Capítulo 1

Álgebra matricial

1.1. Matrices
A partir de ahora K denotará un cuerpo.

Definición 1.1. Una matriz A = (aij ) de orden m × n sobre un cuerpo K es una tabla
de doble entrada con m · n elementos del cuerpo K, dispuestos en m filas y n columnas.
Al elemento que ocupa la fila i y la columna j de la matriz A lo denotaremos por aij o
por A(i, j). Así pues:
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A= .
 
.. .. .. 
 .. . . . 
am1 am2 . . . amn
Dos matrices A = (aij ) y B = (bij ) son iguales si tienen el mismo orden y para cada
par de índices i y j se tiene que aij = bij .
Al conjunto de las matrices de orden m × n sobre un cuerpo K se le denota por
Mm×n (K). Si m = n, se denota por Mn (K).
 Si A ∈ M1×n (K) se dice que A es una matriz fila.
 Si A ∈ Mm×1 (K) se dice que A es una matriz columna.
 A las matrices de orden n × n se les llama matrices cuadradas de orden n.
Denotaremos por In la matriz diagonal de orden n, (δij ), con δii = 1 para i = 1, . . . , n
y δij = 0 para i 6= j. A esta matriz se le llamará matriz identidad n-ésima o matriz
identidad de orden n.

1.2. Operaciones con matrices

Definición 1.2. Sean A = (aij ), B = (bij ) ∈ Mm×n (K). Se define la suma de A y B
como una matriz A + B ∈ Mm×n (K) de modo que (A + B)(i, j) = aij + bij ∀i, j, es
decir:

1
2 CAPÍTULO 1. ÁLGEBRA MATRICIAL
 
a11 + b11 a12 + b12 ... a1n + b1n
 a21 + b21 a22 + b22 ... a2n + b2n 
A+B = .
 
.. .. .. ..
 . . . . 
am1 + bm1 am2 + bm2 . . . amn + bmn

Definición 1.3. Sean A = (aij ) ∈ Mm×n (K) y α un escalar en K. Se define la

multiplicación de un escalar α por una matriz A como una matriz αA ∈ Mm×n (K) de
modo que (αA)(i, j) = αaij ∀i, j, es decir:
 
αa11 αa12 . . . αa1n
 αa21 αa22 . . . αa2n 
αA =  . .. .
 
.. ..
 .. . . . 
αam1 αam2 . . . αamn

Proposición 1.4. Sean A, B ∈ Mm×n (K) y α, β ∈ K. Se verifican las propiedades

siguientes:

1. (Mm×n (K), +) es un grupo abeliano.

2. (α + β)A = αA + βA.

3. α(A + B) = αA + αB.

4. α(βA) = (αβ)A.

5. 1K A = A.

El elemento neutro del grupo (Mm×n (K), +) es la matriz con todas sus entradas 0
y la denotaremos por (0).

Definición 1.5. Sean A = (aij ) ∈ Mm×n (K) y B = (bij ) ∈ Mn×s (K) se define el
producto de A por B como una matriz AB en Mm×s (K) en donde:
n
P
(AB)(i, j) = aik bkj , para i = 1, . . . , m y j = 1, . . . , s.
k=1

Observaciones 1.6.
1. Nótese que, para hacer el producto AB es necesario que el número de columnas de
A coincida con el número de filas de B.
2. En general, el producto de matrices no es conmutativo. Por ejemplo,
         
0 0 1 0 0 0 0 0 1 0 0 0
= 6= = .
1 1 1 0 2 0 0 0 1 0 1 1
1.2. OPERACIONES CON MATRICES 3

Proposición 1.7. Se verifican las siguientes propiedades:

1. Asociativa: Siendo A ∈ Mm×n (K), B ∈ Mn×s (K) y C ∈ Ms×r (K), se verifica

(AB)C = A(BC).

2. Distributiva por la izquierda del producto respecto de la suma:

Siendo A ∈ Mm×n (K) y B, C ∈ Mn×s (K), se verifica

A (B + C) = AB + AC.

3. Distributiva por la derecha del producto respecto de la suma:

Siendo A ∈ Ms×r (K) y B, C ∈ Mn×s (K), se verifica

(B + C)A = BA + CA.

4. Para cualquier matriz A ∈ Mm×n (K), se verifica AIn = A = Im A.

5. (Mn (K), +, .) es un anillo.

