UNIDAD 5: SISTEMAS DE ECUACIONES LINEALES (SEL)

1. Ecuación Lineal:

Muchos de los problemas que se presentan en las Ciencias Naturales, Sociales,

Económicas, etc. en Ingeniería, en Física y muchos otros casos del quehacer cotidiano,
tienen que ver con ecuaciones que relacionan a dos conjuntos de variables.

Una ecuación del tipo a x  b , que expresa a la variable b en término de la variable x y

la constante a se denomina ecuación lineal.

De igual manera, la ecuación a11x1  a12 x2  ...  a1n xn  b que expresa a la variable b
en término de las variables x1, x2 , ..., xn y las constantes a11, a12 , ... , a1n se denomina
ecuación lineal.

En la mayoría de los casos nos dan los valores de b y de las constantes a1, a2 ,... , an
para que determinemos los valores de x1, x2 , ..., xn , denominados incógnitas, que
satisfacen la ecuación.

2. Sistema de Ecuaciones Lineales:

Un sistema de ecuaciones lineales es un conjunto de m ecuaciones de primer grado con

n incógnitas que se satisfacen para los mismos valores; siendo el conjunto de valores de
las incógnitas que satisfacen al sistema, el conjunto solución de dicho sistema. Un
sistema de ecuaciones lineales puede representarse mediante:

a11x1  a12 x2  ...  a1n xn  b1

a21x1  a22 x2  ...  a2 n xn  b2 Sistema de m ecuaciones
     lineales con n incógnitas
am1x1  am 2 x2  ...  amn xn  bm

3. Clasificación de los Sistema de Ecuaciones Lineales:

Los sistemas de ecuaciones lineales, según su solución, se clasifican en:

Página 143
3.1. Sistema de Ecuaciones Compatible o Consistente:

Un sistema de ecuaciones lineales se denomina compatible o consistente si tiene por lo

menos una solución. Este a su vez puede clasificarse en:

1) Determinado si el conjunto solución es unitario, es decir, si tiene una sola solución.

2) Indeterminado si el conjunto solución es infinito, es decir, si tiene infinitas

soluciones.

3.1. Sistema de Ecuaciones Incompatible o Inconsistente:

Un sistema de ecuaciones lineales se denomina incompatible o inconsistente si no tiene

solución.

4. Forma Matricial de un Sistema de Ecuaciones:

 a11 a12 a13 ... a1n   x1 

   
 a21 a22 a23 ... a2n   x2 
Sean las matrices A    y X 
 
      
 am1 am2 am3 ... amn   xn 

Multipliquemos la matriz A por la matriz X:

 a11 a12 a13 ... a1n   x1   a11 x1  a12 x2  ...  a1n xn 

a   
 21 a22 a23 ... a2 n  
 x2    a21 x1  a22 x2  ...  a2 n xn 
            
     
 am1 am 2 am3 ... amn   xn   am1 x1  am 2 x2  ...  amn xn 

Observe que si en este resultado igualamos cada a11x1  a12 x2  ...  a1n xn  b1
ecuación obtenida a un valor b1, b2 , ..., bn a21x1  a22 x2  ...  a2 n xn  b2

respectivamente obtenemos el sistema de     

ecuaciones que ya habíamos definido. am1x1  am 2 x2  ...  amn xn  bm

Página 144
Esto significa que el sistema de ecuaciones dado podemos descomponerlo en forma
matricial de la siguiente manera: AX  B

 A   X  B
 a11 a12 a13 ... a1n   x1  b1 
     
Forma matricial del  a21 a22 a23 ... a2n   x2  b2 
 
       
sistema de ecuaciones
  
    
 am1 am 2 am3 ... amn   xn  bm 
 

Donde:
A  matriz de los coeficientes

X  matriz de las incógnitas

B  matriz de los términos independientes

Luego AX  B es la representación matricial del sistema de ecuaciones.

Otra matriz importante es la matriz ampliada del sistema formada por la matriz de
coeficientes A ampliada con la matriz de los términos independientes B.

 a11 a12 a13 ... a1n b1 

 
 a21 a22 a23 ... a2n b2 
A/ B  

     
 am1 am 2 am3 ... amn bm 

5. Sistema de Ecuaciones Lineales Homogéneos y no Homogéneos:

Los sistemas de ecuaciones lineales se clasifican en homogéneos, si todos los términos

independientes son iguales a cero y no homogéneos, si por lo menos uno de los
términos independientes es diferente de cero

Es decir, AX  0 representa un sistema homogéneo, mientras que AX  B, B  0

representa un sistema no homogéneo.

Página 145
6. Solución de un Sistema de Ecuaciones Lineales:

Resolver un sistema de ecuaciones es hallar el conjunto solución del sistema. O sea, los
valores s1 , s2 , ..., sn tales que al sustituir las incógnitas por dichos valores

x1  s1 , x2  s2 , ..., xn  sn se satisfacen todas las ecuaciones.

Para resolver sistemas de ecuaciones existen varios métodos. En este curso haremos
mayor énfasis en el método de Gauss y de Gauss-Jordan.

7. Método de Gauss o Eliminación Gaussiana:

Este método nos sirve para analizar y resolver un sistema de ecuaciones lineales,
tomando como base el teorema de Rouché-Frobenius y las transformaciones
elementales u operaciones gaussianas.

El teorema de Rouché-Frobenius establece que si en un sistema la característica o rango

de la matriz de los coeficientes es igual a la característica o rango de la matriz ampliada,
entonces el sistema tiene solución y si son diferentes el sistema no tiene solución, es
incompatible.

8. Procedimiento para utilizar el Método de Gauss o Eliminación Gaussiana:

Para analizar y resolver un sistema de ecuaciones lineales no homogéneo,

mediante el método de Gauss, se procede de la siguiente manera:

1. Se transforma el sistema de ecuaciones en una ecuación matricial equivalente.

2. Se obtiene la matriz ampliada del sistema.

3. Se transforma la matriz ampliada del sistema en una matriz escalonada equivalente.

4. Se determina el rango o característica de la matriz de los coeficientes h  A  y el

rango o característica de la matriz ampliada h  A / B  .

5. Se comparan las características anteriores y si: h ( A)  h ( A / B) entonces el sistema

es compatible. Pero si h( A)  h( A / B) entonces el sistema es incompatible.

Página 146
6. Si el sistema es compatible se compara el rango o característica de la matriz de los
coeficientes h  A  con el número de incógnitas, si son igual el sistema es

compatible determinado. Si h  A  es menor que el número de incógnitas, el sistema

es indeterminado. Es decir, si: h ( A)  n el sistema es compatible determinado y si
h ( A)  n el sistema es compatible indeterminado.

7. Si el sistema es determinado, en el sistema correspondiente a la matriz escalonada

que es equivalente al sistema original, se despeja la variable que ha quedado sola
en una ecuación y luego se comienza a sustituir y despejar hacia atrás hasta
conseguir el valor de todas las demás variables.

8. Si el sistema es indeterminado se determina el número de incógnita no principales

que será siempre igual a la diferencia entre el número de incógnitas y el rango o
característica de la matriz de los coeficientes h  A  . Siendo las incógnitas no
principales, aquella que no inician ecuaciones en el sistema correspondiente a la
matriz escalonada correspondiente.

