Clases de Determinantes 2013-I

ALGEBRA LINEAL LIC.
JESUS RULE FLORES CRUZ 1

DETERMINANTES

Introduccin.
El determinante es un nmero que est asociado a toda matriz cuadrada.
(No existe el determinante de una matriz que no sea cuadrada). Solamente nos
vamos a interesar por cmo se calcula dicho nmero y qu aplicaciones tiene.

Determinante de A se puede escribir de dos formas:
A determinante de A (no lo confundan con el signo del valor absoluto de
un nmero real)
Det(A) Esta se utiliza a veces en lugar de A para evitar la confusin.

1.- Determinante de una matriz cuadrada de orden 1
Una matriz es de primer orden cuando nicamente tiene un solo elemento y
| |
11
a A = y definimos la determinante de A como
11
a A = .

2.- Determinante de una matriz cuadrada de orden 2 y de orden 3.

Determinante de una matriz de orden 2.
Sea una matriz cuadrada de orden 2:
|
|
.
|
\
|
=
22 21
12 11
a a
a a
A Se llama determi-
nante de la matriz A al nmero real obtenido de la siguiente forma:
21 12 22 11
22 21
12 11
a . a a . a
a a
a a
= = A

es decir, la diferencia entre los productos cruzados de sus elementos. El valor
obtenido se denota tambin por det(A).

Ejemplo: 14 ) 2 .( 1 4 . 3
4 1
2 - 3
= =

Determinante de una matriz de orden 3
Sea una matriz cuadrada de orden 3:
|
|
|
.
|
\
|
=
33 32 31
23 22 21
13 12 11

a a a
a a a
a a a
A Se llama determi-
nante de la matriz A al nmero real obtenido de la siguiente forma:
33 32 31
23 22 21
13 12 11

a a a
a a a
a a a
A =
11 22 33 12 23 31 13 21 32 31 22 13 23 32 11 33 21 12
. . . . . . . . . . . . A a a a a a a a a a a a a a a a a a a = + +

Ejemplo:
367 ) 2 .( 4 . 10 1 . 8 . 6 ) 7 .( 5 . 3 8 . 4 . 3 ) 7 .( 6 ). 2 ( 10 . 5 . 1
10 8 7 -
6 5 4
3 2 - 1
= + + =

Para recordar la definicin de determinante de tercer orden, se utiliza la regla
de Sarrus:

ALGEBRA LINEAL LIC. JESUS RULE FLORES CRUZ 2
3.- Propiedades generales de los determinantes.

A continuacin vamos a enunciar una serie de propiedades que cumplen los
determinantes de una matriz cuadrada, independientemente del orden que ten-
gan.

1) El determinante de una matriz no vara si se cambian filas por colum-
nas, es decir, el determinante de una matriz es igual al determinante de su
matriz traspuesta.
Det(A) = Det(A
t
)

2) Si una matriz tiene una fila nula, su determinante es 0.
11 12 1
1 2
1 2
0
0 0 0
n
i i in
n n nn
a a a
a a a
a a a
=

0
0 0 0
3 1 2
5 2 1
=
3) El determinante de una matriz diagonal es igual al producto de los
elementos de la diagonal principal:

abc
a
=
c 0 0
0 b 0
0 0
.

4) Si se intercambian entre si dos filas o dos columnas el determinante
cambia de signo
11 12 1
1 2
1 2
1 2
n
n
n
n n nn
a a a
x x x
y y y
a a a
=
11 12 1
1 2
1 2
1 2
n
n
n
n n nn
a a a
y y y
x x x
a a a

) , , ( ) , , (
3 1 2 3 2 1
A A A Det A A A Det =

Ejemplo:
1 2 2 -
0 2 5
1 - 1 3
1 2 - 2
0 5 2
1 - 3 1
= como puede comprobarse.

5) Si un determinante tiene dos filas o dos columnas iguales su valor es
cero.

11 12 1
1 2
1 2
1 2
0
n
n
n
n n nn
a a a
x x x
x x x
a a a
=
Ejemplo: 0
1 2 - 2
1 - 3 1
1 - 3 1
= como puede comprobarse.

6) Si se multiplica una fila o columna por un nmero el determinante
queda multiplicado por dicho nmero.
11 12 1
1 2
1 2
n
n
n n nn
a a a
kx kx kx
a a a
11 12 1
1 2
1 2
n
n
n n nn
a a a
k x x x
a a a
=

) , , ( . ) , , (
3 2 1 3 2 1
A A A Det k A A kA Det =

7) Si un determinante tiene dos filas o columnas proporcionales su valor
es cero:

0 ) , , ( . ) , , (
3 1 1 3 1 1
= = A A A Det k A kA A Det

8) Si una fila o columna puede descomponerse en suma de otras dos, en-
tonces:

11 12 1
1 1 2 2
1 2
n
n n
n n nn
a a a
x y x y x y
a a a
+ + + =
11 12 1
1 2
1 2
n
n
n n nn
a a a
x x x
a a a
11 12 1
1 2
1 2
n
n
n n nn
a a a
y y y
a a a
+
por ejemplo, si la columna 1 en una matriz de 3x3 es A
1
= B + C, en-
tonces:
( ) ( ) ( )
1 2 3 2 3 2 3 2 3
( , , ) , , , , , , Det A A A Det B C A A Det B A A Det C A A = + = +

9) Si a una fila o columna se le suma una combinacin lineal de las res-
tantes, el valor del determinante no vara.
11 12 1
1 1 2 2
1 2
1 2
n
n n
n
n n nn
a a a
x kx x kx x kx
y y y
a a a
+ + +
11 12 1
1 2
1 2
1 2
n
n
n
n n nn
a a a
x x x
y y y
a a a
=

) , , ( ) , , (
3 2 3 2 1 3 2 1
A A A A A Det A A A Det | o + + =

10) Si una fila o columna es combinacin lineal de las restantes, el valor
del determinante es cero, y viceversa.
0 0 0 ) , , ( ) , , ( ) , , (
2 2 1 1 2 1 2 1 2 1
= + = + = + A A A Det A A A Det A A A A Det | o | o

11) El determinante del producto de dos matrices es igual al producto de
sus determinantes: B A B A =
12) Una matriz cuadrada A es regular si, y solamente si, ( ) det 0 A = .

4.- Determinantes de orden mayor que 3.
Previamente, vamos a definir dos conceptos que nos servirn para cal-
cular el determinante de una matriz cuadrada de orden mayor que 3.

