan como subespacio fila de A que se indica:
SF = gen {[1 1] , [ 0 1] , [ 0 0]}
Y, como se ve, la dimensión de dicho subespacio también es 2.
Un resultado importante es que, dada cualquier matriz A ∈ » mxn , el número de
columnas L.I. coincide con el número de filas L.I.: por lo tanto, el rango de
una matriz es igual al de su traspuesta y las dimensiones del subespacio de
»1x n generado por las m filas de la matriz A y del subespacio de » mx1
generado por sus n columnas son iguales.

Además, el rango de A nunca podrá superar al mín {m, n} (¿por qué?)

Ahora bien: no siempre es sencillo determinar, a simple vista, cuántas de las

columnas (o de las filas) de una matriz son L.I. En cambio es sencillo
determinarlo si la matriz tiene una forma simple, como por ejemplo triangular,
diagonal (si es cuadrada) o escalonada (si no es cuadrada).

Cuando se utiliza el método de Gauss-Jordan, para llevar una matriz a una forma
triangular, diagonal o escalonada, se realizan operaciones lineales entre las filas
de la matriz (multiplicación de una fila por un escalar, suma de un múltiplo de una
fila a otra fila, intercambios de filas) que “no nos sacan” del subespacio que
generan las filas de la matriz, ya que son todas operaciones cerradas en ese
subespacio. Esto significa que el procedimiento de Gauss-Jordan no altera el
rango de una matriz, mientras que remite a una “forma más simple”
equivalente”1 de la misma, en la que es más sencillo determinar su rango.

Notación: la equivalencia entre matrices la indicamos con el símbolo ≈

Ejemplo:

Se desea determinar el rango de la matriz

1
de igual rango

2
  2 −1 0 3
 
M =  −1 3 2 −1
 
 0−1 1 −1
Como dijimos, el rango de esta matriz no supera al mínimo entre el nro. de filas y
el de columnas, o sea rango (M) ≤ mín {3,4}= 3.

Se aplica el procedimiento de Gauss-Jordan para obtener una forma o matriz

equivalente a M más sencilla y en la que resulte fácil calcular el rango:

2 -1 0 3 1 -3 -2 1   1 -3 -2 1  1 0 -5 4 
     
M =  -1 3 2 -1 ≈  2 -1 0 3 ≈  0 5 4 1 ≈ 0 1 -1 1 
     
 0 -1 1 -1   0 -1 1 -1  0 -1 1 -1 0 0 9 -4 

En esta última matriz se observa que aún es posible pivotear en la 3ra. fila
(eligiendo 9 ó -4 como pivotes posibles) por lo que las tres filas son L.I., de modo
que rango (M) = 3. Esto no es evidente en la matriz original M .

-------------------------------------------------------------------------------------------------------
Aplicación a los sistemas de ecuaciones lineales:

Considere un sistema de ecuaciones lineales con indeterminadas y coeficientes

en » :

 x − y + 2z − w = 1

3x − 2 y + 3z − 3w = −1
 − 2 x + y − z + 2 w = −1


El sistema puede escribirse en forma matricial:

x
 1 −1 2 −1    1
   y  
 3 −2 3 −3 ⋅   =  −1 
  z  
 −2 1 −1 2     −1 
 w

(En la matriz A de los coeficientes: nº de filas = nº de ecuaciones= 3 y nº de

columnas = nº de incógnitas= 4)

 x
 y   1
A ⋅   = − 1
z
  − 1
 w

O bien se puede escribir el sistema en términos de combinación lineal de las

columnas de A (o sea, de vectores de » 3 x1 ), como sigue

3
 1   −1   2  − 1   1
 
x  3  + y  − 2  + z  3  + w  − 3 =  −1  ,
 −2   1   −1  2   −1 
 
donde x, y, z, w son los escalares de esta combinación lineal.
 1
 
Entonces, averiguar si existe solución se reduce a averiguar si el vector  −1  de
 
 −1 
los términos independientes pertenece al subespacio generado por las columnas
de A o, lo que es lo mismo, si ese vector es combinación lineal de las columnas
de A.
Pero esto último ocurre si y sólo si el rango de A y el rango de la matriz [A/B]
(matriz formada agregando a A la columna B de los términos independientes)
son iguales. Es decir, si y sólo si la columna B depende linealmente de las
columnas de A, no incrementándose el rango de A por el agregado de B.
Se acostumbra llamar matriz ampliada A’ a esta última, o sea, [A/B]= A´.
Se tiene, entonces, el llamado Teorema de Rouche-Frobenius:

