Tema 3

DETERMINANTES,
VALORES PROPIOS Y
VECTORES PROPIOS
 1. Determinantes

Introduciremos a continuación el concepto de determinante asociado a una

matriz cuadrada.

El uso de determinantes nos permitirá:

■ Calcular la inversa de una matriz

■ Expresar la solución de un sistema de ecuaciones y
■ Determinar el rango de una matriz.

El determinante de una matriz cuadrada es un número obtenido de una

manera específica a partir de la matriz.

Este número (el determinante) suele simbolizarse por |A| , por det(A) o
escribiendo los elementos de la matriz entre dos barras verticales.

Llamamos orden de un determinante al orden de la matriz cuadrada asociada.

A continuación vamos a estudiar los determinantes de orden 2 y 3.

Determinantes de orden 2.
Definición: Para una matriz 2 x 2 se define el determinante de la matriz A, y
se expresa como det(A) o bien |A|, como el número:
a11 a12
det(A) = |A| = = a11 · a22 – a12 · a21
a21 a22
EJEMPLOS a)
1 3
=4+3=7
–1 4
–2 –3
b) = –10 + 6 = –4
2 5

a11 a12
A= a |A| = a11·a22 – a12·a21
21 a22
Producto a lo largo de la flecha roja menos
producto a lo largo de la flecha azul
Determinantes de orden 3. a11 a12 a13
Sea una matriz cuadrada de orden 3: A = a21 a22 a23
a31 a32 a33
Definimos el determinante de A como:
a11 a12 a13
|A| = a21 a22 a23 = a11 a22 a33 + a21 a32 a13 + a31 a12 a23 –
a31 a32 a33 – a13 a22 a31 – a23 a32 a11 – a33 a12 a21

EJEMPLO  1 0  2
 
Calcula el determinante de la matriz A 2 5 4 
 1 3  3
Aplicando la definición:  

|A| = – 15 – 12 +0 –10 – 12+0= – 49

La regla de Sarrus
Para recordar la expresión de un determinante de a11 a12 a13
orden 3, resulta de utilidad la regla de Sarrus. A = a21 a22 a23
El determinante de A se calcula mediante la resta a31 a32 a33
de dos expresiones obtenidas del siguiente modo:
Llamaremos sumandos positivos Llamaremos sumandos negativos
a los obtenidos al multiplicar: a los obtenidos al multiplicar:
 Los elementos de la diagonal  Los elementos de la diagonal
principal, a11· a22· a33. secundaria, a13· a22· a31.
 a12· a23· a31.  a12· a21· a33.
 a21· a32· a13.  a32· a23· a11.

Gráficamente:

Sumandos positivos Sumandos negativos

Y entonces, |A| = Sumandos positivos – Sumandos negativos.
 –2 4 5
EJEMPLO Calcula el determinante de la matriz: A = 6 7 –3
3 0 2

Sumandos positivos Sumandos negativos

(–2)·7·2 3·7·5
4·3·(–3) 0·(–2)·(–3)
6·5·0 6·4·2
Aplicando la regla de Sarrus:
|A| = –28 – 36 – 105 – 48 = –217
Duplicación de columnas o filas para matrices 3x3
Es otra regla para calcular determinantes de matrices 3x3 SOLAMENTE:
escribe las dos primeras columnas después de la tercera columna o escribe las
dos primeras filas después debajo de la tercera fila

a11 a12 a13 a11 a12 a13 a11 a12

A = a21 a22 a23 a21 a22 a23 a21 a22
a31 a32 a33 a31 a32 a33 a31 a32

Suma de productos a lo largo de las flechas rojas

menos suma de productos a lo largo de las flechas azules

|A| = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 –
– a13 a22 a31 – a11 a23 a32 – a12 a21 a33
Recuerda que este método y el anterior solamente se pueden aplicar a
matrices 3x3
EJEMPLO

2 4 –3 2 4 –3 2 4
A= 1 0 4 1 0 4 1 0
2 –1 2 2 –1 2 2 –1
0 –8 8 0 32 3

Determinante de la matriz A = |A| = 0+32+3+0+8–8 = 35

Determinantes de orden n.

Acabamos de ver que, a medida que el orden de un determinante aumenta,

su cálculo se complica. De hecho, a partir de orden 3 ni siquiera existen
reglas prácticas para recordar su expresión.

