Determinantes

Determinantes
Luis Ángel Zaldívar Cruz
Departamento de Ciencias Básicas

Instituto Tecnológico de Tehuacán
23 de noviembre de 2016
Objetivos del tema
En este tema el estudiante. . .

I Estudiará la definición inductiva de los determinantes y el caso
particular para matrices triangulares y su interpretación como área
de un paralelogramo
I Aprenderá las propiedades fundamentales de los determinantes
relacionadas con la multiplicación entre matrices y factorizaciones
LUP, así como las propiedades para simplificar su evaluación sin
tener que hacer uso de la definición inductiva
I Relacionará el determinante de una matriz con la existencia de su
inversa
I Se familiarizará con el uso de los determinantes para encontrar
fórmulas cerradas para la solución de sistemas de n ecuaciones con
n incógnitas
I Aprenderá los teoremas relacionados con las propiedades de los
determinantes
Definiciones
Definición

a11 a12
Sea A = una matriz 2 × 2. El determinante de A se define
a21 a22
como
det A = a11 a22 − a12 a21 .
El determinante de A se denota por det A o |A| .
I Ya se demostró que A es invertible sí y sólo si det A 6= 0, y como
veremos en este tema esta afirmación también es válida para las
matrices de tamaño n × n.
I En este tema se desarrollarán algunas propiedades básicas de los
determinantes y se verá cómo se pueden utilizar para calcular la
inversa de una matriz y resolver sistemas de n ecuaciones lineales
con n incógnitas.
I El determinante de una matriz de n × n se definirá de manera
inductiva. En otras palabras, se usará lo que se sabe sobre un
determinante de 2 × 2 para definir un determinante de 3 × 3, que a
su vez se usará para definir un determinante de 4 × 4, y así
sucesivamente.
Definiciones generales
Definición 1
 3×3
Determinante 
a11 a12 a13
Sea A = a21 a22 a23  . Entonces
a31 a32 a33

a a a21 a23 a21 a22
det A = |A| = a11 22 23

−a12
a31 a33 +a13 a31 a32 (1)

a32 a33
Ejemplo 1
un determinantede 3 × 3
Cálculo de
4 7 −2
Sea A =  3 −5 1 . Calcule |A|.
−8 6 9
Solución

4 7 −2
= 4 −5 1 −5
3 1 3
|A| = 3 −5 1 6 − 7
−8 + (−2)
−8
−8
9 9 6
6 9
= 4 (−5 × 9 − 6 × 1) − 7 (3 × 9 − (−8) × 1) + (−2) (3 × 6 − (−8) × (−5))
= 4(−51) − 7(35) − 2(−22) = −405.
Hay otro método con el que se pueden calcular determinantes de 3 × 3. De la

ecuación (1) se tiene

a11 a12 a13

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

a31 a32 a33
es decir
|A| = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 − a13 a22 a31 − a12 a21 a33 − a11 a23 a32 (2)
Se escribe A y se le adjuntan sus primeras dos columnas:
A continuación se calculan los seis productos, poniendo signo

menos antes de los productos con flechas hacia arriba, y se suman
todos los productos. Esto da la suma de la ecuación (2).
Ejemplo 2
3 5 2

Calcule 4 2 3 usando el último método presentado.
−1 2 4
Solución Si se escribe
y se multiplica como lo indican las flechas se obtiene

|A| = (3)(2)(4) + (5)(3)(−1) + (2)(4)(2) − (−1)(2)(2) − (2)(3)(3) − (4)(4)(5)
= 24 − 15 + 16 + 4 − 18 − 80 = −69.
Observación
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.
Antes de definir los determinantes de n × n debe observarse que la
ecuación (1) está formada por tres determinantes de 2 × 2, si definimos
las siguientes matrices:

a a23
M11 = 22
a32 a33
es la matriz formada al eliminar el primer renglón y la primera columna

de la matriz A,
a21 a23
M12 =
a31 a33
es la matriz formada al eliminar el primer renglón y la segunda columna
de la matriz A, y
a21 a22
M13 =
a31 a32
es la matriz formada al eliminar el primer renglón y la tercera columna de
la matriz A.
Si ahora definimos a A11 = det M11 , A12 = − det M12 y
A13 = det M13 , podemos escribir la ecuación (1) como
det A = |A| = a11 A11 + a12 A12 + a13 A13 (3)
Utilizando las observaciones anteriores podemos definir ahora el

caso general de estas matrices, resultado de eliminar algún renglón
o columna de una matriz.
Definición 2
Sea A una matriz de n × n y sea Mij la matriz de (n − 1) × (n − 1)
que se obtiene de A eliminando el renglón i y la columna j. Mij se
llama el menor ij de A.
Ejemplo 
3 
2 −1 4
Sea A =  0 1 5 . Encuentre M13 y M32 .
6 3 −4
Solución
Eliminando el primer renglón y la tercera columna de A se obtiene

0 1
M13 = .
6 3
De manera similar, si se elimina el tercer renglón y la segunda columna se obtiene

2 4
M32 = .
0 5
Ejemplo
 4 
1 −3 5 6
 2 4 0 3 
Sea A =  . Encuentre M32 y M24 .
 1 5 9 −2 
4 0 2 7
Solución
Al quitar el tercer renglón y la segunda columna de A se encuentra que
 