Un sistema de ecuaciones lineales tiene solución si y solo si rango(A) = rango(A’)

donde A es la matriz asociada al sistema y A’ es la correspondiente matriz

ampliada.
En ese caso se dice que el sistema es compatible.
El enunciado equivalente es:

Un sistema de ecuaciones lineales no tiene solución si y solo si rango(A) ≠ rango(A’)

En el ejemplo:

 1 −1 2 −1 1 1 −1 2 −1 1 1 0 −1 −1 −3 
     
A ' =  3 −2 3 −3 −1  ≈  0 1 −3 0 −4  ≈ 0 1 −3 0 −4 
 −2 1 −1 2 −1 0 −1 3 0 1 0 0 0 0 −3
Como se observa, el rango de A' es 3; si no se considera la última columna se ve
que el rango de A es 2. Entonces, este sistema es incompatible.

(Nota: Observe que lo que se hace no es más que una lectura diferente - desde el
punto de vista de las combinaciones lineales de vectores- de lo que ya
obteníamos al resolver sistemas por el método de Gauss/Jordan.

En cambio, para el siguiente sistema,

− x + 2 y − z + w = 1
 y−z+w=2


2 x − y + z − w = −8
 x + y − z + w = −1

4
se tiene:
 −1 2 −1 1 1  1 −2 1 −1 −1
 0 1 −1 1 2  0 1 −1 1 2 
A' =  ≈ ≈
 2 −1 1 −1 −8  0 3 −1 1 −6 
   
 1 1 −1 1 −1 0 3 −2 2 0
 1 0 −1 1 3   1 0 −1 1 3
0 1 −1 1 
2  0 1 −1 1 2
≈ ≈ ≈
0 0 2 −2 −12 0 0 1 −1 −6 
   
0 0 −5 −1 −6  0 0 −5 −1 −6 
1 0 0 0 −3   1 0 0 0 −3 
0 1 0 0 
− 4  0  1 0 0 −4 
≈ ≈ ≈
0 0 1 −1 −6   0 0 1 −1 −6 
   
 0 0 0 − 6 −36   0 0 0 1 6 
1 0 0 0 −3 
0 1 0 0 − 4 
≈
0 0 1 0 0 
 
0 0 0 1 6 

Aquí se observa que el rango de A' es 4, y si se ignora la última columna, se ve

que el rango de A también es 4, por lo tanto este sistema es compatible.
En este caso el rango es igual al número de columnas de A (número de
incógnitas); esto significa que las columnas de A son L.I. y, por lo tanto, el vector
columna de los términos independientes es combinación lineal de las columnas
de A. Y dicha combinación lineal es única (¿por qué?); luego, existe una sola
solución, es decir, el sistema es compatible determinado. Se ha pivoteado
sobre las columnas correspondientes a las incógnitas x, y, z y w, por lo que de
cada ecuación del sistema asociado a la última matriz leemos el valor de cada
incógnita.

x = -3
  −3  
 y   
 = -4
S=    
−4
 El conjunto solución es
z =0
  0  
 w =6   6  
 

(Nuevamente, todo ésto no es más que una lectura diferente de lo que ya se

conocía sobre ecuaciones lineales, ahora desde el punto de vista de las
combinaciones lineales.)

Consideremos ahora el sistema

 x - y -1= 1 x - y =2
 3 x1 
 y - 2z - 2 = 0 en » ; el sistema equivalente es  y-2z =2
x - 2 z - 4 = 0 x - 2 z = 4
 

5
 1 -1 0 2  1 -1 0 2  1 0 -2 4 
A' = 0 1 -2 2  ≈ 0 1 -2 2  ≈ 0 1 -2 2
1 0 -2 4  0 1 -2 2  0 0 0 0 

La matriz A’ tiene rango 2; la matriz A, también, por lo que el sistema es

compatible. Pero solo hemos podido pivotear sobre los coeficientes de dos
variables x e y y no sobre los de w. Por esta razón las dos primeras incógnitas
quedarán expresadas en función de w, generando infintas soluciones.