Lo que vamos a hacer es definir un determinante de orden n a partir de

otros de orden n – 1. Para ello, es preciso conocer previamente los
conceptos de menor complementario y de adjunto de un elemento de una
matriz.
 Menor complementario
Dada una matriz cuadrada A de orden n, definimos el menor complementario
de un elemento aij de A, como el determinante de la matriz que se obtiene al
suprimir la fila i y la columna j en la que se encuentra dicho elemento aij. Se
representa por Mij .
–2 4 5 los menores complementarios
EJEMPLO En la matriz A = 6 7 –3 de cada uno de los elementos
3 0 2 de la primera fila son:
Menor complementario
Menor complementario
de a11 = –2:
de a12 = 4: Menor complementario
–2 4 5 de a13 = 5:
6 7 –3 –2 4 5
3 0 2 6 7 –3 –2 4 5
3 0 2 6 7 –3
3 0 2
7 –3 6 –3
M11 = = 14 – 0 = 14 M12 = = 12 + 9 = 21
0 2 3 2 6 7
M13 = = 0 – 21 = –21
3 0
Y así sucesivamente.
 7 –3 6 –3 6 7
M11 = = 14 M12 = = 21 M13 = = –21
0 2 3 2 3 0

Adjunto de un elemento aij

Estrechamente ligado al concepto de menor complementario se encuentra el
de adjunto de una matriz.
Dada una matriz cuadrada A de orden n, definimos el adjunto de un elemento
aij de A como el número:
Aij = (–1)i+j ·Mij
es decir, no es más que el menor complementario correspondiente acompañado
de un signo más o menos dependiendo de la fila y la columna en la que se
encuentre el elemento en cuestión.
EJEMPLO Para la matriz anterior, los adjuntos de los elementos de la
primera fila son:
Adjunto de a11 = –2: A11 = (−1)1+1·M11 = 1·14 = 14
–2 4 5 (coincide con el menor complementario)
A = 6 7 –3 Adjunto de a12 = 4: A12 = (−1)1+2·M12 = (−1)· 21 = −21
3 0 2 (menor complementario con signo cambiado)
Adjunto de a13 = 5: A13 = (−1)1+3·M13 = 1·(−21) = −21
(coincide con el menor complementario)
En general puede saberse si el signo del menor complementario y del adjunto
coinciden o no utilizando una sencilla regla gráfica, por ejemplo, para matrices
3 x 3 y 4 x 4 basta fijarse en las matrices:

+ – + + – + –
– + – – + – +
+ – + + – + –
– + – +
donde el + significa que el adjunto coincide con el menor complementario y
el – indica que tienen signo contrario.
 EJEMPLO Halla el menor complementario y el adjunto de a33 y a12
2 4 –3
A= 1 0 4
2 –1 2

2 4 –3 2 4
Menor complementario de a33: M33 = =0–4=–4
A= 1 0 4 1 0
2 –1 2
Adjunto de a33: A33 = (–1)3+3 M33 = (–1)6 [–4] = (1)[–4]= – 4
a33
a12
1 4
2 4 –3 Menor complementario de a12: M12 = =2–8=–6
A= 1 0 4 2 2
2 –1 2 Adjunto de a12: A12 = (–1)1+2 M12 =(–1)3 [–6] = (–1)[–6]= 6
 Definición de determinante por recurrencia

Definición: Dada una matriz cuadrada A de orden n, se define su determinante

como la suma de los productos de los elementos de una línea cualquiera de la
matriz (fila o columna) por sus correspondientes adjuntos.

Se puede demostrar, aunque dicha demostración excede los contenidos del

curso, que el valor del determinante no depende de la fila o columna elegida
para calcularlo.

a11 a12 … a1n |A| = ai1·Ai1 + ai2·Ai2 + ··· + ain·Ain

a21 a22 … a2n (desarrollo por fila i)
|A| = … … … …
an1 an2 … ann |A| = a1j·A1j + a2j·A2j + ··· + anj·Anj
(desarrollo por columna j)
De este modo, un determinante de orden n se define a partir de n determinantes
de orden n – 1, cada uno de los cuales se define, a su vez, a partir de n – 1
determinantes de orden n – 2, y así sucesivamente, hasta llegar a determinantes
de orden dos o tres, cuyas expresiones ya conocemos.
EJEMPLO Resuelva el siguiente determinante:

2 –1 0
1 3 4
–1 5 0

Desarrollamos por la primera fila:

2 –1 0
3 4 1 4 1 3
1 3 4 = 2· + 1· + 0· = –36
5 0 –1 0 –1 5
–1 5 0
Desarrollamos por la tercera columna:
2 –1 0
1 3 2 –1 2 –1
1 3 4 = 0· + 4· + 0· = –36
–1 5 –1 5 1 3
–1 5 0
Desarrollando en primer lugar por la primera fila y en segundo lugar por la
tercera columna. Y así para cualquier otra línea.
EJEMPLO