1 5 6
M32 = 2 0 3 .
4 2 7
(continuación de la solución del Ejemplo 4)
De igual manera,  
1 −3 5
M24 =  1 5 9 .
4 0 2
Definición 3
Sea A una matriz de n × n. El cofactor ij de A, denotado por Aij ,
está dado por
Aij = (−1)i+j |Mij | (4)
Esto es, el cofactor ij de A se obtiene tomando el determinante del
menor ij y multiplicándolo por (−1)i+j . Observe que
(
1 si i + j es par
(−1)i+j =
−1 si i + j es impar
Ejemplo 5
Del Ejemplo 4 se tiene

1 5 6
3+2

A32 = (−1) |M32 | = − 2 0 3 = −8

4 2 7

1 −3 5
= (−1)2+4 1

A24 5 9 = −192.
4 0 2
Con las definiciones anteriores de cofactores estamos en posibilidad
de considerar el caso general de matrices de n × n. Considere
 
a11 a12 · · · a1n
a21 a22 · · · a2n 
A= . .. ..  (5)
 
 .. . . 
an1 an2 · · · ann
Definición 4
Determinante n × n
Sea A una matriz de n × n como en (5). Entonces el determinante
de A, denotado por det A o |A|, está dado por
det A = |A| = a11 A11 + a12 A12 + a13 A13 + · · · + a1n A1n
Xn
= a1k A1k . (6)
k=1
La expresión en el lado derecho de (6) se llama expansión por

cofactores.
Ejemplo 6
Calcule det A, donde  
1 3 5 2
 0 −1 3 4 
A=
 .
2 1 9 6 
3 2 4 8
Solución

1 3 5 2

0 −1 3 4
= a11 A11 + a12 A12
+ a13 A13 + a14 A14

2 1 9 6

3 2 4 8

−1 3 4 0 3 4 0 −1 4 0 −1 3

= 1 1 9 6 − 3 2 9 6 + 5 2 1 6 − 2 2 1 9

2 4 8 3 4 8 3 2 8 3 2 4
= 1(−92) − 3(−70) + 5(2) − 2(−16) = 160.
Es obvio que el cálculo del determinante de una matriz de n × n puede ser laborioso:
I Para calcular un determinante de 4 × 4 deben calcularse cuatro determinantes
de 3 × 3.
I Para calcular un determinante de 5 × 5 deben calcularse cinco determinantes de
4 × 4, lo que equivale a calcular veinte determinantes de 3 × 3.
I Por fortuna existen técnicas que simplifican estos cálculos. Algunos de estos
métodos se presentan en la siguiente sección.
Definición 5
Una matriz cuadrada se denomina triangular superior si todas sus componentes
abajo de la diagonal son cero. Es una matriz triangular inferior si todas sus
componentes arriba de la diagonal son cero. Una matriz se denomina diagonal
si todos los elementos que no se encuentran sobre la diagonal son cero; es
decir, A = (aij ) es triangular superior si aij = 0 para i > j, triangular inferior si
aij = 0 para i < j y diagonal si aij = 0 para i 6= j. Observe que una matriz
diagonal es tanto triangular superior como triangular inferior.
Ejemplo 7
Las matrices  
2 1 7
A= 0 2 −5 
0 0 1
y  
−2 3 0 1
 0 0 2 4 
B=
 
0 0 1 3 
0 0 0 −2
son triangulares superiores.
Las matrices  
5 0 0
C = 2 3 0 
−1 2 4
y
0 0
D=
1 0
son triangulares inferiores; I (la matriz identidad) y
 
2 0 0
E =  0 −7 0 
0 0 −4
son diagonales. Observe que la matriz E es también triangular superior y

triangular inferior.
Ejemplo 8
La matriz  
a11 0 0 0
a21 a22 0 0 
A= 
a31 a32 a33 0 
a41 a42 a43 a44
es triangular inferior. Calcule det A.
Solución
det A = a11 A11 + 0A12 + 0A13 + 0A14 = a11 A11

a22
0 0
= a11 a32 a33 0
a42 a43 a44

a33 0
= a11 a22
a43 a44
= a11 a22 a33 a44 .
Teorema 1
Sea A = (aij ) una matriz de n × n triangular superior o inferior.
Entonces
det A = a11 a22 a33 · · · ann (7)
Esto es, el determinante de una matriz triangular es igual al
producto de sus componentes en la diagonal.
Demostración.
La parte triangular inferior del teorema se deduce del ejemplo 8. Se
demostrará la parte triangular superior por inducción matemática
comenzando con n =2. Si A esuna matriz triangular superior de
a a
2 × 2, entonces A = 11 12 y
0 a22
det A = a11 a22 − a12 × 0 = a11 a22 , de manera que el teorema se
cumple para n = 2. Se supondrá que se cumple para k = n − 1 y se
demostrará para k = n. El determinante de una matriz triangular
superior de n × n es
Demostración.
(Continuación)
···

a11 a12 a13 a1n
··· ···

0

a22 a23 a2n a23 a2n
0 ···

a22 a23 a2n
0 a33 ··· a3n 0 a33 ··· a3n

0 0 a33 ··· a3n

.
= a11 . . . − a 12 .
. .
. . . . . . . .. . .
. . . . . . . . .
. . .
0 0 ··· ann 0 0 ··· a
nn
0 0 0 ··· a
nn
··· 0 a23 ··· a2,n−1

0

a22 a2n
0 0 ··· a3n 0 0 ··· a3,n−1

1+n
+ a13 . . . + · · · + (−1) a1n . . .
.. . . . . .
. . .
. .

0 0 ··· ann 0 0 ··· an,n−1
Cada uno de estos determinantes es el determinante de una matriz triangular superior de

(n − 1) × (n − 1) que, de acuerdo con 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 por lo
menos una de sus componentes diagonales es cero. De este modo, todos los determinantes, excepto el
primero, son cero. Por último,
···

a22 a23 a2n
0 a33 ··· a3n

det A = a11 . . . = a11 (a22 a33 · · · ann )
.. .
.
.
.

