Determinantes V Propios 2020

DETERMINANTES
VALORES PROPIOS Y VECTORES PROPIOS
Profesora Benigna Fernández de Guardia
UNIVERSIDAD TECNOLÓGICA DE PANAMÁ

FACULTAD DE CIENCIAS Y TECNOLOGÍA
DEPARTAMENTO DE CIENCIAS EXACTAS
APUNTES
DETERMINANTES
Por: Benigna E. Fernández de Guardia
Edición 2020
DETERMINANTES
ÍNDICE
Página
INTRODUCCIÓN……………………………………………………………….. ii
DETERMINANTES. VALORES PROPIOS Y VECTORES PROPIOS…… 1

1.1 Determinantes de segundo y tercer orden……………………………. 1
1.2 Determinantes de 𝑛-ésimo orden……………………………………… 3
1.2.1 Menor y cofactor…………………………….……………………… 3
1.2.2 Cálculo de determinantes por menores y cofactores…………… 5
1.3 Propiedades de los determinantes…………………………….………. 8
1.4 Regla de Cramer…………………………….…………………………... 14
1.5 Matriz inversa…………………………….………………………………. 15
1.6 Cálculo de la inversa de una matriz utilizando la Adjunta………….. 15
1.6.1 Matriz de cofactores. …………………………….………………… 16
1.6.2 Matriz adjunta..…………………………….………………………... 16
1.6.3 Uso de la adjunta para el cálculo de la inversa de una matriz… 17
1.6.4 Solución de un sistema de ecuaciones lineales utilizando la 19
inversa………………………………………………………………..
1.7 Valores propios y vectores propios…………………………….……… 22
1.7.1 Conceptos y propiedades…………………………….……………. 22
1.7.2 Cálculo de valores propios y vectores propios………………….. 27
Anexo…………………………….…………………………….……………... 35
Tarea formativa…………………………….…………………………….. 36
Bibliografía…………………………….……………………………………... 39
DETERMINANTES
INTRODUCCIÓN
En estos apuntes se despliega el desarrollo del tema “Determinates. Valores

Propios y Vectores Propios”, que es común en algunos cursos de matemática y
otras especialidades de las carreras que se ofrecen en la Universidad Tecnológica
de Panamá. Han sido actualizados a lo largo de los años generando esta reciente
versión que es utilizada actualmente.
Este documento se ha editado en un lenguaje sencillo y puntual que pueda contribuir
en la comprensión de los temas por parte de los estudiantes. Se plantea una
variedad de ejemplos que complementan la teoría de tal manera que el alumno
pueda movilizar los conocimientos previos para integrarlos al curso. También para
seguir avanzando en el conocimiento, que a su vez no solo sirvan de base para los
posteriores cursos, si no que aprovechen el conocimiento y aprendan a disfrutarlo.
Al final del folleto se anexa una prueba formativa que se puede discutir en grupo y
en el pleno de la clase.
En 1683, Seki, en Japón, escribía “Métodos de resolución de problemas
disimulados”, aún sin usar la expresión determinante, los introdujo y dio métodos
generales para calcularlos basados en ejemplos. En 1693, Leibniz (1646–1716) usó
un conjunto sistemático de índices para los coeficientes de un sistema de tres
ecuaciones lineales con tres incógnitas obteniendo un determinante. También a
principios del siglo XIX, Cauchy acuñó el término caractéristique Racine (raíz
característica), conocido hoy como valor propio. Los campos de aplicación de la
teoría de los determinantes y, en general, de la teoría de matrices son muy amplios,
y abarcan desde las más clásicas aplicaciones en las áreas de física, economía, e
ingeniería hasta aplicaciones más recientes como la generación de gráficos por
computadora, la teoría de la información y la criptografía.
Se espera que estos apuntes representen un valioso recurso que contribuya a la

mejora del proceso enseñanza-aprendizaje, permitiendo ampliar de manera
significativa los conocimientos sobre sobre los determinantes, valores propios,
vectores propios y su importancia en todas las áreas del conocimiento.
ii
DETERMINANTES
Determinantes. Valores propios y vectores propios.
1.1 Determinantes de segundo y tercer orden
Asociado a cada matriz cuadrada existe un número denominado determinante de

la matriz.
Con frecuencia, el determinante de una matriz 𝐴 se denota como |𝐴| ; 𝑑𝑒𝑡𝐴 ;

det⁡(𝐴). Sea la matriz 𝐴
𝑎11 𝑎12 … 𝑎1𝑗 … 𝑎1𝑛

𝑎21 𝑎22 … 𝑎2𝑗 … 𝑎2𝑛
⋮ ⋮ … ⋮ … ⋮
𝐴 =⁡ 𝑎 𝑎𝑖2 … 𝑎𝑖𝑗 … 𝑎𝑖𝑛
𝑖1
⋮ ⋮ … ⋮ … ⋮
(𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛𝑗 … 𝑎𝑛𝑛 )
Entonces el determinante de 𝐴 es:
𝑎11 𝑎12 … 𝑎1𝑗 … 𝑎1𝑛

𝑎21 𝑎22 … 𝑎2𝑗 … 𝑎2𝑛
| ⋮ ⋮ … ⋮ … ⋮ |
𝑑𝑒𝑡𝐴 = ⁡ 𝑎 𝑎𝑖2 … 𝑎𝑖𝑗 … 𝑎𝑖𝑛
𝑖1
| |
⋮ ⋮ … ⋮ … ⋮
𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛𝑗 … 𝑎𝑛𝑛
Cálculo del determinante de una matriz de orden 2.
𝑎11 𝑎12
Sea 𝐴 = ⁡ (𝑎 𝑎22 ) una matriz de orden 2, entonces el determinante de 𝐴 es:
21
𝑎11 𝑎12
𝑑𝑒𝑡𝐴 = |𝑎 𝑎22 | se define como 𝑑𝑒𝑡𝐴 = 𝑎11 𝑎22 − 𝑎21 𝑎12
21
1
DETERMINANTES
EJEMPLO 1
−1 −7
Sea 𝐴 = ( ) Halle 𝑑𝑒𝑡𝐴
3 2
Solución:
−1 −7
𝑑𝑒𝑡𝐴 = | ⁡| ⁡ = (−1)(2) − (−7)(3) = 19
3 2
𝑑𝑒𝑡𝐴 = 19
Cálculo del determinante de una matriz de orden 3.
La Regla de Sarrus es un método que se utiliza para calcular el determinante de

una matriz de orden 3. Esta regla consiste en agregar o repetir las dos primeras filas
o columnas, y efectuar los productos según las diagonales, precedidas de un signo
más (+) si la diagonal desciende de izquierda a derecha, y de un signo menos (−)
si asciende. Este método no es aplicable cuando el orden es mayor de 3.
−
− a11 a12 a13 a11 a12
−
a21 a22 a23 a21 a22
+ a31 a32 a33 a31 a32
+
+
2
DETERMINANTES
EJEMPLO 2
4 3 1
Sea 𝐵 = ( 15 7 0) Halle 𝑑𝑒𝑡𝐵 por Regla de Sarrus
−3 −2 0
Solución:
4 ⁡⁡⁡3 1 4 ⁡⁡⁡3
𝑑𝑒𝑡𝐵 = |⁡15 7 0 ⁡ ⁡15 7 |
−3 − 2 0 ⁡ − 3 − 2
𝑑𝑒𝑡𝐵 = 4(7)(0) + 3(0)(−3) + 1(15)(−2) − 1(7)(−3) − 4(0)(−2) − 3(15)(0)
𝑑𝑒𝑡𝐵 = −9
1.2 Determinantes de 𝒏 − é𝒔𝒊𝒎𝒐 orden
Cálculo del determinante de una matriz de orden n.
Se han estudiado algunos métodos para calcular el determinante de matrices de

orden 2 y de orden 3, sin embargo, para matrices de mayor orden es necesario
recurrir a otros métodos. Para ello se debe estudiar primero importantes conceptos
relacionados con las matrices.
1.2.1. Menor y cofactor
Sea 𝐴 una matriz cuadrada de orden 𝑛. Después de borrar o eliminar el renglón 𝑖

y la columna 𝑗 de 𝐴 se obtiene una submatriz de orden (𝑛 − 1) que se denota 𝑀𝑖𝑗 .
El determinante de la submatriz 𝑀𝑖𝑗 se llama el menor 𝒊𝒋 de 𝐴.
El cofactor 𝒊𝒋 de 𝐴, denotado por 𝐴𝑖𝑗 , está dado por: 𝐴𝑖 𝑗 = (−1)𝑖+𝑗 |𝑀𝑖𝑗 |
Esto indica que el cofactor 𝐴𝑖 𝑗 es un escalar que se obtiene a partir del determinante
del menor y tomando en consideración los signos que antecede al determinante,
3
DETERMINANTES
según la llamada “Regla del tablero de ajedrez”, con el signo

+ sobre la diagonal principal de la siguiente manera:
+ − + ...
− + − ...
+ − + ...
... ... ... +
EJEMPLO 3
Determine el menor y el cofactor de los elementos 𝑎13 y 𝑎32 de

