Matrices Invertibles y Elementos de Algebra

Matricial
Departamento de Matematicas, CCIR/ITESM
1 de octubre de 2010

Indice
12.1. Introduccion . . . . . . . . . . . . . . . . . .
12.2. Transpuesta . . . . . . . . . . . . . . . . . .
12.3. Propiedades de la transpuesta . . . . . . . .
12.4. Matrices invertibles . . . . . . . . . . . . . .
12.5. Motivacion del algoritmo de inversi
on . . .
12.6. Algoritmo para invertir una matriz . . . . .
12.7. Comentario . . . . . . . . . . . . . . . . . .
12.8. Propiedades de la inversa . . . . . . . . . .
12.9. Ecuaciones con matrices . . . . . . . . . . .
12.10.Complejidad computacional de la inversion

12.1.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

1
1
2
2
2
3
4
4
5
8

Introducci
on

En esta lectura veremos la matriz transpuesta y la matriz inversa a una matriz dada (En caso de que la
matriz inversa a ella exista). Revisaremos las propiedades que tienen el tomar la inversa o la transpuesta de
una matriz as como un metodo eficiente de inversion. Terminaremos con la aplicacion de estos conceptos a la
solucion de cierto tipo de ecuaciones matriciales.

12.2.

Transpuesta

Definici
on 12.1
La matriz transpuesta de una matriz A n m es una matriz con dimensiones m n cuyo elemento (i, j) es
precisamente el elemento (j, i) de la matriz A. A esta matriz se le simboliza AT . Una forma facil de construir
AT es tomar los renglones de A y convertirlos en columnas.
Ejemplo 12.1
Determine AT si


A=

1 2 3
4 5 6


.

Soluci
on
Siguiendo la indicaci
on de tomar los renglones de A como columnas para AT tenemos:

1 4
AT = 2 5 
3 6

12.3.

Propiedades de la transpuesta

1. La transpuesta de la transpuesta de una matriz A es otra vez A: AT

T

= A.

2. La transpuesta de una suma es la suma de las transpuestas: (A + B)T = AT + BT .

3. (c A)T = c AT .
4. (A B)T = BT AT .
La transpuesta de un producto es el producto de las transpuestas pero en orden contrario

12.4.

Matrices invertibles

Definici
on 12.2
Se dice que una matriz A cuadrada n n es una matriz invertible, o que es una matriz no singular, si existe
una matriz B n n, que llamaremos la matriz inversa de A, que cumple:
AB = I y BA = I

(1)

Una matriz invertible s

olo tiene una inversa, es decir, la inversa es u
nica. La u
nica inversa de una matriz
invertible A se representa por A1 . As
A A1 = I = A1 A

(2)

Como se puede ver 0 C = 0, para cualquier matriz C de dimensiones adecuadas, esto significa que existen
matrices cuadradas que no pueden ser invertibles (La matrix cuadrada 0 es una de ellas) este tipo de matrices
se llama matriz singular o matriz no invertible.

12.5.

Motivaci
on del algoritmo de inversi
on

Veamos un ejemplo que motivar

a el algoritmo para obtener la inversa de una matriz.
Ejemplo 12.2
Determine la inversa de


1 2
A=
3 5
Suponga que buscamos una matriz B, 2 2 tal que A B = I22 :


 

1 2
b11 b12
1 0
=
3 5
b21 b22
0 1
As se debe cumplir:
Para elemento (1,1) del producto: 1 b11 2 b21 = 1
Para elemento (2,1) del producto: 3 b11 5 b21 = 0
Para elemento (1,2) del producto: 1 b12 2 b22 = 0
Para elemento (2,2) del producto: 3 b12 5 b22 = 1
Esto conduce a dos sistemas de ecuaciones: uno en b11 y b21 y otro b21 y b22 con matrices aumentadas que al
reducirse quedan:




