Álgebra

Departamento de E. I. Telecomunicación
Matemática Aplicada II Curso 2022-2023

TEMA 2. Matrices y determinantes

A partir de ahora, consideraremos que K es uno de los cuerpos R o C.

1 Definición y tipos de matrices

Definición. Se llama matriz de p filas y n columnas o matriz de orden p×n con coeficientes
en un cuerpo K a pn elementos de K ordenados en forma de tabla con p filas y n columnas,
esto es:  
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A= . ..  , (1)
 
..
 .. . . 
ap1 ap2 · · · apn
donde aij ∈ K para todo i, j.

El conjunto de todas las matrices p × n se denota Mp×n (K) y, de forma reducida, la

matriz A de la definición la denotaremos mediante A = (aij ) ∈ Mp×n (K).
Para que dos matrices A = (aij ), B = (bij ) sean iguales deben tener el mismo tamaño
y, además, aij = bij para todo i, j.

Definición. Sea A ∈ Mp×n (K). Se dice que

(a) A es una matriz cuadrada si p = n.

(b) A es una matriz fila si p = 1.

(c) A es una matriz columna si n = 1

A veces se utiliza el término matriz rectangular para indicar que la matriz es arbitraria
(cuadrada o no).
En función de cómo estén dispuestos los ceros en los coeficientes de la matriz podemos
distinguir algunos tipos importantes de matrices:

1
Definición. Sea A ∈ Mn×n (K) una matriz cuadrada.

(a) Se dice que A es diagonal si aij = 0 para todo i 6= j.

(b) Se dice que A es triangular superior si aij = 0 para todo i > j.

(c) Se dice que A es triangular inferior si aij = 0 para todo i < j.

(d) Si A es una matriz triangular (superior o inferior) se dice que es estrı́ctamente trian-
gular (superior o inferior) si, además, aii = 0 para todo i ≤ n.

Ejemplo. Si consideramos las matrices

     
0 −1 3 2 1 0 0 0 4 0 0 0
 0 0 2 4   0 3 0 0   −1 0 0 0 
A= , B= , C= ,
 0 0 0 3   0 0 5 0   2 1 −2 0 
0 0 0 0 0 0 0 −2 2 3 4 1

se tiene que A es estrı́ctamente triangular superior, B es diagonal y C es triangular inferior.

Definición. Se llama matriz nula o matriz cero de orden p × n a la matriz

 
0 0 ··· 0
 0 0 ··· 0 
0 = 0p×n =  . . ..  ∈ Mp×n (K).
 
 .. .. . 
0 0 ··· 0

Se define la matriz identidad n × n mediante:

 
1 0 ··· 0
 0 1 ··· 0 
I = In =  . . .  ∈ Mn×n (K).
 
..
 .. .. .. . 
0 0 ··· 1

2 Operaciones con matrices. Trasposición y conjugación.

Definición. Dadas dos matrices A = (aij ) ∈ Mp×n (K), B = (bij ) ∈ Mp×n (K), se define
su suma como la matriz A + B = (aij + bij ) ∈ Mp×n (K), es decir,
     
a11 a12 · · · a1n b11 b12 · · · b1n a11 + b11 a12 + b12 · · · a1n + b1n
 a21 a22 · · · a2n   b21 b22 · · · b2n   a21 + b21 a22 + b22 · · · a2n + b2n 
.. + .. ..  =  .
     
 .. .. .. .. .. ..
 . . .   . . .   . . . 
ap1 ap2 · · · apn bp1 bp2 · · · bpn ap1 + bp1 ap2 + bp2 · · · apn + bpn

2
Proposición. La suma de matrices tiene las propiedades asociativa y conmutativa. La
matriz nula es el elemento neutro para la suma de matrices y toda matriz (aij ) ∈ Mp×n (K)
admite elemento recı́proco (−aij ) ∈ Mp×n (K).
En consecuencia, el conjunto (Mp×n (K), +) es un grupo conmutativo.

Definición. Dados una matriz A = (aij ) ∈ Mp×n (K) y un escalar λ ∈ K, se define el

producto de la matriz por el escalar mediante

λA = Aλ = (λaij ),

esto es:    
a11 a12 · · · a1n λa11 λa12 · · · λa1n
 a21 a22 · · · a2n   λa21 λa22 · · · λa2n 
λ = .
   
.. .. .. .. .. ..
 . . .   . . . 
ap1 ap2 · · · apn λap1 λap2 · · · λapn
Proposición. Sean A, B ∈ Mp×n (K) y λ, µ ∈ K. Se verifica:

(a) λ(A + B) = λA + λB.