6. Para cualesquiera A ∈ Mm×n (K), B ∈ Mn×s (K) y α ∈ K, se tiene

α(AB) = (αA)B = A(αB).

Definición 1.8. Si A ∈ Mn (K), se dice que A es no singular o que A es invertible si

A tiene inversa para el producto, es decir si existe B ∈ Mn (K) tal que AB = In = BA.
La matriz B se llama inversa de A y se denota por A−1 . Si A no tiene inversa, se dice
que A es singular.
Nótese que, si existe, la inversa de A es única.

Definición 1.9. Sea A = (aij ) ∈ Mm×n (K). Llamaremos matriz traspuesta de A a

la matriz At ∈ Mn×m (K) tal que (At )(i, j) = A(j, i) = aji , para todo i = 1, . . . , n y
j = 1, . . . , m.
Ejemplo 1.10.  
  1 2
1 3 5
Si A = ∈ M2×3 (R), entonces At = 3 4 ∈ M3×2 (R).
2 4 6
5 6
Proposición 1.11. Se verifican las propiedades siguientes:

1. Si A ∈ Mn (K) es no singular, entonces A−1 es no singular y (A−1 )−1 = A.

2. Si A, B ∈ Mn (K) son matrices no singulares, entonces AB es no singular y

(AB)−1 = B −1 A−1 .

3. (At )t = A, siendo A ∈ Mm×n (K).

4 CAPÍTULO 1. ÁLGEBRA MATRICIAL

4. (A + B)t = At + B t , siendo A, B ∈ Mm×n (K).

5. (AB)t = B t At , siendo A ∈ Mm×n (K) y B ∈ Mn×s (K).

6. Si A ∈ Mn (K) es una matriz no singular, (At )−1 = (A−1 )t .

Demostración. Las propiedades 1, 3 y 4 son evidentes.

Para demostrar 2, basta tener en cuenta que:

(AB)(B −1 A−1 ) = A(BB −1 )A−1 = In = (B −1 A−1 )(AB).

Para demostrar 5, si A = (aij ) ∈ Mm×n (K) y B = (bij ) ∈ Mn×s (K), se tiene

n
X
t
(AB) (i, j) = (AB)(j, i) = ajk bki =
k=1
n
X
= (B t )(i, k)(At )(k, j) = (B t At )(i, j).
k=1

La prueba de 6 es análoga a la de 2, utilizando 3.

Observaciones 1.12. Sean A = (aij ) ∈ Mm×n (K) y B = (bij ) ∈ Mn×s (K) :

1. Denotemos por F1 (A) = (a11 a12 · · · a1n ) ∈ M1×n (K) la matriz fila correspon-
diente a la fila 1 de la matriz A, entonces
 
b11 b12 ··· b1s
 b21 b22 ··· b2s 
F1 (A) B = (a11 a12 · · · a1n )  . ..  =
 
.. ..
 .. . . . 
bn1 bn2 · · · bns
n
X n
X n
X 
= a1k bk1 a1k bk2 ··· a1k bks =
k=1 k=1
| {z } | {z } |k=1 {z }
11 12 1s
= a11 (b11 b12 · · · b1s ) +a12 (b21 b22 · · · b2s ) + · · · + a1n (bn1 bn2 · · · bns ) =
| {z } | {z } | {z }
F1 (B) F2 (B) Fn (B)

= a11 F1 (B) + a12 F2 (B) + · · · + a1n Fn (B)

en donde Fk (B) denota la matriz fila correspondiente a la fila k-ésima de B

Fk (B) = (bk1 bk2 · · · bks ) ∈ M1×s (K)

2. Como consecuencia de la observación anterior, se tiene que la fila i-ésima de la

matriz AB es de la forma:

Fi (AB) = Fi (A)B = (ai1 ai2 · · · ain ) B = ai1 F1 (B) + · · · + ain Fn (B).

1.2. OPERACIONES CON MATRICES 5
 
b11
 b21 
3. Sea C1 (B) =  .  ∈ Mn×1 (K) es la primera columna de B, entonces
 
 .. 
bn1
    
a11 a12 ··· a1n b11 a11 b11 + a12 b21 + · · · + a1n bn1
 a21 a22 ··· a2n   b21   a21 b11 + a22 b21 + · · · + a2n bn1
    
A C1 (B) =  . ..   ..  = 
 
.. .. ..
 ..