Definicin:
Dada una matriz cuadrada de orden n y uno de sus elementos a
ij
, se llama me-
nor complementario de dicho elemento, y se representa
ij
o o M
ij
, al determi-
nante de la matriz que resulta de suprimir la fila i y la columna j.
Ejemplo: Dada la matriz
|
|
|
.
|
\
|
=
4 1 2
3 0 1 -
0 2 1
A , el menor complementario del ele-
mento a
23
=3 se calcula de la siguiente forma:
3 4 1
1 2
2 1
4 1 2
3 0 1
0 2 1
23
= = = = M
Definicin:
Dada una matriz cuadrada de orden n y uno de sus elementos a
ij
, se llama Ad-
junto de
ij
a
y se representa por A
ij
al menor complementario precedido del
signo + o segn que i + j sea par o impar. O tambin:
( 1)
i j
ij ij
A a
+
=

Ejemplo:
|
|
|
.
|
\
|
=
4 1 2
3 0 1 -
0 2 1
A
Entonces, el adjunto del elemento a
23
=3 ser 3 ) 3 (
1 2
2 1
) 1 (
3 2
23
= = =
+
A .
Y el adjunto del elemento a
22
=0 ser 4
4 2
0 1
) 1 (
2 2
22
= =
+
A .
Una vez definidos estos dos conceptos, vamos a enunciar un teorema muy im-
portante, pues nos va a permitir calcular el determinante de una matriz cuadra-
da de orden mayor que 3:

Teorema:
El determinante de una matriz es igual a la suma de los productos de una
columna o fila multiplicados por sus correspondientes adjuntos.

Es decir, si
11 12 1
21 22 2
1 2
..........
..........
A
..........................
..........
n
n
n n nn
a a a
a a a
a a a
| |
|
|
=
|
|
\ .
y nos fijamos, por ejemplo, en los elementos
de la fila 2, se verifica:
n n
A a A a A a A
2 2 22 22 21 21
........ . + + + =

(Nota: Podamos haber elegido otra fila o cualquier columna).

Por tanto, para calcular el determinante de una matriz cuadrada de or-
den mayor que 3, basta multiplicar los elementos de una fila o columna
por sus adjuntos correspondientes.

Ejemplo:
Vamos a calcular el determinante de la siguiente matriz
|
|
|
|
|
.
|
\
|
=
0 1 - 1 1
1 0 1 - 2
0 1 0 1
1 1 0 1
A
Para ello nos fijamos en cualquier fila o cualquier columna (a la hora de la
verdad, es ms prctico seleccionar una fila o columna que tenga muchos ce-
ros ya que nos ahorra muchos clculos). En nuestro caso, hemos elegido la
columna 2 y hemos aplicado el teorema:
= = + + + = + + +
= +
12 12 22 22 32 32 42 42 12 22 32 42
32 42
-1 0 1 1
1 0 1 0
A a A a A a A a A 0A 0A (-1)A 1A
2 - 1 0 1
1 1 - 1 0
(-1)A 1A

Por tanto, todo se reduce a calcular
42 32
A y A

2 ) 2 (
0 1 - 1
0 1 1
1 1 1 -
) 1 (
0 1 - 1 1
1 0 1 - 2
0 1 0 1
1 1 0 1
2 3
32
= = =
=
+
A

4 ) 4 (
1 0 2
0 1 1
1 1 1 -
) 1 (
0 1 - 1 1
1 0 1 - 2
0 1 0 1
1 1 0 1
2 4
42
= + = =
=
+
A

Luego tendremos:

6 4 2 ) 4 ( 1 2 ) 1 ( 1 ) 1 (
0 1 - 1 1
1 0 1 - 2
0 1 0 1
1 1 0 1
42 32
= = - + - = + =
= A A A

Cuando tenemos que calcular el determinante de una matriz que no tenga ce-
ros, lo ideal es transformarla en otra que s los tenga ya que el determinante no
se ver afectado pero realizaremos antes el clculo.

Ejemplo:
En este caso, tendramos que desarrollar por la lnea que queramos pero deber-
amos hallar siempre cuatro adjuntos de orden 3.

Sin embargo, haciendo uso de la propiedad 9 de los determinantes (Si a una
fila o columna se le suma una combinacin lineal de las restantes, el valor del
determinante no vara), podemos obtener otra matriz cuyo determinante es
ms sencillo de calcular.

y ahora ya desarrollamos por los elementos
de la fila 3 por lo que solo tendremos que
calcular el adjunto A
34

(Nota: En general, el clculo de un determinante de cualquier orden se puede
reducir al de un determinante de un orden inferior, desarrollndolo por los
elementos de una fila o columna. As, por ejemplo, el clculo de un determi-
nante de orden 4 se puede reducir al clculo de, a lo sumo, cuatro determinan-
tes de orden 3)

5.- Aplicaciones de los determinantes.

Aunque otras de las aplicaciones de los determinantes las vamos a ver en el
siguiente tema, aqu vamos a destacar dos aplicaciones de los determinantes
que son:
- Clculo de la matriz inversa de una matriz cuadrada
- Clculo del rango de una matriz cualquiera
- Regla de Cramer

Clculo de la matriz inversa de una matriz cuadrada a travs de determinan-
tes.

Vamos a ver como podemos calcular la inversa de una matriz cuadrada
ayudndonos de los determinantes. Pero previamente vamos a definir el con-
cepto de matriz adjunta.
Definicin: Dada una matriz cuadrada A, llamamos matriz adjunta de A,
y la representamos por adj(A) a la matriz formada por los adjuntos de la
matriz A.
|
|
|
|
|
.
|
\
|
=
nn n n
n
n
A A A
A A A
A A A
adjA
...
... ... ... ...
...
...
2 1
2 22 21
1 12 11

Ejemplo:
2 3 3 1
1 3 3 1
1 5 1 1
2 2 1 1
2 3 3 1
1 0 0 0
1 5 1 1
2 2 1 1
2 3 3 1
1 3 3 1
1 5 1 1
2 2 1 1
1
4 3 3

=
= f f f
6
3 3 1
5 1 1
2 1 1
) 1 )( 1 ( ) 1 (
2 3 3 1
1 0 0 0
1 5 1 1
2 2 1 1
2 3 3 1
1 3 3 1
1 5 1 1
2 2 1 1
4 3
34
1
4 3 3
= = =

+
=
=
A
f f f


Los adjuntos de los nueve elementos de A son:

Por tanto, la matriz adj A ser:
|
|
|
.
|
\
|

=
3 2 1
3 7 11
6 4 17
adjA
Proposicin: Para toda matriz cuadrada A, se verifica que
A (adj A)
t
= (adj A)
t
A = |A| I
Si A es una matriz de orden n, entonces
( )
det 0 0 0
0 det 0 0
(det ) 0 0 det 0
0 0 0 det
t
A
A
A adjA A I A
A
| |
|
|
| = =
|
|
|
\ .