0 0 ··· a
nn
lo que prueba que el teorema se cumple para matrices de n × n.

Ejemplo 9
Los determinantes de las seis matrices triangulares en el ejemplo 7
son |A| = 2 × 2 × 1 = 4; |B| = (−2) × 0 × 1 × (−2) = 0;
|C | = 5 × 3 × 4 = 60; |D| = 0; |I | = 1;
|E | = 2 × (−7) × (−4) = 56.
Teorema 2
Sea T una matriz triangular superior. Entonces T es invertible si y
sólo si det T 6= 0.
Demostración.
Sea  
a11 a12 a13 ··· a1n
 0 a22 a23
 ··· a2n 

T = 0
 0 a33 ··· a3n 

 .. .. .. .. 
 . . . . 
0 0 0 ··· ann
Demostración.
(Continuación)
Del teorema 1,
det T = a11 a22 · · · ann
Así, det T 6= 0 si y sólo si todos sus elementos en la diagonal son
diferentes de cero.
Si det T 6= 0 , entonces T se puede reducir por renglones a I de la
siguiente manera. Para i = 1, 2, . . . , n, se divide el renglón i de T
por aii 6= 0 para obtener
0 0
 
1 a12 · · · a1n
0 1 · · · a0 
2n 
 .. .. .. 

. . . 
0 0 ··· 1
Ésta es la forma escalonada por renglones de T , que tiene n pivotes,

y por el teorema de resumen (versión 3), T es invertible.
Demostración.
(Continuación)
Suponga que det T = 0. Entonces al menos una de las componentes de la
diagonal es cero. Sea aii la primera de estas componentes. Entonces T se
puede escribir como
a11 a12 ··· a1,i−1 a1i a1,i+1 ··· a1n

 
 0 a22 ··· a2,i−1 a2i a2,i+1 ··· a2n 
 .. .. .. .. .. ..
 

 . . . . . . 
 
 0 0 ··· ai−1,i−1 ai−1,i ai−1,i+1 ··· ai−1,n 
T = 
 0
 0 ··· 0 0 ai,i+1 ··· ain 
 0
 0 ··· 0 0 ai+1,i+1 ··· ai+1,n 

 . .. .. .. .. .. .. 
 .. . . . . . . 
0 0 ··· 0 0 0 ··· ann
Cuando T se reduce a su forma escalonada por renglones, no se tiene pivote en

la columna i (explique por qué). Entonces la forma escalonada por renglones de
T tiene menos de n pivotes, y por el teorema de resumen se puede concluir que
T no es invertible.
Propiedades de los determinantes
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 50 × 50. Se puede calcular expandiendo por
cofactores. Esto implica 50 determinantes de 49 × 49, que a su vez implican
50 · 49 determinantes de 48 × 48, que implican a su vez. . .
50 · 49 · 48 · 47 · · · · · 3 determinantes de 2 × 2. Ahora bien,
50 · 49 · 48 · 47 · · · · · 3 = 50!/2 ≈ 1.5 × 1064 determinantes de 2 × 2. Suponga
que se cuenta con una computadora que puede calcular un millón 106

determinantes de 2 × 2 por segundo. Tomaría alrededor de 1.5 × 1058 segundos

≈ 4.8 × 1050 años terminar el cálculo (el universo tiene alrededor de 15 000
millones de años 1.5 × 1010 años según la versión teórica más reciente). Es
obvio que, si bien el cálculo de un determinante de 50 × 50, siguiendo la
definición, es teóricamente directo, en la práctica es imposible.
Por otra parte, la matriz de 50 × 50 no es tan rara. Piense en 50 tiendas en las
que se ofrecen 50 productos diferentes. De hecho, las matrices de n × n con
n > 100 surgen con frecuencia en la práctica. Por fortuna, existen cuando
menos dos maneras de reducir de forma significativa la cantidad de trabajo
necesaria para calcular un determinante.
El primer resultado que se necesita es quizá el teorema más importante sobre
determinantes. Este teorema establece que el determinante de un producto es
igual al producto de los determinantes.
Teorema 3
Sean A y B dos matrices de n × n. Entonces
det AB = det A det B (8)
Es decir, el determinante del producto es el producto de los

determinantes.
Ejemplo 10
Verifique el teorema 3 para
   
1 −1 2 1 −2 3
A= 3 1 4  y B =  0 −1 4 .
0 −2 5 2 0 −2
Solución
Como det A = 16 y det B = −8, entonces usando el teorema 3
det AB = 16 × (−8) = −128.
Utilizando la factorización LU de una matriz cuadrada A de n × n se tiene
A = LU. Entonces, por el teorema 3
det A = det L det U.
Pero L es una matriz triangular inferior con unos en la diagonal, así
det L = 1.
De manera similar, como U es triangular superior, det U es igual al producto de

los elementos en la diagonal.
Entonces se tiene el siguiente teorema:
Teorema 4
Si una matriz cuadrada A tiene la factorización LU, A = LU donde L tiene
unos en la diagonal, entonces
det A = det U
donde el det U es el producto de los elementos de la diagonal de U.

Ejemplo 11
Calcule det A, donde
 
2 3 2 4
 4 10 −4 0 
A=
 −3 −2 −5 −2  .

−2 4 4 −7
Solución
En un ejemplo del tema anterior, determinamos que A = LU, donde
 
2 3 2 4
 0 4 −8 −8 
U=  0 0

3 9 
0 0 0 −49
por lo que det A = det U = 2 × 4 × 3 × (−49) = −1176.

