Determinantes

Notas de Clase
Álgebra Lineal I
S
RE
RO
ER
Elías José Salazar Buelvas
A
JO
:O
OR
AD
Universidad de Cartagena
Facultad de Ciencias Exactas y Naturales
RR
Programa de Matemáticas
Cartagena de Indias
2016
BO
BO
RR
AD
OR
:O
JO
A
ER
RO
RE
S
Índice general
S
RE
1 Ecuaciones lineales y matrices 7
1.1 Introducción a los sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . 7
1.1.1 Ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
RO
1.1.2 Sistemas de m ecuaciones lineales con n incógnitas . . . . . . . . . . . . . . . . . . 10
1.2 Definición de matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3 Solución de sistemas de ecuaciones lineales representados como matrices . . . . . . . . . . 19
1.4 Operaciones elementales en matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
ER
1.5 Eliminación de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.5.1 Método de eliminación de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.5.2 Método de eliminación de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . . . . . 33
1.6 Rango de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
A
1.7 Tipos de sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . .
1.7.1 Sistemas homogéneos . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
44
44
1.7.2 Sistemas no homogéneos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
JO
1.7.3 Sistemas con uno o más parámetros . . . . . . . . . . . . . . . . . . . . . . . . . . 48
1.8 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
:O
2 Teoría elemental de matrices 65

2.1 Operaciones con matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.1.1 Suma y resta de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.1.2 Propiedades de la suma de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . 68
OR
2.1.3 El producto de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68

2.1.4 Propiedades del producto de matrices . . . . . . . . . . . . . . . . . . . . . . . . . 72
2.1.5 Errores comunes con la multiplicación matricial . . . . . . . . . . . . . . . . . . . . 73
2.1.6 Partición de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
AD
2.1.7 Multiplicación de matrices por bloques . . . . . . . . . . . . . . . . . . . . . . . . 74

2.1.8 Multiplicación de matrices por columnas y por filas . . . . . . . . . . . . . . . . . . 76
2.1.9 Productos de matrices como combinaciones lineales . . . . . . . . . . . . . . . . . 77
RR
2.2 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
2.3 Forma matricial de un sistema de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . 85
2.4 Inversa de una matriz cuadrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
2.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
BO
2.6 Matrices elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102

2.7 Un método para invertir matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
2.8 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
3 Determinantes 115
3.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
3.2 Definición de determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
3.2.1 Determinantes de ordenes uno y dos . . . . . . . . . . . . . . . . . . . . . . . . . . 117
3.2.2 Determinantes de orden tres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
4 Índice general
3.3 Desarrollo por cofactores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
3.3.1 Determinantes de orden arbitrario . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
3.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
3.5 Propiedades de los determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
3.6 Aplicaciones geométricas del determinante . . . . . . . . . . . . . . . . . . . . . . . . . . 142
3.7 Matrices elementales y determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
S
3.8 Matrices invertibles y determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
RE
3.9 Determinante de un producto de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
3.10 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
3.11 Cálculo de la matriz inversa por determinantes . . . . . . . . . . . . . . . . . . . . . . . . . 154
RO
3.12 Cálculo de determinantes para matrices en bloque . . . . . . . . . . . . . . . . . . . . . . . 159
3.13 Regla de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
3.14 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
ER
4 Espacios Vectoriales 169
4.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
4.2 Definición y algunos ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
4.2.1 Propiedades básicas de la estructura de espacio vectorial . . . . . . . . . . . . . . . 178
4.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
4.5 Espacio solución de sistemas homogéneos . . . . . . . . . . . .

A
4.4 Subespacios Vectoriales . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
181
186
JO
4.6 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
4.7 Combinaciones lineales de vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
4.8 Espacio generado por un conjunto de vectores . . . . . . . . . . . . . . . . . . . . . . . . . 189
:O
4.9 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194

4.10 Dependencia e independencia lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
4.11 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
4.12 Bases y dimensión de espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
OR
4.13 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216

4.14 Coordenadas respecto de una base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
4.15 Cambio de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
4.16 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
AD
4.17 Subespacios asociados a una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227

4.17.1 Espacio columna de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
4.17.2 Espacio fila de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
4.17.3 Espacio nulo u homogéneo de una matriz . . . . . . . . . . . . . . . . . . . . . . . 228
RR
4.17.4 Valor máximo del rango . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235

4.17.5 Matrices de rango completo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
4.17.6 Sistemas lineales de m ecuaciones con n incógnitas . . . . . . . . . . . . . . . . . . 236
BO
4.18 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238

4.19 Inversa generalizada de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
4.19.1 Un algoritmo para calcular A− . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
4.19.2 Inversa de Moore - Penrose . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
4.20 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
4.21 Ortogonalidad y proyecciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
4.21.1 Conjuntos ortogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
4.21.2 Bases ortonormales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
4.21.3 Subespacios ortogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
4.21.4 Complemento ortogonal de un subespacio . . . . . . . . . . . . . . . . . . . . . . . 247
Índice general 5
4.21.5 Subespacios ortogonales de una matriz . . . . . . . . . . . . . . . . . . . . . . . . 249
4.21.6 Proyección ortogonal sobre un subespacio . . . . . . . . . . . . . . . . . . . . . . . 250
4.21.7 Ortonormalización de Gram-Schmidt . . . . . . . . . . . . . . . . . . . . . . . . . 253
4.22 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
5 Transformaciones lineales 265
S
5.1 Concepto de transformación lineal y ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . 265
RE
5.2 Imágenes de los vectores de una base determinan la transformación lineal . . . . . . . . . . 271
5.3 Relación entre transformaciones y matrices . . . . . . . . . . . . . . . . . . . . . . . . . . 273
5.3.1 Toda matriz define una transformación lineal . . . . . . . . . . . . . . . . . . . . . 273
5.3.2 Asociación de matrices a las transformaciones . . . . . . . . . . . . . . . . . . . . 274
RO
5.3.3 Matrices de cambio de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
5.3.4 Composición de transformaciones lineales y producto matricial . . . . . . . . . . . 280
5.3.5 Matrices asociadas a una misma transformación . . . . . . . . . . . . . . . . . . . . 282
ER
5.4 Núcleo e imagen de una transformación lineal . . . . . . . . . . . . . . . . . . . . . . . . . 284
5.4.1 Definición de núcleo e imagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
5.5 Isomorfismos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 288
5.5.1 Transformaciones invertibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294
5.6 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296
A
JO
:O
OR
AD
RR
BO
BO
RR
AD
OR
:O
JO
A
ER
RO
RE
S
1 Ecuaciones lineales y matrices
S
RE
RO
ER
A
JO
:O
OR
AD
RR
BO
BO
RR
AD
OR
:O
JO
A
ER
RO
RE
S
2 Teoría elemental de matrices
S
RE
RO
ER
A
JO
:O
OR
AD
RR
BO
BO
RR
AD
OR
:O
JO
A
ER
RO
RE
S
3 Determinantes
S
RE
3.1. Introducción
RO
La idea de determinante es antigua, incluso apareció en la literatura matemática más de un siglo antes que
la idea de matriz, ya que comenzó definiéndose como una propiedad del sistema de ecuaciones lineales. El
ER
término matriz fue usado primero por James Joseph Sylvester y su intención era que su significado fuera
“madre de los determinantes”.
Algunos grandes matemáticos de los siglos XV III y XIX ayudaron a desarrollar las propiedades de los
A
determinantes. La mayoría de los historiadores creen que la teoría de determinantes tuvo su origen con el
matemático alemán Gottfried Wilhelm Leibniz (1646-1716), quien junto con Newton, fue el coinventor del
cálculo. Leibniz usó los determinantes en 1693 en referencia a los sistemas de ecuaciones lineales simul-
JO
táneas. Sin embargo, algunos piensan que un matemático japonés, Seki Kowa, hizo lo mismo casi 10 años
antes.
:O
El contribuyente más prolífico a la teoría de determinantes fue el matemático francés Augustin-Louis

Cauchy (1789-1857). Cauchy escribió una memoria de 84 páginas, en 1812, que contenía la primera prueba
del teorema det(AB) = det(A) det(B). En 1840 definió la ecuación característica de la matriz A como la
OR
ecuación polinomial det(A − λ I) = 0.
Vale la pena mencionar aquí algunos matemáticos. La expansión de un determinante por cofactores fue
AD
usada por primera vez por un matemático francés, Pierre-Simón Laplace (1749-1827). Laplace es más co-
nocido por la transformada de Laplace que se estudia en cursos de matemáticas aplicadas.
RR
Un contribuyente importante a la teoría de determinantes (segundo después de Cauchy) fue el matemá-

tico alemán Carl Gustav Jacobi (1804-1851). Fue con él que la palabra “determinante” ganó su aceptación
final. Jacobi usó primero un determinante aplicado a las funciones para establecer la teoría de funciones de
varias variables. Más tarde, Sylvester llamó a este determinante el jacobiano. Actualmente los jacobianos se
BO
estudian en los cursos de cálculo de varias variables.
Por último, ninguna historia de determinantes estaría completa sin citar el libro An Elementary Theory
of determinants, escrito en 1867 por Charles Dodgson (1832-1898). En este libro Dodgson da las condicio-
nes bajo las que los sistemas de ecuaciones tienen soluciones no triviales. Estas condiciones están escritas
en términos de los determinantes de los menores de las matrices de coeficientes. Charles Dodgson es más
conocido por su pseudónimo de escritor Lewis Carroll. Con ese nombre publicó su famoso libro Alicia en
el país de las maravillas.
12 3 Determinantes
El determinante de una matriz cuadrada es un único número que se asocia a dicha matriz; es por tanto una
función del conjunto de las matrices cuadradas en el conjunto numérico al que pertenecen los elementos de
las matrices. En nuestro caso estos números serán los reales, pero se puede dar sobre conjuntos “numéricos”
más generales.
S
El uso del determinante surgió de las fórmulas que dan las soluciones de sistemas de n ecuaciones con n
RE
incógnitas. Luego, desde un punto de vista geométrico, el valor absoluto del determinante, fue identificado
(en el caso 3 por 3) como el “volumen” del paralelepípedo formado por las n filas o columnas de la matriz,
hasta extenderse a definiciones más generales (función multilineal alternada).
RO
Más adelante se verá que podemos hablar del determinante de una transformación lineal entre espacios
vectoriales, a la que se puede asociar matrices de una manera sencilla. En particular las matrices invertibles
son las únicas que tienen determinantes distinto de cero. Así, una propiedad tan definitoria de una matriz
ER
(su invertibilidad) estará caracterizada por la no nulidad de su determinante (o sea por el valor de un único
número).
A
El objetivo de este capítulo es entonces introducir un método simple para decidir si una matriz cuadrada
A es singular o no-singular. El método permitirá, además, obtener una expresión analítica para la inversa
de una matriz general de n × n no singular, y determinar en forma directa el volumen de un paralelepípedo
JO
general en 3 o más dimensiones.
:O
3.2. Definición de determinante
La definición de determinante de una matriz cuadrada será dada de manera inductiva en el número de filas
OR
(o de columnas). O sea, daremos la definición de determinante de una matriz n × n a partir del conocimiento
de los determinantes de matrices (n − 1) × (n − 1). El determinante de una matriz A se representa con el
símbolo |A|; tratándose de una matriz dada por sus coeficientes, en general no escribiremos los paréntesis
con los que en general encerramos el “cuadrado” de los números.
AD
Definición 3.1.
n × n se le asigna un escalar
A cada matriz cuadrada A = (ai j ) de particular denominado el determinante
RR
a11 a12 a13 · · · a1n

21 a22 a23 · · · a2n
a
de A, denotado por det(A) o |A|, o a31 a32 a33 · · · a3n .

.. .. .. . . .
. ..
BO
. . .

an1 an2 an3 · · · ann
Señalamos que una tabla ordenada de n × n de escalares situada entre dos líneas verticales, llamada un
determinante de orden n, no es una matriz. Es una forma de escribir el determinante de dicha tabla de esca-
lares o, si se prefiere, de la matriz encerrada.
La función determinante apareció por primera vez en la investigación de los sistemas de ecuaciones linea-
les. Veremos que es una herramienta indispensable en el estudio y obtención de propiedades de las matrices
3.2 Definición de determinante 13
cuadradas.
Comenzaremos con el caso especial de los determinantes de órdenes uno, dos y tres. Posteriormente,
definiremos un determinante de orden arbitrario. El determinante de una matriz de n × n se definirá de
manera inductiva. En otras palabras, se usarán lo que se sabe sobre un determinante de 2 × 2 para definir un
S
determinante de 3 × 3, esto a su vez se usará para definir un determinante de 4 × 4, etcétera.
RE
3.2.1. Determinantes de ordenes uno y dos
RO
Los determinantes de órdenes uno y dos se definen como sigue:
Definición 3.2 (Inductiva en el tamaño de la matriz).
ER
Sea A = ((a11 )) una matriz de 1 × 1. Se define el determinante de A como det(A) = a11 , o también
|a11 | = a11 . Esto es, el determinante de orden uno es el propio número. Por ejemplo, det(3) = 3.
Sea A =

"
a11 a12
a21 a22

#
A
una matriz de 2 × 2. Se define determinante de A como det(A) = a11 a22 − a21 a12 .
JO
a
11 a12

Es decir, = a11 a22 − a21 a12 .
a21 a22
Ejemplo 3.1.
:O
" #
3 2
1. Calculemos el determinante de la matriz A =
7 2
OR
|A| = 3 × 2 − 7 × 2 = 6 − 14 = −8.
" #
5 4
AD
2. Calculemos el determinante de la matriz B =

6 3
|B| = 5 × 3 − 6 × 4 = 15 − 24 = −9.
RR
" #
9 3
3. Calculemos el determinante de la matriz C =
12 4
BO
|C| = 9 × 4 − 12 × 3 = 36 − 36 = 0.
" #
a11 a12
Una matriz A = de 2 × 2 es invertible (no singular) si y solo si a11 a22 − a21 a12 6= 0. En efecto:
a21 a22
Si a11 6= 0, multiplicando la fila 1 por −a21 y sumando este resultado a la fila 2 multiplicada por a11 , se
obtiene " # " #
a11 a12 a11 a12
A= − a21 F1 + a11 F2 −→ F2
a21 a22 0 a11 a22 − a21 a12
14 3 Determinantes
Esto muestra que si a11 6= 0, A será equivalente por filas a I2 (y por lo tanto tendría inversa) si y sólo si
a11 a22 − a21 a12 6= 0.
Si a11 = 0, permutando las filas de A se obtiene
S
" # " #
0 a12 a21 a22
A= F1 ←→ F2
a21 a22 0 a12
RE
por lo que en este caso A tendrá inversa si y sólo si a21 a12 6= 0. Pero si a11 = 0, esto es equivalente
a11 a22 − a21 a12 6= 0.
RO
3.2.2. Determinantes de orden tres
ER
Definición 3.3.
 
a11 a12 a13

a31 a32 a33

A
Sea A = a21 a22 a23  una matriz de 3 × 3. Se define determinante de A como
JO

a
22 a23
a
21 a23
a
21 a22

det(A) = a11 − a12 + a13

a32 a33 a31 a33 a31 a32
:O
Ejemplo 3.2.
 
