Tema 2

Matrices y determinantes

Clase 8. Producto de matrices

Dado el sistema A · X = b
⎫
a1,1 x1 + · · · + a1,n xn = b1 ⎪
⎪
⎪
.. ⎪
⎬
. ⎪
⎪ (2.1)
⎪
⎪
am,1 x1 + · · · + am,n xn = bm ⎭

Podemos definir el producto de una matriz de orden m×n por una colum-
na n × 1 como la columna m × 1
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
⎜⎜ a1,1 · · · a1,n ⎟⎟ ⎜⎜x1 ⎟⎟ ⎜⎜ a1,1 x1 + · · · + a1,n xn ⎟⎟
⎜⎜⎜ .. .. ⎟⎟⎟⎟ · ⎜⎜⎜⎜ .. ⎟⎟⎟⎟ := ⎜⎜⎜⎜ .. ⎟⎟⎟
⎜⎜ . . ⎟⎟ ⎜⎜ . ⎟⎟ ⎜⎜ . ⎟⎟
⎜⎝ ⎠ ⎝ ⎠ ⎝ ⎟⎠
am,1 · · · am,n xn am,1 x1 + · · · + am,n xn

Claramente A(X + Y ) = AX + AY y A(αX) = αAX para todo α ∈ F .

Definición. Definimos el producto de una matriz A de orden m × n por otra B de

orden n × p como la matriz de orden m × p

A · B := (A · col1 (B) | · · · | A · colp (B)).

donde col1 (B), . . . , colp (B) son las columnas de B.

Una matriz con tantas filas como columnas se dice matriz cuadrada. Nor-
malmente si se sobreentiende que la matriz es cuadrada, por abreviar diremos
que su orden en n y no n×n. Dos matrices cuadradas del mismo orden siempre
se pueden multiplicar entre sı́.

Elemento (i, j) de la matriz producto

Lema 15. El elemento en posición (i, j) de la matriz A · B es
n
ai,1 b1,j + · · · + ai,n bn,j = aik bkj
k=1

37
 Ejemplo.
Vamos a calcular el producto
⎛ ⎞ ⎛ ⎞
⎜⎜ 1 1 0 ⎟⎟ ⎜⎜ −1 −3 2 ⎟⎟
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟
⎜⎜ −2 −2 −1 ⎟⎟ · ⎜⎜ 1 2 −1 ⎟⎟
⎝ ⎠ ⎝ ⎠
0 −1 0 1 2 0

Elemento en posición (1, 1):

⎛ ⎞ ⎛ ⎞ ⎛ ⎞
⎜⎜ 1 1 0 ⎟⎟ ⎜⎜ −1 ∗ ∗ ⎟⎟ ⎜⎜⎜ 0 ∗ ∗ ⎟⎟
⎟⎟
⎜⎜ ⎟ ⎜ ⎟ ⎜
⎜⎜ ∗ ∗ ∗ ⎟⎟⎟ · ⎜⎜⎜ 1 ∗ ∗ ⎟⎟⎟ = ⎜⎜⎜ ∗ ∗ ∗ ⎟⎟
⎟⎟
⎝ ⎠ ⎝ ⎠ ⎜⎝ ⎠
∗ ∗ ∗ 1 ∗ ∗ ∗ ∗ ∗

Elemento en posición (2, 1):

⎛ ⎞ ⎛ ⎞ ⎛ −1
⎞
⎜⎜ ∗ ∗ ∗ ⎟⎟ ⎜⎜ −1 ∗ ∗ ⎟⎟ ⎜⎜⎜ 0 1 ⎟⎟
⎟⎟
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ ⎜⎜
⎜⎜ −2
⎝
−2 −1 ⎟⎟ · ⎜⎜ 1
⎠ ⎝
∗ ∗ ⎟⎟ = ⎜⎜
⎠ ⎜⎝ −1 ∗ ∗ ⎟⎟⎟⎟
∗ ∗ ∗ 1 ∗ ∗ ⎠
∗ ∗ ∗

Elemento en posición (3, 1):

⎛ ⎞ ⎛ ⎞ ⎛ ∗ ∗ ⎟⎟
⎞
⎜⎜ ∗ ∗ ∗ ⎟⎟ ⎜⎜ −1 ∗ ∗ ⎟⎟ ⎜⎜⎜ 0
⎟
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ ⎜⎜ −1 ∗ ∗ ⎟⎟⎟
⎜⎜ ∗ ∗ ∗ ⎟⎟ · ⎜⎜ 1 ∗ ∗ ⎟⎟ = ⎜⎜ ⎟⎟
⎝ ⎠ ⎝ ⎠ ⎜⎝
0 −1 0 1 ∗ ∗ −1 ∗ ∗ ⎠

Elemento en posición (1, 2):

⎛ ⎞ ⎛ ⎞ ⎛ ⎞
⎜⎜ 1 1 0 ⎟⎟ ⎜⎜ ∗ −3 ∗ ⎟⎟ ⎜⎜⎜ 0 −1 ∗ ⎟⎟
⎟⎟
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟
⎜⎜ ∗ ∗ ∗ ⎟⎟ · ⎜⎜ ∗ 2 ∗ ⎟⎟ = ⎜⎜ −1 ∗ ∗ ⎟⎟
⎝ ⎠ ⎝ ⎠ ⎜⎝ ⎠
∗ ∗ ∗ ∗ 2 ∗ −1 ∗ ∗

Tras hacer todos los cálculos se obtiene

⎛ ⎞ ⎛ ⎞ ⎛ ⎞
⎜⎜ 1 1 0 ⎟⎟ ⎜⎜ −1 −3 2 ⎟⎟ ⎜⎜ 0 −1 1 ⎟⎟
⎜⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜⎜ −2 −2 −1 ⎟⎟⎟ · ⎜⎜⎜ 1 2 −1 ⎟⎟⎟ = ⎜⎜⎜ −1 0 −2 ⎟⎟⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
0 −1 0 1 2 0 −1 −2 1

Asociatividad

Lema 16. El producto de matrices es asociativo. Es decir, si A, B, C son

matrices de órdenes m×n, n×p y p×q respectivamente entonces (A·B)·C =
A · (B · C).

Demostración. El orden de las matrices asegura que los productos están bien
definidos. El elemento en posición (i, j) del primer producto es
p
⎛ n ⎞ p
⎜⎜ ⎟⎟ n
⎜⎜ ⎟⎟ c =
⎜⎝ a i,k k,l ⎟
b ⎠ l,q ai,k bk,l cl,q
l=1 k=1 l=1 k=1
mientras que el del segundo producto es
⎛ p ⎞ p
n ⎜⎜ ⎟⎟ n
ai,k ⎜⎜⎝⎜ bk,l cl,q ⎟⎟⎟⎠ = ai,k bk,l cl,q
k=1 l=1 k=1 l=1

por lo que ambos son iguales.

Ejemplo.

Vamos a corroborar que el producto es asociativo con un ejemplo.

Sean   
−1 −1 −1 0 −1 −1
A= , B= , C=
−2 −3 1 −1 2 1

Tenemos
  
−1 −1 −1 0 0 1
A·B = · =
−2 −3 1 −1 −1 3
  
0 1 −1 −1 2 1
(A · B) · C = · =
−1 3 2 1 7 4
  
−1 0 −1 −1 1 1
B·C = · =
1 −1 2 1 −3 −2
  
−1 −1 1 1 2 1
A · (B · C) = · =
−2 −3 −3 −2 7 4

En lo siguiente prescindiremos del sı́mbolo · para expresar el producto de matrices.

Producto de matrices y composición de aplicaciones

Si C es una matriz de orden p × q podemos definir la aplicación

LC : F q → Fp
X → CX

Si B es otra matriz de orden m × p entonces tenemos otra aplicación

LB

LB : F p → Fm
X → BX

Podemos componer LB ◦ LC obteniendo una aplicación F q → F m

LB ◦ LC (X) = B(CX)

Observa que es muy importante que el número de columnas de B

coincida con el número de filas de C para poder realizar esta com-
 posición. La asociatividad del producto de matrices nos asegura que

LB ◦ LC = LBC

ası́ que

¡el producto de matrices B y C se corresponde con la composición de

aplicaciones LB y LC !

y como la composición de aplicaciones es asociativa

(LA ◦ LB ) ◦ LC = LAB ◦ LC = L(AB)C

LA ◦ (LB ◦ LC ) = LA ◦ LBC = LA(BC)

pues no es de extrañar que el producto de matrices sea asociativo.