(b) (λ + µ)A = λA + µA.

(c) (λµ)A = λ(µA).

Definición. Si A = (aij ) ∈ Mp×n (K) y B = (bjk ) ∈ Mn×q (K), entonces se define el

producto de AB como la matriz AB = (cik ) ∈ Mp×q (K) definida por:
n
X
cik = aij bjk = ai1 b1k + ai2 b2k + · · · + ain bnk , ∀ i, k.
j=1

Ejemplo. Si consideramos las matrices

 
1 0 −1  
 2 −3 −2 1
1 
A=  1 −1 −2  ∈ M4×3 (R) , B= 0 3  ∈ M3×2 (R) ,

−4 −2
0 1 4

el producto AB estará dado por:

 
2 3
 −8 −9 
AB =   ∈ M4×2 (R) .
 6 2 
−16 −5

Obsérvese que el producto BA no se puede realizar.

3
Proposición. Sean A, Ã ∈ Mp×n (K), B, B̃ ∈ Mn×q (K) y C ∈ Mq×r (K). Se verifican
las siguientes propiedades:

(a) (AB)C = A(BC).

(b) A(B + B̃) = AB + AB̃, (A + Ã)B = AB + ÃB.

(c) Ip A = AIn = A

(d) λ(AB) = A(λB) = (λA)B para todo λ ∈ K.

Observación. Hay algunas propiedades del producto usual en K que no son trasladables
al producto de matrices. En particular, se tiene:

• No se verifica la propiedad conmutativa, es decir, de forma general

AB 6= BA

incluso cuando ambos productos existen y son de igual tamaño. Por ejemplo:
         
1 2 0 1 2 1 3 4 0 1 1 2
= 6= = .
3 4 1 0 4 3 1 2 1 0 3 4

• Existen divisores de cero. Esto quiere decir que

AB = 0 6⇒ A = 0 o B = 0.

Por ejemplo:     
0 1 0 1 0 0
= .
0 0 0 0 0 0

• Como consecuencia de lo anterior, las matrices (aunque sean no nulas) no son “sim-
plificables” para la multiplicación, esto es

AB = AC, A 6= 0 6⇒ B = C
BA = CA, A 6= 0 6⇒ B = C

Por ejemplo:
       
0 1 0 2 0 0 0 1 1 0
= = .
0 0 0 0 0 0 0 0 0 0

y, sin embargo,    
0 2 1 0
6= .
0 0 0 0

4
Definición. Sea A ∈ Mn×n (K) y k ∈ N. Se define la potencia Ak por inducción del
siguiente modo: Por convenio, A0 = I, A1 = A y, para k ≥ 2, Ak+1 = Ak A, es decir Ak
resulta de multiplicar A por sı́ misma k veces.

Proposición. Sean A ∈ Mn×n (K) y k, r ∈ N.

(a) Ak Ar = Ak+r .

(b) (Ak )r = Akr .

(c) (λA)k = λk Ak , ∀ λ ∈ K.

(d) Si A es diagonal entonces Ak también es diagonal. De hecho,

k
ak11 0 · · ·
  
a11 0 · · · 0 0
 0 a22 · · · 0   0 ak22 · · · 0 
 = .
   
 .. .. .. .. .. .. .. ..
 . . . .   . . . . 
0 0 ··· ann 0 0 ··· aknn

Definición. Se dice que dos matrices A, B ∈ Mn×n (K) son permutables si AB = BA.

Observación. Algunas propiedades de las potencias de números reales o complejos no

pueden extenderse a matrices debido a la falta de conmutatividad. Dichas propiedades
solo se cumplen, en general, para matrices permutables. Por ejemplo:

(A + B)2 = A2 + B 2 + 2AB ⇐⇒ A2 + AB + BA + B 2 = A2 + B 2 + 2AB ⇐⇒ AB = BA.

Definición. Una matriz A ∈ Mn×n (K) es nilpotente de ı́ndice k si existe un número

natural k ≥ 1 tal que Ak = 0 y Ak−1 6= 0.

Proposición. Toda matriz cuadrada estrı́ctamente triangular es nilpotente.