3 −4 −3
1. Calculemos el determinante de la matriz A = −1 2 7 .
 
OR
−2 4 0

2 7 −1 7 −1 2
AD
|A| = 3 +4 −3

−2 0 −2 4

4 0
= 3 × (−28) + 4 × 14 − 3 × (−4 + 4)
= −84 + 56 − 0
RR
− 28.
 
2 1 −1
BO
2. Calculemos el determinante de la matriz B = 1 1 1

 
1 −2 −3

1 1 1 1 1 1
|B| = 2 − −

−2 −3 1 −3 1 −2

= 2 × (−3 + 2) − (−3 − 1) − (−2 − 1)
= −2 + 4 + 3
5.
3.2 Definición de determinante   15
2 1 3
3. Calculemos el determinante de la matriz C = 1 1 1.
 
1 −2 4

1 1 1 1 1 1
S
|C| = 2 − + 3

−2 4 1 4 1 −2

RE
= 2 × (4 + 2) − (4 − 1) + 3 × (−2 − 1)
= 12 − 3 − 9
= 0.
RO
Observe de la definición 3.3 que un determinante de orden tres se calcula sumando 3! = 6 productos
elementales a1 j1 a2 j2 a3 j3 , donde ( j1 , j2 , j3 ) es un reordenamiento del conjunto (1, 2, 3), con un signo +1 o
ER
−1 según sea el número de permutaciones respecto de (1, 2, 3) par o impar.
Nótese que lo mismo ocurre para matrices de 2×2: det(A) = a11 a22 −a21 a12 contiene los 2! = 2 productos
elementales a1 j1 a2 j2 (con j1 6= j2 ) posibles en este caso, con el signo correspondiente. Y para n = 1, det(A) =
a11 es el único término posible.
A
Observación 3.1.
JO
Existe otro método para calcular determinantes de orden 3. De la ecuación tenemos que
:O

a a a
11 12 13
det(A) = a21 a22 a23

a31 a32 a33
OR
= a11 (a22 a33 − a23 a32 ) − a12 (a21 a33 − a23 a31 ) + a13 (a21 a32 − a22 a31 )
= (a11 a22 a33 + a12 a23 a31 + a13 a21 a32 ) − (a11 a32 a23 + a12 a21 a33 + a13 a22 a31 )
AD
Ahora bien, se escribe det(A) y se le adjuntan sus primeras dos filas:
a11 a12 a13

RR
a21 a22 a23

a31 a32 a33
a11 a12 a13
a21 a22 a23
BO
Después se calculan los seis productos, poniendo signo menos antes de los productos con flechas rojas y
se suman todos. Esto da la suma
(a11 a22 a33 + a12 a23 a31 + a13 a21 a32 ) − (a11 a32 a23 + a12 a21 a33 + a13 a22 a31 )
que corresponde a la expresión que se obtiene al desarrollar un determinante de orden 3.
Este método se conoce como la regla de Sarrus (debe su nombre a Pierre Sarrus, gran matemático
16 3 Determinantes
francés) es de especial utilidad para calcular determinantes de matrices de orden 3. Así,

a
11 a12 a13

det(A) = a21 a22 a23 = (a11 a22 a33 + a12 a23 a31 + a13 a21 a32 ) − (a11 a32 a23 + a12 a21 a33 + a13 a22 a31 ).

a31 a32 a33
S
Es más sencillo recordar esta última expresión haciendo uso de la regla de Sarrus, que “dibuja” esta
RE
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
RO
positivos y a la derecha los negativos).
ER
A
JO
Ejemplo 3.3.
 
2 1 5
Sea A = 3 −1 4. Calcular det(A).
:O
 
5 2 6
Solución.
OR
Al aplicar la regla de Sarrus, se obtiene que
2 1 5
AD
3 −1 4
5 2 6
1 2 5
3 −1 4
RR
BO
det(A) = [(2)(−1)(6) + (1)(4)(5) + (5)(3)(2)] − [(5)(−1)(5) + (2)(4)(2) + (6)(3)(1)]

= (−12 + 20 + 30) − (−25 + 16 + 18)
= 38 − 9
= 29.
Este método no funciona para determinantes de n × n si n > 3. Si intenta algo similar para determinantes
de 4 × 4 o de orden mayor, obtendrá una respuesta equivocada.
3.3 Desarrollo por cofactores 17
Nótese que si A es triangular superior (ai j = 0 si i > j) o inferior (ai j = 0 si i < j), las expresiones
anteriores se reducen al producto de los elementos de la diagonal: det(A) = a11 a22 para A de 2 × 2 y
det(A) = a11 a22 a33 para A de 3 × 3 (¡verificar!).
S
3.3. Desarrollo por cofactores
RE
Antes de definir los determinantes de n × n debe observarse que en la ecuación
RO

a a a a a
21 a22

22 23 21 23
det(A) = a11 − a12 + a13

a32 a33 a31 a33 a31 a32
ER
" #
a22 a23
la matriz se obtiene al eliminar la primera fila y la primera columna de la matriz A, la matriz
a32 a33
" # " #
a21 a23 a21 a22
se obtiene al eliminar la primera fila y la segunda columna de la matriz A y la matriz
a31 a33 a31 a32
A
se obtiene al eliminar la primera fila y la tercera columna de la matriz A. Si estas matrices se denotan por
M11 , M12 y M13 , respectivamente, y si A11 = det(M11 ), A12 = − det(M12 ) y A13 = det(M13 ), entonces la
ecuación anterior se puede escribir como
JO
det(A) = a11 A11 + a12 A12 + a13 A13 .

:O
Definición 3.4 (Menor).
Sea A = (ai j ) una matriz n × n y sea Mi j la submatriz de (n − 1) × (n − 1) que se obtiene eliminando la fila
i y la columna j de A. La submatriz Mi j se denomina el menor i j de A.
OR
Ejemplo 3.4.
AD
 
3 −4 −3
Sea A = −1 2 7 . Encontrar M21 , M12 y M33 .
 
−2 4 0
RR
Solución.
BO
Eliminando la fila 2 y la columna 1 de A, se obtiene la matriz

" #
−4 −3
M21 = .
4 0

" #
−1 7
M12 = .
−2 0
18 3 Determinantes
" #
3 −4
M33 =
−1 2
S
Observación 3.2.
RE
Si la matriz cuadrada A es de orden n, las matrices menores Mi j son de tamaño (n − 1) × (n − 1) .
Definición 3.5 (Cofactor).
RO
Sea A una matriz n × n. El cofactor i j de A, denotado porAi j , está dado por Ai j = (−1)i+ j det(Mi j ). Esto
es, el cofactor i j de A se obtiene tomando el determinante del menor y multiplicándolo por (−1)i+ j .
ER
(
1 si i + j es par
Observe que (−1)i+ j =
−1 si i + j es impar
3.3.1. Determinantes de orden arbitrario A

Definición 3.6.
JO
Sea A una matriz n × n. El determinante de A, denotado por det(A) o |A|, se define como el número
:O
de f
det(A) = a11 (−1)1+1 |M11 | + a12 (−1)1+2 |M12 | + · · · + a1n (−1)1+n |M1n | .
Es decir,
n
OR
de f
det(A) = a11 A11 + a12 A12 + · · · + a1n A1n = ∑ a1 j A1 j .
j=1
La expresión en el lado derecho de la última igualdad se denomina expansión por cofactores.

AD
Puede probarse que la definición anterior conduce a una función det(A) : Rn×n → R, que es la suma de
todos los n! productos elementales de n elementos a1 j1 a2 j2 · · · an jn (uno por cada fila y columna) de A, con
un signo + o − de acuerdo al número de permutaciones N j1 ··· jn necesarias para llevar ( j1 , j2 , . . . , jn ) al orden
RR
normal (1, 2, . . . , n):

BO

a11 a12 a13 ··· a1n

a21 a22 a23 ··· a2n

a31 a32 a33 ··· a3n (−1)N j1 ··· jn a1 j1 a2 j2 · · · an jn

det(A) = = ∑
.. .. .. .. ..

j1 , j2 ,..., jn
.

. . . .
ji 6= jk , si i6=k
an1 an2 an3 ··· ann
= a11 a22 · · · an−1,n−1 ann − a11 a22 · · · an−1,n an,n−1 + · · ·
La expresión anterior generaliza al caso n × n la fórmula explícita para calcular el determinante de matri-
ces de 3 × 3.
3.3 Desarrollo por cofactores 19
Si A es una matriz triangular superior o inferior, la expresión anterior se reduce a det(A) = a11 a22 · · · ann .
(¡probar!)
Ejemplo 3.5.
 
2 1 0 0
S
0 −1 3 0
Sea A =  . Calcular det(A).
 
RE
1 0 0 −2
3 0 −1 0
Solución.
RO

2 1 0 0
ER

0 −1 3 0
det(A) = = a11 A11 + a12 A12 + a13 A13 + a14 A14

1 0 0 −2

3 0 −1 0

−1 3 0 0 3 0 0 −1 0 0 −1 3

= 2 0

0 −2
0 −1 0

− 1

1 0 −2

3 −1 0

+
A
0

1 0 −2

3 0 0

− 0

1 0

0
3 0 −1

JO
( ) ( )
0 −2 0 −2 1 −2
= 2 (−1) −3 − 1 (−3)

−1 0

0 0 3 0
= 2 {(−1)(0 − 2) − 3(0 − 0)} − 1 {(−3)(0 + 6)}
:O
= 2 {2 − 0} − 1 {−18}
= 4 + 18
= 22
OR
Ejemplo 3.6.
AD
 
0 2 3 0
0 4 5 0
 
0 1 0 3
RR
2 0 1 3
Solución.
BO
Conviene utilizar la primer columna para la expansión por cofactores, y luego la tercer columna para evaluar
el determinante del menor M41 .

0 2 3 0

2 3 0

0 4 5 0 2 3
= −2 4 5 0 = (−2)(3) = (−2)(3)(10 − 12) = 12.

0 1 0 3 4 5
1 0 3
2 0 1 3
20 3 Determinantes
Es evidente que el cálculo del determinante de una matriz de n × n puede ser tedioso. De esta forma el
determinante de una matriz de n × n queda expresado como una combinación de n determinantes de orden
(n − 1). Así, para calcular un determinante de 4 × 4 deben calcularse cuatro determinantes de 3 × 3. Para
calcular un determinante de 5 × 5 deben calcularse cinco determinantes de 4 × 4, que es lo mismo que
calcular veinte determinantes de 3 × 3. Por fortuna existen técnicas que simplifican estos cálculos. Algunos
de estos métodos se presentan a continuación. Sin embargo, existen algunas matrices para las que es muy
S
sencillo calcular los determinantes.
RE
Una forma primaria de decidir si una matriz cuadrada A es singular o no, es ver si su forma escalonada
por filas R tiene ceros en la diagonal. Si los tiene es singular y si no los tiene es no singular (¡justificar!).
Por lo tanto, si el producto de los elementos de la diagonal de R es cero, la matriz es singular, mientras que
RO
si el producto es distinto de cero, la matriz es no singular. El determinante de A estará entonces relacionado
con este producto. Más aun, si A ya es triangular (inferior o superior), su determinante será, como veremos,
directamente el producto de los elementos de su diagonal principal.
ER
3.4. Ejercicios

−2 1
1. Considere la matriz A =  5 0

6

8 . Encontrar det(A).
 A
3 2 −10
JO
 
a11 a12 a13
2. Probar que si A = a21 a22 a23 , encontrar det(A) = (a11 a22 − a12 a21 )a33 , y que A es no singular
 
:O
0 0 a33
si y sólo si det(A) 6= 0.
 
1 2 −1 4
OR
0 −1 5 8
3. Sea A =   una matriz de 4 × 4.
 
2 3 1 4
1 −1 6 4
a) Determinar si la matriz A es invertible. Si lo es, calcular la inversa.

AD
b) Encontrar el determinante de A.
4. ¿Cuáles de las siguientes matrices no son invertibles?

RR
   
2 4 7 2 −1 5 2
0 3 1 6
a) A = 0 3 0
 
c) C = 
 

0 0 1 0 0 0 4 
BO
  0 0 0 7
2 4 7  
b) B = 0 0 3
  2 −1 5 2
0 3 1 6
0 0 1
d) D = 
 

0 0 4 0
0 0 0 7
5. En los siguientes problemas calcular el determinante.

3.4 Ejercicios
21
1 0 3

−3 0 0 0

a) 0 1 4 −4 7 0 0

j)

8 −1 0

2 1 0 5

2 3 0 6
−1 1 0

b) 2 1 4
−2 0 0 7
S

1 2 −1 4

1 5 6
k)

RE
0 −1 5

3
1 −1 0
4 2 3 0

c) −1 1 3

0 3 2

2 3 −2 5
RO

4 −5 0 6
l)

3 −1 4 2 0 −1 7

d) 6 3 5 6 3 −4 8

2 −1 6
ER

5 4 −2 5
−1 0 6 2 −3 0 6
m)

e) 0 2 4
0 0 2 0

−4 3

1 2 −3 3 8

0
0 −2

A

2
0 1 7

3 −1 4 5
8 2
f) 0 1 2

JO
n) 0 0 4 −1 5

−2 −1 4

0 0 0 −2 8
−2 3 1 0 0 0 0 6

:O
g) 4 6 5

0 2 1

1 −1 2 3 5

6 10 −6 4 3
5 −2 1 ñ) 7 −1 2 −12 6

OR

h) 6 0 3 9 4 13 8 15

8 11 −9 −8 6

−2 1 4

4 1 1

1 −1 4 6
AD
i) 4 1 3
2 9 16 4
o)

37 −6 0

23

4 2 −1

14 4 6 −11
RR
6. Encontrar todos los valores de a y b para los cuales A y B, ambas, no son invertibles.
" # " #
a+b−1 0 5 0
A= y B= .
0 3 0 2a − 3b − 7
BO
 
λ 0 2
7. Sea A = −1 λ − 2 −1 . Encontrar todos los valores de λ para los cuales det(A) = 0.
 
