UNIDAD II : DETERMINANTES

Definicin 2.1 . Sea Sn = { 1, 2, 3, , n} el conjunto de los naturales de 1 a n, ordenados en

forma ascendente. Un ordenamiento j1 j2 ....... jn de los elementos de Sn es una
permutacin de Sn.
Ejemplo 1 : Si S2 = {1, 2} las permutaciones de los elementos de S2 son : 1 2 y 2 1 .
Ejemplo 2 : Si S3 = {1, 2, 3} las permutaciones que se pueden formar con los elementos de
S3 son :
123 ,132,213,231,312,321
En general si Sn = { 1, 2, 3, , n} el nmero total de permutaciones que se pueden formar
con los elementos de Sn es igual a n!
n! se lee n factorial o factorial de n
As : en el ejemplo1 para S2 = {1, 2} se tienen 2! = 2.1 = 2 permutaciones en total.
en el ejemplo 2 para S3 = {1, 2, 3} se tienen 3! = 3.2.1 = 6 permutaciones en total.
Definicin 2.2 . Se dice que una permutacin j1 j2 .......
inversin si jr precede a js , siendo jr > js.

jn de Sn = { 1, 2, 3, , n} tiene una

Definicin 2.3 Una permutacin se denomina par si el nmero total de inversiones en ella
es par o no tiene inversiones y se llamar impar, si el nmero total de inversiones es impar .
Ejemplo 3 : En S2 , 1 2 es una permutacin par pues no tiene inversiones y 2 1 es una
permutacin impar ya que tiene 1 inversin ( 2 precede a 1 y 2 es mayor que 1).
Ejemplo 4 : En S4 la permutacin 2413 es impar ya que :
2 precede a 1 , y 2 >1
4 precede a 1 , y 4 > 1
4 precede a 3, y 4 > 3
por lo que el nmero total de inversiones es igual a 3.
Ejemplo 5 : En S3, las permutaciones pares son :
1 2 3 ( no tiene inversiones) , 2 3 1 ( 2 inversiones ) y 3 1 2 ( 2 inversiones).
Las permutaciones impares son :
1 3 2 ( 1 inversin) , 2 1 3 ( 1 inversin) y 3 2 1( 3 inversiones).
Definicin 2.4
Sea A = (a i j ) una matriz n x n . Definimos el determinante de A ( que se escribe A o
det (A)) , como
A = ( ) a1 j1 a2 j2 .......... an jn

donde la suma vara sobre todas las permutaciones j1, j2 , ., jn del conjunto Sn = { 1,
2, 3, , n} . El signo se toma + o - , segn que la permutacin sea par o impar
respectivamente.
La definicin anterior nos dice que el determinante de una matriz A es una suma o sumatoria
de trminos de la forma ( ) a1 j1 a2 j2 .......... an jn . En cada uno de stos los subndices
de la fila aparecen en su orden natural 1, 2, ..n , mientras que los subndices de las
columnas estn en el orden j1 j2 ....... j n que constituye una permutacin de los elementos
1 , 2, .,n.
En consecuencia , cada trmino en el A es un producto de n elementos de A y como con
cada trmino de la sumatoria tenemos asociada una permutacin del conjunto
Sn = { 1, 2, .,n } la expresin para el A tiene n! trminos en la suma.
Ejemplo 6 : Si A = ( a11) es una matriz de 1x1 entonces A = a11 pues aqu estamos
considerando a S1 = { 1 } que tiene la permutacin 1 que es par .
a
Ejemplo 7: Si A = 11
a 21

a12
, es decir una matriz 2x2 , su determinante ser de la forma :
a 22
A = +a11 * a 22 - a12 * a2 1

Aqu debemos considerar las permutaciones de S2 : 12 y 21

Este desarrollo consiste en la suma de dos trminos : +a11 * a 22 asociado con la
permutacin 12 la cual es par y por esto el signo de ste trmino es + y el trmino - a12 * a21
asociado con la permutacin 21 que es impar y hace a ste trmino negativo.
Observacin : El determinante de una matriz 2x2 es igual al producto de los elementos de
la diagonal principal menos el producto de los elementos de la contradiagonal.
a11