Ejemplo. Para ilustrar la proposición anterior podemos tomar:

 2  
0 1 0 0
= .
0 0 0 0

Pero también hay matrices nilpotentes que no son triangulares. Por ejemplo:
 2  
1 1 0 0
= .
−1 −1 0 0

5
Definición. Sea A ∈ Mp×n (K). Se define su traspuesta como la matriz At cuyas columnas
son las filas de A, es decir, si A = (aij ) ∈ Mp×n (K), entonces At = (bji ) ∈ Mn×p (K), con
bji = aij para todo i = 1, . . . , n, y todo j = 1, . . . , p.

Proposición. Sean A, B ∈ Mp×n (K) y C ∈ Mn×q (K). Se verifican las siguientes

propiedades:

(a) (At )t = A.

(b) (A + B)t = At + B t .

(c) (λA)t = λAt , ∀ λ ∈ K.

(d) (AC)t = C t At .

(e) Si p = n entonces (At )k = (Ak )t , ∀ k ∈ N.

Definición. Una matriz A = (aij ) ∈ Mn×n (K) se dice que es:

• Simétrica si At = A, es decir, si aij = aji , ∀ i, j = 1, . . . , n.

• Antisimétrica si At = −A, es decir, si aij = −aji , ∀ i, j = 1, . . . , n.

• Ortogonal si AAt = At A = I.

Proposición. Sea A ∈ Mp×n (K). Se verifican las siguientes propiedades:

(a) At A y AAt son matrices simétricas.

(b) Si p = n entonces (A + At ) es simétrica y (A − At ) es antisimétrica.

Definición. Sea A = (aij ) ∈ Mp×n (C).

• Llamaremos matriz conjugada de A y la denotaremos por A a la matriz resultante

de conjugar las entradas de A, es decir, A = (aij ) ∈ Mp×n (C).
t
• Llamaremos conjugada traspuesta de A a la matriz A∗ = A .

Proposición. Sean A, B ∈ Mp×n (C) y C ∈ Mn×q (C). Se verifican las siguientes

propiedades:

(a) (A∗ )∗ = A.

(b) (A + B)∗ = A∗ + B ∗ .

(c) (λA)∗ = λA∗ , ∀ λ ∈ C.

6
 (d) (AC)∗ = C ∗ A∗ .

(e) Si p = n entonces (A∗ )k = (Ak )∗ , ∀ k ∈ N.

Definición. Una matriz A = (aij ) ∈ Mn×n (C) se dice que es:

• Hermitiana si A∗ = A, es decir, si aij = aji , ∀ i, j = 1, . . . , n.

• Antihermitiana si A∗ = −A, es decir, si aij = −aji , ∀ i, j = 1, . . . , n.

• Unitaria si AA∗ = A∗ A = I.

• Normal si AA∗ = A∗ A.

Definición. Una matriz cuadrada A ∈ Mn×n (K) se dice inversible (invertible) si existe
una matriz B ∈ Mn×n (K) tal que AB = BA = I, donde I es la matriz identidad. En
tal caso, B se llama matriz inversa de A y se denota por A−1 . Las matrices inversibles
también se llaman regulares o no singulares.

Ejemplo. Es obvio que existen matrices inversibles ya que, por ejemplo, II = I, lo que
implica que la matriz identidad es inversible y su inversa es ella misma.
No obstante, es fácil comprobar que hay matrices cuadradas (no nulas) que no son
inversibles. Como ejemplo, se ve de forma casi inmediata que la matriz
 
0 1
A=
0 0

no puede ser inversible ya que si existiese una matriz

 
a b
B=
c d

tal que AB = I se tendrı́a:

      
1 0 0 1 a b c d
= = ,
0 1 0 0 c d 0 0

lo que nos lleva al absurdo porque 1 6= 0.

Proposición. Sean A, B ∈ Mn×n (K).

(a) Si A es inversible entonces también lo es A−1 y además (A−1 )−1 = A.

(b) Si A es inversible y λ ∈ K, λ 6= 0, entonces (λA)−1 = (1/λ)A−1 .

(c) Si A es inversible entonces también lo es At y además (At )−1 = (A−1 )t .

7
 (d) Si A es inversible entonces también lo es A∗ y además (A∗ )−1 = (A−1 )∗ .

(e) Si A y B son inversibles entonces AB también lo es y además (AB)−1 = B −1 A−1 .

(f) Si A es inversible y k ∈ N entonces Ak también es inversible y (Ak )−1 = (A−1 )k .

Observación. Para saber cuándo es inversible una matriz y calcular su inversa, es cómodo
el uso de las llamadas operaciones elementales que, además, se utilizan con frecuencia para
otros cálculos matriciales.