9. Se les asignan valores arbitrarios a las incógnitas no principales en el sistema

equivalente a la matriz escalonada y se resuelve a partir de la ecuación que contiene
una sola incógnita y se va sustituyendo en las demás ecuaciones hasta determinar el
valor.

Ejemplos: 1) Analizar y resolver el siguiente sistema de ecuaciones lineales.

x  2y  z  3
3x  5 y  4 z  5
2 x  3 y  2 z  12

1 2 1   x   3 
Forma matricial: AX  B   3 5 4   y    5 
    
 2 3 2   z  12 

Página 147
 1 2 1 : 3 
Matriz ampliada A / B   3 5 4 : 5 
 2 3 2 : 12 
1 2 1 : 3  1 2 1 : 3 
A / B   3 5 4 : 5  f 2  f 2  3 f1  0 1 1 : 4 
   
 2 3 2 : 12  f3  f3  2 f1 0 1 4 : 6  f3  f3  f 2
1 2 1 : 3 
  0 1 1 : 4 
 
0 0 5 : 10 

Luego tenemos que: h  A   h  A / B   3 el sistema es compatible.

Como h( A)  h( A / B)  3 y n  3 entonces el sistema es compatible determinado.

El sistema equivalente será:

x  2y  z  3
 y  z  4 donde 5z  10  z  2
 5 z  10

Sustituyendo z en la 2da ecuación se obtiene:

 y   2   4
 y  4  2
y2

Sustituyendo y y z en la 1ra ecuación:

x  2  2    2   3
 x 1
x23 
El conjunto solución es  y  2
x  3 2  z  2

x 1

2) Analizar y resolver el siguiente sistema de ecuaciones lineales.

x  2y  z  3
3x  5 y  4 z  5
2 x  3 y  3z  2

Página 148
 1 2 1   x   3 1 2 1 : 3 
Forma matricial:  3 5 4   y    5  y A / B  3 5 4 : 5 .
 
 2 3 3   z   2   2 3 3 : 2 

1 2 1 : 3  1 2 1 : 3  1 2 1 : 3 
A / B   3 5 4 : 5  f 2  3 f1  0 1 1 : 4   0 1 1 : 4 
     
 2 3 3 : 2  f3  2 f1 0 1 1 : 4  f 3  f 2 0 0 0 : 0 

Luego tenemos que: h  A   h  A / B   2 el sistema es compatible.

Como h( A)  2 y n  3 entonces el sistema tiene infinitas soluciones; es decir, es

compatible indeterminado y posee una incógnita no principal.

El sistema equivalente es:

x  2y  z  3
 y  z  4

La incógnita no principal es z a la cual le asignaremos el valor z   .

Si sustituimos z en la segunda ecuación tenemos:

 y  z  4   y    4
y  4 

Sustituyendo y y z en la primera ecuación

x  2 y  z  3  x  2(4   )    3  x  8  2    3  x  3  5

 x  3  5

La solución general es  y  4  
z 


Si damos algún valor a α obtenemos una solución particular.

Por ejemplo, sea   2 , entonces

x  3  5  3(2)  5  6  5  11  x  11


y  4   4  2  6 una solución particular es:  y  6
z   2 z 2


Página 149
3) Analizar y resolver el siguiente sistema de ecuaciones lineales.
x  2y  z  3
3x  5 y  4 z  5
2 x  3 y  3z  3

 1 2 1   x   3  1 2 1 : 3
Forma matricial:  3 5 4   y   5 y A / B   3 5 4 : 5
 
 2 3 3   z  3  2 3 3 : 3

 1 2 1 : 3 1 2 1 : 3  1 2 1 : 3 
  
A / B  3 5 4 : 5 f 2  3 f1  0 1 1 : 4   0 1 1 : 4 
     
 2 3 3 : 3 f3  2 f1 0 1 1 : 3 f3  f 2 0 0 0 : 1 

Luego tenemos que: h  A   2  h  A / B   3 el sistema es incompatible.

4) Analizar y resolver el siguiente sistema de ecuaciones lineales.

x  2 y  3z  4

x 
Forma matricial AX  B  1 2 3  y    4 y A / B  1 2 3 : 4
 z 

A / B  1 2 3 : 4 Como h  A   h  A / B   1  el sistema es compatible .

Como n  3 y h  A   1  el sistema es compatible indeterminado.

El sistema tiene dos incógnitas no principales que son: y y z a las cuales le

asignamos los siguientes valores arbitrarios: y   y z   ; sustituyendo en la
ecuación y despejando tenemos:

x  4  2  3

 x  4  2  3  x  7
 
Solución general  y   , solución particular para   1 y   3 : y 1
z   z  3
 

Página 150
5) Analizar y resolver el siguiente sistema de ecuaciones lineales.
x  2y  z  3
2x  4 y  2z  6

x 
1 2 1   3  1 2 1 : 3
La forma matricial es  y    y A/ B  
2 4 
2    6   2 4 2 : 6 
 z 

1 2 1 : 3 1 2 1 : 3 
A/ B      
 2 4 2 : 6  f 2  2 f1 0 0 0 : 0 

h  A   h  A / B   1  n  3 por tanto el sistema es compatible indeterminado con dos

incógnitas no principales y y z a las cuales le asignamos los siguientes valores:
y   y z   por tanto

 x  3  2  
x  2    3 
y la solución general es:  y 
x  3  2   
 z

 x3

Una solución particular para   1 y   2 es:  y  1
 z2


9. Solución de los Sistemas Homogéneos:

Si el sistema es homogéneo (AX = 0) será compatible siempre; ya que siempre tendrá

por lo menos la solución nula; es decir, donde x1  x2  ...  xn  0 . El sistema
homogéneo se clasifica según su solución en trivial y no trivial.

9.1. Sistema Homogéneo Trivial:

Es aquel cuya única solución es la solución nula o solución trivial.

9.1. Sistema Homogéneo no Trivial:

Es aquel que además de la solución nula o trivial posee infinitas soluciones más.

Página 151
Según el teorema de Rouché-Frobenius decimos que si h  A   n , entonces el sistema

es trivial y si h  A   n es no trivial.

Ejemplo: Analizar y resolver el sistema de ecuaciones lineales.

x  2 y  3z  w  0
2 x  y  2 z  w  0
x  y  z  2w  0
x  2 y  3z  w  0

Cuando el sistema es homogéneo la matriz ampliada no tiene sentido, ya que se

ampliaría con una columna nula y la característica de ésta nunca será diferente a la
característica de la matriz de los coeficientes.

 1 2 3 1 1 2 3 1
 2 1 2 1  f  f  2 f 0 3 4 1
  2 2 1
 
 1 1 1 2  f3  f3  f1 0 3 4 3  f3  f3  f 2
   
 1 2 3 1  f 4  f 4  f1 0 0 0 2 

1 2 3 1 1 2 3 1
0 3 4 1 0 3 4 1
    
0 0 0 2  0 0 0 2 
   
0 0 0 2  f 4  f 4  f3 0 0 0 0 

La característica h  A   3 y el número de incógnitas n  4 por tanto el sistema tiene

solución no trivial. Con una incógnita no principal que es z a la cual le asignamos un
valor arbitrario z   .

x  2 y  3z  w  0
 3y  4 z  w  0
2w  0

Despejando w en 2w  0  w  0 .