. . .  .   . 
am1 am2 · · · amn bm1 am1 b11 + am2 b21 + · · · + amn bn1
   
a11 a1n
 a21   a2n 
=  .  b11 + · · · +  .  bn1 = b11 C1 (A) + · · · + bn1 Cn (A),
   
 ..   .. 
am1 amn

en donde Ck (A) es la matriz columna correspondiente a la columna k-ésima de A

 
a1k
 a2k 
Ck (A) =  .  ∈ Mm×1 (K)
 
 .. 
amk

Esta propiedad también se deduce directamente del apartado 1 de la observación,

utilizando que (AB)t = B t At .
4. Si A = (aij ) ∈ Mm×n (K) y B = (bij ) ∈ Mn×s (K), la columna j-ésima de la
matriz AB es de la forma:

Cj (AB) = A Cj (B) = b1j C1 (A) + · · · + bnj Cn (A).

Ejemplo 1.13.
   
1 2 0   7 −1
1 −1
 1 2 −1 
 3
 6 −3 
 0 = 
 1 1 0   4 −1 
1 2
0 4 3 15 6
Nótese que, como hemos visto en 2 y 3 de las observaciones 1.12, se tiene que:
(7, −1) = 1(1, −1) + 2(3, 0) + 0(1, 2),
(6, −3) = 1(1, −1) + 2(3, 0) + (−1)(1, 2),
       
7 1 2 0
  = 1 1 + 3 2 + 1  −1 
6      
4 1 1  0 
15 0 4 3
y análogamente para las restantes filas y columnas.
6 CAPÍTULO 1. ÁLGEBRA MATRICIAL

1.3. Matrices elementales

Definición 1.14. Llamaremos matriz elemental de orden m a cualquiera de las siguien-
tes matrices:

1. La matriz EFi ↔Fj es la obtenida de Im intercambiando la fila i con la j:

Im −−−−−→ EFi ↔Fj ;

Fi ↔Fj

las entradas de la matriz EFi ↔Fj son:

EFi ↔Fj (i, j) = EFi ↔Fj (j, i) = 1,

EFi ↔Fj (k, k) = 1 si k 6= i, j,
y las demás entradas son cero.

2. La matriz EαFi es la obtenida de Im multiplicando la fila i por α ∈ K, α 6= 0:

Im −−−→ EαFi
αF i

Las entradas de la matriz EαFi son:

EαFi (k, k) = 1 si k 6= i,
EαFi (i, i) = α,
y las demás entradas son cero.

3. La matriz EFi +αFj es la obtenida de Im sumando a la fila i la fila j multiplicada

por α ∈ K, siendo i 6= j:
Im −−−−−−→ EFi +αFj
Fi +α Fj

Las entradas de la matriz EαFi son:

EFi +αFj (k, k) = 1, ∀k,

EFi +αFj (i, j) = α, y las demás entradas son cero.

Proposición 1.15. Si A ∈ Mm×n (K), entonces:

1. EFi ↔Fj A ∈ Mm×n (K) es la matriz obtenida de A al intercambiar su fila i-ésima

con la j-ésima.

2. EαFi A ∈ Mm×n (K) es la matriz obtenida de A al multiplicar su fila i-ésima por

un escalar α ∈ K.

3. EFi +αFj A ∈ Mm×n (K) es la matriz obtenida de A sumándole a su fila i-ésima la

j-ésima multiplicada por α ∈ K, para i 6= j.
1.3. MATRICES ELEMENTALES 7

Demostración. Para hacer la demostración utilizaremos la observación 1.12.

1. Calculemos las filas de la matriz Fi (EFi ↔Fj A):

Fi (EFi ↔Fj A) = 0F1 (A) + · · · + 0Fi (A) + · · · + 1Fj (A) + · · · + 0Fn (A) = Fj (A),
| {z } | {z }
i j
Fj (EFi ↔Fj A) = 0F1 (A) + · · · + 1Fi (A) + · · · + 0Fj (A) + · · · + 0Fn (A) = Fi (A),
| {z } | {z }
i j
y , si k 6= i, j, entonces Fk (EFi ↔Fj A) = Fk (A).

2. Calculemos las filas de la matriz EαFi A:

Fi (EαFi A) = 0F1 (A) + · · · + αFi (A) + · · · + 0Fn (A) = αFi (A),

| {z }
i
y, si k 6= i, Fk (EαFi A) = Fk (A).

