DETERMINANTES

En este captulo veremos algunas propiedades basicas de los determinantes,

as como su aplicacion para el calculo de la inversa de una matriz invertible
y la solucion de sistemas de n ecuaciones lineales con n incognitas.
1. Determinantes
Denicion 1.0.1 Sea A =
_
a
11
a
12
a
21
a
22
_
M
2x2
. Denimos el determi-
nante de A, denotado como det(A), al n umero real dado por:
det(A) = a
11
a
22
a
12
a
21
El determinante de una matriz A = (a
11
) M
1x1
, se dene como el
n umero
det(A) = a
11
Ejemplo 1.0.1 Encuentre el determinante de las matrices dadas a contin-
uacion:
A =
_
1 2
3 4
_
, B =
_
7 4
0 2
_
, C = (3)
det(A) = det
_
1 2
3 4
_
= 1 4 2 3 = 4 6 = 2
det(B) = det
_
7 4
0 2
_
= (7) 2 0 4 = 14 0 = 14
det(C) = det(3) = 3
Ejemplo 1.0.2 Si A =
_
x 5
4 8
_
, encuentre x R tal que det(A) = 1
1
Solucion:
det(A) = x 8 5 4 = 8x 20
Entonces para que det(A) = 1, debe ser, det(A) = 8x 20 = 1, despejando
x en la ultima ecuacion tenemos que x =
21
8
.
Ejemplo 1.0.3 Sea A =
_
x 3
4 2x
_
. Encuentre x R tal que det(A) =
6
Solucion:
det(A) = x 2x (3) (4) = 2x
2
12
Entonces para que det(A) = 6, debe ser, 2x
2
12 = 6, despejando x en la
ultima ecuacion tenemos que 2x
2
= 18, es decir, x
2
= 9, lo que nos dice que
x = 3 o x = 3 (dos respuestas posibles).
Denicion 1.0.2 Sea A M
nxn
con n > 1. Se llama menor ij de A a la
matriz, denotada como M
ij
, a la matriz de orden (n 1)x(n 1) obtenida
al eliminar la la i de A y su columna j.
Ejemplo 1.0.4 Si A =
_
_
_
_
_
_
1 2 3 4
5 6 7 8
9 0 0 0
1 1 1 1
_
_
_
_
_
_
, encuentre M
11
, M
23
, M
34
.
M
11
=
_
_
_
6 7 8
0 0 0
1 1 1
_
_
_, M
23
=
_
_
_
1 2 4
9 0 0
1 1 1
_
_
_, M
34
=
_
_
_
1 2 3
5 6 7
1 1 1
_
_
_
Denicion 1.0.3 Sea A M
nxn
. Denimos el determinante de A =
[a
ij
]
nxn
, denotado como det(A), al n umero real dado por:
det(A) = a
11
(1)
1+1
det(M
11
)+a
12
(1)
1+2
det(M
12
)+...+a
1n
(1)
1+n
det(M
1n
)
2
Si denimos A
ij
= (1)
i+j
det(M
ij
) (cofactor ij de A), entonces la
denicion de determinante queda como sigue:
det(A) = a
11
A
11
+ a
12
A
12
+ ... + a
1n
A
1n
llamada expansion por cofactores.
