Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
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
2.2 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
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
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
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
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
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
. . .
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:
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
|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.
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
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
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 )
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
2 1 5
AD
3 −1 4
5 2 6
1 2 5
3 −1 4
RR
BO
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
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
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
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
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
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
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
Sea A = . Calcular det(A).
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
b) Encontrar el determinante de A.
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
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
ER
13. Si A y B son matrices de 2 × 2, demostrar que det(AB) = det(A) det(B).
A
15. Sea A una matriz de 2 × 2. Demostrar que si A es invertible, entonces det(A−1 ) =
1
det(A)
.
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).
20. Muestre que si A es triangular, entonces det(A) 6= 0 si y sólo si todos los elementos en la diagonal de
OR
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
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
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
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
para i = 1, 2, . . . , n.
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
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
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
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)
3.5 Propiedades de los determinantes 27
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.
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 ).
. ··· . . ··· .
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
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 ..
.
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
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
..
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
..
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 ..
.
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
..
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 )
Teorema 3.6.
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
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.
3.5 Propiedades de los determinantes 31
Esto es inmediato a partir del desarrollo de det(B) por esa fila (o columna):
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).
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
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
S
RE
Corolario 3.2.
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
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
.. .. .. . .. .. .. .
. .. . ..
. . . .
an1 an2 · · · ann an1 an2 · · · ann
= det(A) + det(B).
Demostración.
S
a
11 a12
a
11 a12
RE
det(A) + det(B) = + = (a11 a22 − a12 a21 ) + (a11 b22 − a12 b21 )
a21 a22 b21 b22
RO
Hipótesis inductiva: La propiedad es válida para matrices de orden menor que n
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
i2 i2
.. .. .. .. .. .. .. .. ..
. . . . . . . . .
an2 ··· ann an2 ··· ann an2 ··· ann
= det(Ak1 ) + det(Bk1 );
AD
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
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.
3.5 Propiedades de los determinantes 35
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
.. .. . . . . .. ..
..
. .. ..
. . . . .
an1 an2 · · · ann an1 an2 · · · ann
a11 a12 · · · a1n
.. ..
A
.
. · · · ..
.
JO
ai1 ai2 · · · ain
.. .. .
= . . · · · ..
ai1 ai2 · · · ain
: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
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.
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.
3.5 Propiedades de los determinantes 37
Esto es,
a11
a12 ··· a1n
a11 a12 · · · a1n
.. .. .. .. .. .
· · · ..
.
. ··· .
. .
a
i1 ai2 ··· ain
ai1 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
Sea A = . Calcular det(A).
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
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
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.
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.
w w w
1 2 3
= u1 u2 u3 .
v1 v2 v3
OR
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
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 ).
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.
∂v ∂v ∂v
∂x ∂y ∂z
∂t ∂t ∂t
Proposición 3.1.
RR
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
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
pues E2 se obtiene de la matriz identidad I aplicando dicha propiedad.
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
pues E3 se obtiene de la matriz identidad I aplicando dicha propiedad.
RE
Proposición 3.2.
RO
Si A es una matriz de n × n y E una matriz elemental n × n, entonces se cumple que
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
2. Sea E2 la matriz que está asociada a la operación elemental e2 “intercambiar la fila i por la fila j”.
BO
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
Por la Proposición 3.1
det(E3 ) = det(I) = 1 (3-10)
RO
Si B es la matriz que se obtiene al aplicar la operación e3 , por las propiedades de determinantes
ER
y por el Teorema 2.14 se cumple que E3 A = B, con lo cual
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.
Lema 3.1.
BO
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.
−→ −→
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
(⇐) 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
Demostración.
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.
A
det(AB) = det((E1 E2 · · · Ek )B).
JO
y aplicando la proposición 3.2
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
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
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
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
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
" #
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.
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
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
b+c c+a b+a
b) a b c = 0 aplicando las propiedades de los determinantes.
1 1 1
OR
2c 2c c−a−b
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).
ER
b) ¿Es el triángulo formado por los vértices A, B, C rectángulo?
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)
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
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
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
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.
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
.. .. ..
. . ... .
... ... ↓ ... ...
. . . . . . 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 j1 . . .
.. .. ..
. . ... . ... ... ... ↓ ...
. . . . . . . . . A j2 . . .
→ → → di j . . .
ai1 ai2 ... ain = .
.. .. .. . . .
. ..
. . . .. .. .. . . .
.. .. .. ..
. ..
. . . .
. . .
. . . . . . . . . A jn . . .
.. .. .. ... ... ... ... ...
. . ... .
S
···
B= . . · · · ..
←− fila j
ai1 ai2 · · · ain
RE
.. .. .
..
.. .
. ..
. .
···
an1 an2 · · · ann
RO
Si calculamos el determinante de B desarrollando por la j-esima fila se tiene que
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
Esto prueba que det(B) = di j . Como det(B) = 0 (pues tiene dos filas iguales), se prueba lo deseado.
Proposición 3.3.
OR
1
A−1 = (ad j(A)).
det(A)
AD
Demostración.
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.
RO
c) AX = 0 sólo tiene la solución trivial.
d) Rng(A) = n.
ER
f ) A se puede expresar como el producto de un número finito de matrices elementales.
g) det(A) 6= 0.
" # " #
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
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
A=
A21 A22
Ejemplo 3.15.
1 3 −2 4
2 6 −4 8
BO
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.
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
det(A j )
xj = j = 1, 2 . . . , n
det(A)
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
j se tiene que
= 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
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
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
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
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.
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:
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
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
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
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.
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