3. Calculemos las filas de la matriz EFi +αFj A:

Fi (EFi +αFj A) = 0F1 (A) + · · · + 1Fi (A) + · · · + αFj (A) + · · · + 0Fn (A),
| {z } | {z }
i j
es decir, Fi (EFi +α Fj A) = Fi (A) + α Fj (A),
y, si k 6= i, entonces Fk (EFi +αFj A) = Fk (A).

Como consecuencia inmediata de esta proposición se tiene:

Corolario 1.16. Toda matriz elemental es invertible y su inversa también es una matriz
elemental. Concretamente,

(EFi ↔Fj )−1 = EFi ↔Fj , (EαFi )−1 = Eα−1 Fi y (EFi +αFj )−1 = EFi −αFj .

Definición 1.17. Dos matrices A, B ∈ Mm×n (K) son equivalentes por filas si existen
matrices elementales E1 , . . . , Es tales que B = Es · · · E1 A.

Es evidente que “ser equivalentes por filas” es una relación de equivalencia en el

conjunto Mm×n (K).
Nótese que si A, B ∈ Mm×n (K) son equivalentes por filas, significa que de una se
obtiene la otra tras una sucesión finita de operaciones de los siguientes tipos:

1. Intercambiar dos filas.

2. Multiplicar una fila por un escalar no nulo.

3. Sumarle a una fila un múltiplo escalar de otra.

Estas operaciones se denominan operaciones elementales por filas.

8 CAPÍTULO 1. ÁLGEBRA MATRICIAL

Proposición 1.18. Si A, B ∈ Mn (K) son matrices equivalentes por filas, entonces

A es invertible si, y solo si, B es invertible.

Observaciones 1.19. Sea A ∈ Mm×n (K), se puede comprobar que:

1. A EFi ↔Fj ∈ Mm×n (K) es la matriz obtenida de A al intercambiar su columna

i-ésima con la j-ésima.

2. A EαFi ∈ Mm×n (K) es la matriz obtenida de A al multiplicar su columna i-ésima

por un escalar α ∈ K, que supondremos 6= 0.

3. A EFi +αFj ∈ Mm×n (K) es la matriz obtenida de A sumándole a su columna

j-ésima la i-ésima multiplicada por α ∈ K.

Según esta observación la matriz EFi ↔Fj es la matriz obtenida de la identidad inter-
cambiando la columna i-ésima con la j-ésima, EαFi es la matriz obtenida de la identidad
multiplicando la columna i-ésima por un escalar α 6= 0 y EFi +αFj es la matriz obtenida
de la identidad sumándole a la columna j-ésima la i-ésima multiplicada por α ∈ K.
Esto justifica la notación siguiente:

EFi ↔Fj = ECi ↔Cj , EαFi = EαCi , EFi +αFj = ECj +αCi .

1.4. Forma escalonada y rango por filas de una matriz

Definición 1.20. Sea A ∈ Mm×n (K). Se dice que A es escalonada por filas si:

1. Las filas nulas, si las hay, están al final.

2. El primer coeficiente no nulo de cada fila no nula, llamado coeficiente principal o

pivote de la fila, está a la derecha de los pivotes de las filas anteriores.

Si además todos los pivotes son 1 y los elementos que aparecen en la misma columna
que el pivote de una fila son todos cero, se dice que es escalonada reducida por filas.

Nótese que si una matriz es escalonada reducida por filas, el número de pivotes
coincide con el número de filas no nulas.

Proposición 1.21. Si A ∈ Mn (K) es escalonada reducida por filas, entonces

A es invertible si, y solo si, A = In .

Demostración.
“⇒” Si A es invertible ninguna de sus filas es nula y, como es escalonada, el número
de pivotes coincide con el número de filas y, por tanto, con el número de columnas.
Además, por ser A reducida, se tiene que A = In .
“⇐” Trivial.
1.4. FORMA ESCALONADA Y RANGO POR FILAS DE UNA MATRIZ 9

Teorema 1.22. Toda matriz es equivalente por filas a una matriz escalonada y a una
única matriz escalonada reducida por filas.
Demostración. Ver álgebra Lineal de L. Merino y E. Santos, pág. 21, o Álgebra Lineal
y aplicaciones de J. Arvesú, R. Álvarez y F. Marcellán, pág. 43.