Tomemos

|
|
|
|
|
|
.
|
\
|
=
nn 2 n 1 n
n 2 22 21
n 1 12 11
a a a
a a a
a a a
A
,
entonces la transpuesta de la matriz adjunta de A ser

11 21 1
12 22 2
1 2
n
n
n n nn
A A A
A A A
A A A
| |
|
|
|
|
\ .

donde
ij
A es el cofactor de
ij
a (i,j=1,...n) multiplicado por (-1)
i+j
.
Como ( ) ( ) A adjA detA I
t
= , y de ah si detA 0 = , obtenemos

( )
det
t
n
A adjA
I
A
= .
Es decir, ( )
1
1
det
t
A adjA
A
= .
Ejemplo:
Sea

|
|
|
|
.
|
\
|
=
7 5 3
1 1 0
3 4 2
A

Para determinar si A es o no inversible, calculamos su determinante.

0 3 10 9 12 14
7 5 3
1 1 0
3 4 2
A det = = + = =
,

por lo que A es inversible
Podemos calcular adjAdeterminando previamente los
ij
A . As tenemos que
( )
12 13 7
3 5 2
3 2 2
t
adjA
| |
|
=
|
|
\ .
.
De donde se obtiene que

|
|
|
|
|
|
.
|
\
|

=
|
|
|
|
.
|
\
|
3
2
3
2
1
3
2
3
5
1
3
7
3
13
4
2 2 3
2 5 3
7 13 12
3
1
A
1
.
Puede comprobarse con la matriz anterior:
|
|
|
.
|
\
|

=
5 1 2
2 3 0
1 2 1
A en la que
15 = A
A (adj A)
t
I A
15 0 0
0 15 0
0 0 15
3 3 6
2 7 4
1 11 17
5 1 2
2 3 0
1 2 1
=
|
|
|
.
|
\
|
=
|
|
|
.
|
\
|

|
|
|
.
|
\
|

Es decir, el producto de la matriz A por la traspuesta de su adjunta, nos
da la matriz identidad I multiplicada por el determinante de A.

Esta proposicin es muy interesante ya que si |A| = 0, podemos con-
cluir que:
I
A
adjA
A
t
=
) (
por tanto,
t
adjA
A
A ) (
1
1
=

Resumiendo, para calcular la matriz inversa se siguen los siguientes pasos:
1. Se halla el determinante de la matriz A. Si es cero no existe inversa.
2. Se hallan los adjuntos de la matriz dada, para obtener la matriz adj A
3. Se forma la matriz traspuesta de la matriz adjunta.
4. Se divide la matriz obtenida por el determinante de A.

Ejemplo:

1.- Hallamos su determinante.

Puesto que es distinto de 0, tiene inversa.
2.- Ahora calculamos la matriz adjunta. Hay que calcular los adjuntos de
todos sus elementos. Sabemos, por haberlo hallado anteriormente, que
dicha matriz es:
|
|
|
.
|
\
|

=
3 2 1
3 7 11
6 4 17
adjA
3.- Calculamos su traspuesta:

|
|
|
.
|
\
|

=
3 3 6
2 7 4
1 11 17
) (
t
adjA
4.- Por ltimo, dividimos por el determinante de A:

|
|
|
|
|
|
|
|
.
|
\
|

=
|
|
|
.
|
\
|
= =
15
3
15
3
15
6
15
2
15
7
15
4
15
1
15
11
15
17
3 3 6
2 7 4
1 11 17
15
1
) (
1
1 t
adjA
A
A

Clculo del rango de una matriz mediante el uso de los determinantes.

Recordemos la propiedad 10 de los determinantes

Si una fila o columna es combinacin lineal de las restantes, el valor del
determinante es cero, y viceversa.

Esto se traduce en, si las filas de una matriz cuadrada son linealmente
dependientes entonces el determinante es cero.

O tambin, si las filas de una matriz cuadrada son linealmente inde-
pendientes su determinante es distinto de cero.
Esto se resume en
A 0 las filas de A son linealmente dependientes
A 0 las filas de A son linealmente independientes
=
=

Por tanto ya sabemos si una matriz cuadrada de orden n tiene o no rango
n: basta ver si su determinante es 0 o no lo es.

Aprovechando esto, vamos a dar otra definicin de rango que nos permita
hacer uso de los determinantes. Pero antes de nada, vamos a dar una serie de
definiciones y recordar ciertos conceptos.

Definicin: Dada una matriz A de orden n m , llamaremos menor de or-
den r al determinante de una submatriz cuadrada de orden r extrada de
A (Nota: n r y m r s < s < 0 0 )

Ejemplo:
Sea la matriz
|
|
|
.
|
\
|
=
6 8 - 13 0
0 10 1 - 6
1 - 3 2 1
A
Un menor de orden 1 ser cualquier nmero de la matriz: 1, 2, -1,
Un menor de orden 2 sera
1 - 6
2 1
. Hay muchos ms menores de orden 2.
Un menor de orden 3,
8 - 13 - 0
10 1 - 6
3 2 1

(Lo que no podemos extraer ser un menor de orden 4)


Definicin: Orlar un menor es formar otro menor de orden una unidad
superior tomando una fila ms y una columna ms de las que forman el
menor inicial. Al menor obtenido se le llama menor orlado.

Ejemplo
En el caso de la matriz anterior,
|
|
|
.
|
\
|
=
6 8 - 13 0
0 10 1 - 6
1 - 3 2 1
A
En este caso un menor de orden 2 era
1 - 6
2 1

Al orlarlo, obtenemos un menor de orden 3, por ejemplo
6 13 - 0
0 1 - 6
1 - 2 1
(le hemos
aadido la tercera fila y la cuarta columna)

Proposicin: Si B es una submatriz de A, entonces Rg(A) >Rg(B)
Es decir, teniendo en cuenta que la matriz
|
|
.
|
\
|
=
1 6
2 1
B es una submatriz de
|
|
|
.
|
\
|
=
6 8 - 13 0
0 10 1 - 6
1 - 3 2 1
A , entonces Rg(A) >Rg(B). Y, puesto que el rango de B es 2,
estamos diciendo que el de A, al menos tambin es 2.
Con estas definiciones estamos en condiciones de definir el rango de una ma-
triz de la siguiente forma:
Definicin: El rango de una matriz es el mximo orden de sus menores no
nulos.