Resuelva el siguiente determinante:

2 –1 1 2 –1 1 2 2 1 2 2 –1 2 2 –1 1
1 6 1 0 –1 –1 –1 3 +6 3 –1 3 –1 3 –1 3 + 0 3 –1 –1
3 –1 –1 3 = –1 0 1 2 0 1 2 –1 1 2 –1 0
2 –1 0 1
–3 5 –1 –1

= 3 + 30+ 1 +0

=34
 Propiedades de los determinantes
D1. El determinante de una matriz es igual al de su traspuesta.
|A| = |At|
Como consecuencia de esta propiedad D1, todas las demás propiedades
serán válidas tanto para filas como para columnas. Por ello, a partir de
ahora hablaremos en general de líneas.

D2. Si multiplicamos todos los elementos de una línea de un determinante

por un número, el determinante queda multiplicado por ese número.
a b c ka b c
|A| = d e f |B| = kd e f |B| = k·|A|
g h i kg h i
Ejemplo
5 1 0 10 1 0
|A| = 3 2 4 = 64 |B| = 6 2 4 = 128 |B| = 2·|A|
1 –3 0 2 –3 0
Esta propiedad, aplicada a la inversa, permite sacar fuera del determinante los
factores comunes, si los hay, de todos los elementos de una línea. Es decir:

ka b c a b c
NOTA:
kd e f =k d e f Si una matriz cuadrada A
kg h i g h i de orden n se multiplica
por un número k, el valor
Ejemplo de |A| queda multiplicado
por kn:
10 2 0 5·2 2 0 2 2 0
5 1 3 = 5·1 1 3 = 5 1 1 3 B = k·A  |B| = kn·|A|
20 0 2 5·4 0 2 4 0 2
D3. Si los elementos de una línea de una matriz se descomponen en dos
sumandos, su determinante es igual a la suma de los dos determinantes
obtenidos al considerar por separado cada sumando de esa línea, y el
resto de líneas iguales a las del determinante inicial.

a + a’ b c a b c a’ b c
d + d’ e f = d e f + d’ e f
g + g’ h i g h i g’ h i

Ejemplo

1+2 1 3 1 1 3 2 1 3
3+4 0 2 = 3 0 2 + 4 0 2
2+1 2 1 2 2 1 1 2 1
D4. Si permutamos dos líneas paralelas de una matriz cuadrada, su
determinante cambia de signo.

a b c b a c
|A| = d e f |B| = e d f
g h i h g i

|B| = – |A|

Ejemplo

1 0 2 0 1 2
|A| = 2 –3 1 = –3 |B| = –3 2 1 = 3
–1 1 0 1 –1 0
|B| = – |A|
D5. Si una matriz tiene dos líneas proporcionales, su determinante es cero.

a b c
|A| = d e f =0
kd ke kf
Ejemplo 1 2 1 1 2 1
|A| = 2 1 3 = 2 1 3 =0
3 6 3 3·1 3·2 3·1

D6. Si una matriz tiene dos líneas iguales, su determinante es cero.

Esta propiedad es consecuencia de la anterior con k = 1

a b c Ejemplo 1 5 1
|A| = a b c =0 |A| = 2 0 2 =0
g h i 4 5 4
D7. Si una matriz tiene una línea (fila o columna) de ceros, el
determinante vale cero.
Esta propiedad es evidente, puesto que por definición de determinante, basta
elegir dicha línea para desarrollar y el determinante será 0.

a b 0
|A| = d e 0 =0
g h 0
D8. Si una de las líneas de una matriz es combinación lineal de otras
líneas paralelas, su determinante es cero.

Esta propiedad se deriva de D3 y D5.

a b k1 a + k2 b a b k1 a a b k2 b
|A| = d e k1 d + k2 e = d e k1 d + d e k2 e = 0
g h k1 g + k2 h g h k1 g g h k2 h

D3 D5
Ejemplo

1 2 –4 1 2 2·1 + (–3)·2
|A| = 2 1 1 = 2 1 2·2 + (–3)·1 =0
–1 2 –8 –1 2 2·(–1) + (–3)·2
D9. Si a una línea de una matriz se le suma otra línea multiplicada por un
número, el determinante no cambia.

