Álgebra Lineal

Determinantes

1
Dr. José Antonio Camarena Ibarrola

Facultad de Ing. Eléctrica, Universidad Michoacana, México.

Octubre, 2020
 Introducción

• El determinante ya está lejos de ser el foco de atención del álgebra lineal

como antes lo era
• Después de todo no es mucho lo que un solo número puede decir acerca
de toda una matrı́z
• De todos modos es asombroso lo mucho que se puede hacer con ese
número
• Prueba de invertibilidad (Si el determinante de A es cero la matrı́z A no es
invertible)
• El determinante de A es igual al volumen de una caja cuyas aristas
corresponden con los renglones de la matrı́z
• El determinante proporciona una fórmula para los pivotes, por tanto se
puede predecir cuando un pivote va a ser cero
• La regla de Cramer es una fórmula para reosolver sistemas de ecuaciones
en términos de determinantes
 Definición del determinante

• Para una matriz de 2 por 2 el determinante se define simplemente como

   
a b  a b 
det =  = ad − cb
c d c d 

• Pero los determinantes en general se definen por las propiedades que

poseen.
• Para efectos de definición son suficientes las siguientes tres propiedades
1. El determinante de la matriz identidad es igual a 1
2. El determinante cambia de signo si dos renglones son intercambiados
3. El determinante depende linealmente del primer renglón
 Propiedades del determinante
1. El determinante de la matriz identidad es igual a 1
 
 1 0 
det(I ) =  =1
0 1 
 
 1 0 0 
 
det(I ) =  0 1 0  = 1
 0 0 1 
2. El determinante cambia de signo si dos renglones son intercambiados
   
 c d 
 = cb − ad = −(ad − bc) = −  a b 
 

 a b   c d 

3. El determinante depende linealmente del primer renglón. Para un arreglo

de 2 por 2 significa que
     
 a b   e f 
 = ad−cb+ed−cf = (a+e)d−c(b+f ) =  a + e b + f
 
 + 
 c d   c d   c d 
   
 ta tb   a b 

 c = tad − ctb = t(ad − cb) = t 
d  c d 
No confundir con las proposiciones falsas det(A + B) = det(A) + det(B) y det(tA) = tdet(A)
 Propiedades del determinante
4. Si dos renglones de A son iguales entonces det(A) = 0
 
 a b 
 a b  = ab − ba = 0
 

Si intercambiamos los renglones que son iguales, de acuerdo a la propiedad

2, el determinante deberı́a cambiar de signo, pero como los renglones son
iguales, el determinante no deberı́a cambiar, el único número que al
cambiarlo de signo sigue siendo el mismo es el cero
5. Restarle a un renglón un múltiplo de otro renglón no altera el valor del
determinante
   
 a − mc b − md 
 = (a−mc)d−c(b−md) = ad−mcd−cb+cmd =  a b 


 c d   c d 
Ademas de acuerdo a la propiedad 3
       
 a − mc b − md   a b 
−m c d   a b 

 = =
 c d   c d   c d   c d 
Ya que de acuerdo a la propiedad 4
 
 c d 
 c d =0
 
 Propiedades del determinante
6. Si A tiene un renglón con puros ceros, entonces det(A) = 0
 
 0 0 
 c d =0
 

Si sumaras cualquier otro renglón al renglón que tiene puros ceros, por la
propiedad 5 el determinante no se alterarı́a, pero entonces dos renglones
serı́an iguales y por la propiedad 4 el determinante valdrı́a cero
7. Si A es triangular, entonces det(A) = a11 a22 ...ann , es decir su determinante
es igual al producto de los elementos de la diagonal
   
 a 0 
 = ad;  a b  = ad
 

 c d   0 d 

En cada paso de la eliminación gaussiana se suma algún renglón con un

múltiplo de otro renglón, de acuerdo a la propiedad 5, el determinante no
se altera y la eliminación gaussiana nos puede convertir a la matriz A en la
matriz diagonal D
Por la propiedad 3 podemos factorizar uno por uno a los elementos de la
diagonal y det(A) = det(D) = a11 a22 ...ann det(I )
Finalmente, por la propiedad 1 det(I ) = 1 y entonces det(D) = a11 a22 ...ann
 Propiedades del determinante
8. Si A es singular, entonces det(A) = 0 y si A es invertible, entonces det(A) 6= 0
Si A es singular, la triangularización mediante eliminación gaussiana produce una
matriz U que tiene un renglón con puros ceros, entonces por la propiedad 6
det(A) = det(U) = 0
Si A no es singular la eliminación gaussiana produce una matriz triangular U y
por la propiedad 7 det(A) = ±det(U) = ±d1 d2 , ...dn , es decir el producto de los
pivotes. El signo + se toma cuando el número de intercambio de renglones es par
y - en caso contrario.
9. Regla del producto. det(AB) = det(A)det(B)
   