−1 0 λ −3
 
t −2 4 3
8. Considere la matriz A =  2 t + 2 −2 . Encontrar todos los valores de t para los cuales
 
0 0 t −4
det(A) = 0.
22 3 Determinantes
t + 3 −1 1

9. Encontrar los valores de t para los cuales 5 t −3 1 = 0.

6 −6 t + 4
 
0 a 0 0 0
b 0 c 0 0
S
 
10. Demostrar que A = 0 d 0 e 0 no es invertible para cualesquiera valores de los elementos.
 
RE
 
0 0 f 0 g
0 0 0 h 0

x −1 1 0 −3

RO
11. Resolver para x. = 2 x −6

3 1−x
1 3 x−5
12. Sea A una matriz de 2 × 2. Demostrar que det(A) = det(At ).
ER
13. Si A y B son matrices de 2 × 2, demostrar que det(AB) = det(A) det(B).
14. Sea A una matriz de 2 × 2. Demostrar que A es invertible si y sólo si det(A) 6= 0.
A
15. Sea A una matriz de 2 × 2. Demostrar que si A es invertible, entonces det(A−1 ) =
1
det(A)
.
16. Sea A una matriz de 2 × 2. Demostrar que −2 det(A) = tr(A2 ) − (tr(A))2 .

JO
17. Demuestre que si A y B son matrices diagonales de n × n, entonces det(AB) = det(A) det(B).
:O
18. Demuestre que si A y B son matrices triangulares inferiores, entonces det(AB) = det(A) det(B).
19. Demuestre que, en general, no se cumple que det(A + B) = det(A) + det(B).
20. Muestre que si A es triangular, entonces det(A) 6= 0 si y sólo si todos los elementos en la diagonal de
OR
A son diferentes de cero.

AD
3.5. Propiedades de los determinantes
En una matriz de n × n, a medida que n crece, el número de términos del determinante se hace astronó-
mico. Por ello emplearemos métodos indirectos para evaluar los determinantes más que su definición. De
RR
hecho, demostraremos una serie de propiedades de los determinantes que nos permitirán abreviar los cálcu-
los considerablemente. En particular probaremos que un determinante de orden n es igual a una combinación
lineal de determinantes de orden n − 1.
BO
Existen algunos problemas en matemáticas que, en estricta teoría, son sencillos pero que en la práctica son
imposibles. Piense por ejemplo en el caso de un determinante de una matriz de 100 × 100. Se puede calcular
expandiendo por cofactores. Esto implica 100 determinantes de 99 × 99 que a su vez implican 100 · 99
determinantes de 98×98 que implican a su vez · · · 100×99×98×97×· · ·×3 determinantes de 2×2. Ahora
100!
bien, 100 × 99 × 98 × 97 × · · · × 3 = ≈ 1.67 × 10157 determinantes de 2 × 2. Suponga que se cuenta
2!
con una computadora que puede calcular un millón = 106 determinantes de 2 × 2 por segundo. Tomaría
alrededor de 1.67 × 10151 segundos ≈ 1.5 × 10144 años terminar el cálculo (el universo tiene alrededor de
15 mil millones de años = 1.5 × 1010 años según la versión teórica más reciente). Es obvio que, si bien el
cálculo de un determinante de 100 × 100, siguiendo la definición, es teóricamente directo, en la práctica
3.5 Propiedades de los determinantes 23
es imposible. De hecho, la matriz de 100 × 100 no es tan rara. Piense en 100 supermercados en las que se
ofrecen 100 productos diferentes. De hecho, las matrices de n × n con n ≥ 100 surgen con frecuencia en
la práctica. Por fortuna, existen al menos dos maneras de reducir significativamente la cantidad de trabajo
necesaria para calcular un determinante.
En la práctica, los determinantes se expanden a lo largo de la fila o columna que contenga más ceros (¿por
S
qué?). Pueden utilizarse también otras propiedades del determinante para su evaluación, como veremos a
RE
continuación.
RO
Teorema 3.1.
ER
Sea A = (ai j ) una matriz de n × n triangular (superior o inferior). Entonces det(A) = a11 a22 · · · ann .
A
JO
Demostración.
:O
Se demostrará la parte triangular superior por inducción matemática comenzando con n = 2.

" #
a11 a12
Si A es una matriz triangular superior de 2 × 2, entonces A = y det(A) = a11 a22 − 0a12 =
OR
0 a22
a11 a22 , de manera que el teorema se cumple para n = 2.
Ahora bien, supongamos que el teorema se cumple para k = n − 1 y se demostrará que también se cumple
para k = n. En efecto:
AD
El determinante de una matriz triangular superior de n × n es:

a11 a12 a13 · · · a1n
RR

0 a22 a23 · · · a2n
0 0 a33 · · · a3n

det(A) =
.. .. .. . . ..

. .

. . .
BO

0 0 0 · · · ann

a22 a23 · · · a2n 0 a23 · · · a2n 0 a22 a23 · · · a2(n−1)

0 a33 · · · a3n 0 a33 · · · a3n 0 0 a33 · · · a3(n−1)

+ · · · + (−1)1+n a1n

= a11 . . . . − a12
.. .. .. . .. .. .. .. ..
.. .. . . .. . . . .. . . . . .

0 0 · · · ann 0 0 · · · ann 0 0 0 ··· 0
Cada uno de estos determinantes es el determinante de una matriz triangular superior de (n − 1) × (n − 1)

que, por la hipótesis de inducción, es igual al producto de las componentes en la diagonal. Todas las matrices
excepto la primera tienen una columna de ceros, por lo que al menos una de sus componentes diagonales es
24 3 Determinantes
cero. Así, todos los determinantes, excepto el primero, son cero. Por último,

a11 a12 a13 · · · a1n

0 a22 a23 · · · a2n

0 0 a33 · · · a3n

det(A) =
.. .. .. . . .

. ..
S

. . .

0 0 0 · · · ann
RE

a22 a23 · · · a2n

0 a33 · · · a3n

= a11 .
.. . . .
.. . . ..
RO

0 0 · · · ann
= a11 a22 · · · ann ,
ER
lo que prueba que el teorema se cumple para matrices de n × n.
Ejemplo 3.7.
 
Sea A = 

1
0
2
5
3 4
6 7
. Calcular det(A).

A
0 0 8 9
JO
0 0 0 10
Solución.
:O

1 2 3 4

5 6 7

0 5 6 7 8 9
det(A) = = 1· 0 8 9 = 1·5 = 1 · 5(80 − 0) = 1 · 5 · 80 = 400.

OR
0 0 8 9 0 10
0 0 10
0 0 0 10
Teorema 3.2.
AD
Sea A = (ai j ) una matriz de n × n triangular (superior o inferior). Entonces A es invertible si y sólo si
det(A) 6= 0.
RR
Teorema 3.3.
 
a11 a12 . . . a1n
a21 a22 . . . a2n 
 
BO
Sea A = 
 .. .. .. .  una matriz de n × n. Entonces
 . . . .. 
an1 an2 . . . ann
n
det(A) = ai1 Ai1 + ai2 Ai2 + · · · + ain Ain = ∑ ai j Ai j
j=1
para i = 1, 2, . . . , n. Es decir, se puede calcular det(A) expandiendo por cofactores en cualquier renglón de
A. Más aún,
n
det(A) = a1 j A1 j + a2 j A2 j + · · · + an j An j = ∑ ai j Ai j
i=1
3.5 Propiedades de los determinantes
  25
a1 j
a2 j 
 
como la columna j de A es  .. , la ecuación anterior indica que se puede calcular det(A) expandiendo

 . 
an j
por cofactores en cualquier columna de A.
S
Corolario 3.1.
RE
det(At ) = det(A).
Demostración.
RO
Para n = 1 es obviamente válida. Asumiendo luego que la propiedad es válida para matrices de (n − 1) ×
(n − 1), y recordando que las filas de At son las columnas de A, vemos que el desarrollo por la fila i de
det(At ) coincide con el desarrollo por la columna i de det(A), siendo por lo tanto iguales.
ER
n
Sabemos que det(At ) = a1i A1i + a2i A2i + · · · + ani Ani = ∑ aki Aki , para i = 1, 2, . . . , n.
k=1
Pero del Teorema 3.3, se tiene que:

A n
det(A) = a1i A1i + a2i A2i + · · · + ani Ani = ∑ aki Aki ,
JO
k=1
para i = 1, 2, . . . , n.
Por lo tanto, se concluye que det(At ) = det(A).

:O
Ejemplo 3.8.
 
2 0 1 1
OR
2 2 −4 −1
Sea A =  . Calcular el determinante de la matriz A.
 
−3 1 1 1
2 −2 0 0
AD
Solución.
RR
det(A) = (−1)1+1 a11 |M11 | + (−1)2+1 a21 |M21 | + (−1)3+1 a31 |M31 | + (−1)4+1 a41 |M41 |

2 −4 −1 0 1 1 0 1 1 0 1 1

= 2 1 1 1 − 2 1 1 1 + (−3) 2 −4 −1 − 2 2 −4 −1

BO

−2 0 0 −2 0 0 −2 0 0 1 1 1
Ahora bien, los determinantes de tamaño 3 × 3 se calculan del mismo modo que en la sección anterior.
Verificar que respectivamente, los determinantes 3 × 3 valen 6, 0, −6, 3 por lo cual
det(A) = 2 (6) − 3 (−6) − 2 (3) = 24.
Nota 3.1.
26 3 Determinantes
El determinante se ha definido usando los elementos de la primer columna de la matriz A con sus respectivas
matrices adjuntas.
de f
|A| = (−1)1+1 a11 |M11 | + . . . + (−1)i+1 ai1 |Mi1 | + . . . + (−1)n+1 an1 |Mn1 |
S
(desarrollo por la primera columna)
RE
Pero se puede probar 1 que dicha definición coincide con cualquier desarrollo por cualquier columna o fila
de A:
de f
RO
|A| = (−1)i+1 ai1 |Mi1 | + (−1)i+2 ai2 |Mi2 | + . . . + (−1)i+n ain |Min |
(desarrollo por la i-ésima fila)
ER
de f
|A| = (−1)i+1 a1i |M1i | + (−1)i+2 a2i |M2i | + . . . + (−1)i+n ani |Mni |
(desarrollo por la i-ésima columna)
También se puede probar ( ver Corolario 3.1 del Teorema 3.3) que
|A| = At

A
JO
con lo cual en todas las propiedades anteriores se puede cambiar la palabra “fila” por “columna”, es decir
que las propiedades valen para las columnas.
:O
Las siguientes propiedades sobre determinantes comprenden una manera de simplificar los cálculos de
los determinantes. Los resultados se prueban para las filas. Por lo que se acaba de decir, los teoremas se
OR
cumplen también para las columnas.
Ahora se dan y se demuestran algunas propiedades adicionales de los determinantes. En cada caso se
supone que A es una matriz de n × n. Se verá que estas propiedades se pueden usar para reducir mucho el
trabajo necesario para evaluar un determinante.
AD
Teorema 3.4.
RR
Si A = (ai j ) tiene una fila o una columna nula, entonces det(A) = 0.

BO
La demostración es inmediata, considerando que el determinante se puede desarrollar por esa fila o co-
lumna de ceros.
Teorema 3.5.
Si una matriz B se obtiene de A intercambiando dos filas (o columnas), entonces det(B) = − det(A). Esto
1
Es engorroso y no lo haremos aquí pero el lector puede consultar por ejemplo (Teorema 3 y 5 pag 87 del texto Álgebra y geometría
de E. Hernández)
es,
a11 a12
· · · a1n

a11 a12 · · · a1n

.. .. . .. .. .
· · · .. · · · ..

. . . .

a
j1 a j2 · · · a jn

ai1 ai2 · · · ain

. .. . .. .. .
det(B) = .. . · · · ..
= −
. . · · · ..
= − det(A).
S

ai1 ai2 · · · ain a j1 a j2 · · · a jn
.. .. . .. .. .

.. ..
RE
. .. . ..

. . . .

a
n1 an2 · · · ann an1 an2 · · · ann
RO
Demostración.
Por inducción completa.
ER

a
21 a22

Para n = 2. Por un lado det(B) = = a12 a21 − a11 a22 ,

a11 a12

a
11 a12

y por otro lado det(A) = = (a11 a22 − a12 a21 ).

Así, det(B) = − det(A).

a21 a22
A
JO
Hipótesis inductiva: La propiedad es válida para matrices de orden menor que n
Tesis inductiva: La propiedad es válida para matrices de orden n.

:O
Primer caso: La matriz B se ha obtenido de A intercambiando las filas consecutivas i e i + 1.

   
a11 a12 · · · a1n a11 a12 · · · a1n
 . .. ..   . .. .. 
 ..  ..
OR
 . ··· .   . ··· .  
 a
i1 ai2 ··· ain   i+1,1 ai+1,2 · · · ai+1,n 
 a 
A=  y B=
 
 ai+1,1 ai+1,2 · · · ai+1,n  ···

 ai1 ai2 ain 
 .. .. ..   .. .. .. 
   
.. ..
 . . . . . . . . 
AD
 
an1 an2 · · · ann an1 an2 · · · ann
Por la definición, se tiene que

RR
det(B) = a11 B11 + · · · + ai+1,1 Bi+1,1 + ai1 Bi1 · · · + an1 Bn1 . (3-1)
Pero siendo
BO
  ..
a11 a12 ··· a1n .
 .. .. ..  ..

 . . ··· . 
 .
 ai+1,1 ai+1,2 ··· ai+1,n  ←− Fila i
B=
 
··· ←− Fila i+1

 ai1 ai2 ain 
.. .. .. ..
 