O lo que es lo mismo, una matriz tendr al menos rango n siempre que
exista un menor de orden n distinto de 0.
Veamos como se procede en la prctica:

Ejemplos:
a) Sea la matriz A una matriz de orden tres. Hallar el rango (A).

Antes de nada, hay que indicar que como A es una matriz cuadrada de
orden tres, como mximo el rango (A) puede valer 3.
Veamos si al menos tiene rango 2. Para ello ser necesario encontrar un
menor de orden 2 que sea distinto de cero.

Ya que el resultado es cero, probaremos con todas las submatrices de A
de orden 2 hasta encontrar una cuyo determinante no sea cero. Si no en-
contramos ninguna, el rango (A) = 1.

Puesto que el resultado de calcular el determinante de esta submatriz de
A no es nulo, podemos afirmar de momento que el rango (A) > 2.

Ahora, orlamos el menor anterior aadiendo una columna y una fila ms
para ver si el rango puede ser tres:

Dado que el determinante de A no es nulo y a su vez es de orden tres, el
rang(A)=3
Debemos indicar que para poder calcular el rango de una matriz, sta,
no necesariamente tiene que ser cuadrada. Vemoslo con un ejemplo:

Ejemplos:
b) Calcular el rango de la matriz B

Est claro que su rango mximo es 3. Falta confirmar si verdaderamente
lo es o tal vez es menor que 3.

Como hay una determinante de orden dos no nulo, el rango de la matriz
B es mayor o igual que 2. Calculamos a continuacin los determinantes
de orden superior:

Probamos con un segundo determinante de orden tres:

As pues, como hay un determinante de orden tres que no es nulo, el
rang(B)=3

Aplicacin del clculo matricial a los sistemas de ecuaciones lineales
Regla de Cramer:
Un sistema de ecuaciones se tiene que es de Cramer, si y slo si, verifica lo
siguiente:
i. Tiene igual nmero de ecuaciones y de incgnitas.
ii. La matriz A de los coeficientes tiene determinante no nula.
Preposicin
Un sistema de Cramer siempre tiene solucin nica.
Demostracin
Consideremos, la representacin matricial del sistema de ecuaciones.
Ax b = .
Donde:
1 1
,
n n n n
A K x K y b K

e e e
Como
1 1 1
0 / . A A A A A A I

= - = =

Se sabe que
( )
1
1
det
t
A adjA
A
= ..(1)
Multiplicamos por
1
A
se tiene:
1 1 1
. . .

= = A Ax A b x A b .(2)
Remplazando (1) en (2), se tiene:
1
11 12 1 1
2 2 21 22
1 2 2
1
t
n
n
i
n n n n
n
x
A A A b
A b A A
x x
A
b A A A
x
| |
| | | |
|
| |
|
| |
|
= =
| |
|
| |
|
\ . \ .
|
\ .

Operando, se tiene:
( )
1 1 2 2
1
... = + + +
i i i n ni
x b A b A b A
A

11 12 1 1
2 21 22 2
1 2
1
, 1, 2, 3,...,
n
i
n
i
n n n nn
columnai
a a b a
A
a a a b
x i n
A A
a a b a
= =

PROBLEMAS DIVERSOS
Problema 1. Consideremos la matriz:

3 6 5 9
1 1 2 4
1 2 3 7
A
| |
|
=
|
|
\ .

Evidentemente ( ) 3 rg A s , las distintas submatrices cuadradas de A de orden
3 tienen todas determinante cero:

3 6 5 3 6 9 3 5 9 6 5 9
1 1 2 0; 1 1 4 0; 1 2 4 0; 1 2 4 0
1 2 3 1 2 7 1 3 7 2 3 7
= = = =

As pues ( ) 2 rg A s , considerando ahora submatrices cuadradas de orden 2
obtenemos una submatriz con determinante nulo:

3 6
0
1 1
=
Luego ( ) 2 rg A = .
El clculo del rango por este mtodo es til, sobre todo cuando se trata de
calcular el rango de un matriz dependiendo de algn parmetro en ella y se
aplica a la discusin de sistemas de ecuaciones dependientes de parme-
tros.

Problema 2. Consideremos el sistema:

2 1
2 2
2 3
x y z
x y z
x y z
+ + =
+ + =
+ + =

la matriz de coeficientes es:
2 1 1
1 2 1
1 1 2
A
| |
|
=
|
|
\ .

Cuyo determinante es ( ) det 4 0 A = = .Por lo tanto A es regular y se trata de
un sistema de Cramer.
la solucin nica se calcula por:
( )
1 1 1
1 1 1
2 2 1 . 2
4 4 2
3 1 2
x = = =

1 1 1
1 1 1
1 2 1 .2
4 4 2
1 3 2
y = = =

2 1 1
1 1 3
1 2 2 .6
4 4 2
1 1 3
z = = =
Problema 3.
Para el siguiente sistema de ecuaciones lineales se pide: transformar el sis-
tema en un sistema escalonado, discutirlo y resolver el sistema si tiene so-
lucin.

2 2
1 2 3
1 2 3
3 5
2 3 7
4 5 2 10
x x
x x x
x x x
=
+ =
+ =

Resolucin.
El sistema tiene matriz ampliada:
( )
0 1 3 5
2 3 1 7
4 5 2 10
A B
| |
|
=
|
|
\ .

haciendo transformaciones elementales de filas:
0 1 3 5
2 3 1 7
4 5 2 10
| |
|
|
|
\ .
~f
0 1 3 5
2 3 1 7
0 1 0 4
| |
|
|
|
\ .
~f
2 3 1 7
0 1 3 5
0 1 0 4
| |
|

|
|
\ .
~f
3 1 7
1
2 2 2
0 1 3 5
0 1 0 4
| |
|
|

|
|

|
\ .
~f
3 1 7
1
2 2 2
0 1 0 4
0 1 3 5
| |
|
|
|
|

|
\ .
~f
3 1 7
1
2 2 2
0 1 0 4
0 0 3 9
| |
|
|
|
|

|
\ .
~f
3 1 7
1
2 2 2
0 1 0 4
0 0 1 3
| |
|
|
|
|
|
\ .
~f
1 5
1 0
2 2
0 1 0 4
0 0 1 3
| |

|
|
|
|
|
\ .
~f
1 0 0 1
0 1 0 4
0 0 1 3
| |
|
|
|
\ .