Volveremos a estas ideas al hablar de espacios vectoriales y aplica-
ciones lineales.

La matriz identidad de orden m es la matriz cuadrada de orden m

⎛ ⎞
⎜⎜1 0 0 · · · 0 0⎟⎟
⎜⎜0 1 0 · · · 0 0⎟⎟
⎜⎜ ⎟⎟
⎜⎜ ⎟
⎜⎜0 0 1 · · · 0 0⎟⎟⎟
Im := ⎜⎜⎜⎜ ..
⎟⎟
⎟⎟⎟
⎜⎜ . ⎟⎟
⎜⎜ ⎟
⎜⎜⎜0 0 0 · · · 1 0⎟⎟⎟
⎝ ⎠
0 0 0 ··· 0 1

En una matriz cuadrada –aunque no es estrictamente necesario que lo sea–

las entradas a1,1 , a2,2 , . . . forman la diagonal principal. Si las únicas entradas
no nulas en una matriz están en su diagonal principal, diremos que es una
matriz diagonal. Ası́ pues, la matriz Im es una matriz cuadrada diagonal cuyos
elementos en la diagonal principal son todos iguales a 1. Puesto que para
cualquier columna X ∈ F m se tiene Im X = X. Esto implica inmediatamente
que si B es una matriz de orden m × p entonces Im B = B = BIp .
Clase 9. Matriz inversa
Definición. Una matriz cuadrada de orden n se dice invertible si existe otra
matriz cuadrada A−1 , a la que llamamos inversa de A tal que AA−1 = A−1 A = In .

Ejemplo.

Puedes comprobar que

⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜⎜ 5 4 2 ⎟⎟ ⎜⎜ 1 2 2 ⎟⎟ ⎜⎜ 1 0 0 ⎟⎟
⎜⎜ ⎟⎟⎟ ⎜⎜⎜ −2 −2 −1 ⎟⎟⎟ = ⎜⎜⎜ 0 1 0 ⎟⎟
⎜⎜ −8 −7 −3 ⎟⎠ ⎜⎝ ⎟⎠ ⎜⎝ ⎟⎟
⎝ ⎠
6 5 2 2 −1 −3 0 0 1
⎛ ⎞⎛ ⎞
⎜⎜ 1 2 2 ⎟⎟ ⎜⎜ 5 4 2 ⎟⎟
⎜ ⎟⎜ ⎟⎟
= ⎜⎜⎜ −2 −2 −1 ⎟⎟⎟ ⎜⎜⎜ −8 −7 −3 ⎟⎟
⎝ ⎠⎝ ⎠
2 −1 −3 6 5 2

Sea A una matriz cuadrada. ¿Cuándo existe A−1 tal que AA−1 = In y
cómo se calcula?

Si existe tal A−1 para una matriz cuadrada A entonces la única

solución del sistema AX = 0 es X = A−1 (AX) = A−1 0 = 0, por lo que
AX = 0 es compatible determinado. Esto implica que rango(A) = n.
Ası́, dentro de las matrices cuadradas, solamente para las de rango
máximo podrı́a existir una tal A−1 .
Pero es que si A es cuadrada de orden n y rango(A) = n entonces,
si se piensa en A−1 como columnas col(A−1 )1 , . . . , col(A−1 )n , imponer
AA−1 = In es lo mismo que imponer
⎛ ⎞ ⎛ ⎞
⎜⎜1⎟⎟ ⎜⎜0⎟⎟
⎜⎜⎜0⎟⎟⎟ ⎜⎜ . ⎟⎟
⎜⎜ . ⎟⎟
⎜ ⎟
A col1 (A−1 ) = ⎜⎜⎜⎜ . ⎟⎟⎟⎟ , . . . , A coln (A−1 ) = ⎜⎜⎜⎜ . ⎟⎟⎟⎟
⎜⎜ .. ⎟⎟ ⎜⎜0⎟⎟
⎝⎜ ⎠⎟ ⎜⎝ ⎟⎠
0 1

y sabemos que si rango(A) = n siempre vamos a poder resolver los

sistemas de la forma AX = b, por lo que siempre existirán columnas
col1 (A−1 ), . . . , coln (A−1 ) que cumplan las condiciones anteriores. De
hecho, es muy sencillo calcular esa A−1 resolviendo todos los sistemas
a la vez mediante la matriz
⎛ ⎞
⎜⎜ a1,1 · · · a1,n 1 · · · 0 ⎟⎟
⎜⎜ . .. .. .. ⎟⎟⎟⎟
⎜⎜ .
⎜⎜ . . . . ⎟⎟
⎝ ⎠
an,1 · · · an,n 0 · · · 1
Escalonando este sistema hasta que A quede en su forma escalonada
reducida, las columnas de términos independientes se convertirán en
las columnas col1 (A−1 ), . . . , coln (A−1 ) buscadas.
Veamos un ejemplo de cálculo. Vamos a ver quién podrı́a ser la
inversa de la matriz
⎛ ⎞
⎜⎜ 1 2 2 ⎟⎟
⎜⎜ ⎟
A := ⎜⎜ −2 −2 −1 ⎟⎟⎟
⎝ ⎠
2 −1 −3

Realizamos el escalonamiento
⎛ ⎞ ⎛ ⎞
⎜⎜ 1 2 2 1 0 0 ⎟⎟ ⎜⎜ 1 2 2 1 0 0 ⎟⎟
⎜⎜ ⎟ ⎜ ⎟⎟
⎜⎜ −2 −2 −1 0 1 0 ⎟⎟⎟  ⎜⎜⎜ 0 2 3 2 1 0 ⎟⎟
⎝ ⎠ ⎝ ⎠
2 −1 −3 0 0 1 0 −5 −7 −2 0 1
⎛ ⎞ ⎛ ⎞
⎜⎜ 1 2 2 1 0 0 ⎟⎟ ⎜⎜ 1 2 2 1 0 0 ⎟⎟
⎜ ⎟ ⎜ ⎟⎟
 ⎜⎜⎜ 0 2 3 2 1 0 ⎟⎟⎟  ⎜⎜⎜ 0 0 1 6 5 2 ⎟⎟
⎝ ⎠ ⎝ ⎠
0 −1 −1 2 2 1 0 −1 −1 2 2 1
⎛ ⎞ ⎛ ⎞
⎜⎜ 1 2 2 1 0 0 ⎟⎟ ⎜⎜ 1 2 0 −11 −10 −4 ⎟⎟
⎜ ⎟ ⎜ ⎟⎟
 ⎜⎜⎜ 0 0 1 6 5 2 ⎟⎟⎟  ⎜⎜⎜ 0 0 1 6 5 2 ⎟⎟
⎝ ⎠ ⎝ ⎠
0 −1 0 8 7 3 0 −1 0 8 7 3
⎛ ⎞ ⎛ ⎞
⎜⎜ 1 0 0 5 4 2 ⎟⎟ ⎜⎜ 1 0 0 5 4 2 ⎟⎟
⎜ ⎟ ⎜ ⎟⎟
 ⎜⎜⎜ 0 0 1 6 5 2 ⎟⎟⎟  ⎜⎜⎜ 0 1 0 −8 −7 −3 ⎟⎟
⎝ ⎠ ⎝ ⎠
0 −1 0 8 7 3 0 0 1 6 5 2

y llegamos a que la matriz

⎛ ⎞
⎜⎜ 1 0 0 5 4 2 ⎟⎟
⎜ ⎟
A−1 := ⎜⎜⎜ 0 1 0 −8 −7 −3 ⎟⎟⎟
⎝ ⎠
0 0 1 6 5 2

cumple que AA−1 = In . Pero, por otro lado, si intercambiamos las ma-
trices que hay a izquierda y derecha de las barras y leemos la sucesión
de transformaciones desde el final hacia el inicio vemos que A es la
matriz que cumple que A−1 A = In . Es decir,

Una matriz cuadrada de orden n es invertible ⇔ rango(A) = n.

En tal caso A−1 se puede calcular mediante el escalonamiento ante-

rior.

Propiedades de las matrices inversa y traspuesta

Lema 17.