 .. 
 . . . .  .
an1 an2 ··· ann ..
.
se tiene que el menor i1 de B es igual al menor i + 1, 1 de A y el menor i + 1, 1 de B es igual al menor i1

28 3 Determinantes
de A, por lo cual
Bi1 = Ai+11 , Bi+1,1 = Ai1
y si k 6= i y k 6= i + 1, se tiene que Bk1 es una matriz de orden n − 1 con dos filas intercambiadas respecto
de A, por lo cual, por la hipótesis inductiva det(Bk1 ) = − det(Ak1 ). Sustituimos en (3-1)
S
det(B) = a11 [−A11 ] + · · · + ai+1,1 Ai+1,1 + ai1 Ai1 + · · · + an1 [−An1 ]
RE
Pero
Ai+1,1 = (−1)i+1 (−1)2 ai+1,1 |Mi+1,1 |
RO
= (−1)i+1 (−1) ai+1,1 (−1) |Mi+1,1 |
= (−1)i+2 ai+1,1 [− |Mi+1,1 |]
ER
= (−1)i+1 (−1) ai1 |Mi1 |
= (−1)i+1 ai1 [− |Mi1 |]
con lo cual
A
det(B) = a11 [−A11 ] + · · · + ai+1,1 [−Ai+1,1 ] + ai1 [−Ai1 ] + · · · + an1 [−An1 ]
JO
= −[a11 A11 + · · · + ai+1,1 Ai+1,1 + ai1 Ai1 + · · · + an1 An1 ]
= − det(A)
:O
Segundo caso: La matriz B se ha obtenido de A intercambiando las filas i y j = k + 1. La matriz B se

puede obtener de A realizando varios cambios de filas consecutivas. En primer lugar realizamos k cambios
consecutivos de la fila i de A hasta colocarla en la fila j = i + k.
OR
  ..
a11 a12 ··· a1n .
 .. .. ..  .
 ..

 . . ··· . 
ai1 ai2 ··· ain  ←− fila i de A
 
AD

 

 ai+11 ai+12 ··· ai+1n  ←−
 fila i+1 de A
ai+21 ai+22 ai+2n  ←− fila i+2 de A
A=


 .. .. ..  .
 ..

 . . ··· . 
RR
ak+11 ak+12 ··· ak+1n  ←− fila i+k de A

 

 .. .. .. ..  .
 .
.

 . . .  .
an1 an2 ··· ann ..
.
BO
cambio de la fila i por la i+1 de A

−→
  ..
a11 a12 ··· a1n .
 .. .. ..  .
 ..

 . . ··· . 
ai+11 ai+12 ··· ai+1n  ←− fila i de A1
 

 
 ai1 ai2 ··· ain  ←− fila i+1 de A1
S
 
A1 = 
 ai+21 ai+22 ··· ai+2n  ←−
 fila i+2 de A1
.. .. ..  .
RE
 ..


 . . ··· . 
a j1 a j2 ··· a jn  ←− fila i+k de A1
 

 .. .. .. ..  .
 .
.

 . . .  .
RO
an1 an2 ··· ann ..
.
cambio de la fila i+1 por la i+2 de A1
ER
−→
  ..
a11 a12 ··· a1n .
 .. .. ..  .
 ..





. .
ai+11 ai+12
···
···
.
ai+1n
A

 ←−


fila i de A2
 ai+21 ai+22 ··· ai+2n  ←− fila i+1 de A2
JO
 
A2 = 
 ai1 ai2 ··· ain  ←−
 fila i+2 de A2
 .. .. ..  .
 ..

 . . ··· . 
a j1 a j2 ··· a jn  ←− fila i+k de A2
 
:O

 .. .. .. ..  .
 .
.

 . . .  .
an1 an2 ··· ann ..
.
OR
−→ · · · −→ · · · −→
AD
  ..
a11 a12 ··· a1n .
 .. .. ..  .
 ..

 . . ··· . 
ai+11 ai+12 ··· ai+1n  ←− fila i de Ak−1
 

RR
 
 ai+21 ai+22 ··· ai+2n  ←− fila i+1 de Ak−1
.. .. ..  ..
 
Ak−1 = 

 . . ··· .  .


 ai1 ai2 ··· ain  ←−
 fila i+k-1 de Ak−1
BO
ai+k1 ai+k2 ··· ai+kn  ←− fila i+k de Ak−1

 

 .. .. .. ..  .
 .
.

 . . .  .
an1 an2 ··· ann ..
.
cambio de la fila i+k-1 por la i+k de Ak−1

−→
30 3 Determinantes
  ..
a11 a12 ··· a1n .
 .. .. ..  .
 ..

 . . ··· . 
ai+11 ai+12 ··· ai+1n  ←− fila i de Ak
 

 
 ai+21 ai+22 ··· ai+2n  ←− fila i+1 de Ak
S
.. .. ..  ..
 
Ak = 

. . ··· .  .
RE
 

 ai+k1 ai+k2 ··· ai+kn  ←−
 fila i+k-1 de Ak
ai1 ai2 ··· ain  ←− fila i+k de Ak
 

 .. .. .. ..  .
 .
.

 . . .  .
RO
an1 an2 ··· ann ..
.
Como los k cambios de filas son consecutivos, por la primer parte, se tiene que
ER
det(A1 ) = − det(A) det(A2 ) = − det(A1 ) ··· det(Ak ) = − det(Ak−1 )
Con lo cual det(Ak ) = (−1)k det(A).

A
En segundo lugar, (repetimos el procedimiento “hacia arriba”) realizamos k − 1 cambios consecutivos de
la fila i + k − 1 de Ak hasta colocarla en la fila i, obteniéndose la matriz B y se cumple, aplicando la pri-
JO
mer parte det(B) = (−1)k−1 det(Ak ). De las dos últimas igualdades se deduce det(B) = (−1)2k−1 det(A) =
− det(A).
:O
Teorema 3.6.
Si una matriz A dos filas o dos columnas idénticas, entonces det(A) = 0.

OR
Demostración.
AD
Se puede obtener fácilmente como consecuencia de la propiedad anterior. Basta con intercambiar esas dos
filas o columnas: se obtendrá det(A) = − det(A), por lo que det(A) = 0.
RR
Teorema 3.7 (Homogeneidad (respecto a una fila)).
Si una matriz B se obtiene de A multiplicando una fila (o columna) de A por un escalar α, entonces
det(B) = α det(A). Esto es,
BO

a11
a12 ··· a1n

a11 a12 · · · a1n

. .. .. .. .. .
.. · · · ..

. ··· .

. .

det(B) = αai1 αai2 ··· = ai1 ai2 · · · ain = α det(A).

αain α
. .. .. .. .. .
.. ..

.
. . ..

. . . . .

an1 an2 ··· ann an1 an2 · · · ann
Demostración.
Esto es inmediato a partir del desarrollo de det(B) por esa fila (o columna):
det(B) = ∑ αai j (−1)i+ j det(Mij ) = α ∑ ai j (−1)i+ j det(Mij ) = α det(A).

j j
También se puede aplicar inducción completa sobre n.
S
RE
Para n = 2. Por un lado

a a12
11
det(B) = = a11 αa22 − a12 αa21

RO
αa21 αa22
= α (a11 a22 − a12 a21 )

a
11 a12

=α
ER

a21 a22
= α det(A).

A
Tesis inductiva: La propiedad es válida para matrices de orden n. En efecto
JO
det(B) = a11 B11 + · · · + αai1 Bi1 + · · · + an1 Bn1 . (3-2)
Observemos que si k 6= i, como la matriz Ck1 es de orden n − 1, por la hipótesis inductiva se tiene que
:O

12 · · · a1n 12 · · · a1n
a a
. .. ... ..

.. ··· . ··· .

OR
ak−12 · · · ak−1n ak−12 · · · ak−1n

ak+12 · · · ak+1n ak+12 · · · ak+1n
det(Bk1 ) = . =α . = α det(Ak1 )

. . . .
. . . . .
.
.
. . .
. .
αa · · · αain a ··· ain
AD
i2 i2
. ..
.. .. .. ..

.
. . . . . .

an2 · · · ann an2 · · · ann
y que
RR

a12 ··· a1n

.. ..

. ··· .

ai−1,2 ··· ai−1,n
BO
det(Bi1 ) = = det(Ai1 ).

ai+1,2 ··· ai+1,n
.. ..

..
. . .

an2 ··· ann
32 3 Determinantes
Luego si sustituimos en (3-2) se tiene que
det(B) = a11 αA11 + · · · + αai1 Ai1 + · · · + an1 αAn1

= α [a11 A11 + · · · + ai1 Ai1 + · · · + an1 An1 ]
= α det(A).
S
RE
Corolario 3.2.
Se deduce del Teorema 3.7 que det(αA) = α n det(A).
RO
Demostración.
ER
En efecto

αa11 αa12 · · · αa1n a11 a12 · · · a1n

αa21 αa22 · · · · · · αa2n

αa2n αa21 αa22
det(αA) = . .. .. .. =α . .. .. ..
..
.
. . . . . . .

αan1 αan2 · · ·

αann

A
αan1 αan2

· · · αann

a11 a12 ··· a1n a11 a12 · · · a1n
JO

a21 a22 ··· a2n a21 a22 · · · a2n

= αα . .. .. .. = αα · · · α ..
.. .. .
.. . . . . . . ..

αan1 αan2 ··· αann an1 an2 · · · ann
:O

= α n det(A).
OR
Teorema 3.8 (Aditividad (respecto a una fila)).

AD

a11 a12 ··· a1n

.. .. ..

. . ··· .

det(C) = ai1 + bi1 ai2 + bi2 ··· ain + bin

.. .. .. ..
RR
.

. . .

an1 an2 ··· ann

a11 a12 · · · a1n
a11 a12 · · · a1n

.. .. . .. .. .
BO
· · · .. · · · ..

. .
. .

= ai1 ai2 · · · ain + bi1 bi2 · · · bin

.. .. .. . .. .. .. .
. .. . ..

. . . .

= det(A) + det(B).
Demostración.
Por inducción completa.

Para n = 2. Por un lado

a11 a12
det(C) = = a11 a22 + a11 b22 − a12 a21 − a12 b21

a21 + b21 a22 + b22
y por otro lado,
S

a
11 a12
a
11 a12

RE
det(A) + det(B) = + = (a11 a22 − a12 a21 ) + (a11 b22 − a12 b21 )

a21 a22 b21 b22
Con lo cual det(C) = det(A) + det(B).
RO
Tesis inductiva: La propiedad es válida para matrices de orden n. En efecto
ER
det(C) = a11 C11 + . . . + (ai1 + bi1 ) Ci1 + . . . + an1 Cn1 . (3-3)
A
Observemos que si k 6= i, como la matriz Ck1 es de orden n − 1, por la hipótesis inductiva se tiene que
JO

a
12 ··· a1n
a12 ··· a1n
a12 ··· a1n

.
.. .. .. .. .. ..

··· .
. ··· .
. ··· .

:O
··· ··· ···

ak−12 ak−1n ak−12 ak−1n ak−12 ak−1n

ak+12 ··· ak+1n ak+12 ··· ak+1n ak+12 ··· ak+1n
det(Ck1 ) = = +

.. .. .. .. .. .. .. .. ..

. . .
. . .
. . .

a +b ··· ain + bin ai2 ··· ain bi2 ··· bin
OR
i2 i2
.. .. .. .. .. .. .. .. ..
. . . . . . . . .

an2 ··· ann an2 ··· ann an2 ··· ann
= det(Ak1 ) + det(Bk1 );
AD
luego si sustituimos en (3-3) se tiene que
det(C) = a11 [A11 + B11 ] + · · · + (ai1 + bi1 ) Ci1 + · · · + an1 [An1 + Bn1 ]
RR
= a11 A11 + · · · + ai1 Ci1 + · · · + an1 An1 + a11 B11 + · · · + bi1 Ci1 + · · · + an1 Bn1 .
BO
Pero como

a12 ··· a1n

.. ..

. ··· .

ai−12 ··· ai−1n
det(Ci1 ) = = det(Ai1 ) = det(Bi1 ),

ai+12 ··· ai+1n
.. ..

..
. . .

an2 ··· ann
resulta que
34 3 Determinantes
det(C) = a11 A11 + · · · + ai1 Ai1 + · · · + an1 An1 + a11 B11 + · · · + bi1 Bi1 + · · · + an1 Bn1
= det(A) + det(B).
S
RE
Observación 3.3.
RO
No es cierto que det(A + B) = det(A) + det(B).
" # " #
2 3 1 0
Por ejemplo, si A = yB= , entonces
ER
4 2 0 2

2 3 1 0
det(A) = = −8, y det(B) = = 2,

4 2 0 2
pero A + B =
"
3 3
4 4
#
, entonces
A
JO

3 3
det(A + B) = = 0 6= −6 = det(A) + det(B).

4 4
:O
" # " #
1 0 0 0
Otro ejemplo, si A = yB= , entonces
0 0 0 1
OR

1 0 0 0
det(A) = = 0, y det(B) = = 0,

0 0 0 1
" #
AD
1 0
pero A + B = , entonces
0 1

1 0
det(A + B) = = 1 6= 0 = det(A) + det(B).

RR
0 1

BO
Teorema 3.9 (Combinación lineal de filas).
Si B es una matriz que se obtiene de A sumado a una fila (o columna) de A un múltiplo de otra fila (o
columna) de A, entonces det(B) = det(A).
Demostración.
En efecto,

a11 a12 ··· a1n

.. .. ..

. . ··· .

ai1 ai2 ··· ain

.. .. ..
S

det(B) = . . ··· .

a j1 + αai1 a j2 + αai2 · · · a jn + αain
RE

.. .. ..

..

. . . .

an1 an2 ··· ann
RO

a11 a12 · · · a1n a11 a12 · · · a1n

.. .. .. .. .. ..

. . · · · . . . ··· .

ai1 ai2 · · · ain ai1 ai2 · · · ain

.. .. .. .. .. ..
ER
= . . ··· . + . . ··· .

a j1 a j2 · · · a jn αai1 αai2 · · · αain

.. .. . . . . .. ..

..
. .. ..

. . . . .


a11 a12 · · · a1n
.. ..
A
.