1 2 1
1 0 5

3 5 0
0 1 3
2

y


1 2 0
3 5 1

1 0 2
0 1 1

Y as b11 = 5, b21 = 3, b21 = 2, y b22 = 1. Quedando la inversa como



5 2
A1 = B =

3 1
Observemos que
Ambas matrices aumentadas tienen la misma matriz de coeficientes: exactamente A.
Teniendo la misma matriz de coeficientes, los sistemas deben reducirse con las mismas operaciones de
renglon.
En cada sistema, la columna de las constantes es una columna de I.
Como las matrices aumentadas tienen las mismas matrices de coeficientes y las operaciones de rengl
on
para la reducci
on son las mismas, entonces el proceso se puede llevar a cabo formando la matriz aumentada
[A|I] y reduciendo.
Despues del proceso de reducci
on, la inversa queda exactamente acamodada en la posicion donde entr
o I.

12.6.

Algoritmo para invertir una matriz

Para determinar A1 , si existe, haga los siguiente:

1. Construya la matriz aumentada [A|I].
Aqu I representa la matriz identidad n n.
2. Reduzca la matriz [A|I]. Digamos que se obtenga [B|C].
3. Si la matriz B es la matriz identidad, entonces A s es invertible y A1 = C.
4. Si la matriz B no es la identidad, entonces A no es invertible.
Ejemplo 12.3
Invierta las matrices:


A1 =

Soluci
on
Para A1 :


[A1 |I] =

1
3
2 7

1
3 1 0
2 7 0 1


y A2 =

1 2
2 4

R2 R2 +2 R1

1
3 1 0
0 1 2 1

R2 1 R2

1 3
1
0
0 1 2 1

R1 R1 3 R1

1 0
7
3
0 1 2 1

Como en el resultado final B es la matriz identidad, A1 es una matriz invertible y



7
3
1
A1 =
.
2 1
Para A2 :


[A2 |I] =

1 2 1 0
2 4 0 1

R2 R2 2 R1

1 2
1 0
0 0 2 1

R2 12 R2

0
1 2 1
0 0 1 1/2

R1 R1 R2

1 2 0
1/2
0 0 1 1/2

= [B|C].

Como en el resultado final B no es la matriz identidad, A2 no es una matriz invertible. Observe con cuidado
que en calculo para A2 que no hace falta concluir por completo hasta la forma reducida: en el momento
que aparezca un rengl
on en ceros en la parte correspondiente a B la matriz ya no ser
a invertible 

12.7.

Comentario

Recuerde que para una matriz A n n la matriz inversa de ella se definio como una matriz B n n que
cumple
A B = In = B A
y en nuestra deducci
on del algoritmo s
olo buscamos que se cumpla A B = I. En los resultados te
oricos de
algebra de matrices se tiene que
Si A es una matriz cuadrada y existe una matriz cuadrada C tal que A C = I, entonces A es invertible.
Es decir, que es suficiente tener inversa lateral derecha para tener inversa por ambos lados.
Si A es una matriz cuadrada invertible y si B es una matriz cuadrada que cumple A B = I, entonces
A1 = B. Es decir, que la inversa lateral derecha de una matriz cuadrada invertible coincide con la
inversa de la matriz.
Estos resultados teoricos justifican que s
olo busquemos la inversa derecha de una matriz para decir si la matriz
es invertible y que la matriz encontrada es precisamente su inversa.

12.8.

Propiedades de la inversa

1 Si la matriz A, n n, puede invertirse, entonces el sistema A x = b tiene solucion u

nica para cada vector
b. Esta soluci
on puede calcularse como
x = A1 b
2 Sean A y B dos matrices cuadradas n n invertibles cualquiera entonces AB es invertible y
(A B)1 = B1 A1 .
3 La inversa de una matriz invertible tambien es una matriz invertible y
A1
4

1

= A.