1. Si una matriz A es invertible entonces su inversa es única. Además

A−1 es también invertible y (A−1 )−1 = A.

2. Si A y B son matrices invertibles del mismo orden entonces AB es

invertible y su inversa es B−1 A−1 .
 3. Si A y B tienen órdenes m × n y n × p respectivamente entonces
(AB)T = BT AT .
4. Si A es una matriz invertible entonces AT también es invertible y
(AT )−1 = (A−1 )T .

Demostración. 1. Sea C otra inversa de A. Como CA = In , la asociatividad im-

plica C = C(AA−1 ) = (CA)A−1 = A−1 .
2. Si A y B son matrices invertibles del mismo orden entonces, debido a la
asociatividad, (AB)(B−1 A−1 ) = In = (B−1 A−1 )(AB) por lo que (AB)−1 = B−1 A−1 .

nSi A y B tienen órdenes m × n y n × p entonces

3.
T T
el elemento (i, j) de (AB)T es
k=1 ajk bki , que es el mismo que el de B A .
T
4. Si A es invertible de orden n entonces AT (A−1 ) = (A−1 A)T = InT = In =
(A−1 )T A, por lo que (AT )−1 = (A−1 )T .

Nota. Cuando la matriz de coeficientes de un sistema es invertible el sistema

AX = b tiene solución X = A−1 b. .
El producto de matrices es muy útil para expresar matemáticamente las
transformaciones elementales de matrices. Consideramos las siguientes ma-
trices elementales

Fij la matriz que resulta de intercambiarle a Im las filas i y j.

Fij (α) la matriz que resulta de sumarle a la fila i de Im α veces la j.

Fi (α) (aquı́ α debe tener inverso) la matriz que resulta de multiplicar la

fila i de Im por α.

Transformaciones elementales mediante matrices

Proposición 18. Sea B una matriz m × n. Se tiene que

Fij B es el resultado de intercambiarle a B su fila i por la j.

Fij (α)B es el resultado de sumarle a la fila i de B la fila j multipli-
cada por α.
Fi (α)B es el resultado de multiplicarle a B su fila i por α.

En particular, Fij Fij = Im , Fij (α)Fij (−α) = Im , Fi (α)Fi (α −1 ) = Im , por lo

que las matrices elementales son invertibles.

Demostración. Debido a la definición del producto de matrices no hay pérdi-

da de generalidad en asumir que B es una columna con entradas b1 , . . . , bm .
La matriz Fij B tiene en posición i a bj y en posición j a bi , siendo el resto de
posiciones las mismas que tiene B. Ası́ que Fij B es el resultado de intercam-
biarle a B su i-ésimo elemento por el j-ésimo. Del mismo modo Fij (α)B tiene
bk en cualquier posición k  i mientras que en la posición i tiene a bi + αbj .
Ası́ que Fij (α)B no es nada más que B en la que al i-ésimo elemento le hemos
sumado α veces el j-ésimo. El resto de afirmaciones son igualmente sencillas
de demostrar.

Agrupando transformaciones elementales

Corolario 19. Existe una matriz invertible P tal que PA es una matriz
escalonada por filas.

Caracterizaciones de la invertibilidad

Proposición 20. Para una matriz cuadrada A de orden n equivalen:

1. A es invertible.
2. rango(A) = n.
3. Las filas de A son linealmente independientes.
4. Las columnas de A son linealmente independientes.
5. Existe B tal que BA = In (en tal caso B = A−1 ).

6. Existe B tal que AB = In (en tal caso B = A−1 ).

7. A es producto de matrices elementales.

Demostración. (1) ⇔ (2) Esto ya lo habı́amos hecho notar pero lo volvemos

a demostrar. Si A es invertible, AX = 0 es compatible determinado, por lo
que rango(A) = n. Recı́procamente, si rango(A) = n entonces existe una matriz
invertible P tal que PA = In , ası́ que multiplicando por P −1 a la izquierda
tenemos A = P −1 . En particular A es invertible.
(2) ⇔ (3) Sabemos que rango(A) = n si y solamente si las filas de A son li-
nealmente independientes.
(2) ⇔ (4) Similar al anterior.

(2) ⇔ (5) Claramente (2) implica (5) por ser equivalente a (1). Por otro lado,
si existe B tal que BA = In entonces si pensamos en el sistema AX = 0, al
multiplicarlo por B vemos que la única solución es X = 0. Ası́, rango(A) = n,
por lo que A es invertible. Multiplicando por A−1 , BA = In tenemos que B =
A−1 .
(2) ⇔ (6) Nuevamente (2) implica (6) de forma clara. Si AB = In entonces
In = BT AT por lo que AT es invertible con inversa (BT )−1 . Transponiendo ob-
tenemos que A es invertible y B = A−1 .
(2) ⇔ (7) Si rango(A) = n entonces existe P producto de matrices elementa-
les tal que PA = In . Por ser P invertible, A = P −1 . Usando que la inversa del
producto es el producto de inversas y que la inversa de una matriz elemental
es una matriz elemental concluimos que A es producto de matrices elemen-
tales. Recı́procamente, si A es producto de matrices elementales entonces es
invertible por serlo cada una de las matrices elementales.
Clase 10. Determinantes
Vamos a asociar a cada matriz cuadrada un elemento de F , más sencillo
de calcular que el rango, pero que nos de información acerca de él.
Sea A una matriz cuadrada de orden n. Escribiremos A en términos de sus
filas
A = (fil1 (A), . . . , filn (A))
y le asociaremos un cierto elemento detn (A) = detn (fil1 (A), . . . , filn (A)) ∈ F . Hay
algunas observaciones que nos ayudarán:

(1) Parece natural que si A está escalonada entonces detn (A) sea el producto
de los elementos de la diagonal de A. Esto nos proporciona información
de si el rango es el máximo o no.

(2) Puesto que las operaciones de tipo S no alteran el rango, tampoco parece
descabellado pedir que detn (Fij (α)A) = detn (A).

a b
Por ejemplo, si A = (a) entonces det1 (A) = a. Si A = con a invertible, las
c d
dos condiciones anteriores obligan a que

a b
det2 (A) = det2 ( ) = ad − bc
0 d − a−1 bc

Cambiar de orden las filas tampoco altera el rango, ası́ que podrı́a parecer na-
tural imponer que detn (Fij A) = detn (A) pero el ejemplo con la matriz de orden
2 anterior nos dice que no, ya que ¡al cambiar el orden de las dos filas y aplicar
det2 el signo cambia! Ası́ que debemos bajar las expectativas y simplemente
imponer que detn (Fij A) = λ detn (A) para algún λ ∈ F invertible. Pero claro, en
tal caso detn (A) = detn (Fij Fij A) = λ2 detn (A). Ası́ que λ2 deberı́a ser 1, y como
λ = 1 lo hemos descartado, pues resulta que lo más natural es imponer

(3) detn (Fi,j A) = − detn (A).

Estas tres condiciones determinan la función detn ya que tras realizarle a una
matriz A transformaciones elementales de tipo I y S para escalonarla, las con-
diciones implican que detn (A) es el producto de los elementos diagonales de
la matriz escalonada obtenida y de −1 elevado al número de transformaciones
de tipo I usadas. Pero, ¿realmente existe alguna función detn que cumpla esas
tres condiciones? La respuesta es que sı́ que existe.
Puesto que ya tenemos det1 y det2 , y cumplen las propiedades (1), (2) y
(3) (ejercicio) vamos a suponer que hemos encontrado una tal función dets
para matrices de órdenes s ≤ n−1 y vamos a usarla para construir una función
detn para matrices de orden n. Sea A una matriz cuadrada de orden n ≥ 3
elegimos cualquier fila p de A y definimos

n
detn (A) := (−1)p+q ap,q detn−1 (A(p; q))
q=1
donde A(p; q) es la matriz A a la que le hemos quitado la fila p y la columna q
y ap,q es el elemento en posición (p, q) de A.

a b
Nota. Si A = entonces, usando la primera fila, la fórmula recursiva nos
c d
dice que
det2 (A) = a det1 ((d)) − b det1 ((c)) = ad − bc

es decir, la que ya tenı́amos. Si usamos la segunda fila obtenemos det2 (A) =

−c det1 ((b)) + d det1 ((a)) = ad − bc, lo mismo. .