a12

a21

a22

2 3

Por lo tanto si A =
4 5
Entonces A = 2.5 (-3). 4 = 22

a11

Ejemplo 8 : Si A = a 21
a
31

a1- a2- a3 a1- a2- a3 -

a12
a 22
a32

a13

a 23 para calcular A escribimos los seis trminos

a33

a1- a2- a3 a1- a2- a3 -

a1- a2- a3 a1- a2- a3 -

Utilizamos todas las permutaciones de S3 para completar los guiones ( Ver ejemplo 5 ) y
anteponemos a cada trmino el signo + o segn que la permutacin sea par o impar , con
lo cual obtenemos :
A =

a11 a22 a33 + a12 a23 a3 1 + a13 a21 a3 2 - a11 a23 a32 - a12 a1 a33 - a13 a22 a31

Tambin podemos obtener el A como sigue. Repetimos la primera y segunda columnas de

A , como muestra a continuacin; formamos la suma de los productos de los elementos
sobre las lneas de izquierda a derecha y restamos a ste nmero la suma de los productos
de los elementos en las lneas que van de derecha a izquierda.
a11
a12
a13
a11
a12
a 21
a 22
a 23
a 21
a 22
a31
a32
a33
a31
a32

1 2 3

Si A = 2 1 3
3 1 2

A =

= 1.1.2 + 2.3.3 + 3.2.1 ( 3.1.3 + 1.3.1 + 2.2.2)

= ( 2 + 18 + 6 ) - ( 9 + 3 + 8 )
= 6
Nota : Para una matriz de orden 4x 4 o superior no resulta prctico aplicar la definicin para
resolver su determinante. Para sto es til en ciertos casos desarrollar el determinante
utilizando propiedades .
PROPIEDADES

DE LOS DETERMINANTES

1) Los determinantes de una matriz y su traspuesta son iguales; es decir A T A

2) Si dos filas ( o columnas) de A son iguales , entonces A 0 .
1

Ejemplo 9 :

2 3

1 0 7 = 0
1 2 3

3) Si una fila ( o columna) de A consta slo de ceros, entonces A 0 .

1 2 3

Ejemplo 10 : 4 5 6 = 0
0 0 0
4) Si una matriz A = ( aij ) es triangular superior ( inferior) entonces su determinante es
igual al producto de los elementos de la diagonal principal.
Es decir, A = a11.a22. ann.

0 4 5 = 2. (-4). 3 = 24
0 0 3

Ejemplo 11:

= 3. 5. (-4)

6 8 4

5) El determinante de una matriz diagonal es igual al producto de los elementos de su

diagonal principal.
5 0 0
0 4 0
Ejemplo 12 :
0 0 6
6) El determinante del producto de dos matrices es el producto de sus determinantes ; es
decir,
A.B A . B
1 2
2 1
y B =

Ejemplo 13 : Sean A =
3 4
1 2
A = -2 y B = 5 entonces A . B = (-2) . 5 = -10
4
A . B =
10
De (1) y (2)

A.B = -10
y
5
se verifica la propiedad.

(1)
(2)

7) Si B se obtiene a partir de A multiplicando una fila (o columna) de A por un nmero real c

distinto de cero, entonces B c A
Ejemplo 14 :

1 4
1

Ejemplo 15 : 2 6
2 18

1 4

= 2 . ( - 4 - 3) = - 14

1 1 1

1 1 1

0 3. 2 2

0 3.2 2 2

2 6

1 3

0 = 6 . ( -6 + 6 ( 6 + 0 - 2 )) = 2
3

8) Si la matriz B se obtiene intercambiando dos filas ( o columnas ) de A entonces B - A

Ejemplo 16 :

2 1
3

2 1

9) Si B = ( bij ) se obtiene a partir de A = ( aij ) sumando a cada elemento de una fila ( o

columna) de A el elemento correspondiente de otra fila ( o columna) multiplicado
previamente por una constante no nula entonces
A B.
2 3

11 pues la matriz del determinante del lado derecho

3 1
1 7
se obtiene realizando la operacin -2F1+F2 F2 sobre la matriz del determinante del lado
izquierdo.

Ejemplo 17 :

Observaciones
1) Estas propiedades se pueden combinar de distintas formas segn convenga a la hora de
efectuar el clculo de un determinante.
2) Las tres ltimas propiedades nos muestran cmo resulta un determinante en relacin a
los tres tipos de operaciones elementales que se pueden realizar sobre las filas de una
matriz.
Teniendo en cuenta sto y la propiedad 4 antes mencionada es posible el clculo de un
determinante por reduccin a la forma triangular. Esto se muestra en el siguiente ejemplo.
4 3 2

Ejemplo 18 : Sea A = 3 2 5 . Calcular A .