As pues, el sistema de partida es equivalente al sistema:

1
2
3
1
4
3
x
x
x
=

Que es compatible determinado con solucin:
1 2 3
1, 4, 3 x x x = = = . Para
terminar, comprobemos el resultado, viendo si realmente estos valores de
1 2 3
, , x x x satisfacen las ecuaciones:
( )
( )
4 3.3 5
3. 1 3.4 3 7
4. 1 5.4 2.3 10
=
+ =
+ =

Problema 4

Para el siguiente sistema de ecuaciones lineales se pide: transformar el sis-
tema en un sistema escalonado, discutirlo y resolver el sistema si tiene so-
lucin.

2 2
1
2 2 2
x y z
y z
x z
+ + =
+ =
+ =

Resolucin.
El sistema tiene matriz ampliada:

( )
1 1 2 2
0 1 1 1
2 0 2 2
A B
| |
|
=
|
|
\ .

Calculemos la forma de Hermite de
( )
A B :
1 1 2 2
0 1 1 1
2 0 2 2
| |
|
|
|
\ .
~f
1 1 2 2
0 1 1 1
0 2 2 2
| |
|
|
|

\ .
~f
1 1 2 2
0 1 1 1
0 0 0 0
| |
|
|
|
\ .
~f
1 0 1 1
0 1 1 1
0 0 0 0
H
| |
|
=
|
|
\ .

Asi, el sistema de partida es equivalente al sistema escalonado reducido:

1
1
x z
y z
+ =
+ =

Este sistema es compatible indeterminado, puesto que hay una incgnita
libre z que puede tomar cualquier valor. Las incgnitas principales son x e
y, y la solucin general del sistema viene dada por:
1 , 1 , x y z = = =

Problema 5.

Dadas las matrices A,B Y C, comprobar que AB=AC.

1 3 2
2 1 3
4 3 1
A
| |
|
=
|
|

\ .
1 4 1 0
2 1 1 1
1 2 1 2
B
| |
|
=
|
|
\ .
2 1 1 2
3 2 1 1
2 5 1 0
C
| |
|
=
|
|

\ .

Concluir que la igualdad AB = AC no implica necesariamente B = C.
Resolucin
1 3 2
. 2 1 3
4 3 1
AB
| |
|
=
|
|

\ .
1 4 1 0
2 1 1 1
1 2 1 2
| |
|
|
|
\ .
3 3 0 1
1 15 0 5
3 15 0 5
| |
|
=
|
|

\ .

1 3 2
. 2 1 3
4 3 1
AC
| |
|
=
|
|

\ .
2 1 1 2
3 2 1 1
2 5 1 0
| |
|

|
|

\ .
3 3 0 1
1 15 0 5
3 15 0 5
| |
|
=
|
|

\ .

Luego AB = AC a pesar de que B C = , Razonemos el motivo: para numero
reales de la igualdad ab = ac con 0 a = se deduce que b= c multiplicando
ambos trminos de la igualdad por
1
a
. La diferencia en el caso de matrices
estriba en que no toda matriz no nula tiene inversa. Si A fuese regular, en-
tonces de AB=AC se podra deducir B=C multiplicando por A
-1
. Lo que
ocurre en el caso que se nos presenta es. Evidentemente, que A no es regu-
lar.

PROBLEMA 6.
Demostrar las siguientes propiedades para una matriz regular ( )
n
A K M e :
1.
( )
1
1
A A
=

2.
( )
1
1
1
rA A
r

= para cada 0 r R c =
3.
( ) ( )
1
1
p
p
A A

= , siendo p un nmero entero y positivo.
Resolucin
1.
1 1
AA A A I

= = luego A es inversa de
1
A
, es decir, A
( )
1
1
A

= .
2. ( )
1 1 1
1 1
rA A r AA AA I
r r

| |
= = =
|
\ .
y ( )
1 1 1
1 1
A rA rA A A A I
r r

| |
= = = =
|
\ .
,luego
1
1
A
r

es inversa rA, es decir
1
1
A
r

( )
1
rA

= .
3.
( )
1 ) 1 ) 1
p
p p p
A A A AA A I

= = , ya que en cada momento queda en
el centro el producto
1
AA I
= .

Problema 7.
Probar que si A es una matriz regular, entonces:
1. A simtrica
1
A
simtrica.
2. A antisimtrica
1
A
antisimtrica.
Resolucin
Si A es simtrica, entonces
( ) ( )
1
1 1
t
t
A A A

= = y por consiguiente, tambin
1
A
es simtrica.
Si Aes antisimtrica
( ) ( ) ( )
1
1
1 1
t
t
A A A A

= = = y por tanto
1
A
es anti-
simtrica. En ambos casos, el reciproco se obtiene usando que
( )
1
1
A A

= .

Problema 8.
Probar que el producto de matrices triangulares superiores (resp. Inferio-
res) es una matriz triangular superior (resp. Inferior). Deducir una frmula
para las potencias de una matriz diagonal.
Resolucin.
Consideremos dos matrices triangulares superiores:
( )
,
ik
i k
A a c = m
m
( ) k ,
( )
,
ik
k j
B b c = m
m
( ) k

entonces

( )
,
ij
i j
AB c c = m
m
( ) k

donde

1 1 ij i j ij ij ii ij in nj
c a b a b a b a b = + + + + + +
Si i > j ,
ij
c se obtiene de la fila i-esima de Aen la cual los primeros 1 i ele-
mentos son cero y de la columna j-esima de B en la cual son cero los lti-
mos n j elementos por ser AyBtriangulares superiores. As pues:

1 2
0. 0. 0. 0 .0 0
ij j j ij ii in
c b b b a a = + + + + + + + =
Con lo cual, tambin C es triangular superior. Para matrices triangulares in-
feriores se razona de forma enteramente similar. Como consecuencia de
ambas afirmaciones se obtiene que el producto de dos matrices diagonales
es una matriz diagonal, ya que una matriz es diagonal si es simultneamen-
te triangular superior y triangular inferior.
Es fcil comprobar que si A es una matriz diagonal:


1
2
0 0
0 0
0 0
n
d
d
A
d
| |
|
|
=
|
|
\ .

entonces las potencias de A se obtienen por:

1
2
0 0
0 0
0 0
k
k
k
k
n
d
d
A
d
| |
|
|
=
|
|
|
\ .

Problema 9.
Dados las matrices
1 2 1 0
0 1 1 1
1 2 1 2
1 1 0 1
A
| |
|
|
=
|
|
\ .