Ejercicio 1.23. Calcular una matriz escalonada equivalente por filas a la matriz A y
una escalonada reducida equivalente por filas a la matriz B, siendo
   
1 −2 3 9 1 −2 3 9
A =  −1 3 0 −4  , B =  0 1 3 5  ∈ M3×4 (R).
2 −5 5 17 0 0 1 2
Solución.
Para la matriz A se tiene que:
   
1 −2 3 9 1 −2 3 9
 −1 3 0 −4  −−−−−→  0 1 3 5  −−−−−−→
F2 + F1 F3 −2 F1
2 −5 5 17 2 −5 5 17
   
1 −2 3 9 1 −2 3 9
−→  0 1 3 5  −−−−−→  0 1 3 5 .
F3 + F2
0 −1 −1 −1 0 0 2 4
Análogamente para la matriz B,
   
1 −2 3 9 1 0 9 19
 0 1 3 5  −−−−−−→  0 1 3 5  −−−−−−→
F1 +2 F2 F1 −9 F3
0 0 1 2 0 0 1 2
   
1 0 0 1 1 0 0 1
−→ 0 1 3 5 −−−−−−→  0 1 0 −1 
F2 −3 F3
0 0 1 2 0 0 1 2
Corolario 1.24. Sea A ∈ Mn (K).

A es invertible ⇐⇒ A e In son equivalentes por filas

⇐⇒ A es producto de matrices elementales.
Algoritmo para calcular la inversa de una matriz
Si A es no singular y si t1 , . . . , ts es la sucesión de operaciones elementales por filas
que transforman la matriz A en In , estas operaciones, en el mismo orden, también
transforman la matriz In en A−1 , de manera que el esquema

(A|In ) −→ · · · −→ (In |A−1 )

t1 ts

nos indica como calcular la inversa de una matriz no singular, usando transformaciones
elementales por filas.
10 CAPÍTULO 1. ÁLGEBRA MATRICIAL

Ejemplo 1.25.
 
−1 −2
Sea A = ∈ M2 (R). Para calcular la inversa de la matriz A procedemos
3 8
del modo siguiente:
   
−1 −2 1 0 1 2 −1 0
(A|I2 ) = −−−→ −−−−−→
3 8 0 1 −F1 3 8 0 1 F2 −3F1

1 2 −1 0 1 0 −4 −1
  ! !
1 2 −1 0
−→ −−−→ 3 1 −−−−−→ 3 1
0 2 3 1 1
F
2 2
0 1 F1 −2F2 0 1
2 2 2 2
−4 −1
!
y, así, A−1 = 3 1 .
2 2

Definición 1.26. Sea A ∈ Mm×n (K), llamaremos rango por filas de A, y lo denotare-
mos por rf (A), al número de pivotes (o el número de filas no nulas) de cualquier matriz
escalonada por filas que sea equivalente por filas a A.

Observación 1.27. El rango por filas está bien definido, ya que cualquiera de las matrices
escalonadas que sean equivalentes por filas a A tiene el mismo número de pivotes. En
efecto, si B es una matriz escalonada por filas, su número de pivotes coincide con el
número de pivotes de la única escalonada reducida a la que es equivalente por filas, ya
que:

si el pivote de la fila i, es α = bij , es decir está en la columna j, entonces se

convierte en 1 haciendo E 1 Fi B;
α

además cada uno de los elementos no nulos de la columna j, bkj 6= 0, 1 ≤ k ≤ i−1,

se convierte en 0 haciendo EFk −bkj Fi E 1 Fi B.
α
1.5. DETERMINANTES 11

1.5. Determinantes
En este apartado, las matrices que se consideran son matrices cuadradas.

El concepto de determinante de una matriz A = (aij ) ∈ Mn (K), puede ser definido

por inducción como sigue:

Para n = 1, se define |A| = det(A) = a11 .

Sea n > 1. Supuesto conocido el valor del determinante de una matriz de orden
n − 1, se define el determinante de la matriz A como:

|A| = det(A) = a11 α11 + · · · + an1 αn1 ,

siendo αij = (−1)i+j det(Aij ), en donde Aij es la matriz de orden n − 1 que se

obtiene de A suprimiendo la fila i-ésima y la columna j-ésima. El escalar αij se
llama adjunto del elemento aij de A.

La fórmula anterior se conoce como el desarrollo de Laplace del determinante de A por

la primera columna.
Veremos, más adelante, que esta definición no depende de la columna elegida, de
modo que

|A| = det(A) = a1j α1j + · · · + anj αnj , para cualquier j ∈ {1, . . . , n}.