2 −1 ⁡⁡⁡4
𝐴 = [0 ⁡⁡1 ⁡⁡⁡5 ]
6 ⁡⁡3 −4
Solución:
Para hallar el Menor del elemento 𝑎13 , lo primero que se debe hacer es hallar la
submatriz 𝑀13 . Para ello se elimina primera fila, tercera columna de la matriz 𝐴.
Esto es:
2 −1 4
0 1
[0 1 5] entonces 𝑀13 = [ ]
6 3
6 3 −4
Luego, el Menor del elemento 𝑎13 es el determinante de 𝑀13 que es
0 1
|𝑀13 | = | | = 0 − 6 = −6
6 3
El Cofactor del elemento 𝑎13 es
0 1 0 1 =−6
𝐴13 = (−1)𝑖+𝑗 |𝑀𝑖𝑗 | = (−1)1+3 | | = +⁡| |
6 3 6 3
4
DETERMINANTES
Para hallar el Menor del elemento 𝑎32 , lo primero que se debe hacer es hallar la
submatriz 𝑀32 . Para ello se elimina tercera fila, segunda columna de la matriz 𝐴.
Esto es:
2 −1 ⁡⁡⁡4
2 4
[0 ⁡⁡⁡1 ⁡⁡⁡5 ] entonces 𝑀32 = [ ]
0 5
6 ⁡⁡⁡3 −4
Luego, el Menor del elemento 𝑎32 es el determinante de 𝑀32 que es
|𝑀32 | = |2⁡⁡⁡4| = 10 − 0 = 10
0⁡⁡⁡5
El Cofactor del elemento 𝑎32
2 4 2 4
𝐴32 = (−1)𝑖+𝑗 |𝑀𝑖𝑗 | = (−1)2+3 | | = −⁡| | = −10
0 5 0 5
1.2.2. Cálculo de determinantes por menores y cofactores
Para calcular el determinante de una matriz de orden 𝑛 se utiliza el método de

expansión por cofactores o Cálculo de determinantes por menores y cofactores.
El determinante de una matriz de orden 𝑛 es la suma de los productos de los

elementos del primer renglón por sus cofactores:
𝑑𝑒𝑡𝐴 = ⁡ 𝑎11 𝐴11 + 𝑎12 𝐴12 + 𝑎13 𝐴13 +. . . +𝑎1𝑛 𝐴1𝑛 La expresión en el lado derecho se llama expansión por
cofactores.
Se observa que para esta definición se ha utilizado el primer renglón de 𝐴, pero se

obtiene la misma respuesta si se expande por cofactores en cualquier renglón o
columna de 𝑨 .
5
DETERMINANTES
Este proceso se puede aplicar a matrices de orden 𝑛. Se debe considerar que esta
regla rebaja el orden del determinante que se pretende calcular, y para matrices de
alto orden el proceso es largo. Para evitar el cálculo de muchos determinantes es
conveniente elegir filas o columnas con muchos ceros, si es que la hay.
EJEMPLO 4
⁡⁡⁡4 ⁡⁡⁡3 ⁡1
Sea 𝐴 = (⁡15 ⁡⁡⁡7 ⁡0) Halle 𝑑𝑒𝑡𝐴 por el método de expansión por cofactores
−3 −2 ⁡0
Solución:
Utilizando el primer renglón:

⁡⁡⁡7 0⁡ ⁡⁡15 0 ⁡⁡15 ⁡⁡⁡7
𝑑𝑒𝑡𝐴 = 4 | | − 3| | + 1| |
−2 0 −3 0 −3 −2
𝑑𝑒𝑡𝐴 = 4(0 + 0) − 3(0 + 0) + 1(−30 + 21)
𝑑𝑒𝑡𝐴 = −9
Utilizando la tercera columna:

⁡⁡15 ⁡⁡⁡7
𝑑𝑒𝑡𝐴 = 1 | |−0+0
⁡−3 −2
𝑑𝑒𝑡𝐴 = 1(−30 + 21)
𝑑𝑒𝑡𝐴 = −9
Nota: Se observa que la elección de la tercera columna fue más conveniente porque
evitó cálculos innecesarios.
6
DETERMINANTES
EJEMPLO 5
1 ⁡⁡⁡3 5 ⁡2
0 −1 3 ⁡4
Sea 𝐹 = [ ] Halle 𝑑𝑒𝑡𝐹 por el método de expansión por cofactores
2 ⁡⁡⁡1 9 ⁡6
3 ⁡⁡⁡2 4 ⁡8
Solución:
Utilizando la primera columna. (Puede utilizar cualquier columna o fila)

−1 3 4⁡ ⁡⁡⁡3 ⁡⁡5 2⁡ ⁡⁡⁡3 5 2⁡
𝑑𝑒𝑡𝐹 = 1 | ⁡⁡⁡1 9 6⁡| ⁡ − ⁡0⁡ + ⁡2 |−1 ⁡⁡3 4 ⁡| − 3 |−1 3 4⁡|
⁡⁡⁡2 4 8⁡ ⁡⁡2 ⁡⁡4 8 ⁡⁡1 9 6⁡
9 6 3 4 3 4
𝑑𝑒𝑡𝐹 = ⁡1 (−1⁡ | | ⁡⁡ − ⁡⁡1⁡ | | ⁡⁡ + ⁡⁡2⁡⁡ | |⁡)
4 8 4 8 9 6
3 4 5 2 5 2
+⁡2 (⁡3⁡ | | ⁡⁡ + ⁡⁡1⁡ | | ⁡⁡⁡ + ⁡⁡2⁡⁡ | |⁡)
4 8 4 8 3 4
3 4 5 2 5 2
−⁡3 (3⁡ | | ⁡⁡⁡ + ⁡⁡1⁡ | | ⁡⁡ + ⁡⁡1⁡⁡ | |⁡)
9 6 9 6 3 4
𝑑𝑒𝑡𝐹 = ⁡⁡1(⁡−1(72 − 24)⁡⁡ − ⁡⁡1(24 − 16)⁡⁡ + ⁡⁡2⁡(18 − 36⁡)
⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡+2(⁡3(24 − 16)⁡⁡ + ⁡⁡1⁡(40 − 8) ⁡ + ⁡⁡2⁡(20 − 6))
⁡⁡⁡−3⁡(3(18 − 36)⁡⁡ + ⁡⁡1(30 − 18)⁡⁡ + ⁡⁡1(20 − 6)⁡)
𝑑𝑒𝑡𝐹 = ⁡⁡1(⁡−1(48) − 1(8) + ⁡2⁡(−18)) + 2(⁡3(8)⁡ + 1⁡(32) + ⁡2⁡(14))
−3⁡(3(−18) + 1(12) + 1(14)⁡)
𝑑𝑒𝑡𝐹 = ⁡⁡1(−92) + 2(84) − 3(−28)
𝑑𝑒𝑡𝐹 = ⁡ −160
7
DETERMINANTES
1.3. Propiedades de las determinantes

Sea 𝐴 una matriz cuadrada
1. Si cualquier renglón o columna de 𝐴 es un vector cero, entonces 𝑑𝑒𝑡𝐴 = 0

⁡⁡⁡2 0 ⁡⁡⁡7
Sea la matriz 𝐴 = ( ⁡⁡⁡3 0 −1)
−1 0 ⁡⁡⁡2
⁡⁡⁡2 0 ⁡⁡⁡7
𝑑𝑒𝑡𝐴 = | ⁡⁡⁡3 0 −1|
−1 0 ⁡⁡⁡2
𝑑𝑒𝑡𝐴 = 0 (porque 𝐴 tiene una columna de ceros)
2. Si 𝐴 tiene dos renglones o columnas iguales, entonces 𝑑𝑒𝑡𝐴 = 0

⁡2 ⁡5 ⁡⁡⁡⁡5⁡⁡⁡ − 1
⁡4 ⁡0 − 2⁡⁡⁡⁡⁡⁡⁡⁡4
Sea la matriz 𝐴 = [ ]
⁡6 ⁡3 − 3⁡⁡⁡⁡⁡⁡⁡⁡7
⁡2 ⁡5 ⁡⁡⁡⁡5⁡⁡⁡ − 1
⁡2 ⁡5 ⁡⁡⁡⁡5⁡⁡⁡ − 1
⁡4 ⁡0 − 2⁡⁡⁡⁡⁡⁡⁡⁡4
𝑑𝑒𝑡𝐴 = | |
⁡6 ⁡3 − 3⁡⁡⁡⁡⁡⁡⁡⁡7
⁡2 ⁡5 ⁡⁡⁡⁡5⁡⁡⁡ − 1
𝑑𝑒𝑡𝐴 = 0 (porque 𝑅1 = 𝑅4)
3. Si un renglón (columna) de 𝐴 es un múltiplo escalar de otro renglón (columna),

entonces 𝑑𝑒𝑡𝐴 = 0
⁡−2 ⁡ ⁡⁡ 1 ⁡⁡⁡2 ⁡⁡⁡⁡4
⁡−4 ⁡⁡⁡ 0 ⁡ − 1 ⁡⁡⁡⁡0
⁡6 ⁡⁡ ⁡3 ⁡⁡ 4 ⁡⁡12
⁡0⁡⁡ − 1 ⁡⁡ 2⁡⁡⁡ − 4
8
DETERMINANTES
⁡−2 ⁡ ⁡⁡ 1 ⁡⁡⁡2 ⁡⁡⁡⁡4

⁡−4 ⁡⁡⁡ 0 ⁡ − 1 ⁡⁡⁡⁡0
⁡⁡⁡⁡𝑑𝑒𝑡𝐴 = | |
⁡6 ⁡⁡ ⁡3 ⁡⁡ 4 ⁡⁡12
⁡0⁡⁡ − 1 ⁡⁡ 2⁡⁡⁡ − 4
𝑑𝑒𝑡𝐴 = 0 (porque 𝐶4 = 4𝐶2 )
4. Si los elementos de un renglón (o columna) de 𝐴 son combinación lineal de las

otras. Esto es, si un renglón(columna) de 𝐴 es suma de otros
renglones(columnas) multiplicados por números reales, entonces 𝑑𝑒𝑡𝐴 = 0
⁡2 4 ⁡⁡⁡7⁡
Sea la matriz 𝐴 = [⁡⁡3 ⁡0 −2 ]
⁡⁡5 ⁡4 ⁡⁡5
⁡⁡2 4 ⁡⁡⁡7⁡
𝑑𝑒𝑡𝐴 = |⁡⁡3 ⁡0 −2 |
⁡⁡5 ⁡4 ⁡⁡5
𝑑𝑒𝑡𝐴 = 0 (porque 𝑅3 = 𝑅1 + 𝑅2 )
5. Si un renglón 𝑖 o una columna 𝑗 de 𝐴 se multiplica por un escalar 𝑐, entonces