Existencia del determinante

Proposición 21. Sea A una matriz cuadrada de orden n. Se tiene:

i) detn (A) no depende de la fila elegida para su definición.

ii) detn cumple las propiedades (1), (2) y (3), y por tanto es la única
función que lo hace.

Demostración. Vamos a demostrar que, supuesto que dets cumpla las dos afir-
maciones del enunciado para s = 1, . . . , n−1 con n−1 ≥ 2 entonces detn también
las cumple. Como det1 y det2 lo hacen, esto probará que todas las funciones
det3 , det4 ,. . . las cumplen.

i) Sean 1 ≤ p < p ≤ n. Utilizamos la fila p para calcular detn . Tenemos

n
detn (A) = (−1)p+q ap,q detn−1 (A(p; q))
q=1

Como detn−1 no depende de la fila que usemos, utilizando la fila p − 1 de

A(p; q) este valor es igual a
⎛ ⎞
n ⎜⎜ q−1 ⎟⎟
⎜⎜ ⎟
detn (A) = p+q
(−1) ap,q ⎜⎜ (−1) p +q −1
ap ,q detn−2 (A(p, p ; q, q ))⎟⎟⎟
⎝ ⎠
q=1 q =1
⎛ ⎞
n ⎜⎜ n ⎟⎟
⎜ ⎟
+ (−1)p+q ap,q ⎜⎜⎜ (−1)p +q ap ,q detn−2 (A(p, p ; q, q ))⎟⎟⎟ (2.2)
⎝ ⎠
q=1 q =q+1

donde A(p, p ; q, q ) es la matriz A a la que le hemos quitado las filas p, p y las

columnas q, q .

Si usamos la fila p para calcular detn (A) tendremos

n
(−1)p +q ap ,q detn−1 (A(p ; q ))
q =1
y utilizando la fila p para calcular detn−1 , este valor coincide con
⎛ ⎞
n ⎜⎜q −1 ⎟⎟
⎜⎜ ⎟
(−1) p +q
ap ,q ⎜⎜ (−1) ap,q detn−2 (A(p, p ; q, q ))⎟⎟⎟
p+q
⎝ ⎠
q =1 q=1
⎛ ⎞
n ⎜⎜ n ⎟⎟
⎜ ⎟
+ (−1)p +q ap ,q ⎜⎜⎜ (−1)p+q−1 ap,q detn−2 (A(p, p ; q, q ))⎟⎟⎟
⎝ ⎠
q =1 q=q +1

Cambiando los órdenes de sumación en esta expresión recuperamos el miem-

bro de la derecha de la igualdad (2.2). Esto prueba que detn no depende de la
fila que elijamos.
ii) Sea A una matriz de orden n ≥ 3. La propiedad (1) se cumple trivial-
mente ya que si A está escalonada entonces
n
detn (A) = (−1)p+q ap,q detn−1 (A(p; q)) = (−1)p+p ap,p detn−1 (A(p; p))
q=1

donde la última igualdad es consecuencia de que ap,q = 0 para q < p mientras

que, para q > p, A(p; q) es una matriz escalonada con algún cero en la diago-
nal. Como A(p; p) también está escalonada y detn−1 cumple la propiedad (1),
podemos concluir que detn (A) es el producto de los elementos de la diagonal
de A.
Demostremos que detn cumple (2). Sea B = Fij (α)A. Puesto que detn no
depende de la fila que elijamos, escogemos una fila p  i, j. La relación entre
A(p; q) y B(p; q) es que la segunda matriz es la primera en la que a la fila i se
le ha sumado α veces la fila j. Pero en tal caso detn−1 (A(p; q)) = detn−1 (B(p; q)),
por lo que detn (A) = detn (B).
La propiedad (3) se demuestra de igual modo pero con B = Fij A.

Definición. Dada una matriz cuadrada de orden n, el valor det(A) = detn (A) se
llama determinante de A.

Signos (−1)p+q

Si lo piensas un poco verás que los signos (−1)p+q que aparecen

en la fórmula del determinante obedecen a siguiente disposición tipo
tablero de ajedrez
⎛ ⎞
⎜⎜⎜+ − + · · ·⎟⎟⎟
⎜⎜− + − · · ·⎟⎟
⎜⎜ ⎟
⎜⎜+ − + · · ·⎟⎟⎟
⎜⎜ ⎟⎟
⎜⎜ . ⎟⎟
⎝. ⎠
.
donde en la posición (p, q) está el signo (−1)p+q .
Clase 11. Propiedades de los determinantes

Teorema 22. Sean A y B dos matrices cuadradas del mismo orden. Se

tiene que det(AB) = det(A) det(B).

Demostración. Si A es una matriz elemental de tipo I o S el resultado es conse-

cuencia de las propiedades (2) y (3). Si A = Fi (α) entonces det(A) = α y basta
desarrollar det(AB) por la fila i para darse cuenta de que det(AB) = α det(B) =
det(A) det(B). Si A es una matriz producto de matrices elementales (inverti-
ble) el resultado se obtiene aplicando reiteradamente el caso en el que A es
elemental.
En el caso general, escribimos A como A = P à con à escalonada con ele-
mentos diagonales ã1,1 , . . . , ãn,n . El elemento ãn,n divide a la última fila de Ã
por lo que à = Fn (an,n )Ã1 donde ahora Ã1 tiene un 1 en la posición (n, n).
Esto nos da det(AB) = det(P) det(F(an,n )Ã1 B) = det(P)an,n det(Ã1 B). Con el 1
que hemos obtenido hacemos ceros en la última columna de Ã1 . Esto hace
que la penúltima fila sea nula excepto por su elemento ãn−1,n−1 en posición
(n−1, n−1), es decir está multiplicada por an−1,n−1 . Procediendo como antes sa-
camos an−1,n−1 del determinante dejando un 1, hacemos ceros y repetimos. Al
final tendremos det(AB) = det(P)ã1,1 · · · ãn−1,n−1 det(B) = det(P) det(Ã) det(B) =
det(P Ã) det(B) = det(A) det(B).

Ejemplo.

Claramente 
a −b
det = a2 + b 2
b a
por lo que
 
a −b c −d
det det = (a2 + b2 )(c 2 + d 2 )
b a d c

Por otro lado,

  
a −b c −d ac − bd −(ad + bc)
=
b a d c ad + bc ac − bd

por lo que el determinante del producto es (ac − bd)2 + (ad + bc)2 .

Puedes comprobar que en efecto

(a2 + b2 )(c 2 + d 2 ) = (ac − bd)2 + (ad + bc)2 ,

lo que por otro lado nos dice que al multiplicar sumas de dos cua-
drados obtendremos una suma de dos cuadrados.
 Proposición 23. det(A) = det(AT ).

Demostración. Si el enunciado es cierto para A y B entonces det((AB)T ) =

det(BT AT ) = det(BT ) det(AT ) = det(B) det(A) = det(A) det(B) = det(AB) implica
que también lo es para AB.
Puesto que FijT = Fij , Fij (α)T = Fji (α) y Fi (α)T = Fi (α) entonces el resultado
es cierto para matrices elementales y también para su producto, es decir, para
matrices invertibles. También, si S está escalonada, usando la primera, segun-
da, . . . filas para calcular det(S T ) es inmediato ver que det(S T ) es el producto
de los elementos diagonales, es decir, det(S) = det(S T ).
Para un A cualquiera, PA = S con P invertible. Ası́, A = P −1 S, AT = S T (P −1 )T .
Aplicando determinantes,

det(AT ) = det(S T ) det((P −1 )T ) = det(S) det(P −1 )

= det(P −1 ) det(S) = det(A).

Desarrollos por filas y por columnas

Teorema 24. Para una matriz cuadrada A de orden n se tiene que

Desarrollo por la fila p:

n
det(A) = (−1)p+q ap,q det(A(p; q)).
q=1

Desarrollo por la columna q:

n
det(A) = (−1)p+q ap,q det(A(p; q)).
p=1

Demostración. La primera fórmula ya la hemos demostrado. En cuanto a la

segunda, desarrollando det(A)T por la fila q,
n
det(A) = det(AT ) = (−1)p+q ap,q det(AT (q; p))
p=1
n
= (−1)p+q ap,q det(A(p; q)).
p=1
Ejemplo.