También se puede calcular cambiando el papel de las columnas por filas, es decir,

|A| = det(A) = ai1 αi1 + · · · + ain αin , para cualquier i ∈ {1, . . . , n}.

Ejemplos 1.28.

1. El determinante de una matriz de orden 2 es:

 
a11 a12 
1.   = a11 α11 + a21 α21 = a11 a22 − a21 a12 .
a21 a22 
2. (Regla de Sarrus) El determinante de una matriz de orden 3 es:
 
a11 a12 a13 
 
a21 a22 a23  = a11 α11 + a21 α21 + a31 α31
 
a31 a32 a33 
     
a22 a23  a12 a13  a12 a13 
= a11 
  − a21 
  + a31 
 
a32 a33  a32 a33  a22 a23 
= a11 (a22 a33 − a32 a23 ) + a21 (a32 a13 − a12 a33 ) + a31 (a12 a23 − a22 a13 )
= a11 a22 a33 + a13 a21 a32 + a12 a23 a31 − a11 a23 a32 − a12 a21 a33 − a13 a22 a31 .
12 CAPÍTULO 1. ÁLGEBRA MATRICIAL

3.
 
  1 2 3
1 3  
4 6 = 6 − 12 = −6 y 0 1 2 = 0 + 0 + 8 − 6 − 2 − 0 = 0.
   
2 1 0

4. Si A = (aij ) ∈ Mn (K) es una matriz triangular superior, |A| = a11 · · · ann .

Se demuestra por inducción en n. Si n = 1, |A| = a11 . Si n > 1 y suponemos que

se verifica el resultado para matrices de orden n − 1, para una matriz A de orden n,
tenemos que |A| = a11 α11 = a11 (−1)1+1 det(A11 ).
Como A11 es una matriz triangular superior de orden n − 1, det(A11 ) = a22 · · · ann
y, por tanto, |A| = a11 a22 · · · ann .
En particular, det(In ) = 1.

Determinantes y operaciones elementales

En el tema anterior aprendimos a transformar una matriz cuadrada A en una trian-
gular superior T = (dij ), realizando operaciones elementales en sus filas. Puesto que
sabemos que det(T ) = d11 · · · dnn , vamos a ver como afecta cada operación elemental
en las filas de una matriz al cálculo de su determinante, lo que nos permitirá calcular
det(A), de manera rápida, a partir de det(T ).

Proposición 1.29. Se verifican las siguientes propiedades:

1. Si A, A0 y A00 ∈ Mn (K) son tales que Fi (A) = Fi (A0 ) + Fi (A00 ) y, si j 6= i,
Fj (A) = Fj (A0 ) = Fj (A00 ), se tiene que det(A) = det(A0 ) + det(A00 ).

2. Si A ∈ Mn (K) tiene dos filas iguales, entonces det(A) = 0.

3. Si se intercambian dos filas de A ∈ Mn (K), el determinante de la matriz resul-

tante es − det(A).
En particular, se obtiene que
det(EFi ↔Fj ) = − det(In ) = −1 y que det(EFi ↔Fj A) = det(EFi ↔Fj ) det(A).

4. Si multiplicamos los elementos de una fila de la matriz A ∈ Mn (K) por un escalar

β, obtenemos una matriz cuyo determinante es β det(A).
En particular, si A tiene una fila de ceros, entonces det(A) = 0. Además, si β 6= 0,
det(EβFi ) = β det(In ) = β y det(EβFi A) = det(EβFi ) det(A).

5. Si a la fila i-ésima de A ∈ Mn (K) le sumamos la j-ésima multiplicada por un

escalar β, siendo i 6= j, obtenemos una matriz cuyo determinante es det(A).
En particular, se tiene que

det(EFi +βFj ) = det(In ) = 1 y det(EFi +βFj A) = det(EFi +βFj ) det(A).

1.5. DETERMINANTES 13

Demostración. La demostración de las propiedades 1 y 2, se puede consultar en el libro

“Álgebra lineal con métodos elementales” de Merino L. y Santos E.

3.
         