Esta propiedad permite utilizar un método más sencillo para calcular

determinantes de orden mayor que 3.

a b c a b c
|A| = d e f = d e f
g h i g + ka h + kb g + kc

Ejemplo

1 0 2 1 0 2 1 0 2
1 3 5 = 1 3 5 = 1 3 5
2 1 9 2 – 2·1 1 – 2·0 9 – 2·2 0 1 5
 1
D10. Si A tiene matriz inversa, A−1, se verifica que: det( A1 ) 
det( A)

D11. Si A es una matriz triangular, el determinante es el producto de los

elementos de la diagonal,

a b
0 d = ad
 Cálculo de determinantes con las propiedades
Las propiedades expuestas para determinantes de orden 3 son válidas
para determinantes de orden superior. En los siguientes ejemplos se
aplican a determinantes de orden 3.

1 a b+c
EJEMPLO Demostrar que: 1 b c+a =0
1 c a+b

Solución: Usando las propiedades:

C2 →C2 + C3
1 a b+c D9 1 a+b+c b+c D2 1 1 b + c D6
1 b c+a = 1 b+c+a c+a = (a + b + c) 1 1 c+a =0
1 c a+b 1 c+a+b a+b 1 1 a+b
EJEMPLO 2 –1 3
Calcular con las propiedades: 4 1 5
3 3 –2
Solución:
La idea consiste en aplicar las propiedades y transformar el determinante
hasta conseguir uno de forma triangular. f f +f
2→ 2 1
f3 →f3 + 3 f1
2 –1 3 C1  C2 –1 2 3 = –1 2 3
4 1 5 = – 1 4 5 – 0 6 8
3 3 –2 3 3 –2 0 9 7
Factor común
2 en f2 –1 2 3 f3 → f3 – 3f2 –1 2 3
= –2 0 3 4 = –2 0 3 4 = –30
0 9 7 0 0 –5
 Aplicación al cálculo de determinantes
Una estrategia a tener en cuenta en el caso de determinantes de orden 4 o
superior, o incluso de orden 3 si la matriz es compleja, es el método de “hacer
ceros”, puesto que el valor del determinante no varía al realizar a la matriz
ciertas transformaciones elementales en filas, como indican las propiedades, si
bien hemos de ser cuidadosos al aplicarlas.
Así pues la mejor forma de calcular un determinante es hacer ceros en una fila o
columna y desarrollar por dicha fila o columna, porque entonces sólo tendremos
que calcular un adjunto. Por ejemplo, si calculamos:

0 1 2 –3 F3 →F3 – 2·F2 0 1 2 –3 0 1 2 –3
F4 →F4 – 3·F2
1 3 2 –5 1 3 2 –5 1 3 2 –5
= =
2 4 3 1 0 –2 –1 11 0 –2 –1 11
3 –2 –8 1 3 –2 –8 1 0 –11 –14 16
Desarrollando por
la 1ª columna 1 2 –3
= 1· – –2 –1 11 = – (–16 – 242 – 84 +33 +154 + 64) = 91
–11 –14 16
 Hemos de tener especial cuidado al aplicar esta regla con determinantes, puesto
que no podemos hacer las mismas operaciones que con las matrices, lo que
puede confundir.
Por ejemplo, si queremos 1 2 3 mediante la regla de Sarrus es:
calcular el determinante: 0 1 2 = 5+16+0–12–2+0 = 7.
4 1 5
Si hacemos ceros en la primera columna, y desarrollamos nos debería dar lo
mismo. Ahora bien, podemos hacer cero el 4 de la primera columna con:
1 2 3 F3→F3 – 4F1 1 2 3
1 2
–7 –7 = –7 + 14 = 7
0 1 2 = 0 1 2 = lo que es correcto.
4 1 5 0 –7 –7

F1→4F1 – F3
Pero si queremos hacer 1 2 3 0 7 7
cero el 1 de la primera 7 7
1 2 = 4·(14 – 7) = 28
0 1 2 0 1 2 = 4·
columna sería un error
4 1 5 4 1 5
hacer:
No obtenemos lo mismo, porque hemos multiplicado la fila sustituida por un
número y eso altera el valor del determinante. Luego la fila a sustituir conviene
no multiplicarla, como en el primer ejemplo, puesto que si no nos damos
cuenta, podemos variar el valor del determinante.
Matriz adjunta
Dada la matriz cuadrada A, se llama “matriz adjunta” de A y se
representa adj (A), a la matriz que se obtiene al sustituir cada
elemento aij por su adjunto Aij.
2 –1 0
Por ejemplo en la matriz A= 1 3 4
–1 5 0

3 4 1 4 1 3
A11 = (–1)1+1. = –20 A12 = (–1)1+2. = –4 A13 = (–1)1+3. =8
5 0 –1 0 –1 5
–1 0
A21 = (–1)2+1. =0 A22 = 0 A23 = −9
5 0
A31 = −4 2 0 2 –1
A32 = (–1)3+2. = –8 A33 = (–1)3+3. =7
1 4 1 3

