Álgebra Matricial y Vectorial Ing.

Civil

7. DETERMINANTES Y SISTEMA DE ECUACIONES LINEALES

Si una matriz es cuadrada, es decir, si tiene el mismo número de filas (o renglones) que
de columnas, entonces podemos asignarle un número llamado determinante. Mediante
determinantes podemos resolver sistemas de ecuaciones lineales y también son de
utilidad para determinar si una matriz tiene una inversa.

Definición: Dada una matriz cuadrada A = aij ( ) nn

de orden n , llamaremos determinante
de la matriz A , a la función det : K nn   que hace corresponder a cada matriz el
número real det( A)  A , definido del siguiente modo:
(1). Si la matriz cuadrada A = (a11 ) es de orden 1× 1 ; su determinante es A = a11 .
a11 a12
=
(2). Si la matriz es cuadrada de orden 2, su determinante es: A = a11a22 − a12 a21
a21 a22
a11 a12 a13 a11 a12
(3). Si A es de orden 3 × 3 ; su determinante es: A = a21 a22 a23 a21 a22
a31 a32 a33 a31 a32
A = a11a22 a33 + a12 a23 a31 + a13 a21a32 − (a31a22 a13 + a32 a23 a11 + a33 a21a2 )
Este método es llamado el método de Sarrus y sólo se aplica a determinantes de orden
3× 3 .
(4). En general, si A = aij ( ) nn
es una matriz cuadrada de orden n , el determinante de la

matriz A , es igual a la suma de los productos de los elementos de cualquier fila (o

columna) por sus respectivos cofactores. Para aplicar esta propiedad es necesario elegir
una fila (o columna) y proceder a efectuar el desarrollo por dicha fila (o columna).
 a11 a12 ... a1 j ... a1n 
a a22 ... a2 j ... a2 n 
 21
 ... ... ... ... ... ... 
A= 
 ai1 ai 2 ... aij ... ain 
 ... ... ... ... ... ... 
 
 an1 an 2 ... anj ... ann 
Así:

(a) Si elegimos la fila k , el desarrollo del determinante, por filas obedece a la

siguiente regla =
A ak1 Ak1 + ak 2 Ak 2 + ... + akn Akn , es decir, el determinante es el
n
número real det( A) = ∑a j =1
ki Aki .
 Álgebra Matricial y Vectorial Ing. Civil

(b) Si elegimos la columna j , el desarrollo del determinante, por columnas obedece a

la siguiente regla =
A a1 j A1 j + a2 j A2 j + ... + anj Anj , es decir, el determinante es el
n
número real det( A) = ∑a
k =1
kj Akj .

MENORES Y COFACTORES:

(i) Sea la matriz A = aij ( ) nn

de orden n , entonces el menor elemento aij de A , es el

determinante de la matriz M ij , donde M ij es la submatriz cuadrada de orden

( n − 1)( n − 1) que se obtiene al eliminar la i − ésima fila y la j − ésima columna de A .

(2) El cofactor del elemento aij , que se simboliza por Aij se define por:

cof (aij ) = Aij = (−1)i + j det( M ij ) .

MATRIZ DE COFACTORES

Si A es una matriz cuadrada de orden n y Aij es el cofactor de aij , se define la matriz de

cofactores, y se denota por cof ( A) , a la matriz cuadrada de orden n tal que
cof ( A) = ( Aij ) , esto es:

 A11 ... A1n 

 
cof ( A) =  ... ... ... 
 A ... A 
 n1 nn 

ADJUNTA DE UNA MATRIZ

Definición: Si A es una matriz cuadrada de orden n y cof ( A) la matriz de cofactores,

llamaremos Adjunta de A y se denota Adj ( A) a la matriz [ cof ( A) ] , es decir:
t

Adj ( A) = [ cof ( A) ]
t

Observación:
(1). La diferencia entre el menor M ij y el cofactor Aij de un elemento aij es sólo de
signo, así:

 M ij , si i + j es par
(−1)i + j det( M ij ) =
Aij = 
     − M , si i + j es impar
cof signo menor  ij
 Álgebra Matricial y Vectorial Ing. Civil

(2). Un método práctico para calcular el determinante de cualquier orden, es la regla de

Laplace o de los menores complementarios, que consiste en lo siguiente:

Determinar el signo que relaciona Aij y M ij , es ubicar el signo que está en la i − ésima
fila y la j − ésima columna del siguiente arreglo:

+ − + − ... ±
− + − + ... ±
+ − + − ... ±
− + − + ... ±
... ... ... ... ... ...
± ± ± ± ... ±

Procedimiento

(1) Se elige una fila o columna (de preferencia la que tenga mayor número de ceros) y
se determina sus signos.
(2) Cada elemento de la fila o columna (elegida) es multiplicado por su menor
complementario.
(3) El determinante de la matriz será la suma de los elementos obtenidos en el paso
(2).