Ejemplo 1.0.5 Encuentre el determinante de la matriz A =
_
_
_
1 2 3
4 5 8
1 0 0
_
_
_
Solucion:
det(A) = det
_
_
_
1 2 3
4 5 8
1 0 0
_
_
_
= a
11
(1)
1+1
det(M
11
) + a
12
(1)
1+2
det(M
12
) + a
1+3
(1)
13
det(M
13
)
= 1 det
_
5 8
0 0
_
+ 2 (1) det
_
4 8
1 0
_
+ 3 det
_
4 5
1 0
_
= (5 0 8 0) 2(4 0 8 1) + 3(4 0 5 1)
= 0 2(8) + 3(5)
= 1
Ejemplo 1.0.6 Encuentre el determinante de la matriz A =
_
_
_
_
_
_
1 0 0 2
1 2 3 4
0 0 8 0
1 3 0 7
_
_
_
_
_
_
Solucion:
3
det(A) = det
_
_
_
_
_
_
1 0 0 2
1 2 3 4
0 0 8 0
1 3 0 7
_
_
_
_
_
_
= a
11
(1)
1+1
det(M
11
) + a
12
(1)
1+2
det(M
12
) + a
13
(1)
1+3
det(M
13
)
+ a
14
(1)
1+4
det(M
14
)
= 1 det
_
_
_
2 3 4
0 8 0
3 0 7
_
_
_+ 0 (1) det
_
_
_
1 3 4
0 8 0
1 0 7
_
_
_+ 0 det
_
_
_
1 2 4
0 0 0
1 3 7
_
_
_
+ (2) (1) det
_
_
_
1 2 3
0 0 8
1 3 0
_
_
_
= 2 (1)
1+1
det
_
8 0
0 7
_
+ 3 (1)
1+2
det
_
0 0
3 7
_
+ 4 (1)
1+3
det
_
0 8
3 0
_
+ 2(1 (1)
1+1
det
_
0 8
3 0
_
+ 2 (1)
1+2
det
_
0 8
1 0
_
+ 3 (1)
1+3
det
_
0 0
1 3
_
)
= (2 56 3 0 + 4 (24)) + 2(24 2 8 + 3 0)
= 112 96 + 2(40)
= 64
Como vemos el calculo de un determinante puede ser largo y a la vez tedioso,
por ello seran utiles los siguientes teoremas.
Teorema 1.0.1 Sean A, B, C M
nxn
. Entonces
1. det(AB) = det(A)det(B)
2. det(A) = det(A
T
)
3. Si A = [a
ij
]
nxn
, entonces
det(A) = a
i1
A
i1
+ a
i2
A
i2
+ ... + a
in
A
in
4
o
det(A) = a
1j
A
1j
+ a
2j
A
2j
+ ... + a
nj
A
nj
para todo i, j {1, ..., n}
4. Si A tiene una la nula, entonces su determinante es cero.
5. Si la la j (columna j) de A se multiplica por un escalar c, entonces
el determinante de la nueva matriz es igual a c det(A).
6. Si A, B, C son identicas excepto por la la (columna) j y que la la
(columna) j de C es la suma de la la (columna) j de A mas la la
(columna) j de B, entonces:
det(C) = det(A) + det(B)
7. Si A tiene dos las iguales su determinante es cero. Por otro lado si
A tiene dos columnas iguales su determinante tambien es cero.
8. Si una la (columna) de A es m ultiplo escalar de otra la (columna)
de A, entonces el determinante de A es cero.
9. Si se suma un m ultiplo escalar de una la (columna) de A a otra la
(columna) de A, entonces el determinante de esta nueva matriz es
igual al determinante de A.
10. A es invertible si y solo si det(A) = 0. En tal caso se cumple que
det(A
1
) =
1
det(A)
11. Si A = [a
ij
]
nxn
es triangular superior o inferior, entonces
det(A) = a
11
a
22
... a
nn
La propiedad 1 nos dice que el determinate de un producto es el produc-
to de los determinantes. La segunda propiedad que el determinante de una
matriz es igual al determinante de su transpuesta. La tercera es muy im-
portante pues nos dice que la expansion por cofactores se puede realizar por
5
cualquier la o incluso por cualquier columna, as si una la o columna tiene
muchos ceros sera prudente realizar la expansion por dicha la o columna.
En n, como vemos estas propiedades nos ayudan mucho a la hora de calcu-
lar determinantes, pues nos facilitan su calculo o en muchos casos lo hacen
inmediato. Veamos algunos ejemplos donde podemos aplicar estas distintas
propiedades.
Ejemplo 1.0.7 det
_
_
_
_
_
_
1 2 3 0
4 5 6 0
7 8 9 0
1 5 10 0
_
_
_
_
_
_
= 0 por la propiedad 4.
det
_
_
_
_
_
_
1 2 3 4
4 5 6 0
7 8 9 0
1 2 3 4
_
_
_
_
_
_
= 0 por la propiedad 7.
det
_
_
_
_
_
_
1 0 0 0
4 5 0 0
7 8 4 0
1 5 10 2
_
_
_
_
_
_
= 1 5 (4) 2 = 40 por la propiedad 11.
Ejemplo 1.0.8 Sea A =
_
_
_
2 3 0
5 6 0
5 10 1
_
_
_, entonces por la propiedad 3
det
_
_
_
2 3 0
5 6 0
5 10 1
_
_
_ = 0 A
13
+ 0 A
23
+ 1 A
33
, realizando la expansion
por cofactores en la columna 3, pues esta tiene varios ceros). Entonces:
det
_
_
_
2 3 0
5 6 0
5 10 1
_
_
_ = A
33
= (1)
3+3
det
_
2 3
5 6
_
= 3
Ahora, det
_
_
_
2 5 5
3 6 10
0 0 1
_
_
_ = det(A
T
) = det(A) = 3 por la propiedad 2.