Sustituyendo z   y w  0 y despejando y en 3 y  4 z  w  0 obtenemos

4
3 y  4  0  0  y  
3

Página 152
 4
Despejando x y sustituyendo z   , y   y w  0 en x  2 y  3z  w  0
3
4  1
obtenemos x  2 y  3z  w  2     3  0   
3  3

 1
 x   
3  x  1
  y4
 4 
Solución general  y   Una solución particular para   3 es 
 3  z 3
 z   w  0
 w0


10. Método de Gauss-Jordan:

En este método se reduce la matriz ampliada a la forma escalonada reducida,

obteniéndose los valores de las incógnitas directamente.

Ejemplo: Analizar y resolver el siguiente sistema de ecuaciones lineales por el método

de Gauss-Jordan.

x  2y  z  3
3x  5 y  4 z  5
2 x  3 y  2 z  12

1 2 1   x   3  1 2 1 : 3 
Forma matricial:  3 5 4   y    5  y A / B   3 5 4 : 5 
 2 3 2   z  12   2 3 2 : 12 

1 2 1 : 3  1 2 1 : 3  f  f  2 f
    1 1 2

A / B  3 5 4 : 5  f 2  f 2  3 f1  0  1 1 :  4  f 2   f 2
   
 2 3  2 : 12  f3  f3  2 f1 0  1  4 : 6  f3  f 2  f 3

1 0 3 :  5  1 0 3 :  5  f  f  3 f 1 0 1 : 1 
    1 1 3
 
 0 1  1 : 4    0 1  1 : 4  f 2  f 2  f 3  0 1 0 : 2 
     
1
0 0 5 :  10  f3  f3 0 0 1 :  2  0 0 1 :  2 
5

Página 153
UNIDAD 6: MATRICES INVERTIBLES

1. Inversa de una Matriz A1 :

Una matriz cuadrada A es invertible si existe una matriz B tal que AB  BA  I n .

Sabiendo que In es la matriz identidad o unidad. Bajo estas condiciones la matriz B se
llama la inversa de A y se escribe B  A1 (B es la inversa de A). Recíprocamente A es
la inversa de B y se puede escribir A  B 1 .

No todas las matrices tienen inversa, pero si la tienen, es única.

Si una matriz no es invertible, es decir, que no tiene inversa se llama “matriz

singular”, en caso contrario se denomina “matriz no singular”.

2 3  2 3
Ejemplo: Pruebe que A    y B   1 2  son inversas.
1 2   

 2 3   2 3  4  3 6  6  1 0 
AB        I por tanto son inversas.
1 2   1 2   2  2 3  4  0 1 

Una manera de hallar la inversa de una matriz consiste en suponer una matriz
desconocida de orden igual a la que se conoce, donde cada elemento es una incógnita a
determinar, que se obtiene realizando el producto matricial igualando a la matriz
identidad de orden igual a la matriz buscada, se resuelven los sistemas que resulten se
determina el valor de las incógnitas y así obtener la matriz inversa que buscamos.

 1 2 
Ejemplo: Sea A    determinar B tal que B  A1
 1 3 

x y 
Suponemos B    y hallamos los valores de x, y, z y w tal que A y B sean
 z w
inversas. Es decir, AB  I

 1 2   x y  1 0   x  2z y  2 w  1 0 

 1 3   z w 0 1     x  3z  y  3w  0 1 
        

Página 156
A partir de esto se obtienen dos sistemas de ecuaciones y al resolverlos determinamos
los valores de las variables x, y, z y w y así la matriz inversa de A.

x  3
x  2z  1 x  2 1  1 y  2w  0 y  2
y  2 1  0 
 x  3z  0  x 1 2  y  3w  1  Solución 
z 1 x3
y2  z 1
w 1  w  1

3 2 
Entonces B  A1   
1 1 

1.1. Propiedades de la Inversa de Matrices:

Si A  B son matrices invertibles entonces:

1. A 
1 1
A

 AB 
1
2.  B 1 A1

2. Cálculo de la Inversa de una Matriz de 2do. Orden:

Para calcular la inversa de una matriz de 2do orden se procede de la siguiente manera:

 Se determina la diferencia entre el producto de los elementos de la diagonal

principal y el producto de los elementos de la diagonal secundaria. Si esta
diferencia es diferente de cero, entonces la matriz tiene inversa, de lo contrario
no tiene inversa.
 Se intercambian los elementos de la diagonal principal y se le cambian los signos
de los elementos de la diagonal secundaria en la matriz dada.

 Se divide cada elementos de la matriz anteriormente obtenida entre la diferencia

obtenida en el paso 1; siendo este resultado la inversa de la matriz.

Este método está basado en una fórmula que estudiaremos más adelante y que nos
permite hallar la inversa de cualquier matriz, en el caso de orden 2 es muy simple.

Página 157
 1 2 
Ejemplos: 1) Hallar la inversa de A   .
1 3 

 3 2 
 31   2 1  1  0 A1   
 1 1

 3 2
2) Hallar la inversa de A   
 1 4 
 3 4    1 2   14  0

4 2   2 1 2 1
   
14 14   7 7 7 7
A1     A1   
1 3 1 3  1 3 
14 14  14 14  14 14 

3. Calculo de la Inversa de una Matriz (Método de Gauss-Jordan)

Los sistemas lineales que se deben resolver para hallar la inversa de una matriz
tienen en común la misma matriz de coeficiente por lo que se pueden resolver de
manera simutánea. Esto nos permite generalizar con el denominado método de
Gauss-Jordan.

Si una matriz cuadrada tiene inversa, esta se calcula mediante el siguiente método.

 Se amplía la matriz dada con la matriz unidad correspondiente.

 Se determina la característica de la matriz ampliada y si esta es igual al orden de

la matriz, entonces tiene inversa. En caso contrario no tiene inversa.

 Si la matriz tiene inversa, se transforma la matriz que ocupa el espacio de la

matriz dada en una matriz unidad mediante el uso de las transformaciones
elementales, siendo la matriz que ocupa el espacio de la matriz unidad original la
matriz inversa deseada.

Página 158
Ejemplos:

 1 1 1 
1) Hallar la inversa de la matriz A   2 1 3 .
 3 2 1

 1 1 1 : 1 0 0  1 1 1 : 1 0 0 
A / I   2 1 3 : 0 1 0  f 2  f 2  2 f1  0 3 5 : 2 1 0 
   
 3 2 1 : 0 0 1  f3  f3  3 f1 0 1 2 : 3 0 1 

1 1 1 : 1 0 0 
  0 3 5 : 2 1 0  Como h  A   3  n A1 existe
 
f3  3 f3  f 2 0 0 1 : 7 1 3 

f1  f1  f 3 1 1 0 : 6 1 3 1 1 0 : 6 1 3
f 2  f 2  5 f 3  0 3 0 : 33 6 15  f 2  1 f 2  0 1 0 : 11 2 5 
  3  
0 0 1 : 7 1 3  0 0 1 : 7 1 3 

f1  f1  f 2 1 0 0 : 5 1 2   5 1 2
 
 0 1 0 : 11 2 5  por lo tanto la inversa es A  11 2 5 
1
 
0 0 1 : 7 1 3   7 1 3 

1 2 3
2) Hallar la inversa de B   2 4 5 
 3 5 6 

1 2 3 : 1 0 0  1 2 3 : 1 0 0 
B / I   2 4 5 : 0 1 0  f 2  f 2  2 f1  0 0 1 : 2 1 0 
   