–20 –4 8
siendo la matriz adjunta Adj(A) Adj(A) = 0 0 –9
–4 –8 7
Calculo de la inversa de una matriz por la adjunta
Hay una estrecha relación entre la inversa de una matriz cuadrada y su
determinante.
Si recordamos la definición de un determinante por los elementos de una fila,
podemos construir la inversa de una matriz cuadrada A por los adjuntos.
A Adj(At) |A|·In
a11 a12 a13 A11 A21 A31 |A| 0 0
a21 a22 a23 · A12 A22 A32 = 0 |A| 0
a31 a32 a33 A13 A23 A33 0 0 |A|
Siendo Adj(At) la matriz adjunta de la traspuesta de A.
Como A·Adj(At) = |A|·In, si |A|  0 podemos dividir por |A|:

1
A–1 = · Adj(At)
|A|
De la expresión anterior se sigue que hay inversa cuando |A|  0.

 A–1  |A|  0
 EJEMPLO Calcular, si es posible, la inversa de la matriz 1 0 –1
A = 0 1 –3
1 0 –1 –1 1 0
En primer lugar |A| = 0 1 –3 = 0 + 0 + 0 – (1 – 3 + 0) = 2  0
–1 1 0
1 0 –1 y por tanto A tiene inversa.
At = 0 1 1
–1 –3 0 1 1 – 0 1 0 1
–3 0 –1 0 –1 –3
Calculamos Adj(At): 3 –1 1
0 –1 1 –1 1 0
Adj(At) = – –3 0 –1 0
–
–1 –3 = 3 –1 3
1 –1 1
0 –1 – 1 –1 1 0
1 1 0 1 0 1
Y entonces, se obtiene:
 3  1 1  32 1 1

 
2 2
1 1    A 1   32 1 3
2
A–1 = · Adj(At)  A 1   3  1 3 2

|A| 2   1 1 1 
 1  1 1   2 2 2
 3 –2 –1
EJEMPLO Hallar la inversa de la matriz A = –4 1 –1
2 0 1
Solución:
a) Se calcula |A| = 1  0  A−1 3 –4 2
b) Calculamos los adjuntos de la traspuesta: At = –2 1 0
–1 –1 1
1 0 –2 0 –2 1
At11 = –1 1 =1 At12 = – –1 1 = 2 At13 = –1 –1 = 3
–4 2 3 2 3 –4
A 21 = – –1
t
1 =2
t
A 22 = –1 1 = 5 A 23 = – –1 –1 = 7
t

–4 2 3 2 3 –4
At 31 = 1 0 = –2 At 32 = – –2 0 = –4 At 33 = –2 1 = –5

1 2 3 1 2 3
Adj(At) = 2 5 7 A–1 = 2 5 7
–2 –4 –5 –2 –4 –5
  Teorema de Rouche-Frobenius
En el tema anterior vimos como clasificar un sistema de ecuaciones con el
método de Gauss. Vamos a ver ahora una manera alternativa de clasificar
sistemas basada en el resultado conocido como teorema de Rouché-Frobenius.
Teorema de Rouché-Frobenius. Un sistema es compatible si y sólo si el
rango de A (la matriz del sistema) y el de A’ (la matriz ampliada), son
iguales:

Sistema compatible  rang(A) = rang(A’)

Determinado
r(A) = r(A’) = n Donde n es el
Compatible número de
r(A) = r(A’) incógnitas del
Indeterminado sistema
r(A) = r(A’) = r < n
Incompatible
r(A) < r(A’)
EJEMPLO Sea el sistema: x + y =1
my + z = 0
x + (1 + m)y + mz = m + 1
a) Discute el sistema según los diferentes valores del parámetro m.
b) Resuelve el sistema para m = 0.
Solución: 1 1 0
a) |A| = 0 m 1 = m2 – m = 0  m = 0 y m = 1
1 1+m m
► Caso m = 1
1 1 0 1 F3 F3 − F1 1 1 0 1 F3 F3 − F2 1 1 0 1 r(A) = 2
0 1 1 0 0 1 1 0 0 1 1 0 r(AM) = 3
1 2 1 2 0 1 1 1 0 0 0 1 S.I.
► Caso m = 0
1 1 0 1 1 1 0 1 r(A) = 2
F3 F3 − F1
0 0 1 0 0 0 1 0 r(AM) = 2
1 1 0 1 0 0 0 0 S.C.I.
Resolución de sistemas
 Método de la inversa.
La matriz inversa es útil como notación para expresar la solución de un
sistema de ecuaciones lineales.
Sea por ejemplo un sistema de tres ecuaciones con tres incógnitas:
a11 x + a12 y + a13 z = b1
a21 x + a22 y + a23 z = b2
a31 x + a32 y + a33 z = b3
Expresado en forma matricial queda:
a11 a12 a13 x b1
a21 a22 a23 · y = b2 A·X=B
a31 a32 a33 z b3
Si A es regular y tiene inversa A−1, multiplicando la ecuación anterior por la
izquierda, se tiene que,
A−1 · A · X = A–1 · B
y como A−1 · A = I
X = A–1 · B
 Regla de Cramer: sistema de dos ecuaciones con dos incógnitas