Si A no se puede reducir a la forma triangular sin hacer
permutaciones, existe una matriz permutación P tal que
PA = LU.
Es sencillo probar que si P es una matriz permutación, entonces

det P = ±1. Entonces
det PA = det LU
det P det A = det L det U = det U, ya que det L = 1
± det A = det U
det A = ± det U.
Teorema 5
Si PA = LU, donde P es una matriz permutación y L y U son como
antes, entonces
det U
det A = = ± det U.
det P
Ejemplo 12
Encuentre det A, donde
 
0 2 3
A =  2 −4 7  .
1 −2 5
Solución
Ya hemos determinado en un ejemplo del tema pasado que
PA = LU, donde
   
0 0 1 1 −2 5
P=  1 0 0  y U= 0 2 3 .
0 1 0 0 0 −3
Ahora bien, det P = 1 y det U = (1)(2)(−3), de manera que

det A = −6/1 = −6.
Se establecerá un importante teorema sobre determinantes.
Teorema 6
det AT = det A.
Demostración.
Suponga que A = LU. Entonces AT = (LU)T = U T LT . Se calcula
det A = det L det U = det U

det AT = det U T det LT = det U T = det U = det A
Si A no se puede escribir como LU, entonces existe una matriz permutación P

tal que PA = LU. Por lo que se acaba de probar,

det PA = det (PA)T = det AT P T
y
det P det A = det PA = det AT P T = det AT det P T .
No es complicado probar que si P es una matriz permutación, entonces
det P = det P T = ±1, se concluye que det A = det AT .
Ejemplo 13
Sea  
1 −1 2
A= 3 1 4 .
0 −2 5
Entonces  
1 3 0
AT =  −1 1 −2 
2 4 5
T
y es fácil verificar que |A| = A = 16.
Teorema 7
Teorema básico
Sea
a11 a12 ··· a1n
 
a21 a22 ··· a2n 
A= . .. .. 
 
 .. . . 
an1 an2 ··· ann
una matriz de n × n. Entonces
n
X
det A = ai1 Ai1 + ai2 Ai2 + · · · + ain Ain = aik Aik (9)
k=1
para i = 1, 2, . . . , n. Es decir, se puede calcular det A expandiendo por cofactores en

cualquier renglón de A. Más aún,
n
X
det A = a1j A1j + a2j A2j + · · · + anj Anj = akj Akj (10)
k=1
a1j
 
a2j 
como la columna j de A es  . , la ecuación (10) indica que se puede calcular det A
 
 .. 
anj
expandiendo por cofactores en cualquier columna de A.
Ejemplo 14
En el ejemplo 1 se vio que para
 
4 7 −2
A= 3 −5 1 ,
−8 6 9
det A = −405. Expandiendo en el segundo renglón se obtiene

7 −2 4 −2 4 7
det A = (3) (−1)2+1 + (−5) (−1)2+2
−8 + (1) (−1)2+3
−8
6 9 9 6
= (3)(−75) + (−5)(20) + (1)(80) = −405.
Del mismo modo, si se expande en la tercera columna se obtiene
det A = (−2)A13 + (1)A23 + (9)A33

3 −5
= (−2) (−1)1+3 + (1) (−1)2+3 4 7 3+3 4 7

+ (9) (−1)
−8 6 −8 6 3 −5
= (−2)(−22) + (1)(−80) + (9)(−41) = −405.
El lector debe verificar que se obtiene el mismo resultado con la expansión por
cofactores en el tercer renglón o la primera o segunda columna.
Ahora se presentan y se demuestran algunas propiedades adicionales

de los determinantes. En cada paso se supone que A es una matriz
de n × n. Se observará que estas propiedades se pueden utilizar para
reducir mucho el trabajo necesario para evaluar un determinante.
Teorema 8
Si cualquier renglón o columna de A es un vector cero, entonces
det A = 0.
Demostración.
Suponga que el renglón i de A contiene sólo ceros. Esto es aij = 0
para j = 1, 2, . . . , n. Entonces,
det A = ai1 Ai1 + ai2 Ai2 + · · · + ain Ain = 0 + 0 + · · · + 0 = 0.
La misma prueba funciona si la columna j es el vector cero.

Ejemplo 15
Es fácil verificar que

−1 3 0 1
2 3 5
4 2 0 5
0 0 0 =0 y = 0.
−1 6 0 4
1 −2 4
2

1 0 1
Teorema 9
Si el renglón i o columna j de A se multiplica por un escalar c, entonces det A se
multiplica por c. Es decir, si se denota por B esta nueva matriz, entonces

a11
a12 ··· a1n a11
a12 ··· a1n
a21
a22 ··· a2n a21
a22 ··· a2n
. .. .. . .. ..
. .
. . . . . .
|B| = =c = c |A| . (11)
cai1 cai2 ··· cain ai1 ai2 ··· ain
.. .. .. .. .. ..

. . . . . .

an1 an2 ··· cann an1 an2 ··· ann
Demostración.
Para probar (11) se expande el renglón i de A para obtener
det B = cai1 Ai1 + cai2 Ai2 + · · · + cain Ain

= c (ai1 Ai1 + ai2 Ai2 + · · · + ain Ain )
= c det A.
En el caso de las columnas se puede hacer una prueba similar.
Ejemplo
 16 
1 −1 2
Sea A =  3 1 4 . Entonces det A = 16. Si se multiplica el segundo renglón
0 −2 5
por 4 se tiene  
1 −1 2
B =  12 4 16 
0 −2 5
y det B = 4 × det A = 4 × 16 = 64.