Calcular ⎛ ⎞
⎜⎜ 0 1 0 ⎟⎟
⎜ ⎟⎟
det ⎜⎜⎜ 1 1 1 ⎟⎟
⎝ ⎠
−2 −1 0

Podemos usar cualquier fila o columna. Primero lo haremos usan-

do la primera columna:
⎛ ⎞  
⎜⎜ 0 1 0 ⎟⎟
⎜ ⎟⎟ 1 1 1 0
det ⎜⎜⎜ 1 1 1 ⎟⎟ = (−1)1+1 · 0 · det + (−1)2+1 · 1 · det
⎝ ⎠ −1 0 −1 0
−2 −1 0

1 0
+ (−1)3+1 · (−2) · det = 0 − 0 + 1 · (−2) · 1 = −2
1 1

Este ejemplo ya nos muestra que

las mejores filas o columnas para desarrollar un determinante

suelen ser las que tienen muchos ceros ya que producen desa-
rrollos más cortos.

Ası́ que en lugar de la primera columna, si usamos la primera fila y

no incluimos los sumandos nulos correspondientes a a1,j = 0 tenemos
⎛ ⎞ 
⎜⎜ 0 1 0 ⎟⎟
⎜ ⎟ 1 1
det ⎜⎜⎜ 1 1 1 ⎟⎟⎟ = (−1)1+2 · 1 · det = (−1) · (1) · (2) = −2
⎝ ⎠ −2 0
−2 −1 0

Regla de Sarrus
Al igual que hemos visto una fórmula sencilla para determinantes
de orden 2, existe una regla sencilla (regla de Sarrus) para recordar
la fórmula de los determinantes de orden 3. Desarrollando por la
primera fila
⎛ ⎞  
⎜⎜ a1,1 a1,2 a1,3 ⎟⎟
⎜ ⎟ a2,2 a2,3 a2,1 a2,3
det ⎜⎜⎜ a2,1 a2,2 a2,3 ⎟⎟⎟ = a1,1 det − a1,2 det
⎝ ⎠ a3,2 a3,3 a3,1 a3,3
a3,1 a3,2 a3,3

a2,1a2,2
+ a1,3 det
a3,1a3,2
   
= a1,1 a2,2 a3,3 − a2,3 a3,2 − a1,2 a2,1 a3,3 − a2,3 a3,1
 
+ a1,3 a2,1 a3,2 − a2,2 a3,1

es decir
a1,1 a2,2 a3,3 + a1,2 a2,3 a3,1 + a1,3 a2,1 a3,2 − a1,1 a2,3 a3,2 − a1,2 a2,1 a3,3 − a1,3 a2,2 a3,1
 que sigue los mismos patrones que la siguiente figura (azul corres-
ponde a sumando positivo y rojo a negativo, y si te fijas, para los po-
sitivos se usan paralelas a la diagonal principal y para los negativos
paralelas a la otra diagonal):

+a1,1 a2,2 a3,3 +a1,3 a2,1 a3,2 +a1,2 a2,3 a3,1

−a1,3 a2,2 a3,1 −a1,2 a2,1 a3,3 −a1,1 a2,3 a3,2

Ejemplo.

Calcular el determinante de
⎛ ⎞
⎜⎜ 1 0 −1 −1 ⎟⎟
⎜⎜ −1 −1 ⎟⎟
⎜⎜ 0 0 ⎟⎟
⎜⎜ ⎟⎟
⎜⎜ 0 −2 −1 −1 ⎟⎟
⎝ ⎠
0 −1 0 −1

Dearrollamos por la primera columna y aplicamos la regla de Sarrus:

⎛ ⎞
⎜⎜ 1 0 −1 −1 ⎟⎟ ⎛ ⎞ ⎛ ⎞
⎜⎜ −1 −1 ⎟⎟ ⎜⎜ −1 0 0 ⎟⎟ ⎜⎜ 0 −1 −1 ⎟⎟
⎜ 0 0 ⎟⎟ ⎜⎜ ⎟ ⎜ ⎟
det ⎜⎜⎜ ⎟ = det ⎜⎜ −2 −1 −1 ⎟⎟⎟ + det ⎜⎜⎜ −2 −1 −1 ⎟⎟⎟
⎜⎜ 0 −2 −1 −1 ⎟⎟⎟ ⎝ ⎠ ⎝ ⎠
⎝ ⎠ −1 0 −1 −1 0 −1
0 −1 0 −1
= −1 + 2 = 1

Propiedades elementales del determinante a tener en cuenta

Proposición 25.

Si una matriz tiene una fila o columna nula el determinante es 0.

Si se intercambian dos filas o columnas el determinante cambia de
signo.

Si una matriz tiene dos filas (o dos columnas) repetidas su determi-

nante es 0.
 Si a una fila o columna se le suma un múltiplo de otra fila o columna
el determinante no cambia.
Si una fila o columna de una matriz depende linealmente del resto
el determinante es 0.
El determinante de una matriz escalonada es el producto de los ele-
mentos diagonales.

Si se multiplica una fila o una columna de A por un número α

entonces el determinante de la nueva matriz es α det(A).
Si se multiplican todas las entradas de una matriz de orden n por α
entonces el determinante queda multiplicado por α n .
Si la fila i de una matriz A se sustituye por la suma de dos tuplas,
entonces el determinante es la suma de los determinantes de las dos
matrices obtenidas al sustituir la fila i de A por cada una de esas
tuplas. El mismo resultado es cierto para columnas en lugar de para
filas.

Estrategia para el cálculo de determinantes

Puesto sabemos cómo cambia el determinante al hacerle opera-

ciones elementales a la matriz, a veces podemos utilizar esto para
cambiar la matriz con una que tenga muchos ceros en alguna fila o
columna y desarrollar el determinante usando esa fila o columna.

Ejercicio tipo.

Dados x1 , . . . , xn , calcula el determinante de Vandermonde

⎛ ⎞
⎜⎜ 1 1 ··· 1 ⎟⎟
⎜⎜ x ··· ⎟⎟
⎜⎜ 1 x2 xn ⎟⎟
⎜⎜ 2 ⎟⎟
det ⎜⎜⎜⎜ x1 x22 ··· xn2 ⎟⎟
⎟⎟
⎜⎜⎜ .. .. ⎟⎟
⎟⎟
⎜⎜ . . ⎟⎠
⎝ n−1
x1 x2n−1 ··· xnn−1

Usamos la primera fila para hacer ceros en la primera columna ya

que el determinante no cambiará. Usaremos la notación |A| en lugar
de det(A) para que las matrices no excedan los márgenes.
   
 1 1 ··· 1   1 1 ··· 1 
 x1 x2 ··· xn   0 x2 − x1 ··· xn − x1 
 x2 x22 ··· xn2   0 x22 − x12 ··· xn2 − x12 
 1  =  
 . .   . . 
 . . . . 
.
 n−1
.   . .

x1 x2n−1 ··· n−1
xn   0 x2n−1 − x1n−1 ··· xn − x1n−1
n−1
 
 x2 − x1 ··· xn − x1 
 x22 − x12 ··· xn2 − x12 
 
=  . . 
 . . 
 . .
 
x2 − x1n−1
n−1 ··· xn − x1n−1
n−1

Usando que xm − y m = (x − y)(xm−1 + xm−2 y + · · · + xy m−2 + y m−1 ) vemos

que todos los elementos de la i-ésima columna están multiplicados
por xi − x1 , ası́ que los podemos sacar factor común del determinante
y obtenemos
 
 1 ··· 1 
 x2 + x1 ··· xn + x1  
 . .  (xj − x1 )
 . . 
 . .  2≤j≤n
 xn−2 + xn−3 x1 + · · · + xn−2 ··· xn + xn x1 + · · · + x1n−2
n−2 n−3 
2 2 1

Usando la primera fila podemos eliminar x1 de la segunda, y proce-

diendo análogamente, podemos convertir la anterior expresión en
 
 1 ··· 1 
 x2 ··· xn  
 . .  (xj − x1 )
 . . 
 . .  2≤j≤n
 xn−2 ··· n−2
xn 
2

donde el determinante es un determinante de Vandermonde de una

matriz de orden menor. Reiterando llegamos a que
 
 1 1 ··· 1 
 x1 x2 ··· xn 
 x2 x22 ··· xn2  
 1  = (xj − xi )
 . . 
 . .  1≤i≤j≤n
. .
 n−1 
x1 x2n−1 ··· xnn−1 
Clase 12. Matriz adjunta. Regla de Cramer
Definición. Sea A una matriz cuadrada de orden n. El valor

Ap,q := (−1)p+q det(A(p; q))

se llama cofactor de ap,q en A. La matriz adjunta adj(A) de A es la matriz cua-

drada de orden n cuyo elemento en posición (i, j) es Aj,i .