. · · · ..

.
JO

.. .. .
= . . · · · ..

:O

.. .. . . .

. ..

. .
an1 n2 a ··· a
nn
= det(A).
OR
Ejemplo 3.9.
AD
" #
1 3
Sea A = . Calcular det(A).
2 5
RR
Solución.
BO
Multiplicando la fila 1 por −2 y sumando este resultado a la fila 2, se obtiene

" # " #
1 3 1 3
A= − 2F1 + F2 −→ F2 .
2 5 0 −1

1 3 1 3
Luego, det(A) = = = −1.

2 5 0 −1
Teorema 3.10.
36 3 Determinantes
Si B es una matriz que se obtiene de A cambiando la fila A j por la combinación lineal β A j + αAi con
β 6= 0, i 6= j, entonces det(B) = β det(A).
S
Demostración.
RE
En efecto

a11 a12 ··· a1n a11 a12 ··· a1n a11 a12 ··· a1n
RO

.. .. .. .. .. .. .. .. ..

. . ··· .
. . ··· .
. . ··· .

ai1 ai2 ··· ain
ai1 ai2 ··· ain
ai1 ai2 ··· ain

.. .. ..
= .. .. ..
+ .. .. ..
. . ··· . . . ··· . . . ··· .

ER

β a j1 + αai1 β a j2 + αai2 ··· β a jn + αain β a j1 β a j2 ··· β a jn αai1 αai2 ··· αain
.. .. .. .. .. .. .. .. ..

.. .. ..

. . . .
. . . .
. . . .

an1 an2 ··· ann an1 an2 ··· ann an1 an2 ··· ann

a11

..
.

A
a12
..
.
···
···
a1n
..
.

···
JO
a ai2 ain
i1
. .. ..
= β .. . ··· .

a j1 a j2 ··· a jn
:O
.. .. ..

..
.
. . .
a
n1 an2 ··· ann
= β det(A).
OR
AD
Teorema 3.11.
Si A tiene dos filas proporcionales, entonces det(A) = 0.

RR
BO
Demostración.
Si la fila i de la matriz A es α veces la fila j, con j 6= i, el desarrollo por la fila i implica det(A) =
α det(matriz con dos filas iguales) = 0.
Generalizando, det(A) = 0 si una de las filas (o columnas) es combinación lineal de otras filas (o colum-
nas). Esto significa que dicha fila es una suma de otras filas de A multiplicadas por constantes. El desarrollo
de det(A) por dicha fila será una combinación lineal de determinantes de matrices con dos filas iguales, por
lo que será 0.
Esto es,
a11
a12 ··· a1n

a11 a12 · · · a1n

.. .. .. .. .. .
· · · ..

.
. ··· .

. .

a
i1 ai2 ··· ain


. .. .. .. .. .
det(A) = .. . ··· .
=α
. . · · · ..
= 0.
S

αai1 αai2 ··· αain ai1 ai2 · · · ain
.. .. .. .. .. .

.. ..
RE
. ..

.
. . .

. .

a
n1 an2 ··· ann an1 an2 · · · ann
RO
Ejemplo 3.10.
ER
 
1 3 −2 4
2 6 −4 8
 
3 9 1 5
1 1 4 8 A
JO
Solución.
:O

1 3 −2 4
1 3 −2 4
2 6 −4 8 1 3 −2 4
det(A) = = 2 = 0.

3 9 1 5 3 9 1 5
OR

1 1 4 8 1 1 4 8
Ejemplo 3.11.
AD

a b c a b c a b c a b c a b c
RR

d e f = d e f + d e f = d e f + 2 d e f = 0.

a + 2d b + 2e c + 2 f a b c 2d 2e 2 f a b c d e f
BO
Teorema 3.12.
Si A tiene una fila combinación lineal de las otras filas, entonces det(A) = 0.
Demostración.
Sin pérdida de generalidad, para simplificar la notación, supongamos que la última fila es combinación lineal
38 3 Determinantes
de las anteriores. Aplicando la propiedad de linealidadad

a11 a12 ··· a1n

.. .. .. ..

. . . .

an−11 an−12 ··· an−1n
det(A) =

.. .. .. ..
S

. . . .

i=n−1 i=n−1 i=n−1

RE

∑ αi ai1 ∑ αi ai2 ··· ∑ αi ain

i=1 i=1 i=1

a11
a 12 · · · a 1n

. .. .. ..
..
RO
i=n−1 . . .
= ∑ an−11 an−12 · · · an−1n

i=1
. .. ..
..
.. . . .

αi ai1 αi ai2 · · · αi ain
ER

a11
a12 · · · a1n

. .. .. ..
..

i=n−1 . . .

= ∑ αi an−11 an−12 · · · an−1n = 0,

i=1
.
.
.

ai1
..
.
ai2
..
···
. A ..
.
ain

JO
(pues los determinantes tienen dos filas iguales)
Ejemplo 3.12.
:O

0 1 5 3 −6 9 1 −2 3 1 −2 3
(A) (B) (D)
(C)
3 −6 9 =− 0 1 5 = −3 0 1 5 = −3 0 1 5 =

2 6 1 2 6 1 2 6 1 0 10 −5
OR

1 −2 3 1 −2 3
1

(E)
5
− (3) (5) 0 1 5 = − (3) (5) 0 1 5 = − (3) (5) = − (3) (5) (−11) = 165.

0 −11
0 2 −1 0 0 −11
AD
(A) Se intercambian las filas 1 y 2
(B) La fila 1 es múltiplo de 3

RR
(C) A la fila 3 se le restó 2 veces la fila 1
(D) La fila 3 es múltiplo de 5

BO
(E) A la fila 3 se le restó 2 veces la fila 2.
3.6. Aplicaciones geométricas del determinante
1. Interpretación geométrica del determinante. Caso 2 × 2.
Dos vectores u = (a, b), v = (c, d) en el plano forman los lados de un paralelogramo (ver figura 3-1).
Dado que
a = |u| cos α, b = |u| sen α, c = |v| cos β , d = |v| sen β .
3.6 Aplicaciones geométricas del determinante 39
vemos que el determinante es

a b
= ad − bc = |u||v|(cos α sen β − sen α cos β ) = |u||v| sen(β − α) = |u|h,

c d
S
siendo h = |v| sen(β − α) la “altura” del paralelogramo. Pero |u|h es justamente el área del paralelo-
gramo. Por lo tanto (y considerando que según el orden elegido, β − α puede ser ≥ 0 o ≤ 0) tenemos
RE
en general
Área = ||u||v| sen(β − α)| = |ad − bc| = | det(A)|.
RO
" #
a b
con A = . Si β = α los vectores son colineales (|v| = k|u|) y Área = det(A) = 0.
c d
ER
A
JO
:O
OR
AD
RR
Figura 3-1: Determinante de una matriz de 2 × 2. Su valor absoluto representa el área del paralegramo for-
mado por sus filas (o columnas).
BO
2. Producto vectorial.
Dados dos vectores de R3 ,
u = (u1 , u2 , u3 ) = u1 e1 + u2 e2 + u3 e3 y v = (v1 , v2 , v3 ) = v1 e1 + v2 e2 + v3 e3 .
donde e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1), el producto vectorial (o cruz) u × v se define como
40 3 Determinantes
el vector

e e e
1 2 3
u × v = u1 u2 u3

v1 v2 v3
= (u2 v3 − u3 v2 )e1 + (u3 v1 − u1 v3 )e2 + (u1 v2 − u2 v1 )e3 .
S
RE
Se deja como problema probar que u × v es ortogonal (perpendicular) a u y a v y que
|u × v| = |u||v| sen θ ,
RO
siendo θ el ángulo entre u y v.
Este resultado muestra también que |u × v| es el área del paralelogramo formado por los vectores u y
ER
v.
3. Producto triple.
Si w = (w1 , w2 , w3 ), el producto escalar w · (u × v) (producto triple) puede expresarse como un deter-

minante:
A
JO
w · (u × v) = w1 (u × v)1 + w2 (u × v)2 + w3 (u × v)3

:O
w w w
1 2 3
= u1 u2 u3 .

v1 v2 v3
OR
4. Interpretación geométrica del determinante. Caso 3 × 3.
El producto triple anterior puede también escribirse como

AD
w · (u × v) = |w||u × v| cos φ = h|u × v|,
donde φ es el ángulo entre w y u × v y h = |w| cos φ la “altura” del paralelepípedo formado por los
tres vectores u, v, w (ver Figura 3-2, en la que u y v están en el plano xy). Como |u × v| es el área de
RR
la base, el módulo del producto anterior es el volumen del paralelepípedo:
Volumen = |w · (u × v)| = | det(A)|,

BO
 
w1 w2 w3
donde A =  u1 u2 u3 .
 
v1 v2 v3
Los vectores u, v, w pueden ponerse también por columna ya que det(A) = det(At ).
La noción de volumen pueden generalizarse a Rn , siendo | det(A)| el “volumen” (o hipervolumen) del

“paralelepípedo” formado por las n filas o columnas de A.
3.7 Matrices elementales y determinantes 41
S
RE
RO
Figura 3-2: Determinante de una matriz de 3×3. Su valor absoluto representa el volumen del paralelepípedo
formado por sus filas (o columnas).
ER
5. Jacobiano.
Al hacer un cambio de variables en integrales dobles, triples, etc., el Jacobiano de la transformación se

A
calcula mediante un determinante. Así, en R3 , si x = f (u, v,t), y = g(u, v,t) y z = h(u, v,t), el Jacobiano
de la transformación es,
JO

∂x ∂y ∂z
∂u ∂u ∂u
∂x ∂y ∂z
J= .

:O
∂v ∂v ∂v

∂x ∂y ∂z

∂t ∂t ∂t
Verificar que si x = r cos θ , y = r sen θ y z = z (coordenadas cilíndricas) J = r, mientras que si

x = r sen θ cos φ , y = r sen θ sen φ , z = r cos θ (coordenadas esféricas) J = r2 sen θ . Interprete geo-
OR
métricamente estos resultados.

AD
3.7. Matrices elementales y determinantes
Proposición 3.1.
RR
Toda matriz elemental tiene determinante no nulo.

BO
Demostración.
1. La matriz E1 que está asociada a la operación elemental e1 “multiplicar la fila i por la constante α 6= 0”
tiene determinante
det(E1 ) = α det(I) = α 6= 0
pues E1 se obtiene de la matriz identidad I aplicando dicha propiedad.
2. La matriz E2 que está asociada a la operación elemental e2 “intercambiar la fila i por la fila j” tiene
determinante
det(E2 ) = − |I| = −1
42 3 Determinantes
3. La matriz E3 que está asociada a la operación elemental e3 “sumarle a fila i un múltiplo de la fila j”
tiene determinante
det(E3 ) = |I| = 1
S
RE
Proposición 3.2.
RO
Si A es una matriz de n × n y E una matriz elemental n × n, entonces se cumple que
det(EA) = det(E) det(A).
ER
Demostración.
A
1. Sea E1 la matriz que está asociada a la operación elemental “multiplicar la fila i por la constante
α 6= 0”.
JO
Por la Proposición 3.1
det(E1 ) = α det(I) = α. (3-4)
:O
Si B es la matriz que se obtiene al aplicar la operación e1 , por las propiedades de determinantes
det(B) = α det(A) (3-5)

OR
y por el Teorema 2.14 se cumple que E1 A = B, con lo cual
det(E1 A) = det(B) (3-6)

AD
al sustituir (3-4) y (3-5) en (3-6)
det(E1 A) = det(E1 ) det(A).

RR
2. Sea E2 la matriz que está asociada a la operación elemental e2 “intercambiar la fila i por la fila j”.
BO

det(E2 ) = − det(I) = −1 (3-7)
det(B) = − det(A) (3-8)
det(E2 A) = det(B) (3-9)

3.8 Matrices invertibles y determinantes 43
al sustituir (3-7) y (3-8) en (3-9)
3. Sea E3 la matriz que está asociada a la operación elemental e3 “sumarle a fila i un múltiplo de la fila
S
j”.
RE
det(E3 ) = det(I) = 1 (3-10)
RO
det(B) = det(A) (3-11)
ER
det(E3 A) = det(B) (3-12)
al sustituir (3-10) y (3-11) en (3-12) A

JO

:O
3.8. Matrices invertibles y determinantes

OR
El objetivo de esta sección es estudiar la relación entre determinantes e inversibilidad de matrices. Pro-
baremos que una matriz A ∈ Mnn es inversible si y sólo si su determinante es no nulo. A continuación,
AD
mostraremos que los determinantes pueden ser utilizados también para la resolución de sistemas de ecua-
ciones lineales.
Ya vimos que una matriz A de n × n es invertible si y solo si rango(A) = n.

RR
Veamos otra condición equivalente de invertibilidad.
Lema 3.1.
BO
Si A no es invertible, la forma escalonada de A tiene por lo menos una fila de ceros.
Demostración.
Como A no es invertible, se tiene que rango(A) < n. Al aplicar el proceso de eliminación de Gauss, (es
decir que aplicamos una sucesión de operaciones elementales) obtenemos la matriz B (forma escalonada de
A).
44 3 Determinantes
operación e1 operación ek
A ······ B.
−→ −→
Es decir que Ek , . . . E2 E1 A = B, donde Ei es la matriz asociada a la operación elemental ei y por lo tanto
S
A = E−1 −1 −1
1 E2 . . . Ek B.
RE
Como rango(A) = “cantidad de escalones no nulos de B, concluimos que “cantidad de escalones no nu-
los de B” es menor que n, es decir que B tiene por lo menos una fila de ceros.
RO
El siguiente Teorema caracteriza la inversibilidad de matrices por medio de determinantes:
Teorema 3.13.
ER
Sea A una matriz cuadrada de orden n × n. Entonces A es invertible si y sólo si det(A) 6= 0.
Demostración. A
(⇒) Si A es invertible, A se puede factorizar como un producto de matrices elementales
JO
A = E1 E2 . . . Ek .
:O
Luego, por la proposición 3.2
det(A) = det(E1 E2 . . . Ek ) = det(E1 ) det(E2 ) . . . det(Ek ).