𝑑𝑒𝑡𝐴 queda multiplicado por “𝑐”.
Nota: Esta propiedad permite extraer un factor que sea un múltiplo común de
una fila de una matriz.
⁡2 ⁡⁡4 3⁡
Sea la matriz 𝐴 = [⁡3 − 1 3 ]
⁡6 ⁡⁡5 −1
⁡2 ⁡⁡4 3⁡
𝑑𝑒𝑡𝐴 = |⁡3 − 1 3 | Si se factoriza 𝑅1 por 2, entonces
⁡6⁡⁡⁡⁡⁡⁡⁡5 −1
9
DETERMINANTES
1 ⁡⁡2 ⁡⁡⁡32
𝑑𝑒𝑡𝐴 = 2 |3 −1 ⁡⁡⁡3 |
6 ⁡⁡⁡5 −1
6. El intercambio de cualesquiera dos renglones (o columnas) distintos, tiene el

efecto de multiplicar el 𝑑𝑒𝑡𝐴 por −1.
⁡3⁡ 4 −1⁡
Sea la matriz 𝐴 = [⁡1 0 5 ]
⁡2 ⁡3 0
⁡3⁡ 4 −1⁡
𝑑𝑒𝑡𝐴 = |⁡1 ⁡ 0 5 | Si 𝑅1 ↔ ⁡⁡ 𝑅2 entonces
⁡2 ⁡3 0
⁡1 0 5⁡
𝑑𝑒𝑡𝐴 = −1 |⁡3 4 −1 |
⁡2 3 0
7. Si 𝐴 es una matriz triangular superior o inferior, entonces el determinante es el

producto de sus componentes en la diagonal principal.
⁡2 ⁡ − 1 ⁡⁡2 ⁡1
⁡0 ⁡⁡ ⁡3 ⁡5⁡⁡⁡⁡⁡0
⁡0 ⁡⁡⁡0 − 4 ⁡⁡1
⁡0 ⁡⁡⁡0 ⁡⁡0 ⁡1⁡
⁡2 ⁡ − 1 ⁡⁡2 ⁡1
⁡0 ⁡⁡ ⁡3 ⁡5⁡⁡⁡⁡⁡0
𝑑𝑒𝑡𝐴 = | |
⁡0 ⁡⁡⁡0 − 4 ⁡⁡1
⁡0 ⁡⁡⁡0 ⁡⁡0 ⁡1⁡
𝑑𝑒𝑡𝐴 = 2(3)(−4)(1) = −24
Nota: si 𝐼 es la matriz identidad entonces 𝑑𝑒𝑡𝐼 = 1
10
DETERMINANTES
8. Si se suma un múltiplo escalar de un renglón (columna) de 𝐴 a otro renglón

(columna) de 𝐴, entonces el determinante no cambia.
⁡1⁡⁡⁡ ⁡3 ⁡5⁡⁡⁡⁡⁡2⁡
⁡0 − 1 ⁡3⁡⁡⁡⁡⁡4
⁡2 ⁡⁡ 1 ⁡9⁡⁡⁡⁡⁡6
⁡3 ⁡⁡⁡⁡2 4⁡⁡⁡⁡⁡⁡8
⁡1⁡⁡⁡ ⁡3 ⁡5⁡⁡⁡⁡⁡2⁡ ⁡⁡1 ⁡⁡⁡⁡⁡3 ⁡⁡⁡⁡⁡⁡5 ⁡2⁡⁡

⁡0 − 1 ⁡3⁡⁡⁡⁡⁡4 ⁡⁡0 ⁡ − 1 ⁡⁡⁡⁡⁡⁡3 ⁡4
𝑑𝑒𝑡𝐴 = | | R3 = R3 - 2R1 𝑑𝑒𝑡𝐴 = | |
⁡2 ⁡⁡ 1 ⁡9⁡⁡⁡⁡⁡6 ⁡⁡0 ⁡⁡⁡ − 5 − 1 ⁡2
⁡3 ⁡⁡⁡⁡2 4⁡⁡⁡⁡⁡⁡8 ⁡⁡3 ⁡⁡⁡⁡⁡2 ⁡⁡⁡⁡4 ⁡8
Nota: La fila a sustituir NO debe multiplicarse por un escalar porque puede alterar
el valor del determinante.
Otras propiedades relacionadas con el producto y la transpuesta.
9. Sean 𝐴 y 𝐵 dos matrices de orden 𝑛, entonces det(𝐴𝐵) = (𝑑𝑒𝑡𝐴)(𝑑𝑒𝑡𝐵)
10. 𝑑𝑒𝑡𝐴𝑡 = 𝑑𝑒𝑡𝐴
Cálculo del determinante de una matriz de orden 𝒏 por el Método de

triangulación.
El método de triangulación es también conocido como Método de Gauss para el

cálculo de determinante. Consiste en hallar un determinante equivalente (con el
mismo valor) al que se pretende calcular, pero haciéndola triangular.
Para calcular el determinante de matrices de orden 𝑛, es conveniente la utilización
de algunas propiedades de los determinantes vistas anteriormente.
11
DETERMINANTES
EJEMPLO 6
Utilice el método de triangulación para calcular el determinante de la matriz 𝐴.
1 ⁡⁡⁡⁡3 5 ⁡⁡2
0 − 1 ⁡3 ⁡⁡4
Sea la matriz 𝐴 = ( )
2 ⁡⁡ 1 ⁡9 ⁡⁡6
3 ⁡⁡⁡2 4 ⁡⁡8
Observe que es la misma matriz del ejemplo 5
Solución:
⁡1 ⁡⁡⁡⁡3 ⁡5 ⁡⁡2⁡ R3 = R3 - 2R1 ⁡⁡1 ⁡⁡3 ⁡⁡⁡⁡⁡5 ⁡⁡⁡2⁡⁡ R3 = R3 - 5R2

⁡0 − 1 ⁡3 ⁡⁡4 ⁡⁡0 − 1 ⁡⁡⁡⁡⁡3 ⁡⁡⁡4
𝑑𝑒𝑡𝐴 = | | | |
⁡2 ⁡⁡ 1 ⁡9 ⁡⁡6 R4 = R4 - 3R1 ⁡⁡0 ⁡ − 5 − 1 ⁡2 R4 = R4 - 7R2
⁡3 ⁡⁡⁡2 4 ⁡⁡8 ⁡⁡0⁡⁡ − 7 ⁡ − 11⁡⁡⁡⁡2
⁡1 ⁡⁡3 ⁡⁡⁡⁡⁡⁡⁡5 ⁡⁡⁡2⁡⁡

⁡0 − 1 ⁡⁡⁡⁡⁡⁡3 ⁡⁡⁡4
| | Factor común en R3 es -16 entonces
⁡0 ⁡⁡⁡⁡⁡0 − 16⁡⁡ − 18
⁡0⁡⁡⁡⁡⁡⁡0 − 32⁡⁡⁡ − 26
⁡1 ⁡⁡3 ⁡⁡⁡⁡⁡5 ⁡⁡⁡⁡⁡⁡2⁡⁡

⁡0 − 1 ⁡⁡⁡⁡⁡3 ⁡⁡⁡⁡⁡⁡4
𝑑𝑒𝑡𝐴 = −16 | 9 | R4 = R4 + 32R3
⁡0 ⁡⁡⁡⁡⁡0 ⁡⁡⁡⁡⁡1 ⁡⁡⁡⁡⁡⁡ 8
⁡0⁡⁡⁡⁡⁡⁡⁡0 − 32 − 26
⁡1 ⁡⁡⁡⁡3 ⁡⁡⁡5 ⁡⁡⁡⁡⁡2⁡⁡

⁡0 − 1 ⁡⁡⁡3 ⁡⁡⁡⁡⁡4
𝑑𝑒𝑡𝐴 = −16 | 9 | Se observa que está en la forma triangular superior
⁡0 ⁡⁡⁡⁡⁡⁡⁡0 ⁡⁡⁡1 ⁡⁡⁡⁡
8
⁡0⁡⁡⁡⁡⁡⁡⁡⁡0 ⁡⁡⁡⁡⁡0 ⁡⁡⁡10⁡⁡
𝑑𝑒𝑡𝐴 = −16(1)(−1)(1)(10)
𝑑𝑒𝑡𝐴 = 160
12
DETERMINANTES
EJEMPLO 7
1 − 1 ⁡⁡⁡⁡⁡2 ⁡4⁡

0 − 3 ⁡⁡⁡⁡⁡5 ⁡6
Sea la matriz 𝐵=( )
1 ⁡⁡4 ⁡⁡⁡⁡⁡0 ⁡3
0 ⁡⁡⁡⁡5 ⁡ − 6 ⁡7
Utilice el método de triangulación para calcular el determinante de 𝐵.
Solución:
1 − 1 ⁡⁡⁡⁡2 4⁡ 1 − 1 ⁡⁡⁡⁡⁡2 ⁡⁡⁡4

0 − 3 ⁡ ⁡⁡⁡5 6 0 − 3 ⁡⁡⁡⁡⁡5 ⁡⁡⁡6
𝑑𝑒𝑡𝐵 = | | R3 = R3 – R1 | | R4 = R4 – R3
1 ⁡⁡ 4 ⁡⁡⁡⁡0 3 0 ⁡⁡⁡⁡5 ⁡⁡ − 2⁡⁡⁡ − 1
0 ⁡⁡⁡⁡5 − 6⁡⁡⁡⁡7 0 ⁡⁡⁡⁡5 ⁡ − 6 ⁡⁡⁡7
1 − 1 ⁡⁡⁡⁡2 ⁡⁡⁡4 1 − 1 ⁡⁡⁡2 ⁡⁡4⁡

5
0 − 3 ⁡⁡⁡⁡5 ⁡⁡⁡6 0 ⁡ ⁡1 ⁡⁡⁡ − 3 ⁡ − 2
| | Factorizar R2 por el F.C. –3 −3 | |
0 ⁡⁡⁡⁡5 − 2⁡⁡ − 1 0 ⁡⁡5 ⁡ − 2 ⁡ − 1
0 ⁡⁡⁡⁡0 − 4 ⁡⁡⁡8 0 ⁡⁡⁡0 ⁡ − 4 ⁡ ⁡8
1 − 1 ⁡⁡⁡⁡2 ⁡ 4⁡
5
0 ⁡1 ⁡⁡⁡ − ⁡ − 2
R3 = R3 – 5R2 |
−3 | 3 | 19
19 | Factorizar R3 el F.C. es
0 ⁡⁡0 ⁡⁡⁡⁡ ⁡⁡9
3
3
0 ⁡⁡0 ⁡⁡ − 4 ⁡8
1 − 1 ⁡2 ⁡⁡⁡ 4⁡ 1 − 1 ⁡⁡⁡2 ⁡⁡⁡ 4⁡

5
5
0 ⁡⁡⁡⁡⁡1 ⁡ − 3 ⁡ − 2 0 ⁡⁡1 ⁡⁡⁡ − 3 ⁡ − 2
19 | | | |
3(3)| 27 | R4 = R4 + 4R3 −19 27
0 ⁡⁡0 ⁡⁡⁡ 1 ⁡ ⁡ |0 ⁡0 ⁡⁡⁡⁡ ⁡1 ⁡⁡⁡⁡ 19 |
19 260
0 ⁡⁡0 − 4 ⁡⁡⁡8 0 ⁡⁡0 ⁡⁡⁡⁡⁡⁡⁡0 ⁡⁡
19
Esta última está en la forma triangular superior, por tanto, el determinante es

fácil de calcular.
260
𝑑𝑒𝑡𝐵 = −19(1)(1)(1) ( )
19
⁡𝑑𝑒𝑡𝐵 = −260
13
DETERMINANTES
1.4 Regla de Cramer
Resolución de sistemas de ecuaciones por la Regla de Cramer