 a b   e f 
 c d   g h  = (ad − bc)(eh − fg ) =
   
 
 ae + bg af + bh 
= (ae + bg )(cf + dh) − (af − bh)(ce + dg ) = 
ce + dg cf + dh 
Sean dos matrices diagonales D y B, entonces por la propiedad 7
det(D) = d11 d22 , ... y det(B) = b11 b22 , ... y DB también es diagonal y
det(DB) = d11 b11 d22 b22 ..., entonces det(DB) = det(D)det(B). Ahora, si D y B
resultaron de la diagonalización de dos matrices, entonces por la propiedad 5 los
determinantes de esas dos matrices son iguales a los determinantes de D y B y
entonces el determinante del producto de esas dos matrices es igual al producto
de sus determinantes.
Como caso particular se cumple det(A−1 ) = 1/det(A)
Demostración: det(A)det(A−1 ) = det(AA−1 ) = det(I ) = 1
 Propiedades del determinante

10. El determinante de una matriz es el mismo que el determinante de su

transpuesta  
 a b 
det(A) =   = ad − bc
c d 
 
 a c 
det(AT ) =   = ad − bc
b d 
Si factorizamos A = LU, por la propiedad 9 det(A) = det(L)det(U) pero
det(L) = 1, por tanto det(A) = det(U) = u11 u22 ...
Por otro lado AT = (LU)T = U T LT , por la propiedad 9
det(AT ) = det(U T )det(LT ), pero det(LT ) = 1, por tanto
det(AT ) = det(U T ) = u11 u22 ...
En conclusión det(A) = det(AT )
 Fórmulas para el determinante

Si A es invertible, entonces PA = LDU y det(P) = ±1

det(A) = ±det(L)det(D)det(U) = ±d11 d22 ...

El signo es positivo si P implica un número par de intercambios de renglones y

negativo en caso contrario
     
a b 1 0 a 0 1 b/a
=
c d c/a 1 0 (ad − bc)/a 0 1

ad − bc
det(A) = a = ad − bc
a
Eso demuestra que funciona el método para arreglos de 2 por 2
 Ejemplo

 
2 3 3
A= 0 5 7 
6 9 8
    
1 0 0 2 3 3 2 3 3
EA =  0 1 0  0 5 7 = 0 5 7 
−3 0 1 6 9 8 0 0 −1
   
1 0 0 2 0 0 1 3/2 3/2
A = LDU =  0 1 0   0 5 0  0 1 7/5 
3 0 1 0 0 −1 0 0 1
det(A) = (2)(5)(−1) = −10
 Fórmulas para el determinante

Como dijimos, para un arreglo de 2 por 2 hay una simple fórmula para el
determinante  
 a b 
 c d  = ad − cb
 

De acuerdo a la propiedad 3, este determinante se puede descomponer

     
 a b   a 0   0 b 
 = + 
 c d   c d   c d 
         
 a b   a 0   a 0   0 b   0 b 
 = + + + 
 c d   c 0   0 d   c 0   0 d 
Los determinantes que tienen una columna con puros ceros valen cero, por lo
que      
 a b   a 0   0 b 
 c d   0 d   c 0  = ad − cb
 = + 
 Fórmulas para el determinante

También para un arreglo de 3 por 3 hay una fórmula muy conocida para el
determinante
 
 a11 a12 a13 
 
 a21 a22 a23  = a11 a22 a33 +a12 a23 a31 +a13 a32 a21 −a31 a22 a13 −a32 a23 a11 −a33 a12 a21
 
 a31 a32 a33 

Un determinante de 3 por 3 se puede expresar como la suma de 27

determinantes, pero solo 6 de esos tienen un valor diferente de cero
       
 a11 a12 a13   a11 0 0   0 a12 0   0 0 a13 
   
 a21 a22 a23  =  0 a22 0 + 0 0 a23 + a21 0 0 +
   
 a31 a32 a33   0 0 a33   a31 0 0   0 a32 0 
     
 a11 0 0   0 a12 0   0 0 a13 

+  0 0 a23  +  a21 0 0  +  0 a22 0 
 0 a32 0   0 0 a33   a31 0 0 
Para asegurarse de que ninguna columna valga cero, de cada renglón hay que
elegir una columna distinta y hay 3! = 6 maneras de hacer eso
 Fórmulas para el determinante

En el caso de un arreglo de n por n, elegir una columna diferente al descender

por los renglones se puede hacer de n! maneras, igual que contar las
permutaciones de una cadena de longitud n, por tanto solo n! determinantes
contribuyen con un término al valor del determinante.