 3 5 6 : 0 0 1  f3  f3  3 f1 0 1 3 : 3 0 1 

f1  f1  2 f3 1 0 3 : 5 0 2 
f 2   f3  0 1 3 : 3 0 1 Como h  A   3  n B 1 existe.
f3   f 2 0 0 1 : 2 1 0 

Página 159
f1  f1  3 f3 1 0 0 : 1 3 2 
f 2  f 2  3 f3  0 1 0 : 3 3 1
0 0 1 : 2 1 0 

 1 3 2 
Por tanto la inversa es B 1   3 3 1
 
 2 1 0 

1 1 3 
3) Hallar la inversa de C   5 2 6 
 2 1 3

1 1 3 : 1 0 0  1 1 3 : 1 0 0 
C / I   5 2 6 : 0 1 0  f 2  f 2  5 f1  0 3 9 : 5 1 0 
 2 1 3 : 0 0 1  f3  f 3  2 f1 0 3 9 : 2 0 1 

1 1 3 : 1 0 0 
 0 3 9 : 5 1 0 
 
f3  f3  f 2 0 0 0 : 3 1 1

Como la característica de C es h  C   2  n  3 la matriz C no tiene inversa.

En conclusión, podemos afirmar que si el rango o característica de una matriz cuadrada

es igual que su orden, entonces la matriz es invertible o no singular. Si es menor,
entonces es no invertible o singular.

Si todas las filas de una matriz cuadrada son linealmente independientes, entonces la
matriz es invertible o no singular.

Página 160
UNIDAD 7: DETERMINANTES

1. Permutaciones:

Son las diferentes formaciones que pueden obtenerse con los elementos de un conjunto
dado, en lo que entran todos los elementos del conjunto sin que se repita ninguno de
ellos. Es decir, sea S  1,2,3,..., n el conjunto de los enteros desde 1 hasta n ,

ordenados en forma ascendente; al arreglo j1 , j2 , j3 ,..., jn de los elementos de S se

denomina una permutación de S .

Por ejemplo si S  1,2,3,4 , entonces 4312 es una permutación de S . Esta

permutación se corresponde con la función f : S  S definida por:

f 1  4
f  2  3
 f  i   ji para 1 i  n .
f  3  2
f  4  1

Si observamos la definición tenemos que para colocar en la primera posición podemos

tomar cualquier de los n elementos del conjunto S ; para la segunda posición podemos
tomar cualquiera de los n  1 elementos restantes de S y así sucesivamente, hasta llegar
a la n  esima posición, la cual sólo puede ser ocupada por el elemento que resta. Por lo
tanto la totalidad de posibilidades viene dada por:

n   n  1   n  2  ,...,  2   1  n!

Al conjunto que contiene todas las permutaciones de S , lo representaremos por Sn

cuyo número de elementos es igual al n!.

Ejemplos:

1) Si S  1 entonces #  Sn   1!  1 ; luego tenemos que S n  1 .

2) Si S  1,2 entonces #  S n   2!  2 ; luego tenemos que Sn  12,21 .

Página 162
 3) Si S  1,2,3 entonces #  Sn   3!  6 ; luego tenemos que

Sn  123, 132, 213, 231, 312, 321

1.2. Inversión en una Permutación:

Una permutación j1 , j2 , j3 ,..., jn de S  1,2,3,..., n tiene una inversión si un entero

mayor jr precede a uno menor js . Esta puede ser positiva o negativa dependiendo de
que esta tenga un número par o impar de inversiones con relación a la permutación
natural.

Por ejemplo en S  1,2,3,4 la permutación 4312 tiene cinco inversiones, ya que el 4

está antes de 3, antes de 1 y antes de 2; el 3 está antes de 1 y antes de 2. Por lo tanto es
una permutación impar o negativa.

n!
Si n  2 podemos decir que Sn tiene permutaciones pares y un número igual de
2
permutaciones impares.

Ejemplo:
Si tenemos como conjunto el formado por las letras de la palabra “AMOR” y además
consideramos que como se presentan en la palabra dada es el orden natural; podemos
determinar el número de inversiones que poseen las palabras “MORA” y “ROMA”

M O R A tiene tres inversiones por tanto es una permutación negativa.

R O M A tiene seis inversiones por tanto es una permutación positiva.

2. Determinante:
Sea An una matriz cuadrada de orden n , definimos un determinante como una función
operacional que asocia a cada matriz cuadrada un escalar que está definido por una
sumatoria de  n! términos donde cada término es un producto de  n  elementos
Página 163
representativos de cada una de las filas y las columnas de la matriz sin repetir ninguna y
que tendrá un signo positivo o negativo según sea par o impar el número de inversiones
contenidas en cada término. El determinante se denota por det  A  o A o por sus
elementos encerrados entre dos barras verticales.
a11 a12 ... a1n
a21 a22 ... a2 n
... ... ... ...
an1 an 2 ... ann

Es decir, el determinante de una matriz de orden n , se define como el número

calculado de la siguiente suma: A      a1 j1 a2 j2 ...anjn la suma se toma sobre todas las

permutaciones de los segundos subíndices. A cada término se le asigna el signo (+) si

j1 , j2 , j3 ,..., jn es una permutación par de 1,2,.....n  , y el signo (-) si ella es una
permutación impar

2.1. Determinantes de Orden Uno y Dos:

Si A  (aij ) es una matriz 1  1, entonces S1 sólo tiene una permutación, la permutación

identidad, que es par y luego tenemos que det ( A)  A  a11 .

Ejemplos: det  24   24 , det  3  3 y det  3 x  5   3 x  5 .

 a11 a12 
Si A  
a a  es una matriz 2  2 , entonces #  S2   2 tiene dos permutaciones,
 21 22 
luego el determinante tiene dos términos a1_ a2 _ y a1_ a2 _ si llenamos los espacios en

blanco con todos los elementos posibles de S2 ; estos son 1 2 y 2 1. Como 1 2 es

permutación par, el término a11a22 tiene signo positivo    asociado. Como 2 1 es una

permutación impar, el término a12 a21 tiene signo negativo    asociado. Por lo tanto el
determinante de A viene dado por:

Página 164
 a11 a12
det ( A)  A  a11a22  a12a21 o A  a11a22  a12 a21
a21 a22

Ejemplos:
2 3
a)  2(5)  3(4)  10  12  22
4 5

3 5
b)   31   5  2   3  10  7
2 1

2 3
c)   2  4    31  8  3  5
1 4

2.3. Determinantes de Orden Tres:

 a11 a12 a13 

Si A   a21 a22 a23  es una matriz 3  3 , entonces #  S3   6 tiene seis
 
 a31 a32 a33 

permutaciones, luego el determinante tendrá seis términos a1_ a2 _ a3_ , a1_ a2 _ a3_ ,

a1_ a2 _ a3_ , a1_ a2 _ a3_ , a1_ a2 _ a3_ y a1_ a2 _ a3_ , si llenamos los espacios en blanco
con todos los elementos posibles de S3 ; estos son 123, ,132, 213, 231, 312, y 321 ,
donde 123, ,231, y 312 son permutaciones pares, los términos

a11a22 a33 , a12 a23 a31 y a13a21a32 tienen signos positivos  asociados; como

132, 213 y 321 son permutaciones impares, los términos a11a23 a32 , a12 a21a33
y a13 a22 a31 tienen signos negativos    asociados.