3 Operaciones elementales. Cálculo de inversas

Definición. Sea A = (aij ) ∈ Mp×n (K). Se llama operación elemental sobre las filas o
columnas de A a cualquiera de las siguientes transformaciones:

• Permutar dos filas o dos columas de A.

• Sumar a una fila (o columna) de A un múltiplo de otra fila (o columna) de A.

• Multiplicar una fila o columna de A por un escalar no nulo.

Notación. Denotaremos las operaciones elementales del siguiente modo:

• Fij es la operación elemental de permutar las filas i y j.

• Fi (λ) es la operación elemental consistente en multiplicar la fila i por un escalar

λ 6= 0.

• Fij (λ) es la operación elemental consistente en sumar a la fila i la fila j multiplicada

por el escalar λ.

• Kij es la operación elemental de permutar las columnas i y j.

• Ki (λ) es la operación elemental consistente en multiplicar la columna i por un escalar

λ 6= 0.

• Kij (λ) es la operación elemental consistente en sumar a la columna i la columna j

multiplicada por el escalar λ.

Ejemplo. Consideremos la matriz

 
1 0 2
 0 1 0 
A=
 0
.
2 0 
−2 0 1

8
Indicaremos que sobre esa matriz se efectúan operaciones elementales del siguiente modo:
       
1 0 2 1 0 2 1 2 0 −2 −4 0
 0 1 0  F41 (2)  0 1 0  K32  0 0 1  F1 (−2)  0 0 1 
A=  0 2 0  −→  0 2 0  −→  0 0 2  −→  0
      
0 2 
−2 0 1 0 0 5 0 5 0 0 5 0

Definición. Una matriz A ∈ Mn×n (K) es una matriz elemental si se obtiene como resul-
tado de efectuar una operación elemental sobre las filas o columnas de la matriz identidad
I ∈ Mn×n (R).
Denotaremos una matriz elemental del mismo modo que la operación elemental de la
que procede.

Ejemplo. Haciendo la correspondiente operación elemental sobre I ∈ M3×3 (R) obten-

emos, por ejemplo,
   
1 0 0 1 0 0
F23 = K23 =  0 0 1  , K2 (3) = F2 (3) =  0 3 0 
0 1 0 0 0 1
   
1 0 2 1 0 0
F13 (2) =  0 1 0  , K13 (2) =  0 1 0  .
0 0 1 2 0 1

Proposición. Las operaciones elementales sobre las filas y columnas de una matriz A
pueden obtenerse como resultado de multiplicar por una matriz elemental:

(a) Realizar una operación elemental sobre las filas de A ∈ Mp×n (K) es equivalente
a multiplicar A por la izquierda por la correspondiente matriz elemental de filas
F ∈ Mp×p (K), esto es:
F
A −→ F A.

(b) Realizar una operación elemental sobre las columnas de A ∈ Mp×n (K) es equivalente
a multiplicar A por la derecha por la correspondiente matriz elemental de columnas
K ∈ Mn×n (K), esto es:
K
A −→ AK.

Proposición. Se verifica lo siguiente:

(a) Toda matriz elemental es inversible. De hecho, se tiene

(Fij )−1 = Fij , (Fi (λ))−1 = Fi (1/λ) , (Fij (λ))−1 = Fij (−λ) ,
(Kij )−1 = Kij , (Ki (λ))−1 = Ki (1/λ) , (Kij (λ))−1 = Kij (−λ) .

9
 (b) Una matriz A ∈ Mn×n (K) es inversible si y solo si se puede descomponer como
producto de matrices elementales (de filas).

Esta proposición permite calcular la inversa de A utilizando operaciones elementales

del siguiente modo: sean F1 , F2 , . . . , Fk las matrices elementales de filas de la descom-
posición de A−1 , esto es: A−1 = Fk . . . F2 F1 . La condición A−1 A = I entonces significa
que Fk . . . F2 F1 A = I, lo que implica que A se puede transformar mediante operaciones
elementales de filas en la matriz identidad. Y como A−1 = Fk . . . F2 F1 = Fk . . . F2 F1 I,
la matriz inversa se obtiene haciendo las mismas operaciones elementales hechas sobre A
pero esta vez efectuadas sobre la identidad. Ası́, si escribimos la matriz ampliada (A|I),
el resultado de aplicar F1 , F2 , . . . Fk sobre esta matriz es (I|A−1 ).