PROPIEDADES DE LOS DETERMINANTES

(1). det( I ) = 1 (2). det( At ) = det( A) =
(3). =
det( AB) det( A) det( B ) det( BA)
[det( A)] (5). det( A−1 ) = [ det( A) ]
−1
= , m ∈ +
m
(4) det( Am )
(6). det(α A) α n det( A), α ∈ 
=
(7). Si A posee una fila (o columna) de ceros, entonces det( A) = 0
(8). Si A posee dos filas (o dos columnas) iguales o proporcionales, entonces det( A) = 0 .
(9). Si A es triangular, entonces det( A) = a11a22 ...ann
(10). Si en un determinante se intercambian (o se permutan) dos filas o columnas el
determinante cambia de signo.
(11). Si a una fila (o columna) de un determinante, se le multiplica por un escalar y se le
suma a otra fila (o columna), el determinante no varía.
(12). Si en un determinante, los elementos de una fila (o columna) cualquiera constan de
dos o más términos, el determinante puede expresarse como la suma de dos o más
determinantes (términos).

Teorema: Si A es una matriz cuadrada. Entonces A se puede escribir como un producto

de matrices elementales y una matriz triangular superior U . En el producto, las matrices
elementales se encuentran a la izquierda y la matriz triangular superior a la derecha.
 Álgebra Matricial y Vectorial Ing. Civil

Prueba:

La forma escalonada por filas de una matriz cuadrada es una matriz cuadrada triangular
superior. Entonces A se reduce a U mediante una serie de operaciones elementales por
filas, cada una de las cuales se puede obtener multiplicando por una matriz elemental,
así:
Em Em1...E2 E1 A  U
A  E11 E21...Em11 Em1U

FACTORIZACIÓN LU DE UNA MATRIZ

Teorema: El producto de las matrices triangulares inferiores con unos en la diagonal es

una matriz triangular inferior con unos en la diagonal. Más aún, el producto de dos
matrices triangulares superiores es una matriz triangular superior.
Teorema de la Factorización LU
Sea A una matriz cuadrada ( n n ) y suponga que A se puede reducir por renglones a
una matriz triangular U sin hacer alguna permutación entre sus renglones. Entonces
existe una matriz triangular inferior L invertible con unos en la diagonal tal que A  LU .
Si, además, U tiene n pivotes (es decir, A es invertible), entonces esta factorización es
única.

CÁLCULO DE LA INVERSA DE UNA MATRIZ MEDIANTE SU MATRIZ ADJUNTA:

Teorema: Si A es invertible, entonces:

−1
A−1 = A Adj ( A)

Propiedades de la Adjunta de una Matriz:

Sean α ∈ K y A, B matrices de orden n tal que det( A) ≠ 0 y det( B ) ≠ 0 , entonces se

cumple:

(1). Adj ( I ) = I

(2). Adj ( At ) = [ Adj ( A) ]

t

(3). Adj ( A−1 ) = [ Adj ( A) ]

−1

(4). Adj ( AB ) = Adj ( B ) Adj ( A)

(5). Adj ( An ) = [ Adj ( A) ]

n
 Álgebra Matricial y Vectorial Ing. Civil

(6). Adj (α A) = α Adj ( A)

n −1

(7). det( Adj ( A)) = [ det( A) ]

n −1

(8). det [ Adj (α A) ] = (α n −1 ) n [ det( A) ]

n −1

n
(9). det  Adj ( An )  = det( An −1 ) 

(10). det [ Adj ( Adj ( A)) ] = [ det( A) ]

( n −1)2

RANGO DE UNA MATRIZ

Definición: Sea A = aij ( ) m×n
una matriz m × n , diremos que el número entero positivo r

es el rango de la matriz A , si existe una submatriz cuadrada B de A de orden r , tal

que, B ≠ 0 y el determinante de cualquier submatriz cuadrada de A de orden mayor que
B es cero.
Notación: El rango de la matriz A , la denotaremos por ρ ( A) .

=
Rango de A ρ=
( A) r

Propiedades: Dada la matriz A = aij ( ) m×n

se cumplen:
(1) 1 ≤ ρ ( A) ≤ mín {m, n}
(2) ρ ( A ) = ρ ( A)
t

(3) Si A = (aij ) n×n es de orden n , entonces ρ ( A) < n , si y sólo si A = 0 .