Teorema 10
Sean
··· ··· ··· ···
   
a11 a12 a1j a1n a11 a12 α1j a1n
a21 a22 ··· a2j ··· a2n 
 a21 a22 ··· α2j ··· a2n 
A= . .. .. ..  , B =  .. .. .. .. 
  
 .. . . .   . . . . 
an1 an2 ··· anj ··· ann an1 an2 ··· αnj ··· ann
y
··· ···
 
a11 a12 a1j + α1j a1n
a21 a22 ··· a2j + α2j ··· a2n 
C = . .. .. ..  .
 
 .. . . . 
an1 an2 ··· anj + αnj ··· ann
Entonces
det C = det A + det B. (12)
En otros términos, suponga que A, B y C son idénticas excepto por la columna
j y que la columna j de C es la suma de las j-ésimas columnas de A y B.
Entonces, det C = det A + det B. La misma afirmación es cierta para renglones.
Demostración.
Se expande det C respecto a la columna j para obtener
det C = (a1j + α1j ) A1j + (a2j + α2j ) A2j + · · · + (anj + αnj ) Anj
= (a1j A1j + a2j A2j + · · · + anj Anj ) + (α1j A1j + α2j A2j + · · · + αnj Anj )
= det A + det B.
Ejemplo 17     
1 −1 2 1 −6 2 1 −7 2
Sean A =  3 1 4 , B =  3 2 4 yC = 3 3 4 .
0 −2 5 0 4 5 0 2 5
Entonces det A = 16, det B = 108 y det C = det A + det B = 124.
Teorema 11
El intercambio de cualesquiera dos renglones (o columnas) distintos
de A tiene el efecto de multiplicar det A por −1.
Ejemplo 
18 
1 −1 2
Sea A =  3 1 4 . Al intercambiar los renglones 1 y 3 de A
0 −2 5
 
0 −2 5
se obtiene B =  3 1 4 . Al intercambiar las columnas 1 y
1 −1 2
 
−1 1 2
2 de A se obtiene C =  1 3 4 . Por lo que, haciendo los
−2 0 5
cálculos directos, se encuentra que det A = 16 y
det B = det C = −16.
Teorema 12
Si A tiene dos renglones o columnas iguales, entonces det A = 0.
Demostración.
Suponga que los renglones i y j de A son iguales. Al intercambiar dichos
renglones se obtiene una matriz B que tiene la propiedad de que
det B = − det A (del teorema 11). Pero como renglón i es igual al renglón j, al
intercambiarlos se obtiene la misma matriz. Así, A = B y
det A = det B = − det A. Por lo tanto, 2 det A = 0, lo que puede ocurrir sólo si
det A = 0.
Ejemplo 19  
1 −1 2
Mediante el cálculo directo se puede verificar que para A =  5 7 3 
1 −1 2
 
5 2 2
(dos renglones iguales) y B =  3 −1 −1  (dos columnas iguales),
−2 4 4
det A = det B = 0.
Teorema 13
Si un renglón (columna) de A es un múltiplo escalar de otro
renglón (columna), entonces det A = 0.
Demostración.
Sea (aj1 , aj2 , . . . , ajn ) = c (ai1 , ai2 , . . . , ain ). Entonces por el
teorema 9,
a11 a12 · · · a1n

a21 a22 · · · a2n

.. .. ..
. . .

ai1 ai2 · · · ain
det A = c . .. ..

.. . .

ai1 ai2 · · · ain
.. .. ..

. . .

an1 an2 · · · ann
y del teorema 12 det A = 0.
Ejemplo
20
2
−3 5
1
7 2 = 0 ya que el tercer renglón es igual a −2 veces el primero.
−4 6 −10

2 4 1 12

−1 1 0 3
= 0 porque la cuarta columna es igual a tres veces la segunda.
0
−1 9 −3
7 3 6 9
Teorema 14
Si se suma un múltiplo escalar de un renglón (columna) de A a otro renglón (columna) de A, entonces el
determinante no cambia.
Demostración.
Sea B la matriz obtenida sumando c veces el renglón i de A al renglón j de A. Entonces
a11 a12 ··· a1n

a21 a22 ··· a2n

. . .
. . .

. . .

a i1 ai2 ··· ain

det A = . . . ,

. . .
. . .
···

aj1 + cai1 aj2 + cai2 ajn + cain

. . .
. . .

. . .

a
n1 an2 ··· a
nn

Demostración.
(continuación) por el teorema 10
a11 a12 ··· a1n a11 a12 ··· a1n

a21 a22 ··· a2n a21 a22 ··· a2n

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

a
i1 ai2 ··· ain ai1 ai2 ··· ain
det A = . . . + . . .