6
Por la propiedad 10 A es invertible, y
det(A
1
) =
1
det(A)
=
1
3
Denicion 1.0.4 Sea A M
nxn
. Denimos la adjunta de A, denotada
como adj(A), como la matriz de orden nxn dada por:
adj(A) = [A
ij
]
T
nxn
donde A
ij
es el cofactor ij de A.
Ejemplo 1.0.9 Sea A =
_
_
_
1 2 0
4 0 7
0 2 4
_
_
_. Encuentre adj(A)
Solucion:
A
11
= (1)
1+1
det
_
0 7
2 4
_
= 14
A
12
= (1)
1+2
det
_
4 7
0 4
_
= 16
A
13
= (1)
1+3
det
_
4 0
0 2
_
= 8
y as sucesivamente obtenemos que A
21
= 8, A
22
= 4, A
23
= 2, A
31
= 14,
A
32
= 7, A
33
= 8. De esta manera
adj(A) =
_
_
_
14 16 8
8 4 2
14 7 8
_
_
_
T
=
_
_
_
14 8 14
16 4 7
8 2 8
_
_
_
Teorema 1.0.2 Sea A M
nxn
. Si A es invertible, entonces:
A
1
=
1
det(A)
adj(A)
7
Ejemplo 1.0.10 Sea A =
_
_
_
1 2 0
4 0 7
0 2 4
_
_
_. un simple calculo nos de que
det(A) = 18, recordemos que ajd(A) fue hallada en el ejercicio anterior,
entonces
A
1
=
1
det(A)
adj(A) =
1
18
_
_
_
14 8 14
16 4 7
8 2 8
_
_
_
Sabemos que si A M
mxn
y b M
mx1
, entonces la ecuacion Ax = b,
esta asociada con un sistema de ecuaciones lineales. En particular hemos
aprendido que si A es cuadrada e invertible, tal sistema tiene solucion unica.
A continuacion veremos un metodo que nos permitira hallar tal solucion.
Antes de enunciar el siguiente teorema, tengamos presente lo siguiente:
sea A = [a
ij
]
nxn
con D = det(A) = 0 (invertible) y b = [b
ij
]
nx1
. Denamos
las matrices:
A
1
=
_
_
_
_
_
_
b
11
a
12
. . . a
1n
b
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
b
n1
a
n2
. . . a
nn
_
_
_
_
_
_
A
2
=
_
_
_
_
_
_
a
11
b
11
a
31
. . . a
1n
a
21
b
21
a
32
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
b
n1
a
3n
. . . a
nn
_
_
_
_
_
_
, . . . ,
A
n
=
_
_
_
_
_
_
a
11
a
12
. . . b
11
a
21
a
22
. . . b
21
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . b
n1
_
_
_
_
_
_
y sea D
1
= det(A
1
), ..., D
n
= det(A
n
)
8
Teorema 1.0.3 (Regla de Cramer)
Sea A M
nxn
con D = det(A) = 0 es invertible y b M
nx1
. Entonces el
sistema de ecuaciones lineales dada por Ax = b tiene solucion unica y tal
solucion viene dada por:
x
1
=
D
1
D
, x
2
=
D
2
D
, ..., x
n
=
D
n
D
donde D
1
, ..., D
n
estan denidas como antes.