Propiedad de la matriz adjunta

Proposición 26. Se tiene que

A adj(A) = det(A)In .

Demostración. El elemento (i, j) del producto A adj(A) es

n n
ai,q Aq,j = (−1)q+j ai,q det(A(j; q)).
q=1 q=1

Este es el determinante de la matriz obtenida al quitarle a A su fila j y poner

en su lugar una copia de la fila i. Si i = j entonces este valor es det(A), pero
si i  j entonces este la matriz tendrá dos copias de la fila i y el determinante
será 0. Ası́ pues el elemento (i, j) coincide con el de det(A)In .

Inversa en términos de la adjunta

Corolario 27. Una matriz cuadrada A es invertible si y solamente si
det(A) es invertible. Además, en tal caso

1
A−1 = adj(A)
det(A)

y det(A−1 ) = det(A)−1 .

Demostración. Si A es una matriz invertible de orden n entonces 1 = det(In ) =

det(AA−1 ) = det(A) det(A−1 ) implica que det(A) es invertible. Recı́procamente,
1
si det(A) es invertible entonces A( det(A) adj(A)) = In implica que A es inverti-
ble.
Si A es invertible entonces, por el párrafo anterior, det(A−1 ) = det(A)−1 y
A−1 1
= det(A) adj(A).
 Ejemplo.

Sea 
a b
A= .
c d
Como
A1,1 = d, A1,2 = −c, A2,1 = −b, A2,2 = a
la fórmula para la inversa nos dice que

1 d −b
A−1 =
ad − bc −c a

Se llama menor de orden r de una matriz a una submatriz obtenida por la

intersección de r filas y r columnas.

Rango en términos de determinantes

Teorema 28. El rango de una matriz coincide con el mayor orden de los
menores cuyo determinante no es nulo.

Demostración. Sea r el rango y s el mayor orden de los menores cuyo determi-

nante no es nulo. Ninguna de las operaciones elementales cambia ni el rango
r ni el que haya un menor de un cierto orden cuyo determinante sea inverti-
ble. Por tanto podemos asumir que A es una matriz escalonada. El rango es el
número de filas no nulas. Podemos elegir para cada fila la columna del pivote,
ası́ tendremos un menor con determinante no nulo. Esto muestra que r ≤ s.
Ahora bien, un menor de orden > r debe tener al menos r + 1 filas, lo que im-
plica que una de ellas es nula y que por tanto su determinante es cero. Esto
prueba que s ≤ r.

Ejemplo.

Estudia el valor de λ para que el sistema

⎫
x − λy − (2λ − 2)z = −1 ⎪
⎪
⎪
⎬
−x + λy + (λ − 1)z = 1 ⎪
⎪
⎪
⎭
−2x + λy − (2λ − 2)z = 0

sea compatible determinado.

Este sistema ya lo estudiamo en el tema anterior, ası́ que podemos
comparar los resultados que obtengamos ahora. Primero estudiamos
las condiciones en λ para que la matriz de coeficientes tenga rango 3.
 Calculamos el determinante haciendo algunos ceros
⎛ ⎞ ⎛ ⎞
⎜⎜ 1 −λ −2λ + 2 ⎟⎟ 1 −λ −2λ + 2
⎜⎜ ⎟⎟
⎜ ⎟⎟ ⎜ ⎟⎟
det ⎜⎜⎜ −1 λ λ−1 ⎟⎟ = det ⎜⎜⎜
0 0 −λ + 1 ⎟⎟
⎝ ⎠ ⎝ ⎠
−2 λ −2λ + 2 −2 λ −2λ + 2

1 −λ
= −(−λ + 1) det = (λ − 1)(−λ)
−2 λ

por lo que el sistema será compatible determinado si y solo si λ  0, 1.

Regla de Cramer

Teorema 29. Sea A una matriz invertible. El sistema AX = b es compa-

tible determinado y para todo i = 1, . . . , n se tiene que

det(col1 (A), . . . , coli−1 (A), b, coli+1 (A), . . . , coln (A)

xi = .
det(A)

1 n
Demostración. X = A−1 b = det(A)
1
adj(A)b implica que xi = det(A) q=1 Aq,i bq .
n
Pero q=1 Aq,i bq es el desarrollo por la columna i de la matriz que tiene las
mismas columnas que A excepto la i-ésima, que ha sido reemplazada por b.

Ejemplo.

En los casos en que puedas aplicar la regla de Cramer encuentra las

soluciones del sistema
⎫
x − λy − (2λ − 2)z = −1 ⎪ ⎪
⎪
⎬
−x + λy + (λ − 1)z = 1 ⎪⎪
⎪
−2x + λy − (2λ − 2)z = 0 ⎭

Los determinantes involucrados son

⎛ ⎞
⎜⎜ 1 −λ −2λ + 2 ⎟⎟
⎜ ⎟⎟
det ⎜⎜⎜ −1 λ λ−1 ⎟⎟ = (λ − 1)(−λ) = λ(1 − λ)
⎝ ⎠
−2 λ −2λ + 2
⎛ ⎞ ⎛ ⎞
⎜⎜ −1 −λ −2λ + 2 ⎟⎟ ⎜⎜ −1 −λ −2λ + 2 ⎟⎟
⎜ ⎟⎟ ⎜ ⎟⎟
det ⎜⎜⎜ 1 λ λ−1 ⎟⎟ = det ⎜⎜⎜ 0 0 −λ + 1 ⎟⎟ = λ(1 − λ)
⎝ ⎠ ⎝ ⎠
0 λ −2λ + 2 0 λ −2λ + 2
⎛ ⎞ ⎛ ⎞
⎜⎜ 1 −1 −2λ + 2 ⎟⎟ ⎜⎜ 1 −1 −2λ + 2 ⎟⎟
⎜ ⎟⎟⎟ = det ⎜⎜⎜ 0 ⎟
det ⎜⎜⎜ −1 1 λ−1 ⎟⎠ ⎜⎝ 0 −λ + 1 ⎟⎟⎟ = −(−λ + 1)(−2) = 2(1 − λ)
⎝ ⎠
−2 0 −2λ + 2 −2 0 −2λ + 2
⎛ ⎞ ⎛ ⎞
⎜⎜ 1 −λ −1 ⎟⎟ ⎜⎜ 1 −λ −1 ⎟⎟
⎜ ⎟⎟⎟ = det ⎜⎜⎜ 0 ⎟
det ⎜⎜⎜ −1 λ 1 ⎟⎠ ⎜⎝ 0 0 ⎟⎟⎟ = 0
⎝ ⎠
−2 λ 0 −2 λ 0

por lo que la regla de Cramer la podemos aplicar en los casos λ  0, 1. En tales casos la solución
será

λ(1 − λ)
x1 = =1
λ(1 − λ)
2(1 − λ) 2
x2 = =
λ(1 − λ) λ
x3 = 0
Clase 0. Ejercicios de producto de matrices, inversas y
determinantes
1. Para las matrices
  ⎛ ⎞
−1 ⎜⎜ 2 1 ⎟⎟
1 2 3 1 ⎜ ⎟
A= , B= , C = ⎜⎜⎜ 1 0 ⎟⎟⎟
−1 1 −1 1 2 ⎝ ⎠
−1 −1

calcula CB, AC, (AC + B)B y A(CB).

2. Sean A, B, C matrices cuadradas del mismo orden n. ¿Es cierto que si
AB = AC entonces B = C?¿Y si rango(A) = n?
3. Encuentra una matriz cuadrada A de orden 3 de modo que su primera
fila sea (1, −1, 1) y tal que A2 = 0.
4. Considera las matrices
  
α0 α1
| α0 , α1 ∈ R
−α1 α0

Demuestra la siguiente regla de multiplicación

  
α0 α1 β0 β1 α0 β0 − α1 β1 α0 β1 + α1 β0
=
−α1 α0 −β1 β0 −α0 β1 − α1 β0 α0 β0 − α1 β1

0 1
Si llamas 1 a la matriz identidad I2 e i a la matriz concluye que
−1 0

(α0 1 + α1 i)(β0 1 + β1 i) = (α0 β0 − α1 β1 )1 + (α0 β1 + α1 β0 )i.