OR
Por la proposición 3.1 det(Ei ) 6= 0, con lo cual det(A) 6= 0.
(⇐) Supongamos, por absurdo, que A no es invertible. Si B es la forma escalonada de A, existe una
AD
sucesión de matrices elementales tales que Ek , . . . E2 E1 A = B. Pero como det(Ei ) 6= 0 y det(B) = 0 (pues
por el Lema 3.1 B tiene por lo menos una fila de ceros), concluimos que det(A) = 0, lo cual contradice
nuestra hipótesis.
RR
3.9. Determinante de un producto de matrices

BO
Teorema 3.14 (Binet-Cauchy).
Si A y B son matrices de n × n, entonces se cumple que det(AB) = det(A) det(B).
Demostración.
Primer caso: A no es invertible.
Si A no es invertible, entonces det(A) = 0, lo cual implica que det(A) det(B) = 0.

3.10 Ejercicios 45
0
Por otro lado, si A es la forma escalonada de A, existe una sucesión de matrices elementales tales que
Ek , . . . E2 E1 A = A0 , es decir que
A = E−1 −1 −1 0
1 E2 . . . Ek A .
Luego, det(AB) = det(E−1 −1 −1 0

1 E2 . . . Ek A B) y aplicando la proposición 3.2
S
det(AB) = det(E−1 −1 −1 0
1 ) det(E2 ) . . . det(Ek ) det(A B).
RE
Pero por el Lema 3.1, A0 tiene una fila de ceros, y por lo tanto A0 B también (por la definición del producto
de matrices), con lo cual det(A0 B) = 0, lo cual implica que det(AB) = 0.
RO
Hemos probado que
det(AB) = det(A) det(B) = 0.
ER
Segundo caso: A es invertible.
Si A es invertible, A = E1 E2 · · · Ek con Ei matriz elemental
A
det(AB) = det((E1 E2 · · · Ek )B).
JO
y aplicando la proposición 3.2
det(AB) = det(E1 ) det(E2 ) . . . det(Ek ) det(B) = det(E1 E2 . . . Ek ) det(B) = det(A) det(B).

:O
OR
3.10. Ejercicios
AD
 
a11 a12 · · · a1n
 0 a22 · · · a2n 
 
1. Probar que si A =  .
 .. . .  (ceros por debajo de la diagonal principal), entonces det(A) =
.. 
 .. . . . 
RR
0 0 · · · ann
a11 a22 · · · ann .
 
2 a 1
BO
2. Sea A = 3 4 1 una matriz de 3 × 3.

 
1 3 1
a) Determinar los valores de a para los cuales la matriz A no es invertible.
b) Si a = 3, encontrar la inversa de A.
 
sen α cos α sen(α + δ )
3. Demostrar que la matriz A = sen β cos β sen(β + δ ) no es invertible para cualesquiera valores
 
sen γ cos γ sen(γ + δ )
de α, β y γ.
46 3 Determinantes
4. Calcular el determinante de la matriz A de n × n, siendo
 
0 0 ··· 0 a1
0
 0 ··· a2 0  
A = · · · · · · · · · · · · · · ·
 
 
 0 an−1 · · · 0 0
S
an 0 ··· 0 0
RE
5. Demostrar que:
" # " #
a b d e b a−c
RO
a) Las matrices A = yB= conmutan si y sólo sí = 0.

0 c 0 f e d− f

b+c c+a b+a

b) a b c = 0 aplicando las propiedades de los determinantes.

ER

1 1 1
6. Evaluar los determinantes de las siguientes matrices utilizando las propiedades anteriores (llevarlas,
por ejemplo, a una forma triangular). Indique cuales son singulares.

−1 3 2
 A 
1 2 3

a) A =  2 1 3 c) C = 4 5 6
   
JO
1 4 5 7 8 9
   
1 2 1 1 1 1 1
:O
−1 1 1 1
b) B = 1 2 0
 
d) D = 
 
 1 −1 1

1 0 0 1
1 1 −1 1
OR

1 1 1

7. El determinante de Vandermonde de 3 × 3 está dado por D3 = a b c . Demuestre que

2 2 2
a b c
AD
D3 = (b − a)(c − a)(c − b).

1 1 1 1
RR

a b c d
8. D4 = es el determinante de Vandermonde de 4 × 4. Demostrar que

a2 b2 c2 d 2
a3 b3 c3 d 3

BO
D4 = (b − a)(c − a)(d − a)(c − b)(d − b)(d − c).
9. (Determinante de Vandermonde). Sean x1 , . . . , xn ∈ F, entonces

 
1 1 ··· 1

 x1 x2 · · · xn 

x12 x22 · · · xn2
 
det   = ∏ (x j − xi ).
.. .. .. ..
 
 1≤ i< j ≤ n
.

 . . . 
x1n−1 x2n−1 n−1
· · · xn
3.10 Ejercicios 47
1 a a2

2
10. Muestre que det(A) = 1 b b = (a − b)(a − c)(c − b). Utilice este hecho para demostrar que la

1 c c2

 
1 1 1
matriz M = 2 5 −4 es invertible.
 
S
4 25 16
RE
" #!
A −A
11. Sea A una matriz cuadrada de orden n × n. Demostrar que det = 2n (det(A))2 .
A A
" #!
2A 3A
RO
12. Sea A una matriz cuadrada de orden n × n. Demostrar que det = (det(A))2 .
A 2A
13. Calcular el determinante de la matriz n × n sobre un cuerpo F:
ER
 
a b ··· b
 b a ··· b 
 
A=  .. .. . . .. 

 . . . . 
b b ··· a
A
14. Calcule el determinante de la siguiente matriz:
JO
 
1 1 1
1 ···
 2 3
n 
 1 ··· 
1 1
1
:O
 
 
 3 n+1
4 
A= 1
 ··· ,

 2 2
2 
 . .. .. ..
..
 ..

 . . .
. 

n+1 2n − 2
OR
 n 
1 ···
n−1 n−1 n−1

a
donde es el coeficiente binomial.
b
AD
15. Sean A una matriz de orden n × n, B una matriz de orden m × m y C un matriz de orden n × m.
Entonces " #
A C
det = det(A) det(B).
RR
0 B
16. Sea A, B y C como en el ejercicio anterior. Entonces

BO
" #
C A
det = (−1)nm det(A) det(B).
B 0
17. Sea A una matriz invertible, se dice que A es una involución si A−1 = A. Probar que A es una
involución si y sólo si (I − A) (I + A) = 0.
18. Sean A y B matrices invertibles tales que A + B es invertible. Demostrar que A−1 + B−1 es invertible.
19. Sea A una matriz cuadrada. Demostrar que A = 0 si y sólo si AAt = 0.

48 3 Determinantes
20. Sean A y B matrices cuadradas de orden n ≥ 1 tales que AB = I. Demostrar que BA = I.
 
1 2 −1 4
0 −1 5 8
21. Sea A =   una matriz de 4 × 4.
 
2 3 1 4
1 −1 6 4
S
a) Determinar si la matriz A es invertible. Si lo es, calcular la inversa.
RE
b) Encontrar el determinante de A.
 
1 −3 0 2
RO
 3 −12 −2 −6
22. Sea B =   una matriz de 4 × 4.
 
−2 10 2 5
−1 6 1 3
ER
a) Determinar si la matriz B es invertible. Si lo es, calcular la inversa.
b) Encontrar el determinante de B.
 
−2 1 6
23. Considere la matriz A =  5 0

3 2 −10
8 . Encontrar det(A).

A
JO
24. Encontrar todos los valores de a y b para los cuales A y B, ambas, no son invertibles.
" # " #
a+b−1 0 5 0
A= yB=
0 3 0 2a − 3b − 7
:O
 
a b 0 0 " # " #
c d 0 0  a b g h
OR
25. Sea A =  . Demostrar que det(A) = det det .

 
e f g h  c d z w
x y z w
 
x y z
AD
26. Considere la matriz A = 1 1 1 con |A| = 4.

 
4 5 6
a) Calcule det 3AAt A−1 .

RR
b) Encuentre el determinante de la siguiente matriz B aplicando únicamente propiedades del deter-

minante  
4 4 4
BO
B =  3x 3y 3z  .
 
4 + 2x 5 + 2y 6 + 2z
 
a b c
27. Considere A = b c a con |A| = 6. Usando solamente propiedades del determinantes calcule el
 
c a b
 
3b + 3c c + a 2b + 2a
determinante de B = 3a + 3b c + b 2a + 2c.
 
3c + 3a b + a 2b + 2c
3.10 Ejercicios 49
p q r 3r 3p 3q p + 2q q + 2r r + 2p

28. Suponga que q r p = 3. Calcular q r p y 3r − 3q 3p − 3r 3q − 3p .

r p q 3p 3q 3r q r p

a b c

29. Dado que d e f = −8, encontrar:

S

g h i
RE

−3a −3b −3c a+g g −4d

a) d e f d) b + h h −4e

g − 4d h − 4e i − 4 f c+i i −4 f
RO

a−g g −d a − g 2g −d

b) b − h h −e e) b − h 2h −e

c−i i −f c − i 2i −f
ER

5a + g 5b + h 5c + i 3a 3b 3c

c) d e f f ) −d −e −f

−g −h −i 4g 4h 4i
30. Demostrar que:

A
JO
" # " #
a b d e b a−c
a) Las matrices A = yB= conmutan si y sólo si = 0.

0 c 0 f e d− f
:O

b+c c+a b+a

b) a b c = 0 aplicando las propiedades de los determinantes.

1 1 1
OR
31. Demostrar que si a, b, c son números reales se tiene que:

a−b−c 2a 2a

2b b − c − a 2b = (a + b + c)3

AD

2c 2c c−a−b
32. Usando solo las propiedades de los determinantes, demostrar que

RR

a b + tb c + rb + sa a a a
1 1 1 1 1 1 1 2 3
a2 b2 + tb2 c2 + rb2 + sa2 = b1 b2 b3

a3 b3 + tb3 c3 + rb3 + sa3 c1 c2 c3
BO

1 0 2 3

−1 1 0 4
33. Calcular el determinante .

2 1 −1 3

−1 0 5 7

1 a b c

1 a2 b2 c2
34. Establezca el determinante .

1 a3 b3 c3
a4 b4 c4

1
50 3 Determinantes
35. Probar que la ecuación de una recta (en el plano) que pasa por (x1 , y1 ) y (x2 , y2 ) puede expresarse
como
x y
1
x1 y1 1 = 0.

x2 y2 1
S

1 + x1 x2 x3 ··· xn
RE

x
1 1 + x2 x3 ··· xn

36. Demuestre que x1 x2 1 + x3 ··· xn

= 1 + x1 + x2 + x3 + · · · + xn .
.. .. .. .. ..

.

. . . .
RO

x1 x2 x3 · · · 1 + xn
37. Considere el paralelogramo cuyos vértices son A = (0, 0, 1), B = (1, 2, 2), C = (5, 2, 2) y D = (4, 0, 1).
a) Calcule el área del paralelogramo de vértices ABCD.
ER
b) ¿Es el triángulo formado por los vértices A, B, C rectángulo?
c) Encuentre el perímetro del paralelogramo ABCD.

−
→ −→
d) Calcule la altura de AB sobre AD.
−
→ − →
A
e) Encuentre el ángulo entre los vectores CB y CA.
JO
3.11. Cálculo de la matriz inversa por determinantes

:O
El desarrollo del determinante de la matriz A = ((ai j )) por su i-esima fila es

OR
det(A) = (−1)i+1 ai1 |Ai1 | + (−1)i+2 ai2 |Ai2 | + . . . + (−1)i+ j ai j Ai j + . . . + (−1)i+n ain |Ain | ,

(3-13)
donde Ai j es el menor i j de la matriz A.
El número Ai j = (−1)i+ j Ai j se denomina cofactor del elemento ai j de la matriz A. Por lo tanto podemos

AD
reescribir el desarrollo (3-13) de la siguiente manera
det(A) = ai1 Ai1 + ai2 Ai2 + . . . + ai j Ai j + . . . + ain Ain . (3-14)

RR
 
A11 A12 . . . A1n
A21 A22 . . . A2n
 
de f
 
A la matriz co f (A) =  .. .. .. ..  se le llama matriz de cofactores de A.
BO
. . . .
 
 
An1 An2 . . . Ann
Ejemplo 3.13.
 
3 −1 2
Considere la matriz A = 4 5 6, determinar su matriz de cofactores.
 
7 1 2
Solución.
3.11 Cálculo de la matriz inversa por determinantes 51
Los cofactores de la matriz A son:
" #!
5 6
A11 = (−1)1+1 det = 10 − 6 = 4.
1 2
S
" #!
4 6
A12 = (−1)1+2 det = (−1)(8 − 42) = 34.
RE
7 2
" #!
4 5
A13 = (−1)1+3 det = 4 − 35 = −31.
7 1
RO
" #!
−1 2
A21 = (−1)2+1 det = (−1)(−1 − 2) = 3.
1 2
" #!
3 2
A22 = (−1)2+2 det = 6 − 14 = −8.
ER
7 2
" #!
3 −1
A23 = (−1)2+3 det = (−1)(3 + 7) = −10.
7 1
" #!
A31 = (−1)3+1 det
"
−1 2
5 6
#!
A
= −6 − 10 = −16.
3 2
JO
A32 = (−1)3+2 det = (−1)(18 − 8) = −10.
4 6
" #!
3 −1
A33 = (−1)3+3 det = 15 + 4 = 19.
:O
4 5
 
4 34 −31
OR
Luego, la matriz de cofactores es co f (A) =  3 −8 −10.

 
−16 −10 19
AD
Dada una matriz A ∈ Mnn , podemos asociarle una matriz, cuyos elementos se calculan a partir de deter-
minantes de submatrices de A que, en el caso en que A sea inversible, nos permitirá obtener la inversa de
A.
RR
Definición 3.7 (Adjunta de una matriz).

BO
Si A es una matriz de n × n se define la matriz adjunta de A como la transpuesta de la matriz de cofactores,

es decir,  t  
A11 A12 . . . A1n A11 A21 . . . An1
A21 A22 . . . A2n  A12 A22 . . . An2 
   
ad j(A) =  .
 .. .. ..  =  ..
  .. .. .
.. 
 .. . . .   . . . . 
An1 An2 . . . Ann A1n A2n . . . Ann
Lema 3.2.
52 3 Determinantes
Si ad j(A) = [co f (A)]t es la matriz transpuesta de la matriz de cofactores de A, esto es
 
A11 A21 . . . An1
A12 A22 . . . An2 
 
ad j(A) =  .
 .. .. ,
.. 
 .. . . . 
S
A1n A2n . . . Ann
RE
se cumple que  
det(A) 0 ... 0
0 det(A) . . . 0
 
 
A(ad j(A)) =  .. .. .. .. .
RO
. . . .
 