1 0 0 1 1 0 0 0
0 1 0 0 0 1 0 0
.
0 0 1 1 0 0 1 0
0 0 0 0 1 1 0 0
H C
| | | |
| |
| |
= =
| |
| |
\ . \ .

se pide: Calcular una matriz regular Q tal que QA = H. Calcular una matriz
regular P tal que AP = C. Son H y C equivalentes? por qu?
Resolucin.
Si existe Q regular de forma que QA = H, entonces A es equivalente por fi-
las a H y puesto que H es escalonada reducida por filas, ha de ser H la for-
ma normal de Hermite de A. As pues, reduciendo la matriz ( A\ I ) obten-
dremos ( H \ Q):
1 2 1 0 1 0 0 0
0 1 1 1 0 1 0 0
1 2 1 2 0 0 1 0
1 1 0 1 0 0 0 1
| |
|
|
|
|
\ .
~f
1 2 1 0 1 0 0 0
0 1 1 1 0 1 0 0
0 0 2 2 1 0 1 0
0 1 1 1 1 0 0 1
| |
|
|
|
|

\ .
~f
1 2 1 0 1 0 0 0
0 1 1 1 0 1 0 0
0 0 2 2 1 0 1 0
0 0 0 0 1 1 0 1
| |
|
|
|

|
\ .
~f
1 2 1 0 1 0 0 0
0 1 1 1 0 1 0 0
1 1
0 0 1 1 0 0
2 2
0 0 0 0 1 1 0 1
| |
|
|
|

|
|
|
\ .
~f

1 2 1 0 1 0 0 0
1 1
0 1 0 0 1 0
2 2
1 1
0 0 1 1 0 0
2 2
0 0 0 0 1 1 0 1
| |
|
|
|
|
|
|
|
\ .
~f
1 1
1 2 0 1 0 0
2 2
1 1
0 1 0 0 1 0
2 2
1 1
0 0 1 1 0 0
2 2
0 0 0 0 1 1 0 1
| |
|
|
|
|
|
|

|
|
\ .
~f

3 1
1 0 0 1 2 0
2 2
1 1
0 1 0 0 1 0
2 2
1 1
0 0 1 1 0 0
2 2
0 0 0 0 1 1 0 1
| |

|
|
|
|
|
|

|
|
\ .

luego la matriz:

3 1
2 0
2 2
1 1
1 0
2 2
1 1
0 0
2 2
1 1 0 1
Q
| |

|
|
|
|
=
|
|
|
|
\ .

Verifica que QA = H. Comprobmoslo:

3 1
2 0
2 2
1 1
1 0
2 2
1 1
0 0
2 2
1 1 0 1
QA
| |

|
|
|
|
=
|
|
|
|
\ .
1 2 1 0
0 1 1 1
1 2 1 2
1 1 0 1
| |
|
|
|
|
\ .
1 0 0 1
0 1 0 0
0 0 1 1
0 0 0 0
H
| |
|
|
= =
|
|
\ .

Ahora hemos de hacer lo mismo pero por columnas; si la forma de Hermi-
te por columnas de A es C, entonces transformamos
A
I
| |
|
\ .
en
C
P
| |
|
\ .
:

1 2 1 0
0 1 1 1
1 2 1 2
1 1 0 1
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
| |
|
|
|
|
|
|
|
|
|
|
|
\ .
~c
1 0 0 0
0 1 1 1
1 0 2 2
1 1 1 1
1 2 1 0
0 1 0 0
0 0 1 0
0 0 0 1
| |
|
|
|
|
|

|
|
|
|
|
\ .
~c
1 0 0 0
0 1 0 0
1 0 2 2
1 1 0 0
1 2 1 2
0 1 1 1
0 0 1 0
0 0 0 1
| |
|
|
|
|
|
|

|
|
|
|
|
\ .
~c


1 0 0 0
0 1 0 0
1 0 1 0
1 1 0 0
1
1 2 1
2
1
0 1 0
2
1
0 0 1
2
0 0 0 1
| |
|
|
|
|
|
|

|
|
|
|
|
|
|
|
\ .
~f
1 0 0 0
0 1 0 0
0 0 1 0
1 1 0 0
3 1
2 1
2 2
1 1
1 0
2 2
1 1
0 1
2 2
0 0 0 1
| |
|
|
|
|
|
|

|
|
|
|
|
|
|
|
\ .

luego la matriz:

3 1
2 1
2 2
1 1
1 0
2 2
1 1
0 1
2 2
0 0 0 1
P
| |

|
|
|
|
=
|
|
|
|
\ .

Verifica AP C = . Comprobmoslo:

1 2 1 0
0 1 1 1
1 2 1 2
1 1 0 1
AP
| |
|
|
=
|
|
\ .
1 1
2 1
2 2
1 1
1 0
2 2
1 1
0 1
2 2
0 0 0 1
| |

|
|
|
|
|
|
|
|
\ .
1 0 0 0
0 1 0 0
0 0 1 0
1 1 0 0
C
| |
|
|
= =
|
|
\ .

Las matrices H y C son equivalentes puesto que ambas tienen rango 3.
Tambien puede verse que son equivalentes por el siguiente razonamiento:
de H a A se puede pasar por transformaciones de filas y de A a C por
transformaciones de columnas, luego C puede obtenerse de H por trans-
formaciones de filas y columnas y por tanto son equivalentes.
Problema 10.
Calcular los determinantes de Vandermonde:

3
2 2 2
1 1 1
V a b c
a b c
=
1 2 3
2 2 2 2
1 2 3
1 1 1 1
1 2 3
1 1 1 1
n
n n
n n n n
n
a a a a
V a a a a
a a a a

=
Resolucin.
3
2 2 2
1 1 1
V a b c
a b c
=
2 2 2 2
1 1 1
0
0
b a c a
b a c a
=

2 2 2 2
b a c a
b a c a

=

( )( ) ( )( ) ( )( )( ) ( )( )( )
2 2 2 2
b a c a c a b a b a c a c a c a b a c a = = + +
( )( ) ( ) ( ) ( )( )( ) b a c a c a b a b a c a c b = + + = (

Por el caso general, no es difcil probar induccin que:


( )
n i j
i j
V a a
>
=
[

Problema 11.
Una matriz cuadrada
( )
n
AeM es independiente si verifica
2
A A = . Razo-
nar que una matriz idempotente distinta de la identidad no puede ser regu-
lar.
Resolucin.
Sea A idempotente, entonces
2
A A = , si A fuese regular existira
1
A
y
multiplicando la igualdad
2
A A = por
1
A
se obtendra
1 2 1
A A A A

= , es de-
cir A I = . As pues si A I = es idempotente, entonces A no puede ser regu-
lar.
Problema 12.
Discutir el siguiente sistema de ecuaciones en funcin del parmetro que
aparece:

1
1
1
ax y z
x ay z
x y az
+ + =
+ + =
+ + =

Resolucin.
La matriz de coeficiente y la matriz ampliada del sistema son respectiva-
mente:
( )
2
1 1 1 1 1
1 1 , \ 1 1
1 1 1 1
a a
A a A B a a
a a a
| | | |
| |
=
| |
| |
\ . \ .