Corolario (Cálculo de inversas). Toda matriz inversible A ∈ Mn×n (K) se puede trans-
formar en la matriz identidad I ∈ Mn×n (K) mediante operaciones elementales por filas.
En consecuencia, para calcular A−1 basta hacer operaciones elementales por filas sobre
la matriz A hasta obtener la matriz identidad y hacer esas mismas operaciones elementales
sobre la matriz identidad, lo que nos dará la matriz A−1 . Esquemáticamente podemos
poner:
(A|I) −→ (I|A−1 ).
O.E. Filas

Ejemplo. Para calcular la inversa de

 
1 1 1
A= 1 2 0 ,
1 0 3

realizamos las siguientes operaciones elementales:

   
1 1 1 1 0 0 1 1 1 1 0 0
F21 (−1)
(A|I) =  1 2 0 0 1 0  −→  0 1 −1 −1 1 0 
1 0 3 0 0 1 1 0 3 0 0 1
   
1 1 1 1 0 0 1 1 1 1 0 0
F31 (−1) F32 (1)
−→  0 1 −1 −1 1 0  −→  0 1 −1 −1 1 0 
0 −1 2 −1 0 1 0 0 1 −2 1 1
   
1 1 1 1 0 0 1 1 0 3 −1 −1
F23 (1) F13 (−1)
−→  0 1 0 −3 2 1  −→  0 1 0 −3 2 1 
0 0 1 −2 1 1 0 0 1 −2 1 1
 
1 0 0 6 −3 −2
F12 (−1)
−→  0 1 0 −3 2 1  = (I|A−1 ) .
0 0 1 −2 1 1
Por tanto,

10
  
6 −3 −2
A−1 =  −3 2 1 .
−2 1 1

4 Forma escalonada y rango de una matriz.

Definición. Sea A = (aij ) ∈ Mp×n (K). Supongamos que la fila i de A no tiene todos
los elementos iguales a cero. Se llama entrada principal de la fila i al primer elemento de
dicha fila distinto de cero, es decir, al elemento aij tal que aij 6= 0, aik = 0 para todo
k < j. Se dice que la fila i tiene (j − 1) ceros principales si la entrada principal de dicha
fila es aij .

Definición. Se dice que la matriz A ∈ Mp×n (K) es una matriz escalonada si verifica las
dos siguientes condiciones:

(i) Si hay alguna fila de ceros, todas las que quedan por debajo de ella también son
nulas.

(ii) Cada fila no nula (a partir de la segunda) tiene más ceros principales que la inme-
diatamente superior.

Ejemplo. Las matrices A y B siguientes son escalonadas

 
  0 1 −3 6 −1
−2 3 1 0 4  0 0
 0 6 6 0 1   0 4 1 

A=   , B= 0 0
 0 0 8 
.
0 0 0 4 5 
 0 0 0 0 0 
0 0 0 0 7
0 0 0 0 0

Sin embargo, la siguiente matriz no lo es:

 
−2 3 1 0 4
 0 6 6 0 1 
C=  0
.
3 0 4 5 
0 0 0 0 0

Definición. Se dice que la matriz A ∈ Mp×n (K) es una forma escalonada reducida si
verifica las siguientes condiciones:

(i) Es escalonada.

(ii) Todas las entradas principales son iguales a 1.

11
(iii) Todos los elementos que están por encima de las entradas principales son ceros.

Ejemplo. La siguiente matriz es una forma escalonada reducida:

 
0 1 3 0 0
 0 0 0 1 0 
 
 0 0 0 0 1 
0 0 0 0 0

Teorema (Reducción de Gauss-Jordan). Toda matriz se puede transformar en una matriz

en forma escalonada reducida mediante operaciones elementales por filas.

Definición. Para cada matriz A ∈ Mp×n (K), la matriz obtenida mediante el teorema
anterior es única y recibe el nombre de forma escalonada reducida de A. La denotaremos
por rref (A).

Definición. Sea A ∈ Mp×n (K). Se define el rango de A como el número de filas no nulas
de la forma escalonada reducida de A.

Ejemplo. Vamos a calcular la forma escalonada de filas y el rango de la matriz

 
2 1 3
 4 −2 1 
A=  2 −3 −2  .


0 8 10
Para ello utilizamos operaciones elementales de filas siguiento el siguiente procedimiento:
• Escalonamos la matriz,
• transformamos las entradas principales en la unidad y
• hacemos nulas las entradas que están por encima de las entradas principales.
     