2 4 6

4 3 2
1 2 3
A

= 2 3 2 5
1 2 3

1
.F3
2

(-1) .2. 3 2 5 = (-1).2 . 0 8 4 =

4 3 2
0 5 10
F1 F3

(-3).F1+F2 F2

F2 F3

(-4).F1+F3 F3
1

1 2

2 = (-1). (-1) . 2. (-5). 0 1 2 =

(-1).(-1) .2 . 0 5 10 = (-1).(-1) .2 .(-5). 0 1
0 8 4
0 8 4
0 0 12

1
.F2
5
= (-1). (-1) . 2. (-5). 12 = -120

DESARROLLO

POR

8.F2+F3F3

COFACTORES

Sea A una matriz de orden nxn y Mij la submatriz que resulta de eliminar la fila i y la
columna j en A .
Se llama menor de aij al determinante M i j y cofactor de aij al nmero
Aij = (-1) i+j M i j

Ejemplo 19:

2 1 0

3 5 el cofactor asociado al elemento a32 es :

Sea A = 2
1 0 3

2 0

A32= (-1) .10 = -10

2 5
Notar que : un cofactor est siempre asociado a un elemento en particular y por lo tanto una
matriz tendr tantos cofactores asociados como elementos tenga.
A32 = (-1) 3+2

TEOREMA Sea A = (aij ) una matriz de orden n . Entonces si i es una fila cualquiera de A,
A = ai1 Ai1 + ai2 Ai2 + + ain Ain
(1)
y si j es una columna cualquiera de A,
A = a1j A1j + a2j A2j + + anj Anj
(2)
Las expresiones (1) y (2) nos dicen que es posible calcular el

A usando una fila o bien una

columna cualquiera de A. De sta forma el A resulta de multiplicar los elementos de una

lnea ( fila o columna ) cualquiera por sus respectivos cofactores y sumar los productos.
2

Ejemplo 20 : Calcular 2
1

1 0
3

Observemos que a fin de aligerar los clculos nos conviene desarrollar por la tercera fila o la
tercer columna. Elegimos la fila 3.
2

1 0

1 0
2 0
2 1
5 = (-1).(-1)3+1 3 5 + 0.(-1)3+2
+ 3.(-1)3+3
2 5
2 3
3

= (-1).1(-5) + 0.(-1).10 +3.1.8

= 29
Se deja a cargo del alumno comprobar que desarrollando por la tercer columna o por
cualquier otra fila se obtiene el mismo resultado.

Ejemplo 21 : Calcular

2 1 1 0
0

2 1 1 0
0

1
1+4

= 0.(-1)

. 2 1 1 + 0.(-1)
0 4 3

2+4

2 0 0
2 1 1 + 0.(-1)3+4 1 3 1 +
0 4 3
0 4 3

+ 5.(-1)4+4 1 3 1
2 1 1

3 1
= 5 .1. ( 2. (-1)1+1 1 1 )

= 5. 2 .(-4)
= -40
Notar que en el segundo paso se efectu el desarrollo del tercero de los determinantes de
orden 3 del primer paso segn la fila 1.
Definicin 2.5 : Sea A = (aij ) una matriz de nxn . La matriz Adj(A) de nxn llamada la adjunta
de A es la matriz cuyo elemento i,j-simo es el cofactor Aji correspondiente al elemento aji .
En consecuencia
A11

A12
Adj(A) =
.

A
1n

A21 ...... An1

A22 ...... An 2
. ...... .