Empecemos calculando el rango de A; el determinante Avale:

3
1 1
1 1 3 2
1 1
a
A a a a
a
= = +

Descomponiendo en factores lineales por el mtodo de Ruffini:
( ) ( ) ( )
2
3
det 3 2 1 2 A a a a a = + = +
Se tiene que el determinante de Avale cero si, y slo si, 1 a = o 2 a = . Te-
nemos tres casos:
En el caso en que 1, 2 a = se tiene ( ) 3 rg A = .
En el caso 1 a = la matriz queda:

1 1 1
1 1 1
1 1 1
A
| |
|
=
|
|
\ .

que evidentemente tiene rango 1.
Por ltimo, en el caso 2 a = se tiene:

2 1 1
1 2 1
1 1 2
A
| |
|
=
|
|
\ .

que tiene rango 2.
En resumen:
1 Caso
1, 2 a = ( ) 3 rg A =
2 Caso 1 a =
( ) 1 rg A =
3 Caso 2 a =
( ) 2 rg A =

Veamos cunto vale el rango de ( ) A B en cada uno de estos casos:
Caso 1: En este caso, evidentemente ( ) 3 rg A =

Caso 2: En este caso la matriz ampliada es:

( )
1 1 1 1
1 1 1 1
1 1 1 1
A B
| |
|
=
|
|
\ .

que tiene rango 1.

Caso 3: En este caso la matriz ampliada queda:
( )
2 1 1 1
1 2 1 2
1 1 2 4
A B
| |
|
=
|
|
\ .

cuyo rango es 3 puesto que tiene una submatriz de orden 3 con determi-
nante no nulo:

1 1 1
2 1 2 9 0
1 2 4
= =

Podemos ahora completar nuestro cuadro usando el Teorema de
Rouch-Frobenius:

1 Caso
1, 2 a = ( ) 3 rg A =
( ) 3 rg A =
Sistema compatible determinado
2 Caso 1 a =
( ) 1 rg A =
( ) 1 rg A =
Sistema compatible determinado
3 Caso 2 a =
( ) 2 rg A =
( ) 3 rg A =
Sistema Incompatible

Problema 13.
Uso de la regla de Cramer para resolver un sistema de tres ecuaciones
lineales.
= +
= +
=
0 5 2
1 3
3 2
z x
z y
z x

Hallar la determinante D
( ) ( )( ) ( )( ) | | | | 9 4 5 1 2 2 5 1 1
5 2
2 1
1
5 0 2
3 1 0
2 0 1
= + = =
(

=

= D
Hallar la determinante
x
D
( ) ( ) ( )( ) ( )( ) | | ( )| | 15 0 15 1 2 0 5 3 1
5 0
2 3
1
5 0 0
3 1 1
2 0 3
= = =
(

=
(
(
(

=
x
D
y
D
( ) ( ) ( ) ( )( ) ( )( ) | | ( ) ( )( ) ( )( ) | |
( )| | ( )| | 27 22 5 2 9 2 0 5 1
2 1 3 3 2 3 0 5 1 1
3 1
2 3
2
5 0
3 1
1
5 0 2
3 1 0
2 3 1
= + = + +
= + =
(

+
(
+ =
(
(
(

=
y
D

z
D

( ) ( ) ( )( ) ( )( ) | | ( )| | 6 6 0 1 3 2 0 1 1
0 2
3 1
1
0 0 2
1 1 0
3 0 1
= = =
(
=
(
(
(
=
z
D
Respuesta:
3
2
9
6
, 3
9
27
,
3
5
9
15
=
= = =
= = =
= =
D
D
z
D
D
y
D
D
x
z
y
x

PROBLEMAS PROPUESTOS

I. Calcular las siguientes determinantes
4 2 5 1
4 1 0 1
2 1 1 1
1 0 1 2

4 1 1 1 1
1 4 1 1 1
1 1 4 1 1
1 1 1 4 1
1 1 1 1 4

1 12 123 1234
2 23 234 2341
3 34 341 3412
4 41 412 4123

x a b c d
a x b c d
a b x c d
a b c x d
a b c d x

1 2 3 4 5
2 2 3 4 5
3 3 3 4 5
4 4 4 4 5
5 5 5 5 5

II. Utilizando determinantes, calcular el rango de las siguientes matrices:

1 1 1
1 2 1 0
2 1 7
2 4 2 8 ;
0 1 2
1 0 1 2
1 0 3
| |
| |
|
|
|
|
|
|

|
\ .
\ .

III. Utilizando determinantes hallar, cuando exista, la inversa de cada una de
las matrices dadas:

1 2 3 4 1 2 3 1
2 3 5 2 1 3 3 2
;
3 5 1 1 2 4 3 3
1 1 5 7 1 1 1 1
| | | |
| |
| |
| |
| |
\ . \ .

IV. Aplicando la regla de Sarrus, comprobar que:

1.
2 7 1
6 4 3
1 2 8

= 425
2. 1
1 - 2 3
2 - 3 5
1 - 2 4
=

3. 20
81 25 16
9 5 4
1 1 1
=

4. 3abc - c3 b3 a3
a c b
b a c
c b a
+ + =
V. Calcular los determinantes de las siguientes matrices, reduciendo-
primero la matriz a una matriz triangular superior.
5.
(
(
(
(
1 - 1 0 1
0 1 1 0
1 0 1 0
1 1 - 0 2
{Rp. 2}
6.
(
(
(
(
0 1 - 2 3
3 1 - 0 2
1 4 2 1
2 1 2 1 -
{Rp. -128}
7.
(
(
(
(
2 - 4 3 2 -
2 - 4 - 3 3
1 - 0 3 - 0
6 - 8 6 4
{Rp. -72}
8.
(
(
(
(
4 2 - 0 1
5 2 1 - 4
3 6 0 2
1 3 - 4 1
{Rp. 275}
VI. Calcular los determinantes de n-simo orden por reduccin a la
forma triangular.