2 1 3 F21 (−2) 2 1 3 F32 (−1) 2 1 3
 4 −2 1  F31 (−1)  0 −4 −5  F42 (2)  0 −4 −5 
A = 
 2 −3 −2
 −→ 
 0 −4 −5 
 −→ 
 0

 0 0 
0 8 10 0 8 10 0 0 0
   
F1 (1/2) 1 1/2 3/2 1 0 7/8
F2 (−1/4)  0 1 5/4  F12 (−1/2)  0 1 5/4 
−→ 
 0
 −→   = rref(A)
0 0   0 0 0 
0 0 0 0 0 0
Puesto que rref(A) tiene 2 filas no nulas, se tiene que
rango(A) = 2.

12
Observación. Las siguientes cuestiones pueden resultar de utilidad:
(1) Para calcular el rango no es preciso calcular la forma escalonada reducida de A ya
que el rango de A coincide, de hecho, con el número de filas no nulas de cualquier
matriz escalonada obtenida realizando operaciones elementales sobre las filas de A.

(2) Se puede probar que

rango(A) = rango(At )
En consecuencia, para calcular el rango de A se pueden combinar operaciones ele-
mentales por filas y por columnas hasta obtener una matriz en forma escalonada ya
que las columnas de A son las filas de At .

Proposición (Caracterización de matrices inversibles). Sea A ∈ Mn×n (K). Son equiva-

lentes:
(a) A es inversible,

(b) rref(A) = I,

(c) rango(A) = n.

5 Traza y determinante de una matriz cuadrada

Definición. Sea A = (aij ) ∈ Mn×n (K). Se llama traza de A, y se denota tr (A), a la
suma de sus elementos diagonales, es decir,
n
X
tr (A) = aii = a11 + a22 + · · · + ann .
i=1

Proposición. La traza verifica las siguientes propiedades:

(a) tr (A + B) = tr (A) + tr (B), ∀ A, B ∈ Mn×n (K).

(b) tr (λA) = λ tr (A), ∀ A ∈ Mn×n (K), ∀ λ ∈ K.

(c) tr (AB) = tr (BA), ∀ A ∈ Mp×n (K), ∀ B ∈ Mn×p (K).

(d) tr (At ) = tr (A), ∀ A ∈ Mn×n (K).

(e) tr (A∗ ) = tr (A), ∀ A ∈ Mn×n (C).

Definición. Se define el determinante como una correspondencia que asigna a cada matriz
cuadrada A = (aij ) ∈ Mn×n (K) un escalar det(A) ∈ K, determinado como sigue:
(i) Si A = (a) ∈ M1×1 (K), entonces det(A) = a.

13
 (ii) Si A = (aij ) ∈ Mn×n (K) con n > 1, y se considera A˜1j la matriz que se obtiene
suprimiendo en A la fila 1 y la columna j, entonces se tiene:
n
X
det(A) = (−1)1+j a1j det(A˜1j ).
j=1

Es frecuente utilizar la notación alternativa de |A| para denotar det(A) pero no debe
confundirse esa notación (especialmente para matrices 1 × 1) con el valor absoluto o el
módulo.

Ejemplo. Para matrices 2 × 2 y 3 × 3 se tiene

a11 a12
= a11 a22 − a12 a21
a21 a22
a11 a12 a13
a21 a22 a23 = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 − a13 a22 a31 − a12 a21 a33 − a11 a23 a32 .
a31 a32 a33

En la condición (ii) de la definición de determinante se puede sustituir el desarrollo

hecho por la primera fila por otro análogo tomando cualquier fila o columna. En concreto
se tiene:

Proposición (Regla de Laplace). Sea A = (aij ) ∈ Mn×n (K). Sea A˜ij la matriz que se
obtiene suprimiendo en A la fila i y la columna j. Entonces, para cada fila i de A, se
tiene:
Xn
det(A) = (−1)i+j aij det(A˜ij )
j=1

y para cada columna j se tiene, de modo análogo:

n
X
det(A) = (−1)i+j aij det(A˜ij )
i=1

Observación. La regla de Laplace permite expresar el determinante de una matriz de

orden n en función de determinantes de matrices de orden (n−1). Eso es útil especialmente
cuando en una fila o columna muchos elementos son nulos.
Además, no es difı́cil ver que se verifica que:

• Si una matriz tiene dos filas proporcionales entonces su determinante vale cero.

• Si una matriz tiene una fila de ceros entonces su determinante vale cero.

14
Proposición. Se verifican las siguientes propiedades:

(a) det(λA) = λn det(A), ∀ A ∈ Mn×n (K), ∀ λ ∈ K.