4 Si c es una constante cualquiera, pero diferente de cero, entonces la matriz c A tambien es invertible y
(c A)1 =

1 1
A .
c

5 Si k es un n
umero entero postivo, entonces Ak tambien es una matriz invertible y
Ak

1

k
= A1 .

AT

1

= A1

6 La matriz AT tambien es invertible y

12.9.

T

Ecuaciones con matrices

Ahora pondremos en pr
actica nuestra
algebra con matrices para resolver ecuaciones donde se involucran
incognitas que representan matrices.
Ejemplo 12.4
Resuelva para X
cX + A = B
Soluci
on
Los pasos que se siguen son muy similares al
algebra basica

sumamos en ambos miembros la matriz A:

(c X + A) A = B A
Como la suma / resta de matrices es asociativa se pueden agrupar los sumando para dejar juntos A y A:
c X = c X + 0 = c X + (A A) = B A 
Siendo estos calculos para suma y resta de matrices tan similares a los del algebra basica usaremos la misma
regla:
Si en una igualdad entre expresiones con matrices aparece sumando o restando una matriz en un
miembro la podemos pasar al otro miembro restando o sumando:
Z+C=DZ=DC

(3)

Ahoara debemos despejar X de la expresi

on
cX = B A
procedemos a multiplicar por el escalar 1/c:

X = 1X =


1
1
1
c X = (cX) = (B A)
c
c
c

Siendo estos calculos para la multiplicaci

on o division con escalares tan similares a los del algebra b
asica
usaremos la misma regla:
Si en una igualdad entre expresiones con matrices aparece multiplicando (resp. dividiendo) un
escalar lo podemos pasar al otro miembro dividiendo (resp. multiplicando).

cZ = D Z =

1
D
c

(4)

Por tanto, el valor de la inc

ognita X es
X=

1
(B A) 
c

Ejemplo 12.5
Asumiendo que la matriz A sea invertible, despeje la matriz X de la ecuacion:
AX = B
Soluci
on
Este tipo de problemas presenta a los alumnos cierta dificultad en los primeros despejes de ecuaciones matriciales. Se debe tener bien en claro que la matriz A a eliminar esta a la izquierda de la incognita esta multiplicando
a la izquierda y que por consiguiente debe de multiplicarse por la izquierda por la matriz inversa de A:


X = I X = A1 A X = A1 (A X) = A1 B
Es equivocado hacer cancelar A pretendiendo multiplicar por la derecha:
X = AXA1 = BA1
Y representa un error a
un m
as grave dividir entre A pretendiendo cancelar A:
X=

AX
B
=
A
A

La regla valida para cancelar matrices cuando estas poseen inversas que multiplican es la siguiente:
A X = B X = A1 B

(5)

X A = B X = B A1

(6)

Ejemplo 12.6
Suponiendo que A y B son matrices invertibles, despeje X de:
ABX = C
Soluci
on
Otro problema que los alumnos enfrentan en los primeros despejes aparece en este tipo de problemas. Hay
dos formas correctas de pensar el problema. En la primera la ecuacion original se debe pensar agrupada de la
siguiente manera:
(A B) X = C
En cuyo caso el despeje de X es directo por las reglas vistas:
X = (A B)1 C
Otra manera correcta de plantear el problema es:
A (B X) = C
6

De donde el despeje en dos pasos es haciendo primero:

B X = A1 C
Para despues obtener:
X = B1 A1 C
Note que ambos resultados sin identicos en vista de la igualdad:
(A B)1 = B1 A1 
Ejemplo 12.7
Despeje x de la ecuaci
on:
XT = A
Soluci
on

T
En este caso se debe tener presente la propiedad XT
= X. Por consiguiente, tomando la transpuesta en
cada miembro:

T
X = XT = AT 
Ejemplo 12.8
Despeje x de la ecuaci
on:
X1 = A
Soluci
on

1
En este caso se debe tener presente la propiedad X1
= X. Por consiguiente, tomando matriz inversa
en cada miembro:

1
X = X1
= A1
Ejemplo 12.9
Suponiendo que A es invertible y c 6= 0 , despeje X de:
A (c X + B) + C = D
Soluci
on
Procediendo como anteriormente:
A (c X + B)
cX + B
cX
X