A2 n ...... Ann

Observacin :
La matriz adjunta de A se forma tomando la transpuesta de la matriz de cofactores de los
elementos de A.
3 2 1

2 calcular Adj(A).
Ejemplo 22 : Sea A = 5 6
1 0 3

Los cofactores de A son :

A11 = (-1)1+1
A21 = (-1)2+1
A31 = (-1)3+1

0 3
2

2 1
6

= -18 ;

A12 = (-1)1+2

= -6 ;

A22 = (-1)2+2

= -10 ;

1 3

A32 = (-1)3+2

1 3
3 1
5 2

= 17 ;

A13 = (-1)1+3

= -10 ;

A23 = (-1)2+3

= -1 ;

A33 = (-1)3+3

5 6

= -6

1 0

3 2
1

3 2
5

= -2
= 28

Entonces
18 6 10

Adj (A) = 17 10 1
6 2 28

TEOREMA Si A = (aij ) es una matriz de nxn , entonces

A.(AdjA) = (AdjA) .A = det(A).In
Corolario : Si A es una matriz de nxn y det(A) 0 , entonces

 A11

det( A)
A12
1
adjA det( A)
A-1 =
det( A)

.
A1n
det( A)

An1
A21
.....

det( A)
det( A)
An 2
A22
.....
det( A)
det( A)

.
.
.
A2 n
Ann
.....
det( A)
det( A)
Demostracin : Acorde al teorema anterior A. Adj(A) = det(A).In , por lo que si det(A) 0
1
1
1
det( A) I n I n
A
adj( A)
A(adj( A))
entonces
det( A)
det( A)
det( A)
1
A 1
(adjA)
En consecuencia
det( A)

Ejemplo 23 : Para la matriz A del ejemplo 21 det(A) = -94 y

6 / 94 10 / 94
18 / 94

1
1
A
adj( A) 17 / 94 10 / 94
1 / 94
det( A)
6 / 94
2 / 94 28 / 94

TEOREMA Una matriz A es inversible si y solo si det (A) 0

Demostracin ) Si el det(A) 0 el corolario anterior proporciona una expresin para A-1
por lo que A es inversible.
) Supongamos que A es inversible . entonces A A-1 = In
det(A.A-1) = det(A)det(A-1) = det(In) = 1
lo cual implica que det(A) 0
Corolario : Si A es una matriz de nxn, el sistema homogneo Ax = 0 tiene una solucin no
trivial si y solo si det(A) =0
Con todo lo visto hasta ahora es posible completar el teorema visto en la teora de la unidad
1.
TEOREMA Las siguientes afirmaciones son equivalentes :
1) A es inversible
2) x = 0 es la nica solucin para Ax =0.
3) A es equivalente por filas a In.
4) El sistema lineal Ax = b tiene una nica solucin para cada matriz b de nx1.
5) det(A) 0.
RANGO DE UNA MATRIZ
Definicin : Si A es una matriz de nxm , el rango de una matriz es el nmero de filas
independientes y no nulas de A.

En la prctica para calcular el rango de una matriz se debe llevar la matriz a su forma
escalonada o escalonada reducida y contar en sta ltima el nmero de filas no nulas y
distintas .
Otra forma ( pero sirve sobre todo para matrices de dos filas )es observar sobre la matriz
dada si hay una fila que sea mltiplo de otra ya que de ser as y si la matriz es de 2x2 por ej
el rango sera igual a uno. En una matriz de 3x3 por ejemplo si por ej 2 filas son mltiplo de la
tercera el rango seria 1 o si una fila resulta de sumar las otras ( y estn a su vez no son
mltiplo una de la otra ), el rango seria 2.
Como a veces no es fcil visualizar lo anterior se aconseja hallar el rango de la anterior
forma es decir reducindola a su forma escalonada o reducida.
Ejemplos 24: Determinar el rango de las siguientes matrices

Forma 1 : Observando las matrices se puede visualizar lo siguiente.

En la matriz A , la 2da fila se obtiene multiplicando por 2 a la 1er fila ( o la 1er fila se
obtiene multiplicando por -1/2 a la 2da fila) . Tenemos entonces una fila dependiendo de la
otra, es decir en A hay 1 fila independiente la otra fila depende de ella . Por lo tanto
Ran (A) = 1 ,
En la matriz B , miramos las filas 1 y 2 que son las filas no nulas. No existe un nmero por el
cual multiplique a una de las filas y obtenga la otra es decir, no hay dependencia entre las
filas 1 y 2 y B tiene 2 filas independientes no nulas .Por lo tanto
Ran (B) = 2
En C aparentemente no se observa relacin entre las filas , por tanto aqu forzosamente
aplicaremos el otro mtodo , llevamos la matriz C a su forma escalonada reducida y esta es :

Aqu tenemos 2 filas distintas y no nulas , por lo tanto el Ran (C) = 2.