9.
3 ... 2 2 2
. . . . . . . .
2 ... 3 2 2
2 ... 2 3 2
2 ... 2 2 3
{Rp. 2n+1}
10.
n ... 2 2 2
. . . . . . . .
2 ... 3 2 2
2 ... 2 2 2
2 ... 2 2 1
{Rp. -2(n-2)!}
11.
n n 2 1
n 2 1 1
n 2 1 1
n 2 1
b a ... a a 1
. . . . . . . . . . . .
a ... b a a 1
a ... a b a 1
a ... a a 1
+
+
+

{Rp. b
1
b
2
b
3
...b
n
}
12.
x x ... x x 1
x x ... x x 1
. . . . . . . . . . . .
x x ... x x 1
x x ... x x 1
x x ... x x 1
1 - n 2 1
n 2 1
n 1 - n 1
n 1 - n 2
n 1 - n 2 1

{Rp.(x-x
1
)...(x-x
n)
}
13.
a ... 0 0 0
. . . . . . . . . . . . . .
0 ... a a - 0
0 ... 0 a a -
1)h - (n a ... 2h a h a a + + +

Rp. (1/2)na
n-1
[2a+(n-1)h]}
14.
x a - ... a - a - a -
. . . ... . . . . .
a a ... x a - a -
a a ... a x a -
a a ... a a x

{Rp. (1/2)[(x+a)
n
+(x-a)
n
]}
15.
n
n 1 - n
3 2
2 1
1
b - 1 1 - 0 0 0 0
b b - 1 ... 0 0 0 0
. . . . . . . . . . . . . . .
0 ..... b b - 1 1 - 0
0 ..... 0 b b - 1 1 -
0 ..... 0 0 b 1
{Rp. 1}
16.
a ... 0 0 1
. . . . . . . .
0 ... a 0 1
0 ... 0 a 1
1 ... 1 1 0
n

Rp. -a
1
a
2
...a
n
(1/a
1
+ 1/a
2
+ ... + 1/a
n
)}
17.
x 1 - 0 ... 0 0 0
0 0 1 - ... 0 0 0
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
0 0 0 ... x 1 - 0
0 0 0 ... 0 x 1 -
1 2 3 ... 2 - n 1 - n n

18.
1 ... 3 - n 2 - n 1 - n n
. . . . . . . . . . . . .
. . . . . . . . . . . . .
3 - n ... 1 2 3 4
2 - n ... 2 1 2 3
1 - n ... 3 2 1 2
n ... 4 3 2 1

{Rp. (-1)
n-1
2
n-2
(n+1)}
19.
a 1 1 ... 1 1 1
a - a ... 0 0 0
. . . . . . . . . . . . .
0 0 ... a - a 0
0 0 ... 0 a - a
n
n 1 - n
3 2
2 1
+

{Rp. a
1
a
2
...a
n
(1 + 1/a
1
+ 1/a
2
+ ... + 1/a
n
)}
20.
x 1 - ... 0 0 0 0
0 x ... 0 0 0 0
. . . . . . . . . . . .
0 0 ... 0 0 x 1 -
n 1 - n ... 4 3 2 1

21.
0 ... a a a a 1
. . . . . . . . . . . . .
a a ... 0 a a 1
a a ... a a 0 1
1 ... 1 1 0
2 n 1 n
n 1 1 2
n 1 2 1
+ +
+ +
+ +

22.
1 ... x x x x 1
. . . . . . . . . . . .
3 - n ... 2 1 x x 1
2 - n ... 3 2 1 x 1
1 - n ... 4 3 2 1 1
n ... 5 4 3 2 1

{Rp. (-1)
n-1
x
n-2
}
23.
1 ... x x x x
. . . . . . . . . .
. . . . . . . . . .
3 - n ... 1 x x x
2 - n ... 2 1 x x
1 - n ... 3 2 1 x
n ... 4 3 2 1
{Rp. (-1)
n-1
x
n-2
}
24.
x C ... C C 1
. . . . . . . . . . . .
x 0 ... 0 C 1
x 0 ... 0 C 1
1 0 ... 0 0 1
2 1 - n
n
2
n
1
n
2 1
2
1
1
{Rp. (x-1)
n
}
25.
1 ... x x x
x ... x x x
. . . . . . . . . . .
. . . . . . . . . . .
x ... 1 x x
x ... x 1 x
x ... x x 1
3 2
4 3 2
3 - n 1 - n 2 - n
2 - n 1 - n
1 - n 2
{Rp. (1-x
n
)
n-1
}

26.
o | | |
| o | |
| | o |
| | | o
...
........ ..........
........ ..........
...
...
...
...
b
b
b
b
a a a a

(-)
n-2
[+(n-2)-(n-1)ab]
27.
1 - n ... 2 1 n
. . . . . . . .
2 ... 5 4 3
1 ... 4 3 2
n ... 3 2 1

{Rp.(-1)
n(n-1)/2
(1/2)[n
n-1
(n+1)]
28.
4 3 3
4 3 2
4 3 2
4 3 2
4 3 2
5y 4y 3y 2y 1
y y y y 1
25x 16x 9x 4x 1
5x 4x 3x 2x 1
x x x x 1
{Rp. 2x
3
y(x-y)
6
}
29.
2)h - (n a ... h a a 1)h - (n a
. . . . . . . . . . . . . . . .
h a ... 4h a 3h a 2h a
a ... 3h a 2h a h a
1)h - (n a ... 2h a h a a
+ + +
+ + + +
+ + +
+ + +

{Rp. (-1)
n(n-1)/2
(nh)
n-1
[a+(1/2)(n-1)]


VII. Discutir los siguientes sistemas de ecuaciones en funcin de los parme-
tros que aparecen (usar la regla de Cramer):

3
5 2
4 3
x y ax
x y z ay
y z az
=
+ + =
+ =

2 4
2
2
x ay bz
x z
x y z
+ =
+ =
+ + =

2 2
5 2 1
2 3
ax z
x y
x y bz
+ =
+ =
+ =

1
1
ax by z
x aby z b
x by bz
+ + =
+ + =
+ + =

2 2
2 3 0
2 8 2 4
x ay z a
ax ay z
x y z a
+ + =
+ + =
+ =

( ) ( )
( )
( ) ( )
3 2 1 3 1 6
0 2
2 2 2 2 1 4
ax b b y b z
z b y
ax b b y b z
= + + +
+ = +
= + + +

3 4
0
2 2
2 2 0
x y az
ax y az
x ay a
x y z
+ =
+ + =
+ = +

Clases de Determinantes 2013-I

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Clases de Determinantes 2013-I

Transféré par

Droits d'auteur :

Formats disponibles

ALGEBRA LINEAL LIC.

JESUS RULE FLORES CRUZ 1

Vous aimerez peut-être aussi