Sea 𝐴 es una matriz de orden 𝑛 y suponga que 𝑑𝑒𝑡𝐴 ≠ 0 entonces la solución
única del sistema está dada por:
|𝐴𝑥1 | |𝐴𝑥2 | |𝐴𝑥3 | |𝐴𝑥𝑛 |

𝑥1 = ⁡⁡⁡⁡⁡⁡⁡⁡⁡;⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡𝑥2 = ⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡;⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡𝑥3 = ⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡...⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡𝑥𝑛 =
|𝐴| |𝐴| |𝐴| |𝐴|
El valor de cada incógnita 𝑥𝑖 se obtiene de un cociente cuyo denominador es el

determinante de la matriz de coeficientes, y cuyo numerador es el determinante que
se obtiene al cambiar la columna 𝑖 del determinante de la matriz de coeficientes por
la columna de los términos independientes.
EJEMPLO 8
Resolver el siguiente sistema por la Regla de Cramer.
2𝑥1 ⁡⁡ + ⁡⁡⁡𝑥2 ⁡⁡⁡ + ⁡⁡⁡⁡𝑥3 ⁡⁡ = ⁡⁡⁡6

3𝑥1 ⁡⁡ − ⁡2𝑥2 ⁡⁡ − ⁡⁡3𝑥3 ⁡⁡ = ⁡⁡⁡5
8𝑥1 ⁡⁡⁡+⁡⁡2𝑥2 ⁡⁡ + ⁡⁡5𝑥3 ⁡⁡ = 11
Solución:
⁡2 ⁡⁡ ⁡1 ⁡⁡⁡⁡1⁡⁡
|𝐴| = |⁡3 ⁡ − 2 −3 | = 2(−10 + 6) − 1(15 + 24) + 1(6 + 16) = −25
⁡8 ⁡⁡⁡⁡⁡2 ⁡⁡⁡5
⁡6⁡⁡ ⁡⁡⁡1 ⁡⁡⁡⁡1⁡⁡
|𝐴𝑥1 | = |⁡5 ⁡⁡ − 2 −3 | = 6(−10 + 6) − 1(25 + 33) + 1(10 + 22) = −50
⁡11 ⁡⁡⁡2 ⁡⁡⁡5
⁡2 ⁡⁡⁡⁡6 ⁡⁡⁡⁡1⁡⁡
|𝐴𝑥2 | = |⁡3 ⁡⁡⁡⁡⁡5 −3 | = 2(25 + 33) − 6(15 + 24) + 1(33 − 40) = −125
⁡8⁡⁡⁡⁡⁡⁡⁡11 ⁡⁡⁡5
14
DETERMINANTES
⁡2 ⁡⁡⁡1 ⁡⁡6⁡⁡
|𝐴𝑥3 | = |⁡3 ⁡ − 2 ⁡⁡5 | = 2(−22 − 10) − 1(33 − 40) + 6(6 + 16) = 75
⁡8 ⁡⁡⁡⁡⁡2 ⁡11
Así, el valor de cada una de las incógnitas es:
|𝐴𝑥1 | |𝐴𝑥2 | |𝐴𝑥3 |
𝑥1 = ⁡ 𝑥2 = ⁡ 𝑥3 =
|𝐴| |𝐴| |𝐴|
−50 −125 ⁡⁡75
𝑥1 = 𝑥2 = 𝑥3 =
−25 −25 −25
𝑥1 = ⁡⁡2 𝑥2 = ⁡⁡5 𝑥3 ⁡⁡ = ⁡⁡ − 3
Solución del sistema: 𝑥1 ⁡⁡ = ⁡⁡2 ; 𝑥2 ⁡⁡ = ⁡⁡5 ; 𝑥3 ⁡⁡ = ⁡ −3
1.5. Matriz inversa
En el módulo anterior se estudió la inversa de una matriz. Recuerde que si 𝐴 tiene

inversa, entonces se dice que 𝐴 es invertible o regular; en caso contrario, si 𝐴 no
tiene inversa, entonces se dice que 𝐴 es singular. Entre otras propiedades de la
inversión de matrices, además de las estudiadas, hay dos relacionadas con el
determinante de la matriz. Estas son:
1. 𝐴 es invertible si y sólo si 𝑑𝑒𝑡𝐴 ≠ 0
2. Si 𝑑𝑒𝑡𝐴 = 0, 𝐴 no tiene inversa (o sea que es singular)
1.6. Cálculo de la Inversa de una matriz utilizando la Adjunta
Otro método para calcular la inversa de una matriz es a través de los determinantes
y la adjunta. Para ello se debe utilizar los conceptos estudiados anteriormente:
menor de una matriz, matriz de cofactores y la adjunta de una matriz.
15
DETERMINANTES
1.6.1. Matriz de Cofactores
Sea 𝐴 una matriz de orden 𝑛. El cofactor 𝒊𝒋 de 𝐴, denotado por 𝐴𝑖𝑗 , está dado por:
𝐴𝑖 𝑗 = (−1)𝑖+𝑗 |𝑀𝑖𝑗 |
Cada escalar 𝐴𝑖 𝑗 constituye un elemento que forma la matriz de cofactores.
EJEMPLO 9
2 4 ⁡⁡⁡3
Sea 𝐴 = [0 1 −1] Halle la matriz de cofactores de 𝐴
3 5 ⁡⁡⁡7
Solución:
1 −1 0 −1 0 1
𝐴11 = + | | = +(7 + 5) = 12 𝐴12 = − | | = −(0 + 3) = −3 𝐴13 = + | | = +(0 − 3) = −3
5 ⁡⁡7 3 ⁡⁡7 3 5
4 3 2 3 2 4
𝐴21 = − | | = −(28 − 15) = −13 𝐴22 = + | | = +(14 − 9) = 5 𝐴23 = − | | = −(10 − 12) = 2
5 7 3 ⁡7 3 5
4 ⁡⁡⁡3 2 ⁡⁡⁡3 2 4
𝐴31 = + | | = +(−4 − 3) = −7 𝐴32 = − | | = −(−2 − 0) = 2 𝐴33 = + | | = +(2 − 0) = 2
1 −1 0 −1 0 1
⁡⁡⁡12 −3 −3
La matriz de cofactores es la matriz 𝐵 = [−13 ⁡⁡⁡5 ⁡⁡2 ]
⁡⁡−7 ⁡⁡⁡2 ⁡⁡2
1.6.2. Matriz Adjunta
Sea 𝐴 una matriz de orden 𝑛 y sea 𝐵 la matriz de sus cofactores. Entonces la

adjunta 𝐴, que se denota 𝐴𝑑𝑗𝐴, es la transpuesta de la matriz de cofactores.
16
DETERMINANTES
EJEMPLO 10
2 4 ⁡⁡⁡3
Sea la matriz 𝐴 = [0 1 −1] Halle 𝐴𝑑𝑗𝐴
3 5 ⁡⁡⁡7
Solución:
Se determina primero la matriz de cofactores, pero en esta ocasión se trata del

ejemplo anterior en donde ya fue determinada la matriz de cofactores que es
⁡⁡⁡12 −3 −3
𝐵 = [−13 ⁡⁡⁡5 ⁡⁡⁡2 ]
−7 ⁡⁡2 ⁡⁡⁡2
Dado que la Adjunta es la transpuesta de la matriz de cofactores, entonces

⁡⁡12 −13 −7
𝐴𝑑𝑗𝐴 = 𝐵 𝑡 = [ −3 ⁡⁡⁡⁡5 ⁡⁡2 ]
−3 ⁡⁡⁡2 ⁡⁡2
1.6.3. Uso de la Adjunta para el cálculo de la Inversa de una matriz
Para calcular la inversa de una matriz por la adjunta es importante lo siguiente:
Sea 𝐴 una matriz de orden 𝑛. Entonces 𝐴 es invertible si y solo si 𝑑𝑒𝑡𝐴 ≠ 0.
Para calcular la inversa de una matriz por la adjunta se aplica:
1
𝐴−1 = ⁡⁡⁡ ⁡𝐴𝑑𝑗𝐴
𝑑𝑒𝑡 𝐴
17
DETERMINANTES
EJEMPLO 11
2 −2 2
Sea 𝐴 = [2 ⁡⁡⁡1 0] Calcule la inversa de la matriz 𝐴, utilizando la adjunta
3 −2 2
Solución:
En primer lugar se calcula el 𝑑𝑒𝑡𝐴
2 −2 2
𝑑𝑒𝑡𝐴 = |2 ⁡⁡⁡1 0| = −2(−4 + 4) + 1(4 − 6) − 0 = −2 (Se utilizó la segunda fila)
3 −2 2
Dado que el determinante es diferente de 0 se puede continuar para hallar la inversa

por el método pedido.
Para buscar la adjunta de 𝐴 , se debe determinar la matriz de cofactores
⁡⁡⁡1 0 2 0 2 ⁡⁡⁡1
𝐴11 = + | | = +(2 + 0) = 2 𝐴12 = − | | = −(4 − 0) = −4 𝐴13 = + | | = +(−4 − 3) = −7
−2 2 3 2 3 −2
−2 2 2 2 2 ⁡−2
𝐴21 = − | | = −(−4 + 4) = 0 𝐴22 = + | | = +(4 − 6) = −2 𝐴23 = − | | = −(−4 + 6) = −2
−2 2 3 2 3 ⁡−2
−2 2 2 2 2 −2
𝐴31 = + | | = +(0 − 2) = −2 𝐴32 = − | | = −(0 − 4) = 4 𝐴33 = + | | = +(2 + 4) = 6
⁡⁡⁡1 0 2 0 2 ⁡⁡⁡1
⁡⁡⁡2 −4 −7
Matriz de cofactores es 𝐵 = [ ⁡⁡⁡0 −2 −2]
−2 ⁡⁡⁡4 ⁡⁡⁡6
⁡⁡⁡2 ⁡⁡⁡0 −2
La adjunta es 𝐴𝑑𝑗𝐴 = 𝐵 𝑡 = [−4 −2 ⁡⁡⁡4 ]
−7 −2 ⁡⁡⁡6
18
DETERMINANTES
Luego, la inversa es
1
𝐴−1 = ⁡⁡⁡ ⁡𝐴𝑑𝑗𝐴
𝑑𝑒𝑡 𝐴
⁡⁡⁡2 ⁡⁡⁡0 −2
⁡⁡⁡1
𝐴−1 ⁡⁡ = ⁡⁡⁡ [−4 −2 ⁡⁡4 ]
−2
−7 −2 ⁡⁡6
−1 ⁡⁡⁡0 ⁡⁡⁡1
𝐴−1 ⁡ = ⁡⁡ [⁡⁡⁡⁡2 ⁡⁡⁡1 −2]
7
⁡⁡⁡2 ⁡⁡⁡1 −3
1.6.4. Solución de un sistema de ecuaciones utilizando la inversa
En el módulo 2 se resolvieron sistemas de ecuaciones lineales utilizando la inversa.
Si 𝐴 es una matriz de orden 𝑛, entonces un sistema de ecuaciones lineales está

dado por: 𝐴𝑥 = 𝑏
𝐴 es la matriz de coeficientes del sistema
𝑥1
𝑥2
𝑥 = 𝑥3 representa las variables involucradas en el sistema
.
(𝑥𝑛 )
𝑏1
𝑏2
𝑏 = 𝑏3 representa los términos independientes involucrados en el sistema
.
(𝑏𝑛 )
El sistema 𝐴⁡𝑥 = 𝑏 tiene solución única. Si se multiplica ambos miembros de la

ecuación por 𝐴−1 se obtiene que 𝑥 = ⁡ 𝑨−𝟏 ⁡𝑏
19
DETERMINANTES
EJEMPLO 12
Resuelva el sistema utilizando la inversa