a11 x1 + a12 x2  b1
El sistema 
a21 x1 + a22 x2  b2
Se calcula :
a11 a12
D , con D  0
a 21 a 22
a11 b1
b1 a12
a 21 b2
b2 a 22 y
x D
D
Se observa que:

• El denominador de las soluciones es el determinante de la matriz de los coeficientes.

• Cada numerador es el determinante de la matriz obtenida al sustituir la correspondiente

columna de coeficientes por la los de términos independientes.
 Regla de Cramer: sistema de tres ecuaciones con tres
incógnitas
Sea el sistema
 a11 x + a12 y + a13 z  b1

a 21 x + a 22 y + a 23 z  b2
a x + a y + a z  b
 31 32 33 3

Se calcula :
a11 a12 a13
D  a 21 a 22 a 23 , con D  0
a 31 a 32 a 33

a11 b1 a13 a11 a12 b3

b1 a12 a13
a 21 b2 a 23 a 21 a 22 b2
b2 a 22 a 23
a 31 b3 a 33 a 31 a 32 b3
b3 a 32 a 33 y z
x , D
, D
D
Esta regla es válida para cualquier sistema de igual número de ecuaciones que de
incógnitas y se llama regla de Cramer.
 Regla de Cramer

Se dice que un sistema de n ecuaciones lineales con n incógnitas es

resoluble por Cramer o un sistema de Cramer, si la matriz del sistema, A,
es regular (tiene inversa).
Observa que los sistemas de Cramer son siempre compatibles determinados,
puesto que al ser A regular, se cumple que:
rang(A) = rang(A’) = n

Si, en la ecuación X = A–1·B, sustituimos A−1 por su expresión mediante la

matriz adjunta se obtiene
 x1  A A21 A31  An1   b1 
  1  11   
 x2    A12 A22 A32  An 2   b2 

   A      
x  A  Ann   bn 
 n  1n A2 n A3n

y para todo i, b1 A1i + b2 A2i + .....+ bn Ani

xi 
A
 Regla de Cramer

b1 A1i + b2 A2i + .....+ bn Ani

xi 
A
se puede expresar como el determinante de la matriz A cambiando la
columna i−ésima por los términos independientes, es decir

a11 a12 … b1 … a1n

a21 a22 … b2 … a2n
… … … … … …
an1 an2 … bn … ann
xi = 1in
|A|

Observa que para aplicar la regla de Cramer es necesario que |A|  0

EJEMPLO Resolver por la regla de Cramer el sistema

3x − y + z = 7
x + 3y − 2z = 0
2x + 2y − z = 2
Solución: En primer lugar comprobamos
3 –1 1
|A| = 1 3 –2 = 2  0
2 2 –1

7 –1 1 3 7 1 3 –1 7
0 3 –2 1 0 –2 1 3 0
2 2 –1 5 2 2 –1 7 2 2 2
x= = y= =– z= =–4
2 2 2 2 2
 La Regla de Cramer es la aplicación generalizada para n incógnitas del
método de los determinantes

Para resolver ordenamos el sistema y lo clasificamos

 x + 5 y + 4z + w  0  x + 5 y + 4z + w  0 Sistema de 4
 x + 3 y + 2 z + w  1  x + 3 y + 2 z + w  1 ecuaciones con
 
  4 incógnitas
z  w
  0x + 0 y + z + w  0 conformamos cada uno
 3 x + y  w  5 z + 1  3 x + y + 5 z  w  1 de los determinantes
1 5 4 1 0 5 4 1 1 0 4 1

1 3 2 1 1 3 2 1 1 1 2 1
 x  y 
0 0 1 1 0 0 1 1 0 0 1 1

3 1 5 1 1 1 5 1 3 1 5 1
1 5 0 1 1 5 4 0
1 3 1 1 1 3 2 1
z  w 
0 0 0 1 0 0 1 0
3 1 1 1 3 1 5 1
 Y resolvemos cada uno de los determinantes