Nuevamente, se puede hacer una lectura diferente de lo que ya se conocía sobre

ecuaciones lineales, ahora desde el punto de vista de las combinaciones lineales
y la independencia/dependencia lineal. En este caso, el rango de A es menor que
el número de columnas de A (que es el número de incógnitas), esto significa que
las columnas de A constituyen un conjunto L.D. Como la columna de las
incógnitas también forma con las de A un conjunto LD, el vector de los términos
independientes es combinación lineal de las columnas de A. Pero no es una
combinación lineal única (¿por qué?); por tanto, existe más de una solución (en
este caso, infinitas): el sistema es compatible indeterminado. Pero, además, el
sistema equivalente tiene sólo dos ecuaciones (¿por qué?)

x − 2z = 4  4 + 2 z  
   
 y − 2z = 2 S= 2 + 2 z  / z ∈ ℜ
 0=0  z  
 Identidad   

En general, el conjunto solución de un sistema indeterminado A.X = B de m

ecuaciones con n incógnitas tiene n - rango(A) variables libres. En efecto, el
rango(A)= K indica que k columnas (coeficientes de ciertas variables) son LI.
Supongamos, sin perder generalidad, que son las k primeras. Con el proceso de
Gauss- Jordan eso se hace evidente al obtener un sistema equivalente:

1  0  0  a1,k +1  a1, n  b1 

   
0  1  0 
 a 2,k +1   a 2,n  b2 
       
..  ..  ..  .........  ......... .. 
           
x1 0 + x 2 0 + ......... + x k 1  + x k +1 a k , k +1 ...... + x n a k ,n  = b k 
0  0  0   0    0 
         0   
..  ..  ..  ........  ........  .. 
0  0  0       
       0   0  0 

De donde

6
 1  0  0 b1  a1,k +1  a1,n 
0  1  0 b     
 a 2,k +1   a 2, n 
        2

..  ..  ..  ..  .........  .........

           
x1 0 + x 2 0 + ......... + x k 1  = b k  − x k +1 a k , k +1 ...... − x n a k ,n 
0  0  0  0   0   
           0 
..  ..  ..  ..  ........  ........ 
0  0  0  0     
         0   0 

Es decir:
b −a x −..... − a 1 , n x n 
 x1   1 1,k +1 k +1 
 x  b −a x − ..... − a 2 n n 
, x
 2  2 2 , k +1 k +1

..  ........................................... 
   
 x k  = b k − a 1, k +1 x k +1 −..... − a k , n x n 
0   0 
   
..  ............................................
0   
  0
 

Como se ve, cada solución depende de los valores de los n-k parámetros
xk +1 , ..., xn , por lo que es posible afirmar que el sistema tiene más de una
solución.

Consideremos un sistema homogéneo:

− x + y − 2 z = 0
 x − 2 y + 3z = 0

(I) 
 − y+z =0
 x + y + z = 0

o, de otro modo:
− 1 1 − 2 0 
 1 − 2 3   x  0 
  ⋅  y  =   , expresión matricial del sistema (I)
 0 − 1 1    0 
   z   
 1 1 1 0 
0 
 x  
0
A ⋅  y  =  
0 
 z   
0 

7
 0 
Se sabe que por lo menos, el vector nulo 0  es solución; por ello, todo sistema
0 
homogéneo siempre tiene al menos una solución: la trivial. Siempre es
compatible. Pero podría ser que admitiera alguna otra solución además de la
trivial.

Analicemos el SEL Homogéneo desde el punto de vista de los rangos de A y A´,

es fácil ver que rango(A) = rango (A´), ya que el vector B es el vector nulo y
depende linealmente de las columnas de A. De acuerdo con el teorema de
Rouche-Frobenius, el sistema es siempre compatible.
En especial, si el rango de A coincide con el número de incógnitas (que es el
número de columnas de A), la única solución será la trivial (sistema compatible
 0  
determinado), es decir, la solución será el subespacio nulo de » 3 x1 : SH=  0  
 0  
  
Y si el rango de A es menor al número de columnas, el conjunto de soluciones
no es el subespacio nulo sino un subespacio de » 3 x1 que tiene otros elementos
además del vector nulo (sistema compatible indeterminado).