 F1 (A)   F1 (A)   F1 (A)   F1 (A)   F1 (A) 
        

 · · ·   ···   ···   ···   ··· 
        
Fi (A) + Fj (A)  Fi (A)   Fi (A)   Fj (A)   Fj (A) 
         
0 =  ···  =  ···  +  ···  +  ···  +  ··· 
        
Fj (A) + Fi (A)  Fj (A)   Fi (A)   Fj (A)   Fi (A) 
         

 · · ·   ···   ···   ···   ··· 
        
 Fn (A)  F (A) F (A) F (A) F (A)
n n n n

   
 F1 (A)   F1 (A) 
   
 ···   ··· 
   
 Fi (A)   Fj (A) 
   
=  · · ·  +  · · · 
 Fj (A)   Fi (A) 
   
 ···   ··· 
   
F (A) F (A)
n n

4. Sea A = (aij ) una matriz de orden n, usaremos inducción en n para probar esta
propiedad. Si n = 1 es evidente. Supuesto n > 1 y que el resultado es cierto para
matrices de orden n − 1, si
 
a11 . . . a1n
 ··· ... ··· 
0
 
A =  βai1 . . . βain


 ... ... ... 
an1 . . . ann

se tiene que det(A0 ) = a11 α11 0 + · · · + βa α0 · · · + a α0 . Como α0 = α

i1 i1 n1 n1 i1 i1 y,
por hipótesis de inducción, para t 6= i se tiene que αt1 0 = βα , obtenemos que
t1
det(A0 ) = a11 βα11 + · · · + βai1 αi1 + · · · + an1 βαn1 = β det(A).

5. Utilizando las propiedades 1, 4 y 2, se obtiene:

     

 F1 (A)   F1 (A) 
  
 F1 (A) 
 

 ···   ··· 
  
 ··· 
 
Fi (A) + βFj (A)  Fi (A)   Fj (A) 
     

 · · ·  =  · · ·  + β  · · ·  = |A| .
    

 Fj (A)   Fj (A) 
  
 Fj (A) 
 

 ···   ··· 
  
 ··· 
 
 Fn (A)  F (A)
n
F (A)
n
14 CAPÍTULO 1. ÁLGEBRA MATRICIAL

Proposición 1.30. Si A es una matriz de orden n,

A es no singular si, y solo si, |A| =

6 0.

Demostración. A es no singular si, y solo si, existen E1 , . . . , Es matrices elementales tal

que A = E1 · · · Es , de donde se sigue que

|A| = |E1 · · · Es | = |E1 | |E2 · · · Es | = · · · = |E1 | · · · |Es | =

6 0.

A es singular si, y solo si, A es equivalente por filas a una matriz escalonada por
filas A0 que tiene una fila de ceros si, y solo si, existen E1 , . . . , Es matrices elementales
tal que A = E1 · · · Es A0 , de lo que se deduce que

|A| = E1 · · · Es A0  = |E1 | E2 · · · Es A0  = · · · = |E1 | · · · |Es | A0  = 0.

     

Teorema 1.31. Si A y B son matrices de orden n, entonces |AB| = |A| |B|.

Demostración.
Caso 1) Si A es no singular, hemos visto que A es producto de matrices elementales, es
decir A = E1 · · · Ek .
Utilizando reiteradamente las propiedades 3, 4 y 5 de la proposición 1.29 y que el
producto de matrices es asociativo, se tiene que:

|AB| = |E1 (E2 · · · Ek B)| = |E1 | |E2 · · · Ek B| = · · · = |E1 | |E2 | · · · |Ek | |B|
= |E1 | · · · |Ek−1 Ek | |B| = · · · = |A| |B| .

Caso 2) Si A es singular, entonces existen matrices elementales E1 , . . . , Es y una matriz

A0 que tiene una fila de ceros tal que A = E1 · · · Es A0 y |A| = 0. Así,

|AB| = E1 · · · Es A0 B  = · · · = |E1 | · · · |Es | A0 B  = 0,

   

puesto que la matriz A0 B tiene también alguna fila de ceros, y |AB| = 0 = |A| |B|.

Pretendemos ahora ver que el desarrollo de Laplace para el cálculo del determinante
puede hacerse a lo largo de cualquier columna o de cualquier fila y, para ello, veremos
que el determinante de una matriz coincide con el de su traspuesta.

Lema 1.32. La traspuesta de una matriz elemental, E, es una matriz elemental que
tiene mismo determinante que E.

Demostración. El resultado es consecuencia inmediata de que

(EFi ↔Fj )t = (ECi ↔Cj )t = EFi ↔Fj ,

t t
EαF i
= EαC i
= EαFi y
(EFi +αFj )t = (ECj +αCi )t = EFj +αFi .
1.5. DETERMINANTES 15
 
Teorema 1.33. Si A es una matriz de orden n, entonces |A| = At  .