Forma 2 : Aplicando este ltimo anlisis a las matrices A y B tenemos que las matrices
escalonadas reducidas son respectivamente

y
En la primer matriz equivalente con A se tiene 1 fila no nula entonces Ran (A) = 1
En la segunda matriz equivalente con B hay 2 filas distintas y no nulas entonces Ran (B) = 2
Observacin : Si A es una matriz n x n , su rango ser menor o igual que n .
9

REGLA DE CRAMER
TEOREMA ( Regla de Cramer )
a11 x1 a12 x 2 ... a1n x n b1
a x a x ... a x b
21 1
22 2
2n n
2
Sean

a n1 x1 a n 2 x 2 ... a nn x n bn
Un sistema de n ecuaciones lineales con n incgnitas y A = (aij) la matriz de coeficientes de
b1

b2
modo que podemos escribir el sistema dado como Ax = B, donde B = .

b
n
Si det(A) 0 , el sistema tiene como solucin nica
det( An )
det( A1 )
det( A2 )
x1
,
x2
, ..........., xn
, donde Ai es la matriz que se obtiene a
det( A)
det( A)
det( A)
partir de A, reemplazando su i-sima columna por B.

Ejemplo 25 : Resolver el siguiente sistema de ser posible, por Regla de Cramer

2 x1 3 x 2 x3 1

x1 2 x 2 x3 4
2 x x x 3
1
2
3

Calculamos el det(A)
2
A 1

1 = -2 0
2 1 1
2

Hallamos la solucin:
1
3 1
4
2 1
3 1 1
4
x1

2 ;
A
2

es posible aplicar Regla de Cramer.

x2

2 3
A

2 1 3 8
6
3 ; x3

4
2
A
2

Observaciones :
1) Esta regla slo se puede aplicar para la resolucin de un sistema lineal cuadrado Ax = B
en donde ocurra que det(A) 0.
10

2) Si el det (A) = 0 no se puede aplicar la Regla de Cramer . Se intenta resolver el sistema

por otro mtodo.
det( Ai )
3) Si det( A) 0 , para cada i , xi
donde Ai es la matriz que se obtiene a partir de
det( A)
A, reemplazando su i-sima columna por B.

Finalmente visto el concepto de rango de una matriz , y determinantes podemos enunciar el

siguiente :
TEOREMA : SI A es una matriz de orden nxn las siguientes afirmaciones son equivalentes:
1)
2)
3)
4)
5)
6)

A es inversible.
X = 0 es la nica solucin del sistema AX = 0.
El sistema AX = B tiene nica solucin cualquiera sea B de orden nx1.
A es equivalente por filas a In.
Ran (A ) = n

Este teorema establece que si se cumple una cualquiera de estas seis afirmaciones se
cumplen las restantes cinco.

Ejemplo 26: Tomemos la matriz de 2x2

A=
= 13 0 ( se cumple 5 del teorema) entonces por el teorema anterior se puede afirmar
que :
1) A es inversible ( se puede verificar hallando la matriz inversa).
2) El sistema homogneo que tiene como matriz de coeficientes a A admite solucin nica y
es la trivial, este es :
Con solucin x = 0 y = 0 ( verificarlo )
3) Cualquier sistema lineal de ecuaciones que tenga la matriz A como matriz de
coeficientes tendr nica solucin sin importar cuales sean los trminos independientes del
mismo por ejemplo el sistema :
Verificar esto resolviendo el sistema.
4) A es equivalente por filas a la matriz identidad de orden 2 ,
5) Ran (A) = 2 . Esto se deduce inmediatamente de 4)

11

Ejemplo 27: Consideremos el siguiente sistema:

x y 2 z 3

y 4z 4
z 2

Este sistema tiene nica solucin x = -19 , y = 12 , z = 2 es decir, se cumple 3 del teorema .
Entonces es posible afirmar que :

El sistema homogneo

x y 2z 0

y 4z 0
z 0

posee solucin x = 0 , y = 0, z

= 0 y esta es la nica solucin del mismo. Se cumple aqu 2 del teorema.

La matriz de coeficientes del sistema

Es equivalente por filas a la matriz identidad I3. Se cumple 4 del teorema.

|A| 0. Se cumple 5 del teorema.
Ran (A) = 3. Se cumple 6 del teorema.
A es inversible .

12