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

aj1 aj2 ··· ajn cai1 cai2 ··· cain

. . . . . .
. . . . . .
.
. . . . .
a
n1 an2 ··· ann an1 an2 ··· a
nn
Por el teorema 13,

det A = det A + 0 = det A.
Ejemplo

21 
1 −1 2
Sea A =  3 1 4 . Entonces det A = 16. Si se multiplica el tercer renglón por 4 y se suma al
0 −2 5
 
1 −1 2
segundo renglón, se obtiene una nueva matriz B dada por B =  3 −7 24  y
0 −2 5
det B = 16 = det A.
Las propiedades que se acaban de presentar simplifican la

evaluación de determinantes de alto orden.
Se “reduce por renglones” el determinante, usando el teorema 14,
hasta que tenga una forma en la que se pueda evaluar con facilidad.
La meta más común será utilizar el teorema 14 de manera repetida
hasta que
1. el nuevo determinante tenga un renglón (columna) de ceros o
un renglón (columna) que sea múltiplo de otro —en cuyo caso
el determinante es cero—, o
2. que la nueva matriz sea triangular, con lo que su determinante
será el producto de sus elementos en la diagonal.
Ejemplo 22

1 3 5 2

0 −1 3 4
Calcule det A = .
2 1 9 6

3 2 4 8
Solución
Ya existe un cero en la primera columna, por lo que lo más sencillo es reducir otros
elementos de la primera columna a cero. Se puede continuar la reducción buscando
una matriz triangular.
Se multiplica el primer renglón por −2 y se suma al tercer renglón; se multiplica el
primer renglón por −3 y se suma al cuarto.

1 3 5 2

0 −1 3 4
det A = .
0 −5 −1 2
0 −7 −11 2
Se multiplica el segundo renglón por −5 y −7 y se suma el tercer y cuarto renglones,

respectivamente.
1 3 5 2

0 −1 3 4
det A = .
0 0 −16 −18
0 0 −32 −26
Solución (continuación)
Se factoriza −16 del tercer renglón (utilizando el teorema 9),

1 3 5
2
0 −1 3 4
det A = −16 9 .

0 0 1 8
0 0 −32 −26
Se multiplica el tercer renglón por 32 y se suma al cuarto.

1 3 5 2

0 −1 3 4
det A = −16 9 .

0 0 1 8
0 0 0 10
Ahora se tiene una matriz triangular superior y
det A = −16(1)(−1)(1)(10) = 160.

Ejemplo 23
Calcule det A, si  
−2 1 0 4
 3 −1 5 2 
A=
 .
−2 7 3 1 
3 −7 2 5
Solución
Existen varias formas de proceder en este caso y no es evidente cuál de ellas será la
más rápida para llegar a la respuesta. Sin embargo, como ya existe un cero en el
primer renglón, se comienza la reducción en ese renglón.
Se multiplica la segunda columna por 2 y por −4 y se suma a la primera y cuarta
columnas, respectivamente

0 1 0 0

1 −1 5 6
det A =
.
12 7 3 −27

−11 −7 2 33
Se intercambian las primeras dos columnas.

1 0 0 0

−1 1 5 6
det A = − .
7 12 3 −27

−7 −11 2 33
Se multiplica la segunda columna por −5 y por −6 y se suma a la tercera y cuarta

columnas, respectivamente.

1 0 0 0

−1 1 0 0
det A = − .
7 12 −57 −99

−7 −11 57 99
Como la cuarta columna es ahora un múltiplo de la tercera

(columna 4 = 99
57
× columna 3) se ve que det A = 0.
Existe una propiedad adicional sobre determinantes que resultará de

gran utilidad.
Teorema 15
Sea A una matriz de n × n. Entonces
ai1 Aj1 + ai2 Aj2 + · · · + ain Ajn = 0 si i 6= j. (13)
Observación
Del teorema 7, la suma en la ecuación (13) es igual a det A si i = j.
Determinantes e inversas
En esta sección se analiza la forma en que se pueden calcular las inversas
de las matrices haciendo uso de los determinantes.
Teorema 16
Si A es invertible, entonces det A 6= 0 y
1
det A−1 = . (14)
det A
Demostración.
Suponga que A es invertible. Por el teorema del resumen (versión 4), si A
es invertible es equivalente a decir que existe una descomposición LUP de
A tal que det A = ± det U, con U triangular superior e invertible, lo que
implica que U tiene n pivotes, por lo que det U 6= 0; por lo tanto,
det A 6= 0. Del teorema 3,
1 = det I = det AA−1 = det A det A−1
lo que implica
1
det A−1 = .
det A
Antes de utilizar determinantes para calcular las inversas es
necesario definir la adjunta de una matriz A = (aij ). Sea B = (Aij )
la matriz de cofactores de A. Entonces
 
A11 A12 · · · A1n
A21 A22 · · · A2n 
B= . .. ..  (15)
 
 . . . . 
An1 An2 · · · Ann
Definición 6
La adjunta
Sea A una matriz de n × n y sea B, dada por (15), la matriz de sus
cofactores. Entonces, la adjunta de A, escrito adj A, es la
transpuesta de la matriz B de n × n; es decir,
 
A11 A21 · · · An1
A12 A22 · · · An2 
adj A = B T =  . .. ..  (16)
 
 .. . . 
A1n A2n · · · Ann
Ejemplo 
24 
2 4 3
Sea A =  0 1 −1 . Calcule la adj A.
3 5 7
Solución
1 −1 0 −1
Se tiene A11 = = 12, A12 = = −3,
5 7 3 7
A13 = −3, A21 = −13, A22 = 5, A23 = 2, A31 = −7, A32 = 2 y
A33 = 2. Así,
   
12 −3 −3 12 −13 −7
B = −13 5 2  y adj A = B T = −3 5 2 .
−7 2 2 −3 2 2
Ejemplo 25
Sea  
1 −3 0 −2
 3 −12 −2 −6 
A=
 −2
.
10 2 5 
−1 6 1 3
Calcule adj A.
Solución
Esto es más laborioso ya que se tienen que calcular dieciséis determinantes de 3 × 3. Por ejemplo, se
tiene

3 −2 −6

1 −3 0

1 −3 −2

A12 = − −2 2 5 = −1,
A24 = −2 10 2 = −2,
A43 = 3 −12 −6 = 3.