Demostración. Sabemos que A es no singular si, y solo si, At es no singular:

(A−1 )t = (At )−1

 
Por tanto, |A| = 0 si, y solo si, At  = 0.
Supongamos ahora que |A| = 6 0, es decir, existen E1 , . . . , Ek matrices elementales
tal que A = E1 · · · Ek y, así, A = (Ek )t · · · (E1 )t . En consecuencia
t

 t 
A  = (Ek )t  · · · (E1 )t  = |Ek | · · · |E1 | = |A| .
  

Corolario 1.34. Las proposición 1.29 es válida si se cambia la palabra fila por columna.

Corolario 1.35 (Desarrollo de Laplace del determinante por la primera fila).

Si A = (aij ) es una matriz de orden n, entonces

|A| = a11 α11 + · · · + a1n α1n .

Demostración. Basta con observar que la primera columna de At es (a11 , . . . , a1n )t y

los adjuntos de los elementos de la primera columna de At coinciden con los correspon-
dientes a los elementos de la primera fila de A.
En efecto, como

(A1j )t = (At )j1 , para todo j, y

α1j = (−1)1+j det(A1j ) = (−1)1+j det(A1j )t = (−1)1+j det((At )j1 ),

se tiene que:

|A| = At  = a11 (−1)1+1 det((At )11 ) + · · · + a1n (−1)n+1 det((At )n1 )

 

= a11 (−1)1+1 det(A11 ) + · · · + a1n (−1)n+1 det(A1n ) = a11 α11 + · · · + a1n α1n .

Proposición 1.36 (Desarrollo de Laplace del determinante por cualquier columna

(respectivamente fila) ).
Si A = (aij ) es una matriz de orden n, entonces

|A| = a1j α1j + · · · + anj αnj , para j = 1, . . . , n,

|A| = ai1 αi1 + · · · + ain αin , para i = 1, . . . , n.

Demostración. Sea A0 = EF1 ↔F2 A la matriz obtenida de A intercambiando la primera

fila con la segunda. Calculando el determinante de A0 con el desarrollo de Laplace por
la primera fila:
 0
A  = a21 (−1)1+1 det(A21 ) + a22 (−1)1+2 det(A22 ) + · · · + a2n (−1)1+n det(A2n )
16 CAPÍTULO 1. ÁLGEBRA MATRICIAL

y, como |A| = − |A0 | , se tiene que:

|A| = a21 (−1)2+1 det(A21 ) + · · · + a2n (−1)2+n det(A2n ) = a21 α21 + · · · + a2n α2n .

De la misma forma, si A00 es la matriz obtenida de A intercambiando la segunda fila

con la tercera, calculando el desarrollo de Laplace de A00 por su segunda fila, se obtiene:
 00 
A  = a31 (−1)2+1 det(A31 ) + a32 (−1)2+2 det(A32 ) + · · · + a3n (−1)2+n det(A3n )

y, por tanto, como |A| = − |A00 | , se tiene que:

|A| = a31 (−1)3+1 det(A31 ) · · · + a3n (−1)3+n det(A3n ) = a31 α31 + · · · + a3n α3n .

Repitiendo el proceso las veces que sea necesario,

  se obtiene el desarrollo por cual-
quier otra fila y, teniendo en cuenta que |A| = At  , se obtiene el desarrollo por cualquier
columna.

Proposición 1.37. Si A = (aij ) es una matriz no singular de orden n, entonces

1
A−1 = (adj(A))t , en donde adj(A) = (αij ) ∈ Mn (K).
|A|

1
Demostración. Como |A| =
6 0, podemos definir la matriz B := (adj(A))t . La matriz
|A|
B es de orden n y vamos a comprobar que es inversa de A. En efecto,
n
P n
P 1 1
(AB)(i, i) = aik B(k, i) = aik αik = |A| = 1
k=1 k=1 |A| |A|
y, si i 6= j, se tiene que
n
P n
P 1 1 P n
(AB)(i, j) = aik B(k, j) = aik αjk = ( aik αjk ) = 0
k=1 k=1 |A| |A| k=1
n
P
ya que aik αjk = 0, porque es el desarrollo de Lapace, a lo largo de la fila j-ésima, del
k=1
determinante de una matriz que tiene todas sus filas como las de A, excepto la j-ésima
que coincide con la i-ésima de A, es decir, es el determinante de una matriz con dos
filas iguales.