Por lo tanto el determinante de A viene dado por:

det  A  A  a11a22 a33  a12 a23a31  a13a21a32  a11a23a32  a12 a21a33  a13a22 a31

El determinante de orden tres también podemos obtenerlo aplicando la regla de Sarrus.

Es decir, repetimos las dos primeras filas o las dos primeras columnas y obtenemos los

Página 165
productos de las diagonales. De izquierda a derecha (con líneas continuas) se toman con
signos positivos y los de derecha a izquierda (con líneas discontinuas) con signos
negativos:

a11 a12 a13 a11 a12 a11 a12 a13

a21 a22 a23
a11 a12 a13 a11 a12
a31 a32 a33
a11 a12 a13 a11 a12 a11 a12 a13
a21 a22 a23

Ejemplos:
1 2 3
1) Sea A   2 1 3  evaluar el determinante de A .
 3 1 2 

1 2 3 1 2
Ampliando con las dos primeras columnas tenemos 2 1 3 2 1
3 1 2 3 1

det  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

 5 0 3
2) Sea B   2 3 7  evaluar el determinante de B .
 1 4 6 

5 0 3 5 0
Ampliando con las dos primeras columnas tenemos 2 3 7 2 3
1 4 6 1 4

det  B    5  3 6    0  7  1   3 2  4    3 3  1   5  7  4    0  2  6 

 90  0  24  9 140  0  35

Página 166
2.4. Propiedades de los Determinantes:

1. El determinante de una matriz y de su transpuesta son iguales; es decir,

A  AT .

2 3 1
Ejemplo: Si A   5 1 2  probar que A  AT .
 
 1 3 2 

2 3 1
det( A)  5 1 2   2 1 2    3 2 1  1 5  3  111   2  2  3    3  5  2 
1 3 2
 4  6  15  1  12  30  18
2 5 1
Tenemos que A   3 1 3  entonces:
T

1 2 2 

2 5 1
det( AT )  3 1 3   2 1 2    5  31  1 3 2   111   2 3 2   5 3  2 
1 2 2
 4  15  6  1  12  30  18

Por lo tanto A  A
T

2. Si la matriz B se obtiene de la matriz A al intercambiar dos filas o columnas de

A , entonces A   B .

2 3 1 5 1 2
Ejemplo: Sean A  5 1 2 y B   2 3 1  donde B se ha obtenido
 
 1 3 2   1 3 2 

intercambiando las filas 1 y 2 de A.

Evaluemos det (A) y det (B)

Página 167
 2 3 1
det( A)  A  5 1 2  18 , como ya habíamos calculado.
1 3 2

5 1 2
det( B)  2 3 1  (5)(3)(2)  (1)(1)(1)  (2)(3)(2)  (2)(3)(1)  (5)(1)(3)  (1)(2)(2)
1 3 2
 30  1  12  6  15  4  18

Por lo tanto det( A)   det( B) .

3. Si dos filas o columnas son iguales, entonces el valor del determinante es igual a
cero.

 a1 a2 a3 
Ejemplos: 1) Sea A   b1 b2 b3  donde las filas 1 y 3 son iguales.

 a1 a2 a3 

Evaluemos det (A)

a1 a2 a3
det( A)  b1 b2 b3  a1b2 a3  a2b3a1  a3b1a2  a3b2a1  a1b3a2  a2b1a3  0
a1 a2 a3

 4 3 1 
2) Sea B   2 5 1 donde la fila 1 y la 3 son iguales.
 4 3 1 

Evaluemos det (B)

4 3 1
det( B )  2 5 1  (4)(5)(1)  ( 3)( 1)(4)  (1)(2)( 3)  (1)(5)(4)  (4)( 1)( 3)  ( 3)(2)(1)
4 3 1
 20  12  6  20  12  6  0

Por lo tanto det( B )  B  0

Página 168
4. Si una fila o columna de una matriz A es nula, entonces A  0 .

 a1 a2 a3 
Ejemplos: 1) Sea A   b1 b2 b3  donde todos los elementos de la fila 3 son ceros.

 0 0 0 

Evaluemos det (A)

a1 a2 a3
det( A)  b1 b2 b3  a1b2 (0)  a2b3 (0)  a3b1 (0)  a3b2 (0)  a1b3 (0)  a2b1 (0)  0
0 0 0

 4 3 1 
2) Sea B   2 5 1 evaluemos det (B)
 0 0 0 

4 3 1
det( B)  2 5 1  (4)(5)(0)  ( 3)( 1)(0)  (1)(2)(0)  (1)(5)(0)  (4)(1)(0)  (3)(2)(0)
0 0 0
0000000

5. Si B se obtiene de A al multiplicar una fila o columna de A por un escalar h ,

entonces det( B)  h det( A) .

De aquí se deduce que si todos los elementos de una fila o columna tienen un factor
común este puede eliminarse y colocarse como factor del determinante.

a b   ha hb 
Ejemplo: Sea A    y B  c d
c d   

Observe que B se ha obtenido al multiplicar la fila 1 de A por h ≠ 0.

Evaluemos det (A) y det (B)

a b ha hb
det( A)   ad  bc det( B)   had  hbc  h(ad  bc )
c d c d

Lo que significa que det( B)  h det( A)

Página 169
 2 3 0 4 6 0 
Ejemplo: Sean A   1 4 2  y B   1 4 2  donde B se ha obtenido multiplicando
 
 3 5 1   3 5 1 

por h = 2 la fila 1 de A.

Evaluemos det (A) y det (B)

2 3 0
det( A)  1 4 2  (2)(4)(1)  (3)(2)(3)  (0)(1)(5)  (0)(4)(3)  (2)(2)(5)  (3)(1)(1)
3 5 1
 8  18  0  0  20  3  3

4 6 0
det( B)  1 4 2  (4)(4)(1)  (6)(2)(3)  (0)(1)(5)  (0)(4)(3)  (4)(2)(5)  (6)(1)(1)
3 5 1
 16  36  0  0  40  6  6

Por lo tanto det( B)  2det( A) .

6. Si en un determinante los elementos de una fila o columna son múltiplos de los

elementos correspondientes de otra fila o columna, su valor es cero.

 a1 a2 a3 
Ejemplo: Sean A   b1 b2 b3  donde la fila 3 es múltiplo de la fila 1.

 ha1 ha2 ha3 

Evaluemos det (A)

a1 a2 a3 a1 a2 a3
det( A)  b1 b2 b3  h b1 b2 b3  h(0)  0 . Este resultado es se ha obtenido
ha1 ha2 ha3 a1 a2 a3

aplicando las propiedades 3 y 5.