(b) det(At ) = det(A), ∀ A ∈ Mn×n (K).

(c) det(A∗ ) = det(A), ∀ A ∈ Mn×n (C).

(d) Si A = (aij ) ∈ Mn×n (K) es triangular entonces det(A) = a11 a22 · · · ann .

(e) Si A, B ∈ Mn×n (K), entonces det(AB) = det(A) det(B).

(f) det(Ak ) = (det(A))k , ∀ k ∈ N.

1
(g) A es inversible si y solo si det(A) 6= 0 y, además, det(A−1 ) = .
det(A)

Proposición. Para las matrices elementales se verifica:

det(Fij ) = det(Kij ) = −1, det(Fi (λ)) = det(Ki (λ)) = λ, det(Fij (λ)) = det(Kij (λ)) = 1.

En consecuencia, el determinante de una matriz A ∈ Mn×n (K) se puede calcular haciendo

operaciones elementales para transformarla en triangular, teniendo en cuenta que

det(Fij A) = det(AKij ) = − det(A) ,

det(Fi (λ)A) = det(AKi (λ)) = λ det(A) ,
det(Fij (λ)A) = det(AKij (λ)) = det(A).

Observación. Es conveniente tener en cuenta las siguientes cuestiones:

(1) Las operaciones elementales de tipo Fij (λ) o Kij (λ) no cambian el valor del deter-
minante y las de Fij o Kij solo cambian el signo. Por tal razón, es preferible utilizar
solo dichas operaciones elementales. En el caso de utilizar una operación elemental
del tipo Fi (λ) o Ki (λ) para λ 6= 0 habrá que tener en cuenta que
1 1
det(A) = det((Fi (λ)A) = det(AKi (λ)).
λ λ

(2) Es fácil deducir de la definición y del hecho de que Fijt = Kij , Fi (λ)t = Ki (λ)
y Fij (λ)t = Kji (λ) que para el cálculo de determinantes se pueden utilizar tanto
operaciones elementales sobre filas como sobre columnas.

Ejemplo. Usemos operaciones elementales para calcular el determinante de la matriz

 
2 2 −4
A= 3 3 0 .
−5 −1 2

15
Para ello basta hacer operaciones elementales para transformarla en triangular, teniendo
cuidado cuando se permuten filas o columnas o cuando se multipliquen por un escalar no
nulo.

2 2 −4 1 1 −2 F21 (−3) 1 1 −2
F1 (1/2) F31 (5)
|A| = 3 3 0 = 2 3 3 0 = 2 0 0 6
−5 −1 2 −5 −1 2 0 4 −8
1 1 −2
F23
= −2 0 4 −8 = −48.
0 0 6

Observación. Lo más frecuente es utilizar la regla de Laplace combinada con operaciones

elementales, como en el siguiente ejemplo.

Ejemplo. Consideremos α, β ∈ R y la matriz

 
α−β α−β β−α
A= α 0 β − α .
1 β − 2α − 1 α − 1

Para hallar su determinante podemos hacer:

R.L.
Fila 1
α−β α−β β−α K21 (−1) α−β 0 0 ↓
K31 (1)
|A| = α 0 β−α = α −α β =
1 β − 2α − 1 α − 1 1 β − 2α − 2 α

−α β
= (α − β) = (α − β)(−α2 − β 2 + 2αβ + 2β).
β − 2α − 2 α

6 Submatrices y matrices por bloques

Definición. Sea A ∈ Mp×n (K). Se llama submatriz de A a cualquir matriz obtenida de
A tras eliminar una serie de filas y de columnas.

Ejemplo. Si consideramos la matriz

 
1 −1 2
 3 6 0 
A=
 −2
,
3 −2 
4 1 3

16
entonces las siguientes son submatrices de A:
 
2  
 0  1 2
B=  3 0 .
 −2  , C =

4 3
3

Definición. Se llama matriz por bloques a la obtenida de una matriz cualquiera al dividirla
en submatrices marcando una serie de lı́neas horizontales y verticales que recorran todo el
ancho o alto de la matriz.
Para denotar matrices por bloques se suele utilizar una notación similar a la de matrices
pero usando letras mayúsculas para las entradas. El uso de lı́neas verticales y horizontales
en la notación es opcional siempre que quede claro que los elementos de la matriz son
submatrices:
   
A11 A12 · · · A1n A11 A12 · · · A1n
 A21 A22 · · · A2n   A21 A22 · · · A2n 
A= . ..  =  .. ..  .
   