     
 1 0 0   0 1 0   0 0 1 
     
det(A) = a11 a22 a33  0 1 0 +a12 a23 a31  0 0 1 +a13 a21 a32  1 0 0
 
+

 0 0 1   1 0 0   0 1 0 
     
 1 0 0   0 1 0   0 0 1 
    
+a11 a23 a32  0 0 1  + a12 a21 a33  1 0 0  + a13 a22 a31  0 1 0 
 0 1 0   0 0 1   1 0 0 
Recordando que el determinante de una matrı́z de permutación es igual a -1 si
esta provoca un número impar de intercambios de renglón y +1 para un
número par, por tanto:

det(A) = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 − a11 a23 a32 − a12 a21 a33 − a13 a22 a31
 Fórmulas para el determinante

Digamos que la primer columna se etiqueta con la letra α, la segunda con β, y

ası́ sucesı́vamente hasta la columna ν
X
det(A) = (a1α a2β ...anν )det(P)
∀P

Observe que la sumatoria incluye a todas las posibles matrices de permutación

y que la matrı́z de permutación P corresponde con una permutación especı́fica
de la cadena αβ...ν Por ejemplo, de la cadena 123, la permutación 132
correspondiente al determinante
 
 1 0 0 
 
det(P) =  0 0 1  = −1
 0 1 0 

Que es igual a -1 porque implica un número impar de intercambios de renglón

(un intercambio)
 Fórmulas para el determinante

• De acuerdo a la propiedad 3, el determinante depende linealmente del

primer renglón.
• Si de todos los términos a1α a2β ...anν agrupamos a aquellos que involucran
al primer elemento del primer renglón (a11 ), obtendrı́amos un factor
correspondiente a una permutación β...ν de las columnas restantes 2...n.
• Todos estos términos conforman una suma parcial a11 C11 , donde C11 es
llamado Cofactor de a11
• De igual manera, si de los términos a1α a2β ...anν agrupamos a aquellos que
involucran al segundo elemento del primer renglón (a12 ), obtendrı́amos una
suma parcial a12 C12 , donde C12 es llamado Cofactor de a12
• Podemos entonces expresar el determinante de A como una suma de
cofactores correspondientes al primer renglón

det(A) = a11 C11 + a12 C12 + ... + a1n C1n

 Fórmulas para el determinante
Para una matrı́z de 3 por 3

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

det(A) = a11 C11 + a12 C12 + a13 C13

det(A) = a11 (a22 a33 − a23 a32 ) − a12 (a21 a33 − a23 a31 ) + a13 (a21 a32 − a22 a31 )
det(A) = a11 det(M11 ) − a12 det(M12 ) + a13 det(M13 )
donde Mij es el determinante menor del arreglo A, al que se le ha eliminado el
renglón i y la columna j Observe que C12 = −M12 , y en general:

Cij = (−1)i+j det(Mij )

Podemos expresar la fórmula para el determinante de A, no solo en términos

del primer renglón sino de cualquier renglón:

det(A) = ai1 Ci1 + ai2 Ci2 + ... + ain Cin

O de cualquier columna

det(A) = a1j C1j + a2j C2j + ... + anj Cnj

 Ejemplo

 
 2 −1 0 0     
  2 −1 0   −1 −1 0 
 −1 2 −1 0  
 −1
 
 = 2 2 −1  − (−1)  0 2 −1 
 0 −1 2 −1     
  0 −1 2   0 −1 2 
 0 0 −1 2 
       
 2 −1   −1 −1   2 −1 
= 2 2
 − (−1)   − (−1) (−1) 
−1 2  0 2  −1 2 
2[2(4 − 1) + (−2)] + [−(4 − 1)] = 2[2(3) − 2] − 3 = 5
 Aplicaciones del determinante

Dijimos que el determinante de A se puede calcular sumando los elementos del

primer renglón multiplicados por sus correspondientes cofactores

det(A) = a11 C11 + a12 C12 + ... + a1n C1n

O en general, sumando los elementos de cualquier renglón i multiplicados por

sus cofactores correspondientes

det(A) = ai1 Ci1 + ai2 Ci2 + ... + ain Cin

Eso explica por qué al multiplicar la matrı́z A por la matriz transpuesta de los
cofactores obtenemos una matriz cuya diagonal tiene siempre det(A), es decir
AC T = det(A)I , o en forma expandida:
a11 a12 ... a1n C11 C21 ... Cn1 det(A) 0 ... 0
    
 a21 a22 ... a2n   C12 C22 ... Cn2   0 det(A) ... 0
=

 : : ... :   : : ... :  : : ... : 
an1 an2 ... ann C1n C2n ... Cnn 0 0 ... det(A)