 
0 0 . . . det(A)
ER
Demostración.
Si A(ad j(A)) = ((dii )) queremos probar que:
A
1. Los elementos de la diagonal de la matriz A(ad j(A)) son todos iguales a det(A), esto es dii = det(A).
2. Los elementos que no son de la diagonal de la matriz A(ad j(A)) son todos nulos, esto es di j =
0 (i 6= j).
JO
Probemos 1. Para ello calculamos el elemento dii de la matriz A(ad j(A)).

:O
.. .. ..
 
. . ... .
 
  ... ... ↓ ... ...
. . . . . . Ai1 ... ...

 .. .. ..  
 . . ... .   ... ... ↓ ... ... 
. . . . . . Ai2 ... ...
 
OR
  
→ → dii ... ...
 
 ai1 ai2 ... ain =
 
 .. .. .. .. . 
. ..

. . . .. .. .. .. ..
 
  .. .. .. ..  
.


. . . .
  . . . . 
. . . . . . Ain ... ...  
.. .. .. ... ... ... ... ...
 
. . ... .
AD
Por lo tanto, dii = ai1 Ai1 + ai2 Ai2 + . . . + ai j Ai j + . . . + ain Ain , pero por (3-14)
|A| = ai1 Ai1 + ai2 Ai2 + . . . + ai j Ai j + . . . + ain Ain ,

RR
con lo cual dii = |A|.
Probemos 2. Calculamos el elemento di j de la matriz A(ad j(A)).

BO
.. .. ..
 
. . ... .
 
  ... ... ... ↓ ...
. . . . . . . . . A j1 . . .

 .. .. ..  
 . . ... .   ... ... ... ↓ ... 
. . . . . . . . . A j2 . . .
 
  
→ → → di j . . .
 
 ai1 ai2 ... ain = .
 
 .. .. .. . . .
. ..

. . . .. .. .. . . .
 
  .. .. .. ..  
. ..


. . . .
  . . . 
. . . . . . . . . A jn . . .  
.. .. .. ... ... ... ... ...
 
. . ... .
Por lo tanto, di j = ai1 A j1 + ai2 A j2 + . . . + aik A jk + . . . + ain A jn .

3.11 Cálculo de la matriz inversa por determinantes 53
Por otro lado consideremos la matriz B que se obtiene de A cambiando la fila j por la fila i:
 
a11 a12 · · · a1n
···
.. .. .
· · · ..
 

 . . 
 ···

 ai1 ai2 · · · ain  ←− fila i

.. .. .
S
···
 
B= . . · · · ..

 
  ←− fila j
RE
 

.. .. .
 ..
.. .
. ..
 
 . . 
···
an1 an2 · · · ann
RO
Si calculamos el determinante de B desarrollando por la j-esima fila se tiene que
|B| = (−1) j+1 b j1 B j1 + (−1) j+2 b j2 B j2 + . . . + (−1) j+k b jk B jk + . . . + (−1) j+n b jn B jn .

ER
pero como b jk = aik y B jk = A jk , resulta que
|B| = (−1) j+1 ai1 A j1 + (−1) j+2 ai2 A j2 + . . . + (−1) j+k aik A jk + . . . + (−1) j+n ain A jn

pero A jk = (−1) j+k A jk , por lo cual

A
JO
det(B) = ai1 A j1 + ai2 A j2 + . . . + aik A jk + . . . + ain A jn .
:O
Esto prueba que det(B) = di j . Como det(B) = 0 (pues tiene dos filas iguales), se prueba lo deseado.
Proposición 3.3.
OR
Si A es invertible, entonces se tiene que
1
A−1 = (ad j(A)).
det(A)
AD
Demostración.
Por el lema anterior

RR
   
det(A) 0 ... 0 1 0 ... 0
0 det(A) . . . 0 0 1 ... 0
   
   
A(ad j(A)) =  .. .. .. ..  = det(A)  .. .. . . ..  = det(A)I
. . . . . . . .
   
BO
   
0 0 . . . det(A) 0 0 ... 1
1
Siendo A invertible se tiene que det(A) 6= 0, con lo cual A(ad j(A)) = I, esto es
det(A)

1
A [ad j(A)] = I,
det(A)
1
lo cual prueba que A−1 = (ad j(A)).
det(A)
54   3 Determinantes
1 −1 2
La matriz A =  4 2 4  es invertible pues det(A) = −34 ; calculemos los cofactores de A.
 
5 0 1
 
× × × " #
2 4 2 4
 × 2 4  ⇒ A11 = ⇒ |A11 | = = 2 ⇒ A11 = 2.
 
S
0 1 0 1
× 0 1
RE
y trabajando de la misma manera se obtienen
 
× −1 2 " #
−1 2 −1 2
 × × ×  ⇒ A21 = ⇒ |A21 | = = −1 ⇒ A21 = 1.
 
RO
0 1 0 1
× 0 1
 
× −1 2 " #
−1 2 −1 2
ER
 × 2 4  ⇒ A31 = ⇒ |A31 | = = −8 ⇒ A31 = −8.
 
2 4 2 4
× × ×
 
× × × " #
4 4 4 4
 4 × 4  ⇒ A12 = ⇒ |A12 | = = −16 ⇒ A12 = 16.
 

5 × 1

5 1 5 1 A
1 × 2
JO
" #
1 2 1 2
 × × ×  ⇒ A22 = ⇒ |A22 | = = −9 ⇒ A22 = −9.
 
5 1 5 1
5 × 1
:O
 
1 × 2 " #
1 2 1 2
 4 × 4  ⇒ A32 = ⇒ |A32 | = = −4 ⇒ A32 = 4.
 
4 4 4 4
× × ×
OR
 
× × × " #
4 2 4 2
 4 2 ×  ⇒ A13 = ⇒ |A13 | = = −10 ⇒ A13 = −10.
 
5 0 5 0
5 0 ×
AD
 
1 −1 × " #
1 −1 1 −1
 × × ×  ⇒ A23 = ⇒ |A23 | = =⇒ A23 = −5.
 
5 0 5 0
5 0 ×
RR
 
1 −1 × " #
1 −1 1 −1
 4 2 ×  ⇒ A33 = ⇒ |A33 | = = 6 ⇒ A33 = 6.
 
4 2 4 2
× × ×
BO
 
2 16 −10
Por lo tanto, co f (A) =  1 −9 −5  con lo cual
 
−8 4 6
1 1 4
 
  − −
2 1 −8  17 34 17 
1 1  8 9 2
A−1 =
  
(ad j(A)) =  16 −9 4  
= − − .
det(A) −34  17 34 17 
−10 −5 6  5 5 3 
−
17 34 17
3.12 Cálculo de determinantes para matrices en bloque 55
Con lo anterior, se obtiene el siguiente resultado que es de gran importancia.
Teorema 3.15.
Si A es una matriz de n × n, entonces las siguientes proposiciones son equivalentes; es decir, todas son
S
verdaderas o todas son falsas.
RE
a) A es invertible.
b) AX = b tiene solución única para todo b.
RO
c) AX = 0 sólo tiene la solución trivial.
d) Rng(A) = n.
e) La forma escalonada reducida de A es In , es decir, A es equivalente a In .
ER
f ) A se puede expresar como el producto de un número finito de matrices elementales.
g) det(A) 6= 0.
h) A tiene inversa derecha. A

i) A tiene inversa izquierda.
JO
:O
3.12. Cálculo de determinantes para matrices en bloque
1. Suponga que A es una matriz de n × n escrita como

OR
" # " #
A11 0 A11 A12
A= o A=
A21 A22 0 A22
donde A está escrita como matriz en bloques, es decir, A11 y A22 no son números sino matrices
AD
cuadradas y 0 es una matriz rectangular de puros ceros. Entonces
det(A) = det(A11 ) det(A22 ).

RR
Ejemplo 3.14.
 
1 1 1 1 0 0 0
0 2 2 2 0 0 0
 
BO
 
0 0 3 3 0 0 0
 
Sea A = 
0 0 0 4 0 0 0. Calcular det(A).
9 8 7 6 1 2 3
 
1 5 9 3 0 4 1
 
8 8 8 6 0 2 2
Solución.
Tomando
56     3 Determinantes
1 1 1 1 0 0 0    
0 9 8 7 6 1 2 3
2 2 2 0 0 0

A11 =  , A12 =   = 0, A21 = 1 5 9 3 y A22 = 0 4 1, se
      
0 0 3 3 0 0 0
8 8 8 6 0 2 2
0 0 0 4 0 0 0
tiene que
S
" #
A11 0
A= .
A21 A22
RE
Por lo tanto, det(A) = det(A11 ) det(A22 ). Esto es,

1 1 1 1
RO
2 2 2
0 2 2 2 3 3
det(A11 ) = = 1 0 3 3 = 2 = 2(12 − 0) = 24.

0 0 3 3 0 4
0 0 4
0 0 0 4
ER

1 2 3
4 1
det(A22 ) = 0 4 1 = 1 = 1(8 − 2) = 6.

2 2
0 2 2
Así las cosas, det(A) = 24 × 6 = 144. A

JO
2. Suponga que A es una matriz de n × n escrita como
" #
A11 A12
:O
A=
A21 A22
donde A11 es una matriz k × k y A22 una matriz (n − k) × (n − k).

OR
a) Si A22 es invertible, entonces
det(A) = det(A11 − A12 A−1

22 A21 ) det(A22 ).
AD
b) Si A11 es invertible, entonces
det(A) = det(A22 − A21 A−1

11 A12 ) det(A11 ).
RR
Ejemplo 3.15.
 
1 3 −2 4
2 6 −4 8
BO

 
3 9 1 5
1 1 4 8
Solución.
Tomando
" # " # " # " #
1 3 −2 4 3 9 1 5
A11 = , A12 = , A21 = y A22 = , se tiene que
2 6 −4 8 1 1 4 8
3.13 Regla"de Cramer# 57
A11 A12
A= .
A21 A22
" #!
1 5
Como det(A22 ) = det = 8 − 20 = −12 6= 0, se tiene que A22 es invertible y por tanto,
4 8
det(A) = det(A11 − A12 A−1
S
22 A21 ) det(A22 ). Esto es,
RE
" # " # " #" #
1 3 −2 4 1 8 −5 3 9
A11 − A12 A−1
22 A21 = − −
2 6 −4 8 12 −4 1 1 1
RO
" # " # " #
1 3 1 −2 4 19 67
= − −
2 6 12 −4 8 −11 −35
" # " #
1 3 1 −82 −274
ER
= − −
2 6 12 −164 −548
" # " #
41 137
1 3 6 6
= − 41 137
2 6 3 3
=
"
35
−6 − 6
− 35
3
119
− 119
3
#
. A
JO
" #!
− 35 − 119

35 119 35 119
Por lo tanto, det(A11 −A12 A−1
22 A21 ) = det 6 6 = − − − − − =
− 35
3 − 119
3
6 3 3 6
:O
0.
Así las cosas, det(A) = det(A11 − A12 A−1

22 A21 ) det(A22 ) = 0 × (−12) = 0.
OR
3.13. Regla de Cramer

AD
Por último en esta sección presentaremos la regla de Cramer, que permite obtener, por medio de determi-
nantes, la (única) solución de un sistema lineal no homogéneo con el mismo números de ecuaciones que de
incógnitas, es decir, un sistema de ecuaciones de n × n cuya matriz asociada es inversible.
RR
Teorema 3.16 (Cramer 1).
Si det(A) 6= 0, entonces el sistema AX = b es compatible y determinado y su solución (única) es

BO
det(A j )
xj = j = 1, 2 . . . , n
det(A)
donde A j es la matriz que se obtiene de A sustituyendo la columna j por b.
Demostración.
Como det(A) 6= 0, existe A−1 , por lo tanto AX = b implica que X = A−1 b lo que prueba la existencia y la
58 3 Determinantes
unicidad de la solución

−1 1 t
X=A b⇔X= [co f (A)] b ⇔
|A|
   
x1 A11 A21 . . . An1  
.  . .. .. ..  b1
 ..   .. . . . 
S
 b2 
 
  1 
 
x j  = A1 j A2 j . . . An j   ⇔
 
 .  |A|  . .. 
RE
.  . . .. .  .
.. .. 
 
.  . .  b
n
xn A1n A2n . . . Ann
   
x1 A11 b1 + A21 b2 + . . . + An bn
RO
. ..
 .. 
 
 . 
  1  
x j  =  A j b1 + A2 j b2 + . . . + An j bn 
   
 .  |A|  .. 
.  
. .
ER
 
xn An b1 + A2n b2 + . . . + An2 bn
Por lo tanto
1
xj = (A1 j b1 + A2 j b2 + . . . + An j bn ) j = 1, 2, . . . , n (3-15)
det(A) A
Por otro lado si consideramos la matriz
JO
 
a11 · · · b1 · · · a1n
 ai1 · · · b2 · · · ain 
 
Aj = 
 .. .. .. . 
:O
 . . . · · · .. 

an1 · · · bn · · · ann
que se obtiene de A sustituyendo la columna j por b, y desarrollamos el determinante de A j por la columna

OR
j se tiene que
det(A j ) = (−1) j+1 b1 A1 j + (−1) j+2 b2 A2 j + . . . + (−1) j+n b j An j

= A1 j b1 + A2 j b2 + . . . + An j bn
AD
det(A j )
Al sustituir en (3-15) se obtiene x j = j = 1, 2 . . . , n.
det(A)
RR
Ejemplo 3.16.

 x + 2y − z = 7
BO

Resolver el sistema 2x + y + z = 6 usando la regla de Cramer.

 x − y + 3z = −1
Solución.
   
1 2 −1 7
En este caso A = 2 1 1  y b =  6 .
   