¿Reconoces esta fórmula?

5. Considera las matrices
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
⎜⎜ −3 2 1 ⎟⎟ ⎜⎜ 5 −1 7 ⎟⎟ ⎜⎜ −3 2 −4 ⎟⎟
⎜ ⎟ ⎜ ⎟⎟ ⎜ ⎟
A = ⎜⎜⎜ −2 1 0 ⎟⎟⎟ , B = ⎜⎜⎜ −2 3 6 ⎟⎟ , C = ⎜⎜⎜ 4 −2 5 ⎟⎟⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
−2 1 −1 −8 7 7 −4 1 −5

a) ¿Es AB = BA?
b) ¿Es AC = CA?
6. Calcula la matriz inversa de las siguientes matrices
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
⎜⎜ −1 0 −3 ⎟⎟ ⎜⎜ −2 −5 0 ⎟⎟ ⎜⎜ −4 3 0 ⎟⎟
⎜⎜⎜ −1 −1 −2 ⎟⎟⎟ , ⎜⎜⎜ 5 −1 2 ⎟⎟⎟ , ⎜⎜⎜ 4 −6 1
⎟⎟
⎟⎟
⎜⎝ ⎟⎠ ⎜⎝ ⎟⎠ ⎜⎝ ⎠
−2 −2 −3 1 −4 1 −1 4 −1

7. Calcula la inversa de la matriz


cos(α) − sin(α)
A=
sin(α) cos(α)

¿Es A−1 igual a AT ?

 8. (Willams) Un modelo de color es un método de implementar colores.
Dos modelos son el RGB (Red, Green, Blue) para monitores y el modelo
YIQ para televisión. Una señal de ordenador puede convertirse en una
señal para televisión mediante la codificación NTSC (National Televi-
sion System Committee) mediante la siguiente transformación
⎛ ⎞ ⎛ ⎞⎛ ⎞
⎜⎜Y ⎟⎟ ⎜⎜0,299 0,587 0,114 ⎟⎟ ⎜⎜ R ⎟⎟
⎜⎜⎜ I ⎟⎟⎟ = ⎜⎜⎜0,596 −0,275 −0,321⎟⎟⎟ ⎜⎜⎜G ⎟⎟⎟
⎜⎝ ⎟⎠ ⎜⎝ ⎟⎠ ⎜⎝ ⎟⎠
Q 0,212 −0,523 0,311 B
En el modelo RGB las componentes R, G, B (roja, verde y azul) de los
colores pueden variar entre 0 y 255, lo que permite 16777216 colores
diferentes. El color púrpura tiene codificación RGB (213, 77, 187). En-
cuentra su codificación Y IQ. Comprueba que la transformación para
cambiar colores del modelo YIQ al modelo RGB viene dada por
⎛ ⎞ ⎛ ⎞⎛ ⎞
⎜⎜ R ⎟⎟ ⎜⎜1 0,956 0,620 ⎟⎟ ⎜⎜Y ⎟⎟
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎜ ⎟
⎜⎜G⎟⎟ = ⎜⎜1 −0,272 −0,647⎟⎟⎟ ⎜⎜⎜ I ⎟⎟⎟
⎝ ⎠ ⎝ ⎠⎝ ⎠
B 1 −1,108 1,705 Q

9. Considera la siguiente forma de cifrar un mensaje –ten cuidado ya que

esta forma es totalmente insegura en la práctica. Asigna a la letra A el
valor 1, a la B el valor 2, etc. Al espacio le puedes asignar el valor 28.
Asigna el 0 al sı́mbolo de relleno ∗. Ahora trocea tu mensaje en bloques
de tres letras consecutivas, obteniendo una terna de números por cada
bloque. Usa ∗ para completar el último bloque si es necesario. Para cifrar
un bloque (x, y, z) calculas el producto
⎛ ⎞ ⎛ ⎞⎛ ⎞
⎜⎜x ⎟⎟ ⎜⎜−3 −3 −4⎟⎟ ⎜⎜x ⎟⎟
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎜ ⎟
⎜⎜y ⎟⎟ = ⎜⎜ 0 1 1 ⎟⎟⎟ ⎜⎜⎜y ⎟⎟⎟
⎝ ⎠ ⎝ ⎠⎝ ⎠
z 4 3 4 z
y sustituyes el texto asociado a (x, y, z) por el asociado a la reducción
módulo 29 de (x , y , z ). Repites esto para todos los bloques y ya tendrás
el texto cifrado.
a) Usa este método para cifrar la palabra CRIPTO.
b) Encuentra el método para descifrar un texto cifrado.
c) Comprueba tu método descifrando el texto obtenido en el primer
apartado.
10. Encuentra el valor del parámetro a en cada caso para que los siguientes
conjuntos sean bases de R3 :
    
a) 0, a − 1, 2 a2 , 1, a + 1, −a2 + 2 , (1, 2 a, 3) .
     
b) { −3, −6 a + 6, 2 a2 − 9 , −3, −5 a + 4, 2 a2 − 7 , 1, 2 a − 2, −a2 + 3

11. (Strang) Explica por qué los puntos (x, y) de la recta que pasa por (2, 8) y
por (7, 4) son los que cumplen que
⎛ ⎞
⎜⎜x y 1⎟⎟
⎜ ⎟
det ⎜⎜⎜2 8 1⎟⎟⎟ = 0.
⎝ ⎠
4 7 1
 ¿Puedes generalizar esta observación para encontrar la ecuación implı́ci-
ta de un plano en el espacio que pase por tres puntos no colineales da-
dos? ¿Cómo enunciarı́as tu resultado para dimensiones arbitrarias?

12. Encuentra la ecuación implı́cita del plano de R3 que pasa por (1, 1, 1),
(1, 1, 0) y (0, 1, 1).

13. (Strang) Calcula el determinante

⎛ ⎞
⎜⎜4 4 4 4⎟⎟
⎜⎜⎜1 2 0 1⎟⎟⎟⎟
det ⎜⎜⎜ ⎟
⎜⎜⎝2 0 1 2⎟⎟⎟
⎠
1 1 0 2

Haz lo mismo restando la primera fila al resto.

14. (Strang) Calcula el rango y el determinante de la matriz

⎛ ⎞
⎜⎜α1 ⎟⎟
⎜⎜ ⎟⎟
⎜⎜α2 ⎟⎟  
⎜⎜ ⎟⎟ β ···
⎜⎜ .. ⎟⎟ 1 β2 βn
⎜⎜ . ⎟⎟
⎜⎝ ⎟⎠
αn

15. Calcula el determinante de la matriz

⎛ ⎞ ⎛ ⎞ ⎛ ⎞
⎜⎜ x 0 0 ⎟⎟ ⎜⎜ 0 1 0 ⎟⎟ ⎜⎜ x −1 0 ⎟⎟
⎜ ⎟ ⎜ ⎟⎟ ⎜⎜ ⎟⎟
xI3 − A := ⎜⎜⎜ 0 x 0 ⎟⎟⎟ − ⎜⎜⎜ 1 0 1 ⎟⎟ = ⎜⎜ −1 x −1 ⎟⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
0 0 x 1 1 0 −1 −1 x

16. (Strang) Considera la matriz

⎛ ⎞
⎜⎜ 0 a b ⎟⎟
⎜⎜ ⎟
⎜⎜−a 0 c ⎟⎟⎟
⎝ ⎠
−b −c 0

Demuestra que su determinante es 0. En general, prueba que si una ma-

triz cuadrada de orden impar cumple que AT = −A entonces det(A) = 0.