Aplicando el método del desarrollo por los elementos de una línea

1 5 4 1 Vamos a desarrollar por los elementos de la

tercera fila (porque tendrá dos factores nulos)
1 3 2 1
 Elevamos (-1) a la suma del orden fila y columna del
0 0 1 1 elemento que reemplazamosmultiplicamos por el elemento
que reemplzamos (0 en el primer caso) y luego por el
3 1 5 1 determinante que resulta de suprimir la fila y la columna
que contiene el elemento “elegido”

5 4 1 1 4 1 1 5 1 1 5 4
  +0  3 2 1  0   1 2 1 + 1  1 3 1  1  1 3 2
1 5 1 3 5 1 3 1 1 3 1 5

Los dos primeros términos son factores por 0, por lo que no es necesario operar,
sabemos que esos resultados son 0

  0 + 0 + 1( 4 )  128 
  32
 Resolvemos x por el desarrollo de los elementos de un línea

Vamos a desarrollar por los elementos de la

0 5 4 1 tercera fila (porque tendrá dos factores nulos)
1 3 2 1
x  Los dos primeros términos son factores por 0, por lo que
0 0 1 1 no es necesario operar, sabemos que esos resultados son 0
1 1 5 1

0 5 1 0 5 4
5 4 1 0 4 1
 1  1 3 2
x  +0 3 2 1  0   1 2 1 + 1  1 3 1
1 5 1 1 5 1 1 1 1 1 1 5

 0 + 0 + 1( 4 )  119 

x  23
 Resolvemos y por el desarrollo de los elementos de un línea

Vamos a desarrollar por los elementos de la

1 0 4 1
tercera fila (porque tendrá dos factores nulos)
1 1 2 1
y  Los dos primeros términos son factores por 0, por lo que
0 0 1 1
no es necesario operar, sabemos que esos resultados son 0
3 1 5 1

0 4 1 1 4 1 1 0 1 1 0 4
 y  +0   1 2 1  0   1 21 + 1  1  1 1  1  1  1 2
1 5 1 3 5 1 3 1 1 3 1 5

 0 + 0 + 1( 2 )  11
y  1
 Resolvemos z por el desarrollo de los elementos de un línea

1 5 0 1
Vamos a desarrollar por los elementos de la
tercera fila (porque tendrá dos factores nulos)
1 3 1 1
z 
0 0 0 1 Los tres primeros términos son factores por 0, por lo que
no es necesario operar, sabemos que esos resultados son 0
3 1 1 1

5 0 1 1 0 1 1 5 1 1 5 0
z  +0  3  1 1  0   1  1 1 + 0   1 3 1  1  1 3 1
1 1 1 3 1 1 3 1 1 3 1 1

 0 + 0 + 0  1( 6 )

z  6
 Resolvemos w por el desarrollo de los elementos de un línea

Vamos a desarrollar por los elementos de la

1 5 4 0 tercera fila (porque tendrá dos factores nulos)
1 3 2 1
w  Los dos primeros términos y el último son factores por 0,
0 0 1 0 por lo que no es necesario operar, sabemos que esos
3 1 5 1 resultados son 0

1 4 0 1 5 0 1 5 4
5 4 0
w  +0  3 2  1  0   1 2  1 + 1  1 3  1  0   1 3 2
1 5 1 3 5 1 3 1 1 3 1 5

w  0 + 0 + 1( 6 )  0

w  6
 x  23 23 y 1 1
x    y   
  32 32   32 32

z 6 6 w 6 6
z    w   
  32 32   32 32

Verificamos los resultados

 23 1 6 6
+ 5  (  ) + 4  (  ) + 0
 x + 5y + 4z + w  0  32 32 32 32
 
 x + 3y + 2z + w  1  23 1 6 6
 
 32 + 3  (  ) + 2 (  ) +  1
  32 32 32
 0x + 0y + z + w  0 
 0  ( 23 ) + 0  (  1 ) + (  6 ) + 6  0
 3x + y + 5z  w  +1  32 32 32 32

 3  23 + (  1 ) + 5  (  6 )  6  1
 32 32 32 32
 DEFINICIÓN
Autovalores y autovectores

Sea A una matriz n  n. Un número  se dice

que es un autovalor de A si existe una solución
vector K, distinto de cero para:
AK = K
El vector solución K es el autovector
correspondiente al autovalor .