1 −1 3 −1
3.13 Regla de Cramer 59
Como det(A) = −3 6= 0 el sistema es compatible y determinado y sus soluciones son

7
2 −1
6 1 1

det(A1 ) −1 −1 3 5
x= = = ,
det(A) −3 3
S
RE

1 7 −1

2 6 1

det(A2 ) 1 −1 3 8
RO
y= = = ,
det(A) −3 3

1 2 7
ER

2 1 6

det(A3 ) 1 −1 −1
z= = = 0.
det(A) −3
A
JO
Ejemplo 3.17.

 −2x + 3y − z = 1

:O
Resolver el sistema x + 2y − z = 4 usando la regla de Cramer.


 −2x − y + z = −3
OR
Solución.
AD
   
−2 3 −1 1
Por la regla de Cramer se construyen las matrices asociadas A =  1 2 −1 y b =  4 .
   
−2 −1 1 −3

RR
2 −1 1 −1 1 2
Como det(A) = (−2) −3 +(−1) = (−2)(2−1)−3(1−2)+(−1)(−1+

−1 1 −2 1 −2 −1
4) = −2 + 3 − 3 = −2 6= 0, el sistema es compatible y determinado y sus soluciones son
BO

1
3 −1
4 2 −1

det(A1 ) −3 −1 1 −4
x= = = = 2,
det(A) −2 −2

−2 1 −1

1 4 −1

det(A2 ) −2 −3 1 −6
y= = = = 3,
det(A) −2 −2
60 3 Determinantes

−2 3 1

1 2 4

det(A3 ) −2 −1 −3 −8
z= = = = 4.
det(A) −2 −2
S
RE
Teorema 3.17 (Cramer 2).
RO
Si det(A) = 0 y existe j0 tal que det(A j0 ) 6= 0 entonces el sistema AX = b es incompatible
Ejemplo 3.18.
ER
Como det(A) = 0 se tiene que rango (A) < n. Por otro lado si A
e = ( A| b) es la matriz ampliada del sistema,
como las columnas de A j0 son también columnas de Ae se tiene que

A
e ≥ rango (A j ) .
rango A 0
JO

Además, rango (A j0 ) = n, por ser det(A j0 ) 6= 0, con lo cual n ≤ rango A
e . Por lo tanto rango (A) <

e y por el teorema de Rouché - Frobenius el sistema AX = b es incompatible.
rango A
:O
Observación 3.4.
OR
Un error frecuente es decir que: Si det(A) = 0 y det(A j ) = 0, entonces el sistema AX = b es indeterminado.

Veamos ejemplos.
Ejemplo 3.19.
AD

 x+y+z = 1

Para el sistema de ecuaciones x + y + z = 1 se tiene que
RR

 x+y+z = 0
   
1 1 1 1
A = 1 1 1 b = 1 .
   
BO
1 1 1 0
Por lo tanto det(A) = det(A1 ) = det(A2 ) = det(A3 ) = 0, sin embargo es evidente que el sistema es
incompatible.
    
 x+y+z = 1
 1 1 1 1
Mientras que para el sistema de ecuaciones x + y + z = 1 se tiene que A = 1 1 1, b = 1
   

 x+y+z = 1 1 1 1 1
y también se cumple que det(A) = det(A1 ) = det(A2 ) = det(A3 ) = 0, pero el sistema es compatible e
indeterminado.
3.14 Ejercicios 61
3.14. Ejercicios
 
1 3 −2
1. Considere la matriz A = 1 7 1 . Encontrar:
 
2 8 −3
S
RE
a) det(A). c) A−1 , si existe.
b) ad j(A). d) det(A−1 ).
RO
 
4 1 1 1
3 7 −1 1
2. Calcular la inversa, si existe, de la matriz A =   aplicando cofactores.
 
7 3 −5 8
ER
1 1 1 2
3. Dado el sistema de ecuaciones 


 x+y+z = 5
x + y − 4z = 10

A
 −4x + y + z = 0
a) Calcular la inversa de la matriz de coeficientes, si existe.

JO
b) Encontrar el determinante de la matriz de coeficientes.
c) Determinar la solución del sistema.

:O
 
1 2 1
4. La matriz de coeficientes de un sistema de ecuaciones es A = 1 a a y la de términos indepen-
 
1 4a 1
OR
 
1
dientes es b =  1 .
 
2a
AD
a) ¿Para qué valor o valores de a el sistema no tiene solución?
b) Para cierto valor de a un individuo encontró 2 soluciones del sistema. ¿Cuánto valía a? ¿Tenía
más soluciones el sistema?
RR
c) Encuentra un valor de a para que el sistema tenga una única solución y, para dicho valor, resuél-
velo.
5. Resolver el siguiente sistema por la regla de Cramer.

BO

 2x + 3y − z = 5

−x + 2y + 3z = 0

 4x − y + z = −1
 
2 1 0 0
0 −1 3 0
6. Utilice determinantes para calcular la inversa, si existe, de la matriz: A =  .
 
1 0 0 −2
3 0 −1 0
62 3 Determinantes
7. Demostrar que:
a) Una matriz cuadrada A es invertible si y sólo si At A es invertible.

1
b) Si A es invertible, entonces ad j(A) es invertible y [ad j(A)]−1 = A = ad j(A−1 ).
det(A)
S
c) Si A es una matriz de n × n, entonces det[ad j(A)] = [det(A)]n−1 .
RE
8. Considere el siguiente sistema de ecuaciones.

 x + 2y + 2z = 2

RO
3x − 2y − z = 5

 2x − 5y + 3z = −4
Si A es la matriz de coeficientes del sistema, encontrar:
ER
a) det(A).
b) ad j(A).
c) A−1 , si existe.
d) det(A−1 ).
A
JO
e) la(s) solución(es) del sistema de ecuaciones.
 
x 0 x2
9. Considere la matriz B = 0 1 0 
:O
 
1 0 x3
a) ¿Para qué valores de x la matriz B es equivalente a la identidad?

OR
b) Determine B−1 cuando x = 2.
c) Si x = −1, ¿cuál es el rango de B?

AD
10. Dado el sistema de ecuaciones 

 4x + 5y + 0z = 2

11x + y + 2z = 3

 x + 5y + 2z = 1
RR
a) Calcular la inversa de la matriz de coeficientes, si existe.
b) Determinar la solución del sistema, aplicando el hecho de que si A es una matriz invertible de
n × n, entonces para toda matriz b de n × 1, el sistema AX = b tiene exactamente una solución
BO
dada por X = A−1 b.
11. Considere el sistema de ecuaciones lineales:


 x + ay − z = a

ax + y + z = 0
 x + y + az = a2

Utilizando el método de eliminación gaussiana:
a) Determine los valores de a para el cual el sistema no tiene solución.

3.14 Ejercicios 63
b) Resuelva el sistema para el valor de a en los cuales el sistema tiene infinitas soluciones.
c) Encuentre los valores de a para los cuales, el sistema posee solución única, para el caso a = 2
calcule el valor de y utilizando la regla de Cramer.

1 2 0 1 a + 7 14

S
12. Suponga que a a 2b = 3. Usando únicamente propiedades del determinante calcule 2 a + 5 10 .

7 5 3 0 2b + 3 6
RE
Utilizando la Regla de Cramer calcule el valor de y del siguiente sistema

 x + (a + 7)y + 14z = 0

RO
2x + (a + 5)y + 10z = 2

 (2b + 3)y + 6z = −5
ER
13. En los siguientes ejercicios resuelva por medio de la regla de Cramer, cuando sea factible aplicarla.
 
 x + y − 2z = 1
  3x1 − 2x2 + x3 = 0

a) 2x − y + z = 2 e) −x1 + x2 + 2x3 = 1

 x − 2y − 4z = −4 
 2x + x + 4x = 2
1 2 3

 x + 5y + 0z = 2

A 



2x − y + z − 4w = −32
 7x + 2y + 9z − w = 14
b) 11x + y + 2z = 3
JO
f)
3x − y + z + w = 11

 x + 5y + 2z = 1 


x + y − 4z − 2w = −4


 2x − y + z = 8

:O

c) 4x + 3y + z = 7 
 4x + y + z + w = 6
 
 3x + 7y − z + w = 1
 6x + 2y + 2z = 15
g)
 
 7x + 3y − 5z + 8w = −3

 x − 3y + z = 4 
x + y + z + 2w = 3
OR

d) 2x − y + 0z = −2 

 4x + 0y − 3z = 0 
 x1 + x2 + x3 + x4 = 0

 −x + 2x − 4x + x = 1
1 2 3 4
h)
x 1 − x 2 − x 3 − x4 = 4
AD



5x1 + x2 − 3x3 + 2x4 = 0

 
a b c
14. Sea la matriz A = d e f . Se sabe que
 
RR
g h i

1 b c a 2 c a b −1

BO
2 e f = 0, d 4 f = 0, y d e −2 = 0.

5 h i g 10 i g h −5
Calcular det(A).
15. Calcular las edades actuales de una madre y de sus dos hijos sabiendo que hace 14 años la edad de
la madre era 5 veces la suma de las edades de los hijos en aquel momento, que dentro de 10 años la
edad de la madre será la suma de las edades que los hijos tendrán en ese momento y que cuando el
hijo mayor tenga la edad actual de la madre, el hijo menor tendrá 42 años.
a) Plantear un sistema de ecuaciones para determinar las edades actuales de la madre y de sus dos
64 3 Determinantes
hijos.
b) Resolver el sistema aplicando la regla de Cramer.
16. Una librería ha vendido 3600 libros de matemáticas, correspondientes a tres editoriales diferentes, A,
B y C. Sabemos que de la editorial B se han vendido el doble de ejemplares que de la editorial A.
S
Sabemos, también, que la razón entre el número de ejemplares vendidos de las editoriales B y C es
igual a 2 : 3
RE
a) Plantear un sistema de ecuaciones para determinar el número de libros vendidos de cada edito-
rial.
RO
b) Resolver el sistema aplicando la regla de Cramer.
17. Pruebe que si det(A) = 1 y todos los elementos de A son enteros, entonces todos los elementos de
A−1 son enteros.
ER
18. Sea AX = B un sistema de n ecuaciones lineales en n incógnitas con coeficientes enteros y constantes
enteras. Pruebe que si det(A) = 1, entonces la solución X tiene elementos enteros.
A
JO
:O
OR
AD
RR
BO

Determinantes

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Determinantes

Caricato da

Copyright:

Formati disponibili

Notas de Clase

2 Teoría elemental de matrices 65

2.1.3 El producto de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68

2.1.7 Multiplicación de matrices por bloques . . . . . . . . . . . . . . . . . . . . . . . . 74

2.6 Matrices elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102

4.5 Espacio solución de sistemas homogéneos . . . . . . . . . . . .

4.9 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194

4.13 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216

4.17 Subespacios asociados a una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227

4.17.4 Valor máximo del rango . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235

4.18 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238

5 Transformaciones lineales 265

El contribuyente más prolífico a la teoría de determinantes fue el matemático francés Augustin-Louis

ecuación polinomial det(A − λ I) = 0.

Un contribuyente importante a la teoría de determinantes (segundo después de Cauchy) fue el matemá-

estudian en los cursos de cálculo de varias variables.

3.2. Definición de determinante

a11 a12 a13 · · · a1n

de A, denotado por det(A) o |A|, o a31 a32 a33 · · · a3n .

Definición 3.2 (Inductiva en el tamaño de la matriz).

2. Calculemos el determinante de la matriz B =

Si a11 = 0, permutando las filas de A se obtiene

2. Calculemos el determinante de la matriz B = 1 1 1

Ahora bien, se escribe det(A) y se le adjuntan sus primeras dos filas:

a11 a12 a13

a21 a22 a23

que corresponde a la expresión que se obtiene al desarrollar un determinante de orden 3.

Al aplicar la regla de Sarrus, se obtiene que

det(A) = [(2)(−1)(6) + (1)(4)(5) + (5)(3)(2)] − [(5)(−1)(5) + (2)(4)(2) + (6)(3)(1)]

det(A) = a11 A11 + a12 A12 + a13 A13 .

Definición 3.4 (Menor).

Eliminando la fila 2 y la columna 1 de A, se obtiene la matriz

Eliminando la fila 1 y la columna 2 de A, se obtiene la matriz

3.3.1. Determinantes de orden arbitrario A

La expresión en el lado derecho de la última igualdad se denomina expansión por cofactores.

normal (1, 2, . . . , n):

= a11 a22 · · · an−1,n−1 ann − a11 a22 · · · an−1,n an,n−1 + · · ·

a) Determinar si la matriz A es invertible. Si lo es, calcular la inversa.

4. ¿Cuáles de las siguientes matrices no son invertibles?

5. En los siguientes problemas calcular el determinante.

12. Sea A una matriz de 2 × 2. Demostrar que det(A) = det(At ).

14. Sea A una matriz de 2 × 2. Demostrar que A es invertible si y sólo si det(A) 6= 0.

16. Sea A una matriz de 2 × 2. Demostrar que −2 det(A) = tr(A2 ) − (tr(A))2 .

19. Demuestre que, en general, no se cumple que det(A + B) = det(A) + det(B).

A son diferentes de cero.

3.5. Propiedades de los determinantes

Se demostrará la parte triangular superior por inducción matemática comenzando con n = 2.

El determinante de una matriz triangular superior de n × n es:

Cada uno de estos determinantes es el determinante de una matriz triangular superior de (n − 1) × (n − 1)

Pero del Teorema 3.3, se tiene que:

Por lo tanto, se concluye que det(At ) = det(A).

det(A) = 2 (6) − 3 (−6) − 2 (3) = 24.

cumplen también para las columnas.

Si A = (ai j ) tiene una fila o una columna nula, entonces det(A) = 0.

Por inducción completa.

Así, det(B) = − det(A).

Tesis inductiva: La propiedad es válida para matrices de orden n.

Primer caso: La matriz B se ha obtenido de A intercambiando las filas consecutivas i e i + 1.

Por la definición, se tiene que

se tiene que el menor i1 de B es igual al menor i + 1, 1 de A y el menor i + 1, 1 de B es igual al menor i1

Ai+1,1 = (−1)i+1 (−1)2 ai+1,1 |Mi+1,1 |

Segundo caso: La matriz B se ha obtenido de A intercambiando las filas i y j = k + 1. La matriz B se

ak+11 ak+12 ··· ak+1n  ←− fila i+k de A

cambio de la fila i por la i+1 de A