(4) Si A = (aij ) n×n y det( A) ≠ 0 , entonces ∃A−1 si y sólo si ρ ( A ) = n .

−1

(5) ρ ( A + B ) ≤ ρ ( A) + ρ ( B )
(6) ρ ( AB ) ≤ mín { ρ ( A), ρ ( B )}

EQUIVALENCIA DE MATRICES

Diremos que la matriz B = (bij ) m×n es equivalente a la matriz A = (aij ) m×n , si y sólo si, B
puede obtenerse efectuando un número finito de operaciones elementales sobre A .

Notación: La notación A  B se lee “ A es equivalente a B ”

Propiedad: Si A  B , entonces ρ ( A) = ρ ( B )

OPERACIONES ELEMENTALES EN MATRICES

 Álgebra Matricial y Vectorial Ing. Civil

Dado una matriz A = aij ( ) m×n

, las operaciones elementales sobre la matriz A son:
(1). Al intercambio (o permutación) de dos filas o columnas.
(2). A la multiplicación (o división) de una fila (o columna) por un escalar no nulo.
(3). A una fila (o columna) se le suma el múltiplo de otra fila (o columna).
Combinando estas tres operaciones elementales se reduce la matriz A hasta convertirla
en otra matriz equivalente de forma escalonada.

La forma escalonada de la matriz A , es otra matriz equivalente que se obtiene mediante

operaciones elementales, en el cual los elementos que están debajo de la diagonal
principal de la matriz A , son ceros. Para una matriz cuadrada, La forma escalonada de
la matriz A por filas, es una matriz triangular superior con unos y ceros en la
diagonal principal. Para algunos propósitos, se pretende reducir por filas una matriz
a la forma triangular superior donde los números diferentes de cero en la diagonal
principal no son necesariamente unos. Esto se logra no insistiendo en que cada
pivote sea igual a 1.

Definición (forma escalonada reducida por filas y pivote): Una matriz E   eij  de
 
orden m  n es escalonada reducida por filas, si tiene la siguiente estructura:
(a) Todas las filas cuyos elementos son todos ceros (si los hay) aparecen en la parte
inferior de la matriz. Es decir, las primeras k filas son no nulas y las restantes
m  k  filas son nulas.
(b) El primer elemento diferente de cero (comenzando por la izquierda) en cualquier
fila, cuyos elementos no todos son cero es uno. Es decir, el primer elemento no
nulo de cada una de las primeras k filas es la unidad.
(c) Si dos filas sucesivas tienen elementos distintos de cero, entonces el primer 1 en
cada fila de abajo está más hacia la derecha que el primer 1 en la fila de arriba. Es
decir, en cada una de las k filas, el número de ceros anteriores a la unidad crece
de fila a fila.
(d) Cualquier columna que contiene el primer 1 en una fila, tienen ceros en el resto de
sus elementos. El primer número diferente de cero en una fila (si lo hay) se llama
pivote para ese renglón.
Ejemplos:
1 7 8 9
  1 1 1
 0 1 6 8 0 1 3 5  0 0 1    1 1 6 4 
      0 1 3  
A   0 0 1 3 , B   0 0 0 1 C   0 0 0 D  
0
 E   0 1 2 8
 
0
  0 0  
 0 0 0 1
   0 0 0  0 0 0
 

0
0 0 0 1 
 
0   0 0
 0 0 0
Observación:

1.- La forma escalonada por filas de una matriz no es única, es decir, puede ser
equivalente, en sus filas, a más de una matriz en forma escalonada por filas.
 Álgebra Matricial y Vectorial Ing. Civil

2.- En la forma escalonada por filas, todos los números abajo del primer 1 en una fila
son cero. En la forma escalonada reducida por filas, todos los números abajo y arriba
del primer 1 de una fila son cero. Así, la forma escalonada por filas es más exclusiva. Esto
es, en toda matriz en forma escalonada reducida por filas se encuentran también la forma
escalonada por filas, pero el inverso no es cierto.

3.- Siempre se puede reducir una matriz a la forma escalonada reducida por filas o a la
forma escalonada por filas realizando operaciones elementales con filas.

CÁLCULO DEL RANGO Y DE LA INVERSA DE UNA MATRIZ MEDIANTE

OPERACIONES ELEMENTALES (POR FILAS)

Figura 01 Figura 02

En la figura 01: ρ=
( A) ρ=
( E ) k donde k es el número de filas no nulas de la matriz
escalonada.