En todos los casos, el conjunto solución de un sistema homogéneo es un

subespacio SH de » nx1 , siendo n el número de incógnitas. En efecto, basta
verificar el cumplimiento de las 4 condiciones que caracterizan a un subespacio:
0
0 
1) SH ≠ ∅ pues   ∈ SH
...
 
0
nx1
2) SH ⊂ »

 x1   x´1   x1   x´1 
 x   x´   x   x´ 
3) Si  2
y  2
son soluciones del sistema A. X = O, entonces  2  +  2 
...  ..... ...  .....
       
 xn   x´n   xn   x´n 
también es solución ya que, por propiedad distributiva de la multiplicación
de matrices respecto de la adición,
  x1   x´1    x1   x´1  0  0  0 
       x´  0  0  0 
x x´ x
A.   2  +  2   = A.  2  + A.  2  =   +   =  
 ...  ...   ...  ...  ... ... ...
               
  xn   x´n    xn   x´n  0  0  0 

8
  x1 
x 
4) De la misma forma, pruebe que si  2  es solución de A. X = O, entonces
... 
 
 xn 
 x1 
x 
α .  2  , ∀α ∈ » también lo es.
... 
 
 xn 

Como se ve, en el caso de determinación del sistema, subespacio solución SH es

el subespacio nulo. En el caso de indeterminación será un subespacio que no es
el nulo.

En cuanto a la dimensión del subespacio solución SH de un sistema homogéneo:

el rango(A)= k nos indica las columnas (coeficientes de ciertas variables) que
son LI. En el proceso de Gauss- Jordan eso se hace evidente obteniéndose, una
vez completado el proceso, un sistema equivalente del tipo:

1  0  0  a1,k +1  a1,n  0

0  1  0       
      a 2,k +1   a 2 , n  0 
..  ..  ..  .........  ......... .. 
           
x1 0 + x 2 0 + ......... + x k 1  + x k +1 a k , k +1 ...... + x n a k ,n  = 0
0  0  0   0   
   0  0 
       
..  ..  ..  ........  ........  .. 
0  0  0       
       0   0  0
y
1  0  0  0  a1,k +1  a1,n 
0  1  0  0     
 a 2,k +1   a 2, n 
       
..  ..  ..  ..  .........  .........
           
x1 0 + x 2 0 + ......... + x k 1  = 0 − x k +1 a k , k +1 ...... − x n a k ,n 
0  0  0  0   0   
           0 
..  ..  ..  ..  ........  ........ 
0  0  0  0     
         0   0 

Es decir:

9
 −a x −..... −a 1 , n x n 
 x1   1,k +1 k +1 
 x  −a x −..... − a , x 
 2   2,k +1 k +1 2 n n

..  ........................................... 
   
 x k  = −a 1,k +1 x k +1 −..... −a k , n x n 
0   0 
   
..  ............................................
0   
  0
 
Como se ve, cada solución depende de los valores de los n-k parámetros reales
xk +1 , ..., xn , por lo que dim SH = n – k y es posible afirmar que

Dim (subespacio solución del sistema homogéneo) = nº de incógnitas - rango(A)

Pueden resumirse los resultados del análisis de los sistemas lineales del
siguiente modo:


 Determinados sii r(A)= nro. incóg.
 Homogéneos → Siempre Compatibles → 
 Indeterminados sii r(A)< nro. incóg
S .E.L. 

 Determinados si k = nro. incóg.

 No Homogéneos 
Compatibles sii r(A)= r(A´) = k → 
Indeterminados si k < nro. incóg
 
  Incompatibles sii r(A) ≠ r(A´)

Relación rango de una matriz cuadrada-determinante

Lo siguiente se refiere a matrices cuadradas exclusivamente. Si recordamos las

propiedades del determinante de una matriz cuadrada, podremos afirmar que,
dada A ∈ R nxn , son equivalentes las siguientes afirmaciones:

i) A tiene n filas y n columnas L.I.;

ii) rango(A) = n;
iii) det(A) ≠ 0 ;
iv) A es no singular( regular o inversible)
v) ∃ A -1 ;
vi) A.X = B es compatible determinado;
vii) A.X=N tiene solo solución trivial