⁡⁡𝑥1⁡ + ⁡⁡⁡𝑥2 ⁡ + ⁡⁡⁡𝑥3 ⁡⁡ = ⁡⁡⁡3
2𝑥1 + ⁡3𝑥2 ⁡ + ⁡⁡⁡𝑥3 ⁡⁡ = ⁡⁡⁡5
⁡⁡𝑥1 − ⁡⁡⁡⁡𝑥2 ⁡ − ⁡2𝑥3 ⁡ = −5
Solución:
1 ⁡⁡⁡1 ⁡⁡⁡1
La matriz de los coeficientes es: 𝐴 = [2 ⁡⁡⁡3 ⁡⁡⁡1 ]
1 −1 −2
⁡⁡⁡3
La matriz de los términos independientes es 𝑏 = [ ⁡⁡⁡5 ]
−5
Se determina por el método de su preferencia (Método de Gauss o por la Adjunta)
En esta ocasión se utilizará el Método de la Adjunta
1 ⁡⁡⁡1 ⁡⁡⁡⁡1
𝐴 = [2 ⁡⁡⁡3 ⁡⁡⁡⁡1]
1 −1 −2
En primer lugar se calcula el 𝑑𝑒𝑡𝐴
1 ⁡⁡⁡1 ⁡⁡⁡1
𝑑𝑒𝑡𝐴 = |2 ⁡⁡⁡3 ⁡⁡⁡1 | = 1(−6 + 1) − 1(−4 − 1) + 1(−2 − 3) = −5
1 −1 −2
(Se utilizó la primera fila)
20
DETERMINANTES
Dado que el determinante es diferente de 0 se puede continuar para hallar la inversa

por el método de la Adjunta.
Para buscar la adjunta de 𝐴 , se debe determinar la matriz de cofactores
⁡⁡⁡3 ⁡⁡⁡1 2 ⁡⁡⁡1 2 ⁡⁡⁡3

𝐴11 = + | | = +(−6 + 1) = −5 𝐴12 = − | | = −(−4 − 1) = 5 𝐴13 = + | | = +(−2 − 3) = −5
−1 −2 1 −2 1 −1
⁡⁡⁡1 ⁡⁡⁡1 1 ⁡⁡⁡1 1 ⁡⁡⁡⁡1

𝐴21 = − | | = −(−2 + 1) = 1 𝐴22 = + | | = +(−2 − 1) = −3 𝐴23 = − | | = −(−1 − 1) = 2
−1 −2 1 −2 1 ⁡−1
1 1 1 1 1 1
𝐴31 = + | | = +(1 − 3) = −2 𝐴32 = − | | = −(1 − 2) = 1 𝐴33 = + | | = +(3 − 2) = 1
3 1 2 1 2 3
−5 ⁡⁡⁡5 −5
Matriz de cofactores es 𝐵 = [ ⁡⁡⁡1 −3 ⁡⁡⁡2 ]
−2 ⁡⁡⁡1 ⁡⁡⁡1
−5 ⁡⁡⁡1 −2
𝑡
La adjunta es 𝐴𝑑𝑗𝐴 = 𝐵 = [ ⁡⁡⁡5 −3 ⁡⁡⁡1 ]
−5 ⁡⁡⁡2 ⁡⁡⁡1
Luego, la inversa es
1
𝐴−1 = ⁡⁡⁡ ⁡𝐴𝑑𝑗𝐴
𝑑𝑒𝑡 𝐴
−5 ⁡⁡⁡1 −2
−1 ⁡⁡⁡1
𝐴 ⁡ = ⁡ −5 [ ⁡⁡⁡5 −3 ⁡⁡⁡1 ]
−5 ⁡⁡⁡2 ⁡⁡⁡1
2
⁡⁡⁡1 −15 ⁡⁡⁡⁡5
3
𝐴−1 ⁡ = ⁡ −1 ⁡⁡⁡ −15
5
[ ⁡⁡⁡1 −25 −15 ]
Así la solución única del sistema está dada por:
21
DETERMINANTES
𝑥⁡⁡⁡ = ⁡⁡⁡𝐴−1 ⁡⁡⁡𝑏
1 2 Cálculos
𝑥1 ⁡⁡1 −
5 5 ⁡⁡⁡3
1 2
1(3) − (5) + (−5) = 0
5 5
3 1 3 1
𝑥2 ⁡ = ⁡ −1 − ⁡⁡⁡5 ⁡−1(3) + (5) − (−5) = 1
5 5 5 5
[𝑥3 ] 2 1 [−5] 2 1
⁡⁡1 − − 1(3) − (5) − (−5) = ⁡2
[ 5 5] 5 5
Multiplicando se tiene la solución del sistema

𝑥1 ⁡0⁡
⁡⁡⁡ 𝑥2 = ⁡1⁡
[𝑥3 ] [⁡2⁡]
1.7. Valores propios y vectores propios
1.7.1. Conceptos y propiedades
Definición
Sea 𝐴 una matriz de orden 𝑛⁡, entonces un vector diferente de cero, 𝐴𝑣 en 𝐶 𝑛

(complejos), se denomina vector propio de 𝐴 si 𝐴𝑣 es un múltiplo escalar de 𝑣,
es decir,
𝐴𝑣 = 𝜆𝑣⁡ para algún escalar 𝜆
El escalar 𝜆 se denomina valor propio de 𝐴, y se dice que 𝑣 es un vector propio

de 𝐴 correspondiente al valor propio 𝜆 .
Los valores propios también se les denomina autovalores, valores característicos o

eigenvalores y a los vectores propios se les denomina autovectores, vectores
característicos o eigenvectores.
Observación: Una matriz con componentes reales puede tener valores y vectores
característicos complejos, por ello se asegura 𝐴𝑣 en 𝐶 𝑛 .
22
DETERMINANTES
EJEMPLO 13
10 −18 2
Sea 𝐴⁡ = ⁡ [ ] Compruebe que 𝑉1 = ⁡ ( ) es un vector propio de 𝐴, y halle
6 −11 1
el valor propio correspondiente.
Solución:
𝑉1 es un vector propio de 𝐴 si se verifica que 𝐴⁡𝑉1 ⁡ = ⁡ 𝜆1 ⁡𝑉1
10 −18 2 2
[ ][ ] = [ ]
6 −11 1 1
2 2
[ ] = 1[ ]
1 1
2
En efecto ⁡⁡⁡𝐴⁡𝑉1 ⁡ = ⁡1⁡𝑉1 luego 𝑉1 = ⁡ ( ) es un vector propio de 𝐴, y 𝜆1 = 1
1
es un valor propio.
EJEMPLO 14
3 10 −18
Compruebe que 𝑣2 = ⁡ ( ) es otro vector propio de 𝐴 = ⁡ [ ], y halle el
2 6 −11
valor propio correspondiente.
Solución:
𝑣2 es un vector propio de 𝐴 si se verifica que 𝐴⁡𝑣2 ⁡ = ⁡ 𝜆2 𝑣2
10 −18 3 −6
[ ][ ] = ( )
6 −11 2 −4
−6 3
( ) = −2 ( )
−4 2
23
DETERMINANTES
3
En efecto,⁡𝐴⁡𝑣2 ⁡ = ⁡ −2⁡𝑣2 . Así 𝑣2 = ⁡ ( ) es un vector propio de 𝐴⁡ y 𝜆2 = ⁡ −2
2
es un valor propio.
Vectores propios y valores propios de la matriz identidad
Sea 𝐴⁡ = ⁡𝐼, entonces para cualquier 𝑣 ≠ 0, 𝐴𝑣 = 𝐼⁡𝑣 = 𝑣
Así 𝜆⁡ = 1 es el único valor propio de 𝐴 , y todo 𝑣⁡ ≠ 0 es un vector propio de 𝐼.
EJEMPLO 15
Sea 𝐴 = ⁡ 𝐼3 ( 𝐼3 matriz identidad de orden 3). Halle dos vectores propios de ⁡𝐴 y

muestre que 𝜆⁡ = 1 es su valor propio.
Solución:
−2
Sea 𝑣1 = ( ⁡⁡⁡3 ) un vector propio de 𝐼3 , entonces
⁡⁡⁡4
1 0 0 −2 −2
[0 1 0] [ ⁡⁡⁡3 ] = [ ⁡⁡⁡3 ]
0 0 1 ⁡⁡⁡4 ⁡⁡⁡4
−2 −2
[ ⁡⁡⁡3 ] = 1 [ ⁡⁡⁡3 ]
⁡⁡⁡4 ⁡⁡⁡4
Se muestra que 𝐼3 ⁡𝑣1 = 1⁡𝑣1 y 𝜆=1 es su valor propio
24
DETERMINANTES
⁡⁡⁡3
Sea ahora 𝑣2 = ( ⁡⁡⁡4 ) un vector propio de 𝐼3 , entonces
−7
1 0 0 ⁡⁡⁡3 ⁡⁡⁡3
[0 1 0] [ ⁡⁡4 ] = [ ⁡⁡⁡4 ]
0 0 1 −7 −7
⁡⁡⁡3 ⁡⁡⁡3
[ ⁡⁡⁡4 ] = 1 [ ⁡⁡⁡4 ]
−7 −7
Se muestra que 𝐼3 ⁡𝑣2 = 1⁡𝑣2 y 𝜆=1 es su valor propio
Ecuación característica y polinomio característico
Dado que 𝐴𝑣 = 𝐼𝑣 = 𝑣. Entonces, si 𝜆 es un valor propio de 𝐴, existe un vector
𝑥1
𝐴𝑣 = 𝜆⁡𝐼𝑣
𝑥2
diferente de cero denotado por 𝑣 =⁡( ⋮ ) tal que
𝐴𝑣 − 𝜆𝐼𝑣 = 0
𝑥𝑛
(𝐴 − 𝜆𝐼)𝑣 = 0
La ecuación (𝐴 − 𝜆𝐼)𝑣 = 0 corresponde a un sistema homogéneo de 𝑛⁡⁡ecuaciones