Ejemplo 1.0.11 Resuelva el siguiente sistema de ecuaciones lineales usan-
do la regla de Cramer:
_

_
2x + 4y + 6z = 18
4x + 5y + 6z = 24
3x + y 2z = 4
Solucion:
En este caso la matriz del sistema es A =
_
_
_
2 4 6
4 5 6
3 1 2
_
_
_ cuyo deter-
minante es det(A) = 6 (entonces el sistema tiene solucion unica y podemos
aplicar la regla de cramer) y b =
_
_
_
18
24
4
_
_
_. Entonces:
D
1
= det(A
1
) = det
_
_
_
18 4 6
24 5 6
4 1 2
_
_
_ = 24
D
2
= det(A
2
) = det
_
_
_
2 18 6
4 24 6
3 4 2
_
_
_ = 12
D
3
= det(A
3
) = det
_
_
_
2 4 18
4 5 24
3 1 4
_
_
_ = 18
9
De esta manera tenemos por el teorema anterior que:
x =
D
1
D
=
24
6
= 4
y =
D
2
D
=
12
6
= 2
z =
D
3
D
=
18
6
= 3
As que la unica solucion del sistema viene dada por:
(x, y, z) = (4, 2, 3)
2. Ejercicios Propuestos
1. Encuentre el determinante de cada una de las siguientes matrices:
A
1
=
_
_
_
1 2 3
4 5 6
7 8 9
_
_
_, A
2
=
_
1 0
1 3
_
, A
3
=
_
_
_
1 4 8
2 5 7
2 0 0
_
_
_
A
4
=
_
_
_
_
_
_
1 2 0 1
0 0 3 4
10 6 0 0
10 6 0 0
_
_
_
_
_
_
, A
5
=
_
_
_
1 4 1
0 1 3
0 0 5
_
_
_, A
6
=
_
_
_
_
_
_
2 5 9 0
0 2 0 0
0 0 2 8
0 0 0 2
_
_
_
_
_
_
A
7
=
_
_
_
_
_
_
1 5 4 0
5 8 2 0
4 2 9 0
8 6 3 0
_
_
_
_
_
_
, A
8
=
_
_
_
_
_
_
_
_
3 0 0 0 0
0 4 0 0 0
4 3 4 0 0
1 6 8 1 0
0 6 8 0 7
_
_
_
_
_
_
_
_
A
9
=
_
_
_
_
_
_
_
_
0 0 0 0 4
0 0 3 4 0
0 3 0
1
2
5
0 4
1
2
0
1
8
4 0 5
1
8
0
_
_
_
_
_
_
_
_
, A
10
=
_
_
_
_
_
_
2 0 0 0
7 0 4 1
1 1 3 4
3 0 9 2
_
_
_
_
_
_
10
2. Encuentre x R tal que el determinante de la matriz A =
_
_
_
2 x 0
7 0 4
1 1 3
_
_
_
sea 0.
3. Encuentre x R tal que el determinante de la matriz A =
_
_
_
_
_
_
2 0 0 0
7 0 4 1
1 1 3 4
3 0 9 2
_
_
_
_
_
_
sea igual a 1.
4. Usando determinantes, determine cuales de las siguientes matrices son
invertibles, para aquellas que lo sean encuentre su inversa usando la
formula de la adjunta.
B
1
=
_
8 17
10 3
_
, B
2
_
_
_
1 2 3
4 5 6
7 8 9
_
_
_, B
3
=
_
_
_
1 0 0
1 3 4
3 0 0
_
_
_
B
4
=
_
_
_
1 4 8
0 0 7
2 0 0
_
_
_,B
5
=
_
_
_
1 0 2
3 4 0
5 0 2
_
_
_,B
6
=
_
_
_
_
_
_
1 0 4 8
0 0 2 0
4 2 9 0
8 0 0 0
_
_
_
_
_
_
5. Encuentre la solucion de los siguientes sistemas de ecuaciones lineales
usando la regla de Cramer.
_

_
x + 2y + 3z = 1
4x + 5y + 6z = 0
7x + 8y = 1
,
_

_
x + 2y w = 0
x + 4y z = 0
7y + z = 0
3x 4w = 0
_
x y = 1
2x + y = 2
;
_

_
x + 3y + z = 0
2x + 6y + 2z = 1
x + 3z = 2
6. Muestre un ejemplo donde no se cumple que:
det(A + B) = det(A) + det(B)
11
7. Una matriz cuadrada se llama ortogonal si es invertible y se cumple
que A
1
= A
T
. Demuestre que si A es ortogonal, entonces det(A) = 1
o det(A) = 1.
8. Una matriz cuadrada se llama nilpotente, si A
k
= O
nxn
, para alg un
entero positivo k. Demuestre que si A es nilpotente, entonces det(A) =
0 (y por tanto la matriz no puede ser invertible).
9. Una matriz cuadrada se llama idempotente, si A
2
= A. Demuestre
que si A es idempotente, entonces det(A) = 0 o det(A) = 1.
10. Demuestre que una matriz es invertible si y solo si A
T
lo es.
11. Demuestre las propiedades 4 y 11, del teorema 1.0.1
12