−1 1 3 −1 6 1 −2 10 5
Al terminar estos cálculos se encuentra que
   
0 −1 0 2 0 −1 0 −2
 −1 1 −1 −2  T  −1 1 2 −2 
B =  y adj A = B = .
 0 2 −3 −3   0 −1 −3 3 
−2 −2 3 2 2 −2 −3 2
Teorema 17
Sea A una matriz de n × n. Entonces
det A 0 0 ··· 0
 
 0 det A 0 ··· 0 
0 0 det A ··· 0 
 
(A) (Adj A) =   = (det A) I . (17)

 .. .. .. .. 
 . . . . 
0 0 0 ··· det A
Demostración.

Sea C = cij = (A) (adj A). Entonces
a11 a12 ··· a1n A11 A21 ··· An1

  
a21 a22 ··· a2n  A12 A22 ··· An2 
C = . .. ..   .. .. ..  (18)
  
 .. . .  . . . 
an1 an2 ··· ann A1n A2n ··· Ann
Demostración.
(continuación) Se tiene cij = (renglón i de A) · (columna j de Adj A); esto es
 
Aj1
Aj2 
cij = (ai1 ai2 · · · ain )  .  .
 
 .. 
Ajn
Así
cij = ai1 Aj1 + ai2 Ai2 + · · · + ain Ajn . (19)
Ahora, si i = j, la suma en (19) es igual a ai1 Ai1 + ai2 Ai2 + · · · + ain Ain que es
la expansión de det A sobre el renglón i de A. Por otro lado, si i 6= j, entonces
del teorema 15, la suma en 19 es igual a cero. Por lo tanto,
(
det A, si i = j
cij = .
0, si i 6= j
Esto prueba el teorema.

Teorema 18
Sea A una matriz de n × n. Entonces A es invertible si y sólo si
det A 6= 0. Si det A 6= 0, entonces
1
A−1 = adj A (20)
det A
Demostración.
La primera parte de este teorema es el teorema 16. Si det A 6= 0, entonces
1
se demuestra que (adj A) es la inversa de A multiplicándola por A
det A
y, utilizando el teorema 17, obteniendo la matriz identidad:

1 1 1
A adj A = (A (adj A)) = (det A) I = I .
det A det A det A
Así, se ha demostrado que

1
adj A = A−1 .
det A
Ejemplo26 
2 4 3
Sea A =  0 1 −1 . Determine si A es invertible y, de ser así, calcule
3 5 7
A−1 .
Solución
Como det A = 3 6= 0 entonces A es invertible. Del ejemplo 24,
 
12 −13 −7
adj A = −3 5 2 .
−3 2 2
Así,
− 13 − 73
   
12 −13 −7 4
1 3
A−1 = −3 5 2  =  −1 5
3
2
3
.
3 2 5
−3 2 2 −1 3 3
Ejemplo 27
Sea
1
−3 0 −2

3 −12 −2 −6
A = .
−2 10 2 5

−1 6 1 3
Determine si A es invertible y, si lo es, calcule A−1 .
Solución
Haciendo uso de las propiedades de los determinantes, se calcula det A = −1 6= 0 y
por lo tanto A−1 existe. Por el ejemplo 25 se tiene
 
0 −1 0 −2
 −1 1 2 −2 
Adj A =  .
 0 −1 −3 3 
2 −2 −3 2
Así
   
0 −1 0 −2 0 1 0 2
1  −1 1 2 −2 
= 1 −1 −2 2 
A−1

=  .
−1  0 −1 −3 3   0 1 3 −3 
2 −2 −3 2 −2 2 3 −2
Regla de Cramer
En la presente sección se examina un viejo método para resolver sistemas con el mismo número de
incógnitas y ecuaciones. Considere el sistema de n ecuaciones lineales con n incógnitas.
a11 x1 + a12 x2 + · · · + a1n xn = b1

a21 x1 + a22 x2 + · · · + a2n xn = b2
. . . .
. . . .
. . . . (21)
an1 x1 + an2 x2 + · · · + ann xn = bn
que puede escribirse en la forma

Ax = b (22)
−1
Si det A 6= 0, el sistema (22) tiene una solución única dada por x = A b. Se puede desarrollar un
método para encontrar dicha solución sin reducción por renglones y sin calcular A−1 .
Sea D = det A. Se definen n nuevas matrices:
b1 a12 ··· a1n a11 b1 ··· a1n a11 a12 ··· b1

     
b2 a22 ··· a2n  a21 b2 ··· a2n  a21 a22 ··· b2 
     
A1 =  .
 . .  , A2 =  .
 . .  , . . . , An =  .
  . .  .
 .. .
.
. 
.   .. .
.
. 
.  .. .
.
. 
. 
bn an2 ··· ann an1 bn ··· ann an1 an2 ··· bn
Es decir, Ai es la matriz obtenida al reemplazar la columna i de A por b. Por último, sea D1 = det A1 ,
D2 = det A2 , . . . , Dn = det An .
Regla de Cramer
Teorema 19
Regla de Cramer
Sea A una matriz de n × n y suponga que det A 6= 0. Entonces la
solución única al sistema Ax = b está dada por
D1 D2 Di Dn
x1 = , x2 = , . . . , xi = , . . . , xn = . (23)
D D D D
Ejemplo 28
Resuelva el sistema usando la regla de Cramer:
2x1 + 4x2 + 6x3 = 18

4x1 + 5x2 + 6x3 = 24 (24)
3x1 + x2 − 2x3 = 4
Regla de Cramer
Solución
El presente ejemplo ya se resolvió antes haciendo uso de la reducción por
renglones. También se pudo resolver calculando A−1 y después encontrando
A−1 b. Ahora se resolverá usando la regla de Cramer. Primero, se tiene

2 4 6

D = 4 5 6 = 6 6= 0
3 1 −2
de manera que el sistema (24) tiene una solución única. Después

18 4 6 2 18 6 2 4 18

D1 = 24 5 6 = 24, D2 = 4 24 6 = −12, 4 5 24 = 18.