Página 170
7. Si cada elemento de una fila o columna de un determinante es igual a la suma
de varios términos, el determinante puede escribirse como la suma de tantos
determinantes como términos tengan los elementos de la fila o columna que se
trate.

 a1  m1  n1 a2  m2  n2 a3  m3  n3 
Sea A   b1 b2 b3  donde los elementos de la fila 1

 c1 c2 c3 

corresponden a la suma de tres términos, entonces det (A) puede escribirse así:

a1  m1  n1 a2  m2  n2 a3  m3  n3 a1 a2 a3 m1 m2 m3 n1 n2 n3
det( A)  b1 b2 b3  b1 b2 b3  b1 b2 b3  b1 b2 b3
c1 c2 c3 c1 c2 c3 c1 c2 c3 c1 c2 c3

6 7  6 7
Ejemplo: Sean A    . Al evaluar det( A)   18  14  4
 2 3  2 3

Observe lo que ocurre si se descomponen los elementos de la fila 1

6 7 1 2  3 2  5  0 1 2 2 5 3 0
A    
2 3 2 3 2 3 2 3 2 3
 (3  4)  (6  10)  (9  0)  1  4  9  4

8. Si B se obtiene de A sumando a cada elemento de la r  ésima fila o columna

de A una constante h por el elemento correspondiente de la s  ésima fila o
columna de A  r  s  , entonces B  A.

 a1 a2 a3   a1  kb1 a2  kb2 a3  kb3 

Ejemplo: Sean A   b1 b2 b3  y B   b1
 
b2 b3 

 c1 c2 c3   c1 c2 c3 

La matriz B se ha obtenido de A sumando a la fila 1 la fila 2 multiplicada por k ≠ 0.

Evaluemos det (B)

Página 171
 a1  kb1 a2  kb2 a3  kb3 a1 a2 a3 kb1 kb2 kb3
det( B)  b1 b2 b3  b1 b2 b3  b1 b2 b3
c1 c2 c3 c1 c2 c3 c1 c2 c3

a1 a2 a3 b1 b2 b3
det( B)  b1 b2 b3  k b1 b2 b3  det( A)  k (0)  det( A)  0  det( A) .
c1 c2 c3 c1 c2 c3

Por lo tanto B  A

Este resultado se ha obtenido aplicando las propiedades 5 y 6.

9. Si una matriz A es triangular superior o inferior, entonces el determinante de

A es igual al producto de los elementos de la diagonal principal. Es decir,
A  a11a22 a33 ...ann .

2 0 0
Ejemplo: Sea A   1 4 0  , una matriz triangular inferior. Evalúe A
 3 5 1 

2 0 0
A  1 4 0  (2)(4)(1)  (0)(0)(3)  (0)(1)(5)  (0)(4)(3)  (2)(0)(5)  (0)(1)(1)
3 5 1 .

  (2)(4)(1)   0  0  0  0  0  8

10. El determinante del producto de dos matrices es el producto de sus

determinantes; es decir, AB  A B .

2.5. Cálculo de Determinantes de Cualquier Orden Aplicando las Propiedades:

Como ya vimos en la propiedad 9, el determinante de una matriz triangular es igual al

producto de los elementos de su diagonal principal. Entonces, aplicando las
propiedades, podemos llevar cualquier determinante a la forma escalonada y así
obtener una matriz triangular.

Página 172
 1 2 3 1
3 4 0 2
Ejemplo: Evaluar el determinante B  aplicando este método.
1 1 2 3
0 2 4 2

1 2 3 1 1 2 3 1 1 2 3 1
3 4 0 2 f 2  f 2  3 f1 0 2 9 1 f 2  f3 0 1 1 2
B   
1 1 2 3 f3  f3  f1 0 1 1 2 f3  f 2 0 2 9 1
0 2 4 2 0 2 4 2 0 2 4 2
1 2 3 1 1 2 3 1
0 1 1 2 0 1 1 2
 
f3  f3  2 f 2 0 0 7 5 f3  f3  f 4 0 0 1 11
f4  f4  2 f2 0 0 6 6 0 0 6 6
1 2 3 1
0 1 1 2
    (1)(1)(1)(72)   (72)  72
0 0 1 11
f 4  f 4  6 f3 0 0 0 72

Observe que en el tercer paso se han intercambiado las filas 2 y 3 por eso se ha
colocado el signo negativo (─)

3. Menor Complementario:

Sea A una matriz de orden n  n . Se define al menor complementario M ij como el

determinante de la submatriz de A de orden  n  1   n  1 que resulta de eliminar la
fila i y la columna j en la matriz.
 2 1 4 
Ejemplo: Sea: A   0 1 5  hallar los menores M13 , M 21 y M 22 .
 6 3 4 

2 1 4 2 1 4
0 1 1 4
M 13  0 1 5   0  6  6 M 21  0 1 5   4  12  8
6 3 3 4
6 3 4 6 3 4

2 1 4
2 4
M 22  0 1 5   8  24  32
6 4
6 3 4

Página 173
4. Adjunto o Cofactor:

Sea A una matriz de orden n  n . El adjunto o cofactor Aij del elemento aij de A se

define como Aij   1

i j
M ij . Es decir, es el menor complementario que resulta de
eliminar la fila i y la columna j multiplicado por un signo positivo o negativo según
sea par o impar la suma de la fila y la columna eliminada respectivamente.

 2 1 4 
Ejemplo: Dada la matriz A   0 1 5  , hallar todos sus adjuntos o cofactores.
 6 3 4 

Desarrollo:
1 5 0 5
A11   1 M 11  A12   1    0  30   30
11 1 2
 4  15  19 M 12  
3 4 6 4

0 1 1 4
A13   1
13
A21   1    4  12   8
21
M 13   0  6  6 M 21  
6 3 3 4

2 4 2 1
A22   1 A23   1    6  6   12
2 2 23
M 22   8  24  32 M 23  
6 4 6 3

1 4 2 4
A32   1   10  0   10
3 2
A31   1
31
M 31   5  4   9 M 32  
1 5 0 5

2 1
A33   1
33
M 33  202
0 1

5. Matriz de los Adjuntos o Cofactores:

Es la matriz que resulta al sustituir cada elemento de una matriz dada por sus cofactores
correspondientes.
 a11 a12 a13 ... a1n   A11 A12 A13 ... A1n 
a a22 a23 ... a2 n  A A22 A23 ... A2 n 
Si  21  , entonces  21 
A   a31 a32 a33 ... a3n  AC   A31 A32 A33 ... A3n 
   
 ... ... ... ... ...   ... ... ... ... ... 
 an1 an 2 an 3 ... ann   An1 An 2 An 3 ... Ann 

 19 30 6 
Para el ejemplo anterior la matriz de cofactores es AC   8 32 12 
 9 10 2 
 
Página 174
6. Matriz Adjunta:
Es la matriz transpuesta de la matriz de los cofactores.

 a11 a12 a13 ... a1n 

 a21 a22 a23 ... a2 n 
Para la matriz:
A   a31 a32 a33 ... a3n 
 
 ... ... ... ... ... 
 an1 an 2 an 3 ... ann 

 A11 A21 A31 ... An1 

A A22 A32 ... An 2 
la matriz adjunta de A es:  12 
adj  A   A13 A23 A33 ... An3 
 
 ... ... ... ... ... 
 A1n A2 n A3n ... Ann 

 2 1 4 
Ejemplo: Hallar la matriz adjunta de: A   0 1 5 
 6 3 4 

Como la matriz adjunta de A es la transpuesta de la matriz de cofactores que ya

habíamos calculado en el ejemplo anterior, entonces:
T
 19 30 6   19 8 9 
 
adj  A   AC    8 32 12    30 32 10 
T
 
 9 10 2   6 12 2 

7. Desarrollo de un Determinante por los Elementos de una Fila o Columna

(Expansión o método de Laplace):

Teorema 7.1: Si A es una matriz cuadrada de orden “n”, entonces,

det  A   A  ai1 Ai1  ai 2 Ai 2  ...  ain Ain para 1 i  n , denominado desarrollo del
determinante con respecto a la i  ésima fila. Y para 1 j  n,

det  An   An  a1 j A1 j  a2 j A2 j  ...  anj Anj denominado desarrollo del determinante con

respecto a la j  ésima columna.