Los autovalores de una matriz triangular,

inferior o superior, o de una matriz diagonal son
los elementos de la diagonal.
• Podemos escribir AK = K como:

(A – I)K = 0
Que es lo mismo que un sistema de ecuaciones lineales
homogéneo. Si queremos que K sea una solución distinta de cero,
debería ocurrir que:

det (A – I) = 0
Observa que det (A – I) nos proporcionará un polinomio de
grado n, que llamaremos ecuación característica.
Encuentra los autovalores y autovectores de:

 1 2 1
 
A   6 1 0 (A – I)K = 0
  1  2  1
 
1  2 1
det( A  I )  6 1  0 0
1 2 1 

–3 – 2 + 12 = 0
Ahora encontraremos los
 ( + 4) ( – 3) = 0 autovectores para cada
 = 0, −4, 3. autovalor.
(i) 1 = 0 (A – 1I)K = 0

 1 2 1 0  FF2 3 6FF1 1++FF3 2

1 2 1 0
   
( A + 0I | 0 )   6 1 0 0   0  13  6 0 
 1  2  1 0  0 
  0 0 0 
F2   1 13 F2  1 2 1 0  F1 2 F2 + F1  1 0 1 13 0 
   
 0 1 13 0    0 1 13 0 
6 6

0 0 0 0  0 0 0 0 
  

1 6
k1   k3 , k2   k3
13 13
 1
 
Tomando k3 = −13 K1   6 
  13 
 
(ii) 2 = −4
 5 2 1 0
 
( A + 4I | 0 )   6 3 0 0
 1  2 3 0
(A – 2I)K = 0  
F3   F3 F  6 F + F
F1  F3  1 2  3 0  F32.5 F11+ F32 1 2  3 0
   
 6 3 0 0   0  9 18 0 
5 2   0  8 16 0 
 1 0   

F2   1 9 F2 F1  2 F2 + F1
F3   1 8 F3  1 2  3 0 F3  2 F2 + F3 1 0 1 0
   
 0 1  2 0   0 1  2 0 
0 1  2 0  0 0 0 0 
  

  1
 
k1 = −k3 , k2 = 2k3. Tomando k3 = 1: K2   2
 1
 
(iii) 3 = 3 (A – 3I)K = 0

 2 2 1 0 1 0 1 0
   
( A  3I | 0)   6  4 0 0  0 1 3
2 0
 1  2  4 0  0 0 0 0 
  
k1 = – k3, k2 = –(3/2) k3. Y tomando k3 = –2,

 2
 
K 3   3
  2
 
Encuentra los autovalores y autovectores de:

 3 4
A 
 1 7
3 4
det( A  I )   (  5) 2  0
1 7

1 = 2 = 5 es un autovalor de multiplicidad 2.
A partir de (A – 5I|0), tenemos:  2k1 + 4k2  0
Tomando k2 = 1, tenemos  k1 + 2k2  0
k1 = 2, y entonces  2
K1   
1
Encuentra los autovalores 9 1 1
 
y autovectores de: A  1 9 1
1 1 9
 

9 1 1
det( A  I )  1 9 1  (  11)(  8)  0
2

1 1 9

1 = 11, 2 = 3 = 8 (multiplicidad 2).

(i) 1 = 11, por el método de Gauss-Jordan:

 2 1 1 0  1 0 1 0
   
( A  11I | 0)   1  2 1 0  0 1 1 0
 1   0 0 0 0
 1 2 0   

k1 = k3, k2 = k3. Si k3 = 1, entonces:

 1
 
K 1   1
 1
 
(ii) 2 = 8,

1 1 1 0   1 1 1 0
   
( A  8I | 0)3  1 1 1 0   0 0 0 0
1 1 1 0  0 0 0 0
   
k1 + k2 + k3 = 0. Podemos elegir dos de ellos de manera
arbitraria. Tomemos k2 = 1, k3 = 0:
  1
 
Y k2 = 0, k3 = 1: K 2   1,
 0
  1  
 
K3   0
 1
 
 Autovalores y autovectores complejos
Sea A una matriz cuadrada de elementos reales.
Si  =  + i,   0, es un autovalor complejo de A,
entonces su conjugado     i es también un
autovalor de A.
Si K es un autovector correspondiente a , entonces
el autovector conjugado K es un autovector
correspondiente a .
Encuentra los autovalores
 6  1
y autovectores de: A 
 5 4
6 1
det( A  I)   2  10 + 29  0
5 4
1  5 + 2i , 2  1  5  2i (A – 1I)K = 0
1 = 5 + 2i (1  2i )k1  k2  0
5k1  (1 + 2i )k2  0

k2 = (1 – 2i) k1, tomando k1 = 1:  1 

K1   
1  2i 
 1 
2  1  5  2i, K 2  K1   
1 + 2i 