17. Sea A una matriz cuadrada de orden n tal que A2 = 0. ¿Cómo calcuları́as
rápidamente (In − A)−1 ?

18. (Strang) Justifica si las siguientes afirmaciones son verdaderas o falsas:

a) Si A y B son idénticas salvo en su posición (1, 1) en la que b1,1 = 2a1,1

entonces det(B) = 2 det(A).
b) El determinante coincide con el producto de los pivotes.
c) Si A en invertible y det(B) = 0 entonces A + B es invertible.
d) Si A es invertible y det(B) = 0 entonces AB no es invertible.
e) El determinante de AB − BA es 0.
19. (Strang) Calcula el determinante de las siguientes matrices
⎛ ⎞ ⎛ ⎞
⎜⎜11 12 13 14⎟⎟ ⎜⎜⎜ 1 λ λ2 λ3 ⎟⎟
⎜⎜⎜21 22 23 24⎟⎟⎟ ⎜⎜⎜ λ ⎟
⎜⎜ ⎟⎟ , ⎜⎜ 1 λ λ2 ⎟⎟⎟
⎟
⎜⎜31 32 33 34⎟⎟ ⎜⎜λ2 λ
⎜⎝ ⎟⎠ ⎜⎝ 1 λ ⎟⎟⎟⎟
⎠
41 42 43 44 λ3 λ2 λ 1

20. (Strang) Sea Fn el determinante de la matriz 1, 1, −1-tridiagonal de orden

n: ⎛ ⎞
⎜⎜ 1 −1 0 0 ··· 0 0 0 ⎟⎟
⎜⎜ 1
⎜⎜ 1 −1 0 ··· 0 0 0 ⎟⎟⎟⎟
⎜⎜ ⎟
⎜⎜ 0 1 1 −1 · · · 0 0 0 ⎟⎟⎟
⎜⎜ ⎟⎟
⎜⎜ .. .. .. ⎟⎟
⎜⎜ . . . ⎟⎟
⎜⎜ ⎟⎟
Fn = det ⎜⎜⎜ ⎟⎟
⎜⎜ .. .. .. ⎟⎟
. . . ⎟⎟
⎜⎜⎜ ⎟⎟
⎜⎜⎜ .. .. .. ⎟⎟⎟
⎜⎜ . . . ⎟⎟
⎜⎜ ⎟
⎜⎜ 0 0 0 0 ··· 1 1 −1 ⎟⎟⎟
⎝ ⎠
0 0 0 0 ··· 0 1 1
Demuestra que Fn = Fn−1 +Fn−2 , por lo que Fn es la sucesión de Fibonacci
1, 2, 3, 5, 8, 13, . . . .
21. (Strang) Considera la matriz cuadrada de orden n An (n ≥ 2) cuyas entra-
das son 1 excepto en la diagonal principal que tiene todo ceros. Calcula
el determinate de An .
22. (Strang) Sean A, B matrices de órdenes m × n y n × m respectivamente.
Demuestra que
 
0 A Im 0
det = det(AB) Sugerencia: multiplica por
−B In B In

Comprueba tu resultado con un ejemplo concreto en el que m < n y

con otro en el que m > n. ¿Por qué en tu segundo ejemplo ocurre que
det(AB) = 0?
23. (Strang) Demuestra que 4 es el máximo valor que puede tomar el deter-
minante de una matriz de orden 3 cuyos elementos sean ±1.
24. (Strang) Sea An la matriz −1, 2, −1-tridiagonal de orden n × n, es decir,
sus elementos de la diagonal principal son 2 mientras que los de la pa-
ralela a izquierda son −1 y los de la paralela a derecha son también −1.
Define Bn como An pero con b1,1 = 1 en lugar de 2. Demuestra que la
fórmula de recursión det(Bn ) = 2 det(Bn−1 ) − det(Bn−2 ) coincide con la de
An . ¿Qué pivotes tiene Bn ?
25. (Strang) Sea Cn el determinante de la matriz 1, 0, 1-tridiagonal de orden
n:
a) Calcula C1 , C2 , C3 y C4 .
b) Encuentra la relación de recursión entre Cn , Cn−1 y Cn−2 . Calcula
C10 .
26. (Strang) Sean A, B, C y D matrices cuadradas del mismo orden. Afirma-
mos que en general
 
A B A B
det = det(A) det(D), det  det(A) det(D) − det(C) det(B)
0 D C D

a) ¿Por qué es cierta la primera fórmula?

b) Encuentra un ejemplo en el que se vea que la segunda afirmación
puede ocurrir.
c) Encuentra un contraejemplo que muestre que en general

A B
det  det(AD − CB)
C D

27. (Strang) Sean A, B, C y D matrices cuadradas del mismo orden n tales

que A es invertible. Comprueba la fórmula
  
In 0 A B A B
=
−CA−1 In C D 0 D − CA−1 B
Demuestra que si AC = CA entonces

A B
det = det(AD − CB).
C D

28. (Strang) Calcula la matriz adjunta adj(A) de la matriz

⎛ ⎞
⎜⎜ 2 −1 0 ⎟⎟
⎜⎜ ⎟
⎜⎜−1 2 −1⎟⎟⎟
⎝ ⎠
0 −1 2
y calcula explı́citamente A adj(A).
29. (Strang) Usa la matriz adjunta para calcular las inversas de las matrices
⎛ ⎞ ⎛ ⎞
⎜⎜ 2 −1 0 ⎟⎟ ⎜⎜1 1 1⎟⎟
⎜⎜⎜−1 2 −1⎟⎟⎟ , ⎜⎜⎜1 2 2⎟⎟⎟
⎜⎝ ⎟⎠ ⎜⎝ ⎟⎠
0 −1 2 1 2 3

30. (Strang) Justifica la siguiente demostración de la regla de Cramer para

el sistema AX = b:
det(b | col2 (A) | · · · | coln (A))
= det(x1 col1 (A) + · · · + xn coln (A) | col2 (A | · · · | coln (A)
= x1 det(col1 (A) | · · · | coln (A)).

31. (Strang) Demuestra, a partir de A adj(A) = det(A)In , que det(adj(A)) =

det(A)n−1 . Compruébalo con un ejemplo para n = 3.
32. Sea A una matriz invertible tal que todos los elementos por encima de la
diagonal principal (ai,j con i < j). Demuestra que A−1 también cumple
esa misma propiedad.
Algunos ejercicios de autoevaluación
1. (Producto) Define la traza de una matriz cuadrada como la suma de los
elementos de su diagonal. Demuestra que si A y B son matrices de orden
m × n y n × m respectivamente entonces la traza de AB es la misma que
la de BA.

2. (Producto) Calcula A2 , A3 , A4 donde


1 −1
A=
1 1
¿Podrı́as calcular A1003 ?

−1 −1
Solución: A1003 = 2501 .
1 −1

3. (Inversa) Considera dos tuplas (vistas como filas) X, Y en F n y A :=

In − X T Y . Demuestra que A−1 = I + 1−Y1X T X T Y .

4. (Determinante) Sea An la matriz tridiagonal que tiene unos en la diago-

nal principal y en las dos paralelas a la izquierda y derecha de la diago-
nal principal. Por ejemplo,
⎛ ⎞
⎜⎜1 1 0⎟⎟
⎜⎜ ⎟
A3 = ⎜⎜1 1 1⎟⎟⎟
⎝ ⎠
0 1 1
Sea Dn el determinate de An . Queremos calcular Dn :
a) Demuestra que Dn = Dn−1 − Dn−2 .
b) A partir de D1 = 1 y D2 = 0, encuentra D3 , D4 , . . . , D8 .
c) Calcula D1000 .
Solución: Ocurre que Dn = Dn−6 por lo que D1000 = D4 = −1.

5. Encuentra según el valor del parámetro a todos los elementos de R4 que

te permiten completar el conjunto
{(−2, −3 a + 6, −9, −4) , (−1, 2 a − 4, 4, 3) , (2, a − 2, 4, 1)}
hasta una base de R4 .
Solución: Los (x, y, z, t) tales que at + ax − az − 2 t − 2 x + y + 2 z  0 si a  2.
Si a = 2 el conjunto es linealmente dependiente y no puede completarse
hasta una base.

6. (Cramer) Sea M la matriz identidad In en la que una columna, digamos

la j, se ha cambiado por la columna X := (x1 , . . . , xn )T .
a) Calcula det(M).
b) Demuestra que si AX = b entonces AM es la matriz A en la que la
columna j se ha cambiado por b.
c) Demuestra la regla de Cramer a partir de lo anterior usando que el
determinante del producto es el producto de determinantes.