Entonces si AC T = det(A)I y como sabemos AA−1 = I , entonces

A−1 = det(A)
1
CT,
 Ejemplo

Encontrar la inversa de  
2 1 1
A= 4 −6 0 
−2 7 2
det(A) = (1)(28 − 12) + (2)(−12 − 4) = 16 − 32 = −16
 
+(−12 − 0) −(2 − 7) +(0 + 6)
1 
A−1 =− −(8 − 0) +(4 + 2) −(0 − 4) 
16
+(28 − 12) −(14 + 2) +(−12 − 4)
 
3/4 −5/16 −3/8
A−1 =  1/2 −3/8 −1/4 
−1 1 1
 Aplicaciones del determinante

• La regla de Cramer proporciona una fórmula para encontrar el valor de

cada incógnita en términos de una razón de determinantes
• Ejemplo, resolver     
1 3 x1 0
=
2 4 x2 6
• Solución  

 0 3 
 6 4  −18
x1 =   = =9

 1 3  −2
 2 4 
 

 1 0 
 2 6  6
x2 =   = = −3

 1 3  −2
 2 4 
 Aplicaciones del determinante

• Considere una caja donde las aristas de la caja que salen de una de las
esquinas se pueden considerar vectores
• Estos vectores se ponen como los renglones de una matrı́z A
• Si estos vectores son ortogonales es claro que

[Str06]
Y el volumen de la caja serı́a

vol 2 = l12 l22 ...ln2 = det(AAT ) = det(A)det(AT ) = (det(A))2

vol = det(A)
 Aplicaciones del determinante
• Si los vectores que definen los lados del paralelogramo no son ortogonales,
el volumen no es el producto de las longitudes de los lados
• En la figura podemos ver que el área de un paralelogramo donde los lados
no son ortogonales es igual al la longitud l de la base por la altura h

[Str06]
• El vector (b − p) de longitud h es igual al segundo renglón b = (a21 , a22 )
menos su proyección p sobre el primer vector que es el primer renglón
a = (a11 , a12 )
• De acuerdo a la propiedad 5, el valor de un determinante no cambia
cuando a un renglón le restamos un múltiplo de otro renglón
 Aplicaciones del determinante
• Podrı́amos ‘enderezar” el paralelogramo para convertirlo en rectángulo
pero no es necesario puesto que el determinante es el mismo que el del
paralelogramo original, por tanto el determinante sigue siendo igual a su
área
• Considere por ejemplo el caso mas simple mostrado en la figura en el cual
 
 1 0 
 0 1 =1
 
 
 1 0 
 c 1 =1
 

[Str06]
• En n dimensiones también podrı́amos llevar a cabo el proceso de
gram-Schmidt sobre los renglones que convierte a un hiperparalelogramo
en uno con aristas ortogonales pero no es necesario pues el determinante
del arreglo original es igual al hipervolumen de la hipercaja
 Aplicaciones del determinante

• El valor de los pivotes no se ve en las matrı́z inicial (excepto el primero)

• Sea Ak la submatriz de A con k renglones y k columnas que está en la
esquina superior derecha
• Después de tomar al primer pivote y hacer la eliminación gaussiana
podemos ver el valor del segundo pivote
   
a b e a b e
 c d f  →  0 (ad − bc)/a (af − ec)/a 
g h i g h i

Observe que el valor del segundo pivote (ad − bc)/a depende solo de A2
• En general, si A=LDU, entonces Ak = Lk Dk Uk , como demostración:
     
Lk 0 Dk 0 Uk F Lk Dk Uk Lk Dk F
LDU = =
B C 0 E 0 G BDk Uk BDk F + CEG
 Aplicaciones del determinante

• si Ak = Lk Dk Uk entonces
det(Ak ) = det(Lk Dk Uk ) = det(Lk )det(Dk )det(Uk ) = d11 d22 ...dkk
• El producto de los primeros k pivotes es igual a det(Ak ) y el producto de
los primeros k − 1 pivotes es igual a det(Ak−1 )
• Entonces
det(Ak ) d11 d22 ...dkk
= = dkk
det(Ak−1 ) d11 d22 ...dk−1k−1
• En conclusión, el k-ésimo pivote es igual al determinante de Ak entre el
determinante de Ak−1
• Si definimos A0 = 1 de modo que el primer pivote es igual a
det(A1 )/det(A0 ) = a/1, entonces
det(A1 ) det(A2 ) det(An ) det(An )
d11 d22 ...dnn = ... = = det(A)
det(A0 ) det(A1 ) det(An−1 ) det(A0 )
• Ningún pivote es cero si ningún det(Ak ) es igual a cero
 Dudas

antonio.camarena@umich.mx
 Bibliografı́a

Gilbert Strang.
Linear algebra and its applications.
Thomson, Brooks/Cole, Belmont, CA, 2006.