Página 175
Esto significa que el valor de cualquier determinante de orden “n” es igual a la suma de
“n” productos cada uno de los cuales se forma multiplicando cada elemento de una
cualquiera de las filas o columnas por sus cofactores correspondientes.

Demostración:
Para la demostración usaremos una matriz de orden 3  3 para facilitar el entendimiento
de la misma. Si A3   aij  por definición tenemos que:

det  A3   a11a22 a33  a12 a23a31  a13a21a32  a11a23a32  a12 a21a33  a13 a22 a31 (1)

Reagrupando los términos y sacando factor común podemos escribirlo de la forma:

det  A3   a11a22a33  a11a23a32  a12a23a31  a12a21a33  a13a21a32  a13a22a31

 a11  a22a33  a23a32   a12  a23a31  a21a33   a13  a21a32  a22a31  (2)

Los cofactores de A correspondientes a la primera fila son:

a22 a23
A11   1
11
 a22 a33  a23a32
a32 a33
a21 a23
A12   1    a21a33  a23a31   a23a31  a21a33
1 2

a31 a33
a21 a22
A13   1
13
 a21a32  a22 a31
a31 a32

Sustituyendo estas tres expresiones en (2) tenemos:

det  A   a11 A11  a12 A12  a13 A13 . Esta expresión es el desarrollo del determinante de
A3 con respecto a la primera fila.

Si la expresión (1) la reagrupáramos como:

det  A  a13  a21a32  a22 a31   a23  a12 a31  a11a32   a33  a11a22  a12 a21  podemos

verificar fácilmente que es equivalente a: det  A  a13 A13  a23 A23  a33 A33 que es el

desarrollo del determinante de A3 con respecto a la tercera columna.

Página 176
Ejemplos:
1) Hallar el determinante de la matriz

 2 1 4 
A   0 1 5  usando los elementos de una línea fila o columna.
 
 6 3 4 

1ro. Usando la primera fila tenemos que:

2 1 4
1 5 0 5 0 1
5   2  1   1 1   4  1
11 1 2 13
A0 1
3 4 6 4 6 3
6 3 4

  2 1 4  15    1 1 0  30    4 1 0  6 

  2  19   1 30    4  6   38  30  24  92

2do. Usando la tercera columna tenemos que:

2 1 4
0 1 2 1 2 1
5   4  1   5  1   4  1
13 23 3 3
A0 1
6 3 6 3 0 1
6 3 4

  4 1 0  6    5  1 6  6    4 1 2  0 

  4  6    5 12    4  2   24  60  8  92

 1 2 3 1 
 3 4 0 2 
2) Sea B    determinante B con respecto a la primera columna:
 1 1 2 3 
 
 0 2 4 2 

4 0 2 2 3 1 2 3 1 2 3 1
B  1 1 1 2 3   3  1 3  1 1 2   0  1
11 2 1 3 1 4 1
1 2 4 0 4 0 2
2 4 2 2 4 2 2 4 2 1 2 3

  16  0  8  8  0  48    3 8  18  4  4  24  6    0  16  12  0  16  24    0  0  6  8  0  8  36 
 48   3 36   12    0   48  108  12  72

Página 177
Una herramienta útil y que simplifica el trabajo es aplicar las propiedades de los
determinantes para transformar la matriz en otra donde todos los elementos de una fila
o columna, a excepción de uno, sean ceros para desarrollarlo por esa fila o columna. Es
decir, combinando los dos métodos estudiados (de Gauss y Laplace). A este método
combinado suele llamársele método Pivotal.

Ejemplo
Evaluar el determinante del ejemplo anterior aplicando el método pivotal.

Vamos a hacer algunas transformaciones a la matriz B para hacer ceros todos los
elementos de la primera columna, menos el 1 de la primera fila.

 1 2 3 1  1 2 3 1 
 3 4 0 2  f  f  3 f 0 2 9 1 
B  2 2 1
 
 1 1 2 3  f3  f3  f1 0 1 1 2 
   
 0 2 4 2  0 2 4 2 

Ahora podemos desarrollar el determinante por la primera columna, pero solo vamos a
tener un elemento ya que los elementos cero no hay que tomarlos en cuenta porque nos
darán ceros. Entonces,

1 2 3 1 1 2 3 1
2 9 1 2 9 1
3 4 0 2 0 2 9 1
B   1 1 1 2  1 1
11
1 2
1 1 2 3 0 1 1 2
2 4 2 2 4 2
0 2 4 2 0 2 4 2

El determinante que era de orden 4 ahora se ha reducido a orden 3 y lo podemos

calcular aplicando la regla de Sarrus que ya vimos.

2 9 1
1 1 2  (2)(1)(2)  (9)(2)(2)  (1)(1)(4)  (1)(1)(2)  (2)(2)(4)  (9)(1)(2)
2 4 2
 4  36  4  2  16  18  72

Página 178
Teorema 7.2:
Sea A   aij  una matriz de orden n  n , entonces A  Adj  A    Adj  A  A  det  A I n

Demostración:
 a11 a12 ... a1n   A11 A21 ... An1   d11 d12 ... d1n 
a a ... a2 n   A12 A22 ... An 2   d 21 d 22 ... d 2 n 
Tenemos que: A  Adj  A     21 22 
 ... ... ... ...   ... ... ... ...   ... ... ... ... 
    
 an1 an 2 ... ann   A1n A2 n ... Ann   d n1 d n 2 ... d nn 
n
Cada elemento d ij en la matriz producto A  Adj  A  viene definido por: dij   aik Akj .
k 1
Luego tenemos que:
ai1 Aj1  ai 2 Aj 2  ...  ain Ajn  det  A  si i  j
0 si i  j

Esto significa que:

det  A  0 ... 0
 
0 det  A  ... 0 
A  Adj  A      det  A  I n
 ... ... ... ... 
 