.. ..
 .. . .   . . . 
Ap1 Ap2 · · · Apn Ap1 Ap2 · · · Apn

Ejemplo. Una misma matriz puede admitir diferentes descomposiciones por bloques. Por
ejemplo:
1 −1
     
1 −1 2 1 −1 2 2
= 3 6 = 3
0  6 0 
 3 6 0   
A= .
 −2 3 −2   −2 3 −2   −2 3 −2 
4 1 3 4 1 3 4 1 3

Proposición. Las matrices por bloques se pueden sumar, multiplicar por escalares o mul-
tiplicar entre sı́ tratando los bloques como si fuesen elementos siempre que todas las ope-
raciones matriciales tengan sentido.
Ejemplo. Si consideramos las matrices
     
A11 A12 B11 B12 C11 C12 C13
A= , B= , C= ,
A21 A22 B21 B22 C21 C22 C23
entonces, siempre que las operaciones de matrices sean posible, tendrı́amos:
 
λA11 λA12
λA = , ∀ λ ∈ C,
λA21 λA22
 
A11 + B11 A12 + B12
A+B = ,
A21 + B21 A22 + B22
 
A11 C11 + A12 C21 A11 C12 + A12 C22 A11 C13 + A12 C23
AC = .
A21 C11 + A22 C21 A21 C12 + A22 C22 A21 C13 + A22 C23

17
 Como consecuencia se obtiene el siguiente resultado que suele ser útil:
Proposición. Sea A ∈ Mp×n (K) y consideremos B = (v1 |v2 | . . . |vq ) ∈ Mn×q (K), donde
vj ∈ Mn×1 (K) denota la j-ésima columna de B. Se verifica que

AB = (Av1 |Av2 | . . . |Avq ) ∈ Mp×q (K).

Proposición. Se considera la matriz por bloques

 
A11 A12 · · · A1n
 A21 A22 · · · A2n 
A= . .
 
.. ..
 .. . . 
Ap1 Ap2 · · · Apn

Entonces At y A∗ se construyen transformando las filas de bloques en columnas de bloques

y haciendo la traspuesta o traspuesta conjugada de cada bloque. Esto es:
 ∗
A11 A∗21 · · · A∗p1
 t
A11 At21 · · · Atp1
 
 At t t   A∗ A∗ · · · A∗ 
 12 A22 · · · Ap2  ∗  12 22 p2 
At =  . . . , A =  . . . .
 .. .. ..   .. .. .. 


At1n At2n · · · Atpn A∗1n A∗2n · · · A∗pn

Proposición. Dada una matriz A cuadrada

 
A11 A12 ··· A1n
 A21 A22 ··· A2n 
A= . ,
 
.. .. ..
 .. . . . 
An1 An2 · · · Ann
si cada bloque diagonal Aii es una matriz cuadrada, entonces se tiene:

tr (A) = tr (A11 ) + tr (A22 ) + · · · + tr (Ann ).

Proposición. Dada una matriz A cuadrada triangular superior por bloques

 
A11 A12 · · · A1n
 0 A22 · · · A2n 
A= . ..  ,
 
. .. . .
 . . . . 
0 0 ··· Ann
si cada bloque diagonal Aii es una matriz cuadrada, entonces se tiene:

det(A) = det(A11 ) det(A22 ) · · · det(Ann ).

El mismo resultado es válido si A es triangular inferior por bloques.

18
Observación. Es importante señalar que en la propiedad de los determinantes anterior
es fundamental que la matriz sea triangular por bloques. En caso de que no lo sea, se
pueden hacer operaciones elementales por bloques para transformarla en una triangular
por bloques. Hay que tener en cuenta que con las operaciones elementales por bloques en
realidad se hacen tantas operaciones elementales normales como filas o columnas tengan
los bloques. Por ese motivo, siempre que sea posible, lo más recomendable al trabajar con
bloques es evitar las permutaciones de filas o columnas de bloques o la multiplicación de
una fila o columna de bloques por un escalar. Sin embargo, se pueden hacer tantas
operaciones de sumar una fila o columna de bloques a otra como se deseen y
el determinante no varı́a. Por ejemplo, si A ∈ Mn×n (K), se tiene

  B (−2)
 
A 3A F21 A 3A
det = det = det(A) det(−5A) = (−5)n (det(A))2 ,
2A A 0 −5A
B (−2) indica que a la segunda fila de bloques se le suma la primera multiplicada
donde F21
por −2.

19