con las incógnitas 𝑥1 , 𝑥2 , … , 𝑥𝑛 . De esta ecuación se deduce el siguiente
teorema.
Teorema
Sea 𝐴 una matriz de orden 𝑛. Entonces 𝜆 es un valor propio de 𝐴, si y solo

si
𝑝(𝜆) = 𝑑𝑒𝑡(⁡𝐴 − ⁡𝜆𝐼) = ⁡⁡0
25
DETERMINANTES
𝑝(𝜆) = 𝑑𝑒𝑡(⁡𝐴 − ⁡𝜆𝐼) es un polinomio de grado 𝑛 en 𝜆 , y se llama polinomio

característico de 𝐴
𝑝(𝜆) = 0 se denomina ecuación característica de 𝐴
Por el teorema fundamental de álgebra, cualquier polinomio de grado 𝑛 con

coeficientes reales o complejos tiene exactamente 𝑛 raíces (contando
multiplicidades), y dado que cualquier valor propio de 𝐴 es una raíz de la ecuación
característica de 𝐴, entonces toda matriz de orden 𝑛 tiene exactamente 𝑛 valores
propios.
Algunas propiedades y teoremas relacionados con los vectores y valores

propios
1) Si 𝐴 es una matriz triangular (superior, inferior o diagonal) de orden 𝑛, entonces

los valores propios de 𝐴 son los elementos de la diagonal principal.
EJEMPLO 16
−1 ⁡⁡⁡4 6
Sea 𝐴 = ( ⁡⁡0 −3 5) Halle los valores propios de 𝐴
⁡⁡0 ⁡⁡⁡0 1
Solución:
Los valores propios de 𝐴 son 𝜆1 = −1⁡⁡⁡⁡⁡;⁡⁡⁡⁡⁡𝜆2 = −3⁡⁡⁡⁡⁡;⁡⁡⁡⁡⁡𝜆3 = 1
26
DETERMINANTES
2) Sea 𝐴 una matriz de orden 𝑛 y sea 𝜆1 , ⁡⁡⁡𝜆2 ⁡, ⁡⁡⁡𝜆3 , … , ⁡⁡⁡𝜆𝑚 valores propios
distintos de 𝐴⁡⁡(es decir 𝜆𝑖⁡ ≠ ⁡𝜆𝑗, si 𝑖 ≠ 𝑗) con vectores propios 𝑣1 , 𝑣2 , ⁡𝑣3 , … , ⁡𝑣𝑚 .
Entonces 𝑣1 , ⁡𝑣2 , … , ⁡𝑣𝑚 son linealmente independientes (uno no es múltiplo
escalar del otro). Esto es, los vectores propios correspondientes a valores
propios distintos son linealmente independientes.
Espacio propio asociado a 𝝀
Sea 𝐴 una matriz de orden 𝑛 y sea 𝜆 un valor propio de 𝐴. La colección de

todos los vectores propios correspondientes a 𝜆 , junto con el vector cero, se
denomina espacio propio asociado a 𝜆 y se denota por 𝐸𝜆 .
1.7.2. Cálculo de valores propios y vectores propios
Procedimiento para calcular valores propios y vectores propios.
1. Se encuentra el polinomio característico de 𝐴, esto es 𝑝(𝜆) = 𝑑𝑒𝑡(⁡𝐴 − ⁡𝜆𝐼)
2. Se encuentran las raíces 𝜆1 , ⁡𝜆2 , 𝜆3 , … , 𝜆𝑚 de la ecuación característica
𝑝(𝜆) = 0.⁡Estas raíces representan los valores propios de 𝐴.
3. Se resuelve el sistema homogéneo (𝐴 − ⁡ 𝜆𝑖 ⁡𝐼)𝑣 = 0 correspondiente a cada
valor propio 𝜆𝑖
EJEMPLO 17
1 −1 ⁡⁡⁡4
Calcular los valores y vectores propios de 𝐴 = ⁡ [3 ⁡⁡⁡2 −1]
2 ⁡⁡⁡1 −1
27
DETERMINANTES
Solución:
1 −1 ⁡⁡⁡4 1 0 0 1−𝜆 −1 ⁡⁡⁡4

Se halla 𝐴 − 𝜆𝐼 = [3 ⁡⁡⁡2 −1] − 𝜆 [0 ⁡1 0] = ⁡ [ 3 2−𝜆 −1 ]
2 ⁡⁡⁡1 −1 0 ⁡0 1 2 ⁡⁡⁡1 −1 − 𝜆
𝑝(𝜆) = 𝑑𝑒𝑡(⁡𝐴 − 𝜆𝐼)
1−𝜆 −1 ⁡⁡⁡4
𝑝(𝜆) = ⁡ | 3 2−𝜆 −1 |
2 ⁡⁡⁡1 −1 − 𝜆
2−𝜆 −1 3 ⁡⁡⁡⁡⁡−1 3 2−𝜆
𝑝(𝜆) = ⁡ (1 − 𝜆) | |⁡ − (−1) | | ⁡ + ⁡4⁡ | |
1 −1 − 𝜆 2 −1 − 𝜆 2 1
𝑝(𝜆) = (1 − 𝜆)[(2 − 𝜆)(−1 − 𝜆) + 1] + 1[3(−1 − 𝜆) + 2] + 4[3 − 2(2 − 𝜆)]
𝑝(𝜆) = (1 − 𝜆)[−2 − 2𝜆 + 𝜆 + 𝜆2 + 1] + [−3 − 3𝜆 + 2] + 4[3 − 4 + 2𝜆]
𝑝(𝜆) = (1 − 𝜆)(𝜆2 − 𝜆 − 1) + (−3𝜆 − 1) + 4(2𝜆 − 1)
𝑝(𝜆) = 𝜆2 − 𝜆 − 1 − 𝜆3 + ⁡ 𝜆2 + 𝜆 − 3𝜆 − 1 + 8𝜆 − 4
𝑝(𝜆) = −𝜆3 + 2𝜆2 + 5𝜆 − 6
Para hallar las raíces (los 𝝀 ) se hace 𝑝(𝜆) = 0

Factorización de 𝜆3 − 2𝜆2 − 5𝜆 + 6 = 0
−𝜆3 + 2𝜆2 + 5𝜆 − 6 = 0
posibles factores de 6 son: ±1; ±2; ±3, ±6
−(𝜆3 − 2𝜆2 − 5𝜆 + 6) = 0 Así 𝜆 = 1 es raíz del polinomio porque

(1)3 − 2(1)2 − 5(1) + 6 = 0
𝜆3 − 2𝜆2 − 5𝜆 + 6 = 0
Por tanto 𝜆 − 1 es factor. Luego
(𝜆2 − 𝜆 − 6)(𝜆 − 1) = 0 𝜆3 − 2𝜆2 − 5𝜆 + 6⁡⁡ ÷⁡ 𝜆 − 1
División sintética
(𝜆 − 3)(𝜆 + 2)(𝜆 − 1) = 0 1 -2 - 5 6
1 1 - 1 -6
1 -1 - 6 0 residuo
La factorización es (𝜆2 − 𝜆 − 6)(𝜆 − 1)
28
DETERMINANTES
Por tanto los valores propios de 𝐴⁡ son 𝜆1 = 3 ; 𝜆2 = −2 ; 𝜆3 = 1
Para hallar los vectores propios se resuelve el sistema (𝐴 − 𝜆𝑖 𝐼)𝑉 = 0
𝑥1
Sea el vector propio 𝑉 = [𝑥2 ]
𝑥3
✓ Para 𝜆1 = 3 se tiene (𝐴 − 3𝐼)𝑉 = 0
1 −1 ⁡⁡⁡4 1 0 0
𝐴 − 3𝐼 = [3 ⁡⁡2 −1] − 3⁡ [0 1 0]
2 ⁡⁡1 −1 0 0 1
1 −1 ⁡⁡⁡4 3 0 0
𝐴 − 3𝐼 = [3 ⁡⁡2 −1] − ⁡ [0 3 0]
2 ⁡⁡1 −1 0 0 3
−2 −1 ⁡⁡⁡4
𝐴 − 3𝐼 = [ ⁡⁡3 −1 −1]
⁡⁡2 ⁡⁡1 −4
Luego haciendo (𝐴 − 3𝐼)𝑉 = 0 se tiene:
−2 −1 ⁡⁡⁡4 𝑥1 0
[ ⁡⁡3 −1 −1] [𝑥2 ] = [0]
⁡⁡2 ⁡⁡1 −4 𝑥3 0
Para resolver se toma la matriz aumentada, y se reduce por renglones a la forma

escalonada o escalonada reducida.
−2 −1 ⁡⁡⁡4 0 𝑅2 ⁡=⁡𝑅2 −𝑅1 −2 −1 ⁡⁡⁡4 0 𝑅2=1𝑅2⁡⁡ −2 −1 ⁡⁡4 0

→
[ ⁡⁡3 −1 −1 0]⁡⁡⁡⁡⁡⁡ 𝑅3=⁡𝑅3+⁡𝑅1 ⁡⁡⁡⁡⁡[ ⁡⁡⁡5 ⁡⁡⁡0 −5 0] ⁡⁡⁡ →
5
⁡⁡ [ ⁡⁡⁡1 ⁡⁡⁡0 −1 0]
⁡⁡2 ⁡⁡⁡1 −4 0 → ⁡⁡⁡0 ⁡⁡⁡0 ⁡⁡⁡0 0 ⁡⁡⁡0 ⁡⁡⁡0 ⁡⁡⁡⁡0 0
𝑅1 ⁡↔⁡⁡𝑅2 ⁡⁡⁡1 ⁡⁡0 −1 0 2𝑅1+𝑅2 1 ⁡⁡⁡0 −1 0