 0 0 ... det  A  

Por tanto A  Adj  A   det  A  I n

 2 1 4 
Ejemplo: Dada la matriz A   0 1 5  , probar el teorema anterior.
 6 3 4 

 19 8 9 
 
Ya habíamos calculado la matriz adjunta de A: Adj ( A)   30 32 10  ,
 6 12 2 

entonces tenemos que:

 2 1 4   19 8 9    38  30  24  16  32  48  18  10  8 

  
A Adj  A  0 1 5   30 32 10    0  30  30 
 
 0  32  60  0  10  10 


 6 3 4  6 12 2   114  90  24   48  96  48  54  30  8



Página 179
  92 0 0  1 0 0 
A  Adj  A    0 92 0  92 0 1 0   92  I 3   det  A  I 3
 
   
 0 0 92  0 0 1 

Y se concluye que A  Adj  A   det  A I 3

Teorema 7.3: Si A es una matriz de orden n  n y det  A   0 , entonces:

 A11 A21 An1 

 det  A  ...
det  A  det  A  
 
 A12 A22 An 2 
 ...
det  A  
1
A1 
det  A 
 Adj  A     det  A  det  A 

 ... ... ... ... 
 
 A1n A2 n
...
Ann 
 det  A  det  A  det  A  

Demostración:

Según el teorema anterior tenemos que: A  Adj  A   det  A  I n si det  A   0 ,

1
entonces tenemos que multiplicando ambos miembros por obtenemos:
det  A 

1 1
 A  Adj  A     det  A  I n   I n luego
det  A  det  A  

1
A
det  A 
 Adj  A    I n multiplicando ambos miembros por A1 se obtiene:

1 1
A1 A
det  A 
 Adj  A    A1I n 
det  A 
 Adj  A    A1

Por tanto:
1
A1 
det  A 
 Adj  A 

Página 180
Ejemplo:

 2 1 4 
Dada la matriz A   0 1 5  , hallar la inversa A1 .
 6 3 4 

2 1 4  19 8 9 
 
Como ya habíamos calculado A  0 1 5  92 y Adj ( A)   30 32 10  ,
6 3 4  6 12 2 

entonces :

 19 8 9 
 92 
 19 8 9   92 92

1 1   30 32 10 
A1 
det  A 
 Adj  A      30 32 10   
92  92 92 92 
 6 12 2   6 12 2 
 
 92 92 92 
 19 8 9   19 2 9 
 92  
92 92   92 23 92 
   
30 32 10   15 16 5 
A  
1
 
 92 92 92   46 46 46 
 6 12 2  3 3 1
     
 92 92 92   46 23 46 

Teorema 7.4: Una matriz An es invertible si y sólo si su determinante es diferente de

cero, det  An   0 .

Demostración:

Como es una doble condicional lo demostraremos en ambos sentidos:

Si det  An   0 , entonces según el Teorema 7.2 obtenemos una expresión para A1 , de

modo que A es invertible. Entonces, AA1  I n

Por la propiedad 10 tenemos que: det  AA1   det  A det  A1   det  I n   1

Luego podemos concluir que det  A   0

Página 181
Si A es una matriz de orden n  n , entonces las siguientes expresiones son
equivalentes:

A es invertible  A es equivalente a I n  det  A  0.

8. Regla de Cramer:
Es un método que nos sirve para resolver un sistema de n ecuaciones con n incógnitas
cuya matriz de los coeficientes es no singular.

Teorema 8.1: (Regla de Cramer): Sean

a11 x1  a12 x2  ...  a1n xn  b1
a21 x1  a22 x2  ...  a2 n xn  b2
    
an1 x1  an 2 x2  ...  ann xn  bn

un sistema lineal de n ecuaciones con n incógnitas y sea A   aij  la matriz de los

coeficientes de modo que podamos escribir el sistema dado como AX  B , donde

 b1 
b 
B   2
 ... 
 
bn 
Si det  A   0 , entonces el sistema tiene solución única

det  A1  det  A2  det  An 

x1  , x2  , ... , xn  , donde Ai es la matriz obtenida de
det  A det  A  det  A 

A al reemplazar su i  ésima columna por B (Los coeficientes de la incógnita xi por

los términos independientes).

Demostración:

Si det  A   0 , entonces A es no singular. Por lo tanto,

Página 182
  A11 A21 An1   A11 A21 An1 
 A ... b  b  ...  b
A   A A
1 2 n
A A
 x1     b1   
   A12 A22 An 2     A A A 
x  ...  b  b 12
 b 22
 ...  b n2

X   2   A1B   A A A   2  1
A
2
A
n
A 
  
               
 xn    bn   
 A1n A2 n
...
Ann   b A1n  b A2 n  ...  b Ann 
 A A A   1 2 n
A 
  A A

Esto significa que:

A11 A A 1
x1  b1  b2 21    bn n1   b1 A11  b2 A21    bn An1 
A A A A
A12 A A 1
x2  b1  b2 22    bn n 2   b1 A12  b2 A22    bn An 2 
A A A A

A1n A A 1
xn  b1  b2 2 n    bn nn   b1 A1n  b2 A2 n    bn Ann 
A A A A

De donde se puede concluir que

A1i A A 1
xi  b1  b2 2i    bn ni   b1 A1i  b2 A2i    bn Ani 
A A A A

para i  1, 2, 3, ... , n

Ahora, sea

 a11 a12 ... a1i 1 b1 a1i 1 ... a1n 

 
 a21 a22 ... a2i 1 b2 a2i 1 ... a2 n 
Ai   
         
 an1 an 2 ... ani 1 bn ani 1 ... ann 


Si desarrollamos el determinante de Ai con respecto a la i  ésima columna, vemos

que: det  Ai   b1 A1i  b2 A2i  ...  bn Ani

1 det  Ai 
Por lo tanto, xi  det  Ai   para i  1, 2, 3, ... , n
det  A  det  A 

Página 183
Para aplicar la regla de Cramer seguiremos el siguiente procedimiento:

Sea AX  B , donde A es de orden n  n entonces:

1. Calculamos det  A  . Si det  A   0 , no se puede aplicar la regla de Cramer. Se

emplea el método de Gauss.
det  Ai 
2. Si det  A   0 , entonces para cada i tenemos que: xi 
det  A 

Recuerde que Ai es la matriz obtenida de A al reemplazar la i  ésima columna de A

por B (Los coeficientes de la incógnita xi por los términos independientes).

Ejemplos:

1) Resuelva el siguiente sistema usando la regla de Cramer si es posible:

2 x  3 y  z  1
x  2y  z  4
2 x  y  z  3

2 3 1
Tenemos que: A 1 2 1  4  6  1  4  3  2  2  0
2 1 1

1 3 1
4 2 1

Luego: x 
A1 3 1

1

 2  9  4  6  1  12   4  2
A 2 2 2

2 1 1
1 4 1

y
A2

2 3 1

 8  3  2  8  1  6   6  3
A 2 2 2

2 3 1
1 2 4
A3 2 1 3 12  1  24  4  8  9  8
z    4
A 2 2 2

Página 184
2) Resuelva el siguiente sistema usando la regla de Cramer si es posible:
3x  2 y  z  4
2x  y  2 z  3
x  3 y  2 z  5

3 2 1
Calculamos el det( A)  2 1 2  6  4  6  1  8  18  35  0
1 3 2

Aplicando la regla de Cramer:

4 2 1
3 1 2
5 3 2 8  20  9  5  24  12 68 68
x   
35 35 35 35
3 4 1
2 3 2
1 5 2 18  8  10  3  30  16 53 53
y   
35 35 35 35

3 2 4
2 1 3
1 3 5 15  6  24  4  27  20 42 42
z   
35 35 35 35

 68
 x 
23

 53
La solución única del sistema es y 
 23
 42
z 
 23

Página 185