En la figura 02: La inversa de la matriz A es la matriz B = A−1

8. SISTEMA DE ECUACIONES

Definición: Un sistema de “ m ” ecuaciones con “ n ” incógnitas, es un conjunto de

ecuaciones de la forma:

a11 x1 + a12 x2 + ... + a1n xn = b1

a x + a x + ... + a x =
(*)  21 1 22 2 2n n b2
............................................
am1 x1 + am 2 x2 + ... + amn xn = bm

Equivalentemente: En forma matricial se escribe AX = B

 Álgebra Matricial y Vectorial Ing. Civil

 a11 a12 ... a1n   x1  b1 

a
 21 a22 ... a21   x2  b 
= 2
 ... ... ... ...  ...  ... 
     
 am1 am 2 ... amn  m×n  xn  n×1 bm  m×1

Donde, A es la matriz de coeficientes, X es la matriz de las incógnitas y B es la matriz

de los términos independientes.

 a11 a12 ... a1n b1 

 
a a22 ... a2 n b2 
[ A | B ] =  ...21 ... ... ... ... 
, es la matriz ampliada o aumentada del sistema (*).
 
 am1 am 2 ... amn bn 

Un sistema de ecuaciones lineales puede ser homogénea o no homogénea:

Es homogénea, si AX = θ , donde θ es la matriz nula de orden m × 1 .

Es no homogénea, si AX = B , donde B no es matriz nula.

SOLUCIÓN DE UN SISTEMA DE ECUACIONES LINEALES

(1) Si ρ ( A) = ρ ([ A | B ]) se dice que el sistema es consistente o compatible (puede

tener una o infinitas soluciones).
([ A | B ]) n , donde n es el número de variables del sistema,
Si ρ ( A) ρ=
(i).=
entonces existe una única solución.
Si ρ ( A) ρ ([ A | B ]) < n , entonces se dice que el sistema tiene infinitas
(ii).=
soluciones y las soluciones se obtienen de la matriz aumentada [ A | B ] ,
sustituyendo k= n − ρ ( A) variables por parámetros.
(2) Si ρ ( A) ≠ ρ ([ A | B ]) entonces no existe solución y se dice que el sistema es
inconsistente o compatible.

REGLA DE CRAMER

Si AX = B es un sistema de n ecuaciones con n incógnitas en el cual det( A) ≠ 0 ,

entonces existe una solución única X , dada por la fórmula:

det( Aj )
X = A−1 B o X j = , donde X j es la matriz que se obtiene a partir de la
det( A)
matriz A al reemplazar la columna j de A por la matriz columna B .

Observación.
Álgebra Matricial y Vectorial Ing. Civil

(1) El sistema tiene única solución, si det( A) ≠ 0 .

(2) El sistema tiene infinitas soluciones, si det( Aj ) = 0 y det( A) = 0 , ∀j =1,..., n
(3) El sistema es incompatible, si det( Aj ) ≠ 0 y det( A) = 0 , ∀j =1,..., n .

CASOS PARTICULARES DE SISTEMAS CUADRADOS

A) Un sistema de dos ecuaciones con dos variables es de la forma:

a1 x  b1 y  c1

a2 x  b2 y  c2
La gráfica de un sistema lineal con dos variables es un par de rectas, de modo que
para resolver el sistema por el método gráfico es necesario determinar el punto o los
puntos de intersección de las rectas. Dos rectas se pueden cortar en un solo punto,
pueden ser paralelos o pueden coincidir, como se muestra en la figura.

B) Un sistema de tres ecuaciones con tres variables es de la forma:


 a1 x  b1 y  c1 z  d1



a2 x  b2 y  c2 z  d 2



a3 x  b3 y  c3 z  d3


La gráfica de una ecuación lineal con tres variables es un plano en el sistema de

coordenadas tridimensionales, de modo que para resolver el sistema por el método
gráfico es necesario determinar el punto o los puntos de intersección de los planos.
Para un sistema de tres ecuaciones con tres variables, se tiene las siguientes
situaciones:
Álgebra Matricial y Vectorial Ing. Civil

MÉTODO DE GAUSS - JORDAN

Se reduce por fila la matriz de coeficientes a la forma escalonada reducida por filas,
usando operaciones elementales.
METODO DE GAUSS
Se reduce por fila la matriz de coeficientes a la forma escalonada por filas, se despeja
el valor de la última incógnita y después se usa la sustitución hacia atrás para las
demás incógnitas.