10
Sistema no homogéneo y sistema homogéneo asociado

En el caso de un sistema no homogéneo, es sencillo probar que todas sus

soluciones se obtienen como suma de una solución particular (fija) y la solución
general del sistema homogéneo asociado.
Veamos un ejemplo en » 3x1:

 x - y -1= 0

 y - 2z - 2 = 0

Es un sistema de dos ecuaciones lineales no homogéneo con tres

indeterminadas: x, y, z. Podemos escribirlo:

x - y =1

 y - 2z = 2
(I)
Resolviendo este sistema por alguno de los métodos conocidos, por ejemplo
Gauss- Jordan, se encuentra que el conjunto solución es:

   
  x  1 + λ  
    
SNH =  y =  λ  / λ ∈ » 
 
 z   1  
   1+ λ  
  2  

Que también puede escribirse:

   
  x  1  1  
      
SNH =  y = 0 + λ . 1  / λ ∈ »  (II)
   
  z  1  1 
      
 2 

Una solución particular, de las infinitas que el sistema tiene, se obtiene, por
ejemplo, para λ = 0: [1,0, -1]T.

El Sistema Homogéneo Asociado al sistema (I) anterior es

x - y =0
 (III)
 y - 2z = 0

El subespacio solución de (III) es:

11
    
 x  1  
    
SH =  y = β 1  / β ∈ » 
 
 z  1 
    
 2 

  
 1  
  
Una base de este subespacio es B = =  1  
 1  
  
 2  

Si observamos la estructura de las ternas solución del sistema no homogéneo en

(II) vemos que se expresa como una solución particular del no homogéneo
(1, 0,-1)T más una combinación lineal de la base del homogéneo asociado
T
 1
λ.  1, 0,  . Luego, como λ es cualquier número real, estas sumas dan todas
 2
T
 1
las soluciones posibles del SEL NH (I): (x,y,z)T = (1, 0, -1)T + λ.  1, 0,  / λ ∈ »
 2

Combinación
Solución lineal de la
Particular base del
del No Homogéneo
Homogéneo

Podemos hacer la siguiente interpretación geométrica de ambos conjuntos

x
solución: si a cada terna ordenada  y  ∈ » 3x1 la consideramos como coordenadas
 z 
cartesianas (x, y, z) de un punto del espacio E3, SH puede ser representado por el

conjunto de puntos pertenecientes a una recta que pasa por el origen y que es
 1
paralela al vector  1, 1,  ; mientras que a SNH corresponde una recta paralela a
 2
la anterior, pero que no pasa por el origen sino por el punto (1, 0, -1). Cada punto
 1
de esta recta es la suma del vector (1, 0, -1) con un múltiplo del vector  1, 1,  .
 2

12
  1
 1, 1, 
 2

(1, 0, -1)

Otro ejemplo:

 x+2y+z=-1

-x-2y-z=1
3x+6y+3z=-3


 1 2 1 −1   1 2 1 −1 
   
 −1 − 2 − 1 1  ≈ 0 0 0 0  ⇒ r(A) = r(A/B) =1< número de incógnitas
   
 3 6 3 − 3  0 0 0 0

Por lo que este sitema NH es compatible indeterminado. Y queda reducido a una

sola ecuación

{ x + 2y +z = -1

El conjunto solución es:

{ T
}
SNH = (x,y,z)T = ( -1,0,2 ) + λ (1, 0, −1)T + µ (0,1, −2)T / ∀λ , µ ∈ »

Observese que (-1,0, 2)T es una solución particular del SEL NH, mientras que el
{ }
conjunto B H = (1, 0, −1)T , (0,1, −2)T es una base del subespacio solución del
homogéneo asociado. En efecto, el sistema homogéneo asociado es:

 x+2y+z=0

 - x - 2 y -z = 0 que por Gauss- Jordan se reduce al sistema
 3x + 6y +3z= 0


13
 { x+2y+z=0
{ }
cuyo subespacio solución es: SNH = (x,y,z)T = α (1, 0, −1)T + β (0,1, −2)T / α , β ∈ »
Podemos dar la siguiente interpretación a ambos conjuntos en » 3 : SH es el plano
que pasa por el origen (0, 0, 0) y es paralelo simultáneamente a los vectores
(1, 0, -1) y (0,1, -2) (recordar la ecuación vectorial paramétrica de un plano);
mientras que SNH es un plano paralelo al anterior pero que pasa, no por el
origen, sino por (-1, 0, 2)

14