→ ⁡⁡⁡⁡ [−2 −1 ⁡⁡⁡4 0]⁡⁡⁡⁡ → ⁡⁡⁡⁡ [0 −1 ⁡⁡⁡2 0]
⁡⁡⁡0 ⁡⁡⁡0 ⁡⁡⁡0 0 0 ⁡⁡⁡0 ⁡⁡⁡0 0
29
DETERMINANTES
Luego hay múltiples soluciones y así
𝑥1 − 𝑥3 = 0 → 𝑥1 = 𝑥3
𝑥1 = 1
−𝑥2 + 2𝑥3 = 0⁡ → ⁡⁡ 𝑥2 = 2𝑥3 ⁡⁡𝑥2 = 2(1) = 2⁡
𝑥3 = 𝑎𝑟𝑏𝑖𝑡𝑟𝑎𝑟𝑖𝑜 𝑥3 = 1 (𝑎𝑟𝑏𝑖𝑡𝑟𝑎𝑟𝑖𝑜)
1 1
Entonces para 𝜆1 = 3 𝑉1 = [2] y 𝐸3 = 𝑔𝑒𝑛 {(2)}
1 1
✓ Para 𝜆2 = −2 se tiene (𝐴 + 2𝐼)𝑉 = 0

1 −1 ⁡⁡⁡4 1 0 0
𝐴 + 2𝐼 = ⁡ [3 ⁡⁡2 −1] ⁡ + ⁡2⁡ [0 1 0]
2 ⁡⁡1 −1 0 0 1
1 −1 ⁡⁡⁡4 2 0 0
𝐴 + 2𝐼 = ⁡ [3 ⁡⁡2 −1] ⁡ + ⁡⁡ [0 2 0]
2 ⁡⁡1 −1 0 0 2
3 −1 ⁡⁡⁡4
𝐴 + 2𝐼 = ⁡ [3 ⁡⁡4 −1]
2 ⁡⁡1 ⁡⁡⁡1
El sistema queda (𝐴 + 2𝐼)𝑉 = 0
3 −1 ⁡⁡⁡4 𝑥1 0
[3 ⁡⁡⁡4 −1] [𝑥2 ] = [0]
2 ⁡⁡⁡1 ⁡⁡1 𝑥3 0
Reduciendo la matriz aumentada
1
3 −1 ⁡⁡4 0 ⁡⁡𝑅2⁡⁡⁡ =⁡⁡𝑅2⁡⁡ +⁡4𝑅1⁡⁡ 3 −1 ⁡⁡4 0 𝑅2=15𝑅2 3 −1 4 0
[3 ⁡⁡4 −1 0] ⁡⁡⁡→ ⁡⁡⁡𝑅3⁡ =⁡⁡𝑅3⁡ +⁡⁡𝑅1 ⁡⁡⁡ ⁡⁡[15 ⁡⁡⁡0 15 0] ⁡⁡
→
1 ⁡⁡ [1 ⁡⁡0 1 0]⁡⁡
2 ⁡⁡1 ⁡⁡⁡1 0 ⁡⁡⁡⁡→ ⁡⁡ 5 ⁡⁡⁡0 ⁡⁡5 0 𝑅3=5𝑅3 1 ⁡⁡0 1 0
→
30
DETERMINANTES
𝑅3 =⁡𝑅3 −𝑅2 3 −1 4 0 𝑅1↔𝑅2 1 ⁡⁡⁡0 1 0 𝑅2=𝑅2−3𝑅1 1 ⁡⁡⁡0 1 0

→ [1 ⁡⁡0 1 0] ⁡⁡ → ⁡⁡ [3 −1 4 0] → [0 −1 1 0]
0 ⁡⁡0 0 0 0 ⁡⁡⁡0 0 0 0 ⁡⁡⁡0 0 0
De donde 𝑥1 + 𝑥3 = 0⁡⁡⁡⁡⁡⁡⁡⁡⁡ → ⁡⁡⁡ 𝑥1 = −𝑥3

−𝑥2 + 𝑥3 = 0⁡⁡⁡⁡⁡⁡⁡ → ⁡⁡⁡ 𝑥2 = 𝑥3
𝑥3 = 𝑎𝑟𝑏𝑖𝑡𝑟𝑎𝑟𝑖𝑜
⁡⁡⁡1
Si 𝑥3 = −1⁡⁡ → ⁡⁡ 𝑥2 = −1⁡⁡⁡⁡⁡𝑦⁡⁡⁡⁡⁡𝑥1 = 1, luego para 𝜆2 = −2⁡⁡;⁡⁡⁡𝑉2 = [−1]
−1
⁡⁡⁡1
𝐸−2 = 𝑔𝑒𝑛 {(−1)}
−1
✓ Para 𝜆3 = 1 se tiene (𝐴 − 𝐼)𝑉 = 0

1 −1 ⁡⁡⁡4 1 0 0 0 −1 ⁡⁡⁡4
𝐴 − 𝐼 = ⁡ [3 ⁡⁡2 −1] ⁡ − ⁡ [0 1 0] = [3 ⁡⁡⁡1 −1]
2 ⁡⁡1 −1 0 0 1 2 ⁡⁡⁡1 −2
El sistema queda (𝐴 − 𝐼)𝑉 = 0
0 −1 4 𝑥1 0
[3 1 −1] [𝑥2 ] = [0]
2 1 −2 𝑥3 0
Reduciendo por renglones la matriz aumentada

1
0 −1 ⁡⁡⁡4 0 𝑅2=⁡𝑅2+𝑅1 0 −1 4 0 𝑅2=3𝑅2 0 −1 4 0
[3 ⁡⁡1 −1 0]⁡⁡ →
𝑅3 =𝑅3 +𝑅1 ⁡⁡⁡[3 ⁡⁡0 3 0] ⁡⁡ → 1 ⁡⁡ [1 ⁡⁡0 1 0]
2 ⁡⁡1 −2 0 → 2 ⁡⁡0 2 0 𝑅3=3𝑅3 1 ⁡⁡0 1 0
→
𝑅3 =𝑅3 −𝑅2 0 −1 4 0 𝑅1↔𝑅2 1 0 1 0

→ [1 ⁡⁡⁡0 1 0] ⁡⁡⁡→ ⁡⁡ [0 −1 4 0]
0 ⁡⁡⁡0 0 0 0 0 0 0
31
DETERMINANTES
De donde 𝑥1 + 𝑥3 = 0⁡⁡ → ⁡⁡⁡ ⁡𝑥1 = −𝑥3
−𝑥2 + 4𝑥3 = 0⁡⁡ → ⁡⁡⁡⁡ 𝑥2 = 4𝑥3
𝑥3 = 𝑎𝑟𝑏𝑖𝑡𝑟𝑎𝑟𝑖𝑜
−1
Si 𝑥3 = 1⁡⁡ → 𝑥2 = 4 y 𝑥1 = −1 luego para 𝜆3 = 1; 𝑉3 = [⁡⁡⁡4 ]
⁡⁡⁡1
−1
𝐸1 = 𝑔𝑒𝑛 {( ⁡⁡4 )}
⁡⁡⁡1
EJEMPLO 18
3 −5
Calcular los valores y vectores propios de 𝐴 = [ ]
1 −1
Solución:
3−𝜆 −5
Se calcula 𝐴 − 𝜆𝐼 = ⁡ [ ]
1 −1 − 𝜆
3−𝜆 −5
𝑝(𝜆) = det(𝐴 − 𝜆𝐼) = ⁡ | |
1 −1 − 𝜆
𝑝(𝜆) = (3 − 𝜆)(−1 − 𝜆) + 5
𝑝(𝜆) = −3 − 3𝜆 + 𝜆 + 𝜆2 + 5
𝑝(𝜆) = 𝜆2 − 2𝜆 + 2
𝜆2 − 2𝜆 + 2 = 0 Se usa la fórmula cuadrática
−(−2) ± √(−2)2 − 4(1)(2)

𝜆=
2(1)
32
DETERMINANTES
2±√4−8 2±√−4 2±2𝑖 2(1±𝑖) 𝜆1 = 1 + 𝑖

𝜆= 2
=⁡
2
=
2
=
2
= 1±𝑖
𝜆2 = 1 − 𝑖
✓ Para 𝜆1 = 1 + 𝑖 el sistema será (𝐴 − 𝜆𝐼)𝑣 = 0 o sea [𝐴 − (1 + 𝑖)𝐼]𝑉 = 0
3 −5 1 0 3 −5 1+𝑖 0 2−𝑖 −5
𝐴 − (1 + 𝑖)𝐼⁡ = ⁡ [ ] − (1 + 𝑖) [ ] = ⁡⁡ [ ] ⁡⁡⁡ − [ ] =⁡[ ] ⁡
1 −1 0 1 1 −1 0 1+𝑖 1 −2 − 𝑖
Como se trata de una matriz 2x2 resolver el sistema es muy sencillo
[𝐴 − (1 − 𝑖)𝐼]𝑉 = 0
2−𝑖 −5 𝑥1 0
[ ]⁡[𝑥 ] = [ ]
1 −2 − 𝑖 2 0
(2 − 𝑖)𝑥1 − 5(𝑥2 ) = 0
𝑥1 + (−2 − 𝑖)𝑥2 = 0
De donde se obtiene: 𝑥1 = −(−2 − 𝑖)𝑥2
𝑥1 = (2 + 𝑖)𝑥2
Si 𝑥2 = 1 entonces 𝑥1 = (2 + 𝑖)𝑥2
𝑥1 = (2 + 𝑖)(1)
𝑥1 = 2 + 𝑖
2+𝑖
Entonces el vector propio será 𝑉1 = ( ) para 𝜆1 = 1 + 𝑖
1
33
DETERMINANTES
✓ Para 𝜆2 = 1 − 𝑖 el sistema será (𝐴 − 𝜆𝐼)𝑣 = 0 o sea [𝐴 − (1 − 𝑖)𝐼]𝑉 = 0
3 −5 1 0
𝐴 − (1 − 𝑖)𝐼⁡ = ⁡ [ ] − (1 − 𝑖) [ ]
1 −1 0 1
3 −5 1−𝑖 0
𝐴 − (1 − 𝑖)𝐼⁡ = ⁡ [ ]⁡− [ ] ⁡
1 −1 0 1−𝑖
2+𝑖 −5
𝐴 − (1 − 𝑖)𝐼⁡ = ⁡ [ ] ⁡
1 −2 + 𝑖
Como se trata de una matriz 2x2 resolver el sistema es muy sencillo
[𝐴 − (1 − 𝑖)𝐼]𝑉 = 0
2+𝑖 ⁡⁡−5 𝑥1 0
[ ] [𝑥 ] = [ ]
1 −2 + 𝑖 2 0
(2 + i)𝑥1 − 5𝑥2 = 0
𝑥1 + (−2 + 𝑖)𝑥2 = 0
De donde se obtiene 𝑥1 = −(−2 + 𝑖)𝑥2
𝑥1 = (2 − 𝑖)𝑥2
Si 𝑥2 = 1⁡⁡⁡⁡⁡𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠⁡⁡⁡⁡⁡⁡𝑥1 = (2 − 𝑖)(1)
𝑥1 = 2 − 𝑖
2−𝑖
Entonces el vector propio será 𝑉2 = ( ) para 𝜆2 = 1 − 𝑖
1
34
DETERMINANTES
ANEXO
Tarea formativa
35
DETERMINANTES
TAREA FORMATIVA
I. PARTE.
Calcule el determinante de las siguientes matrices:

a) Por el método de expansión por cofactores
b) Por el método de triangulación.
1 0 3
1) 𝐴 = [2 1 4]
1 0 −1
4 0 −1 0
2) 𝐵 = [ 2 1 0 5
]
0 3 4 0
−2 4 0 1
1 0 0 2
3) 𝐶 = [ 0 1 1 −1
]
0 −1 −2 1
6 1 1 0
II. PARTE.
Determine si la matriz dada es invertible. Si lo es calcule su inversa utilizando la Adjunta.
1 3 −2 1
1 3 −1 2
4) 𝐴 = [ ]
0 1 −1 4
2 6 1 2
1 6 2
5) 𝐵 = [−2 3 5]
7 12 −4
1 3 4
6) 𝐶 = [2 0 −4]
3 9 13
DETERMINANTES
III. PARTE.
Resuelva cada uno de los siguientes sistemas utilizando la inversa y la Regla de Cramer
7) 𝑥2 + 5𝑥3 = −1
𝑥1 + 2𝑥2 + 4𝑥3 = −1
3𝑥1 + 6𝑥2 + 6𝑥3 = −3
8) 𝑥 − 𝑦 + 𝑧 = 3
4𝑥 + 2𝑦 − 3𝑧 = 5
𝑥 + 𝑦 + 5𝑧 = 7
9) 𝐼1 + 𝐼2 + 𝐼3 + 𝐼4 =4
2𝐼1 − 3𝐼2 − 𝐼3 + 4 𝐼4 =7
−2𝐼1 + 4𝐼2 + 𝐼3 − 2 𝐼4 =1
5𝐼1 − 𝐼2 + 2𝐼3 + 𝐼4 = −1
10) 2𝐼1 + 5𝐼2 − 3𝐼3 − 2𝐼4 = 5

𝐼1 + 3𝐼2 − 2𝐼3 + 2 𝐼4 = 3
−2 𝐼1 − 3𝐼2 + 2𝐼3 − 5 𝐼4 = −2
−𝐼1 − 6𝐼2 + 4𝐼3 + 3𝐼4 = −7
IV. PARTE.
Muestre si 𝑉 es un vector propio de A, y encuentre el valor propio correspondiente.
−1 1 1
11) 𝐴= [ ] 𝑉=( )
6 0 −2
2 3 0 −3
12) 𝐴 = [4 −2 −1] 𝑉 = [ 4]
1 −1 4 7
3 1 0 0 0
13) 𝐴 = (−1 1 0 0
)
0
𝑉= [ ]
0 0 1 4 2
0 0 1 1 1
DETERMINANTES
V. PARTE.
Calcule los valores propios y los vectores propios de la matriz dada.
−2 −2
14) 𝐴= [ ]
−5 1
5 4 2
15) 𝐵 = (4 5 2)
2 2 2
1 0 0 0
0 1 0 0
16) D=( )
1 1 3 0
−2 1 2 −1
2 −1
17) 𝐹= ( )
5 −2
1 −1 −1
18) 𝐺 = (1 −1 0)
1 0 −1
3 2 4
19) 𝐻 = (2 0 2)
4 2 3
DETERMINANTES
BIBLIOGRAFÍA
Anton, H (2011). Introducción al Álgebra Lineal. Quinta edición. Editorial Limusa

Wiley. México.
Aranda, E. (2016). Álgebra lineal con aplicaciones y Python. Impreso por Lulu.com
Bernard, K. (2013). Álgebra Lineal. Fundamentos y Aplicaciones. Editorial Pearson.
Borobia, A y Estrada, B. (2015). Álgebra Lineal y Geometría Vectorial. Editorial Sanz

y Torres. España.
De Burgos, J. (2012). Matrices y Determinantes. García Maroto Editores. España.
Delgado G, M. y Delgado P, M. (2015). Algebra Lineal: Sistemas Matrices y

Vectores. Editorial Sanz y Torres. España.
Gamboa, J. (2004). Álgebra Matricial. Editorial Anaya. España.
Grossman, S. (2012). Álgebra Lineal. Editorial Mc Graw Hill. México.
Larson, R y Edwards, B. (2014). Cálculo, Tomo II. Editorial Cengage. Décima

Edición.
Leithold, L (1998). El Cálculo. Editorial Oxford. Séptima Edición.
Murray R., Spiegel, Lipschutz, S & Spellman, D. (2011). Análisis Vectorial. McGraw-
Hill Mexico.
Pool, D. (2011). Álgebra Lineal Una introducción Moderna. Segunda edición.

Ediciones Paraninfo. México.
William, G. (2002). Álgebra Lineal con Aplicaciones. Editorial Mc Graw-Hill. México.
39

Determinantes V Propios 2020

Cargado por

Información del documento

Título original

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 V Propios 2020

Cargado por

Copyright:

Formatos disponibles

DETERMINANTES

VALORES PROPIOS Y VECTORES PROPIOS

Profesora Benigna Fernández de Guardia

UNIVERSIDAD TECNOLÓGICA DE PANAMÁ

Por: Benigna E. Fernández de Guardia

Profesora Benigna Fernández de Guardia

DETERMINANTES. VALORES PROPIOS Y VECTORES PROPIOS…… 1

Profesora Benigna Fernández de Guardia

En estos apuntes se despliega el desarrollo del tema “Determinates. Valores

Se espera que estos apuntes representen un valioso recurso que contribuya a la

Profesora Benigna Fernández de Guardia

Determinantes. Valores propios y vectores propios.

1.1 Determinantes de segundo y tercer orden

Asociado a cada matriz cuadrada existe un número denominado determinante de

Con frecuencia, el determinante de una matriz 𝐴 se denota como |𝐴| ; 𝑑𝑒𝑡𝐴 ;

𝑎11 𝑎12 … 𝑎1𝑗 … 𝑎1𝑛

Entonces el determinante de 𝐴 es:

𝑎11 𝑎12 … 𝑎1𝑗 … 𝑎1𝑛

Cálculo del determinante de una matriz de orden 2.

Profesora Benigna Fernández de Guardia

Cálculo del determinante de una matriz de orden 3.

La Regla de Sarrus es un método que se utiliza para calcular el determinante de

+ a31 a32 a33 a31 a32

Profesora Benigna Fernández de Guardia

1.2 Determinantes de 𝒏 − é𝒔𝒊𝒎𝒐 orden

Cálculo del determinante de una matriz de orden n.

Se han estudiado algunos métodos para calcular el determinante de matrices de

1.2.1. Menor y cofactor

Sea 𝐴 una matriz cuadrada de orden 𝑛. Después de borrar o eliminar el renglón 𝑖

El cofactor 𝒊𝒋 de 𝐴, denotado por 𝐴𝑖𝑗 , está dado por: 𝐴𝑖 𝑗 = (−1)𝑖+𝑗 |𝑀𝑖𝑗 |

del menor y tomando en consideración los signos que antecede al determinante,

Profesora Benigna Fernández de Guardia

según la llamada “Regla del tablero de ajedrez”, con el signo

Determine el menor y el cofactor de los elementos 𝑎13 y 𝑎32 de

Luego, el Menor del elemento 𝑎13 es el determinante de 𝑀13 que es

El Cofactor del elemento 𝑎13 es

Profesora Benigna Fernández de Guardia

Luego, el Menor del elemento 𝑎32 es el determinante de 𝑀32 que es

1.2.2. Cálculo de determinantes por menores y cofactores

Para calcular el determinante de una matriz de orden 𝑛 se utiliza el método de

El determinante de una matriz de orden 𝑛 es la suma de los productos de los

Se observa que para esta definición se ha utilizado el primer renglón de 𝐴, pero se

Profesora Benigna Fernández de Guardia

Utilizando el primer renglón:

𝑑𝑒𝑡𝐴 = 4(0 + 0) − 3(0 + 0) + 1(−30 + 21)

Utilizando la tercera columna:

Profesora Benigna Fernández de Guardia

Utilizando la primera columna. (Puede utilizar cualquier columna o fila)

𝑑𝑒𝑡𝐹 = ⁡⁡1(⁡−1(72 − 24)⁡⁡ − ⁡⁡1(24 − 16)⁡⁡ + ⁡⁡2⁡(18 − 36⁡)

⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡+2(⁡3(24 − 16)⁡⁡ + ⁡⁡1⁡(40 − 8) ⁡ + ⁡⁡2⁡(20 − 6))

⁡⁡⁡−3⁡(3(18 − 36)⁡⁡ + ⁡⁡1(30 − 18)⁡⁡ + ⁡⁡1(20 − 6)⁡)

𝑑𝑒𝑡𝐹 = ⁡⁡1(⁡−1(48) − 1(8) + ⁡2⁡(−18)) + 2(⁡3(8)⁡ + 1⁡(32) + ⁡2⁡(14))

−3⁡(3(−18) + 1(12) + 1(14)⁡)

𝑑𝑒𝑡𝐹 = ⁡⁡1(−92) + 2(84) − 3(−28)

Profesora Benigna Fernández de Guardia

1.3. Propiedades de las determinantes

1. Si cualquier renglón o columna de 𝐴 es un vector cero, entonces 𝑑𝑒𝑡𝐴 = 0

𝑑𝑒𝑡𝐴 = 0 (porque 𝐴 tiene una columna de ceros)

2. Si 𝐴 tiene dos renglones o columnas iguales, entonces 𝑑𝑒𝑡𝐴 = 0

𝑑𝑒𝑡𝐴 = 0 (porque 𝑅1 = 𝑅4)

3. Si un renglón (columna) de 𝐴 es un múltiplo escalar de otro renglón (columna),

Profesora Benigna Fernández de Guardia

⁡−2 ⁡ ⁡⁡ 1 ⁡⁡⁡2 ⁡⁡⁡⁡4