4 1 −2 3 4 −2 3 1 4
Por lo tanto,
D1 24 D2 −12 D3 18
x1 = = = 4, x2 = = = −2, x3 = = = 3.
D 6 D 6 D 6
Regla de Cramer
Ejemplo 29
Demuestre que el sistema
x1 + 3x2 + 5x3 + 2x4 = 2

−x2 + 3x3 + 4x4 = 0
2x1 + x2 + 9x3 + 6x4 = −3 (25)
3x1 + 2x2 + 4x3 + 8x4 = −1
tiene una solución única y encuéntrela utilizando la regla de Cramer.
Solución
En el ejemplo 22 se vio que

1 3 5 2

0 −1 3 4
|A| = = 160 6= 0
2 1 9 6

3 2 4 8
por lo que el sistema tiene una solución única. Para encontrarla se calcula
D1 = −464; D2 = 280; D3 = −56; D4 = 112. Así,
D1 −464 D2 280 D3 −56 D4 112
x1 = = , x2 = = , x3 = = , y x4 = = .
D 160 D 160 D 160 D 160

Determinantes

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Determinantes

Cargado por

Copyright:

Formatos disponibles

Determinantes

Luis Ángel Zaldívar Cruz

Departamento de Ciencias Básicas

En este tema el estudiante. . .

Hay otro método con el que se pueden calcular determinantes de 3 × 3. De la

Se escribe A y se le adjuntan sus primeras dos columnas:

A continuación se calculan los seis productos, poniendo signo

y se multiplica como lo indican las flechas se obtiene

es la matriz formada al eliminar el primer renglón y la primera columna

det A = |A| = a11 A11 + a12 A12 + a13 A13 (3)

Utilizando las observaciones anteriores podemos definir ahora el

De manera similar, si se elimina el tercer renglón y la segunda columna se obtiene

La expresión en el lado derecho de (6) se llama expansión por

= 1(−92) − 3(−70) + 5(2) − 2(−16) = 160.

son diagonales. Observe que la matriz E es también triangular superior y

det A = a11 A11 + 0A12 + 0A13 + 0A14 = a11 A11

··· 0 a23 ··· a2,n−1

Cada uno de estos determinantes es el determinante de una matriz triangular superior de

lo que prueba que el teorema se cumple para matrices de n × n.

Ésta es la forma escalonada por renglones de T , que tiene n pivotes,

a11 a12 ··· a1,i−1 a1i a1,i+1 ··· a1n

Cuando T se reduce a su forma escalonada por renglones, no se tiene pivote en

determinantes de 2 × 2 por segundo. Tomaría alrededor de 1.5 × 1058 segundos

det AB = det A det B (8)

Es decir, el determinante del producto es el producto de los

det A = det L det U.

Pero L es una matriz triangular inferior con unos en la diagonal, así

De manera similar, como U es triangular superior, det U es igual al producto de

donde el det U es el producto de los elementos de la diagonal de U.

por lo que det A = det U = 2 × 4 × 3 × (−49) = −1176.

Es sencillo probar que si P es una matriz permutación, entonces

Ahora bien, det P = 1 y det U = (1)(2)(−3), de manera que

det A = det L det U = det U

Si A no se puede escribir como LU, entonces existe una matriz permutación P

para i = 1, 2, . . . , n. Es decir, se puede calcular det A expandiendo por cofactores en

det A = −405. Expandiendo en el segundo renglón se obtiene

Del mismo modo, si se expande en la tercera columna se obtiene

det A = (−2)A13 + (1)A23 + (9)A33

Ahora se presentan y se demuestran algunas propiedades adicionales

det A = ai1 Ai1 + ai2 Ai2 + · · · + ain Ain = 0 + 0 + · · · + 0 = 0.

La misma prueba funciona si la columna j es el vector cero.

det B = cai1 Ai1 + cai2 Ai2 + · · · + cain Ain

En el caso de las columnas se puede hacer una prueba similar.

y det B = 4 × det A = 4 × 16 = 64.

a11 a12 ··· a1n

a11 a12 ··· a1n a11 a12 ··· a1n

Por el teorema 13,

Las propiedades que se acaban de presentar simplifican la

Se multiplica el segundo renglón por −5 y −7 y se suma el tercer y cuarto renglones,

Se multiplica el tercer renglón por 32 y se suma al cuarto.

Ahora se tiene una matriz triangular superior y

det A = −16(1)(−1)(1)(10) = 160.

Se intercambian las primeras dos columnas.

Se multiplica la segunda columna por −5 y por −6 y se suma a la tercera y cuarta

Como la cuarta columna es ahora un múltiplo de la tercera

Existe una propiedad adicional sobre determinantes que resultará de

ai1 Aj1 + ai2 Aj2 + · · · + ain Ajn = 0 si i 6= j. (13)

1 = det I = det AA−1 = det A det A−1

Al terminar estos cálculos se encuentra que

a11 a12 ··· a1n A11 A21 ··· An1

Esto prueba el teorema.

Así, se ha demostrado que

Determine si A es invertible y, si lo es, calcule A−1 .

a11 x1 + a12 x2 + · · · + a1n xn = b1