= DC
= A1 (D C)
= A1 (D C) B

= 1c A1 (D C) B 

Ejemplo 12.10
Suponiendo matrices invertibles donde se requiera despeje X de:

T
A (BX)1 + C + D = E
Soluci
on
Este tipo de despejes requiere ser riguroso en el orden: Pasando al segundo miembro D:

T
A (BX)1 + C = E D
7

Multiplicando por A1 por la derecha:



T
(BX)1 + C = A1 (E D)

Tomando la transpuesta en ambos miembros:

T
(BX)1 + C = A1 (E D)
Pasando al segundo miembro C:
(BX)1 = A1 (E D)

T

Tomando inversa en ambos miembros:

BX =

1

T
A1 (E D) C

X = B1

1

T
A1 (E D) C


Finalmente, eliminando la matriz B:

12.10.

Complejidad computacional de la inversi

on

Supongamos entonces que aplicamos el algoritmo de eliminacion gaussiana para invertir una matriz n por
n. Consideraremos primero el trabajo realizado por los pasos 1 al 4 y posteriormente el trabajo realizado en el
paso 5. Es importante notar que el proceso de Gauss avanza dejando la matriz escalonada hasta la columna
de trabajo:

a1,1

a1,2

a1,m1

a1,m

0
.
.
.

a2,2
.
.
.

a2,m1
.
.
.

a2,m
.
.
.

0
0

0
0

am1,m1
0

am1,m
am,m

.
.
.
.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

an,m

b1,1
.
.
.
.
.
.
.
.
.
bm,1

...

.
.
.
.
.
.
...

b1,n
.
.
.
.
.
.
.
.
.
bm,n

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

1 Ciclo del paso 1 al 4

Al asumir que am,m es diferente de cero, pasamos al paso 3. En el paso 3 hay que hacer cero debajo del
elemento (m, m), para cada uno de los m n renglones inferiores Ri ; para ello habra que
calcular el factor f = ai,m /am,m por el cual debe multiplicarse el renglon Rm , lo cual implica
realizar una divisi
on, y posteriormente
realizar la operaci
on:
Ri Ri f Rm .
En este caso, en el rengl
on i hay ceros hasta antes de la columna m, en el elemento (i, m) quedar
a un
1 (el factor f fue calculado para ello), as que los u
nicos elementos que deberan calcularse son los
elementos del rengl
on i desde la columna (m + 1) y hasta terminar, es decir, hasta la columna
n + n, es decir, un total de 2 n m elementos, y para cada uno de ellos habra que hacer am+1,j
am+1,j f am,j , es decir para cada uno de ellos habra que hacer 2 FLOPs, siendo un total de
2 (2 n m) elementos, el n
umero total de FLOPs que habra que realizar para hacer la operaci
on
Ri Ri f Rm es, incluyendo la division para calcular f , 2(2 n m) + 1 = 4 n 2 m + 1.

Como esto habr

a que aplicarlo a todos los renglones por debajo del renglon m y hasta el n, entonces
para realizar un ciclo desde el paso 1 hasta el paso 4 deben hacerse (n m) (4 n 2m + 1) FLOPS. El
ciclo del paso 1 al paso 4 y su repetici
on ira avanzando m desde 1 hasta n 1. Por consiguiente el total
de FLOPs ser
a:
n1
X
5
3
1
(n m) (4 n 2 m + 1) = n3 n2 n.
3
2
6
m=1

2 Ciclo del paso 5.

Las operaciones implicadas en el paso 5 seran
1
Rm : n divisiones
Rm am,m
Para esto se requiere n divisiones; la del pivote entre si mismo ya sabemos que dara 1 y no se
realizara, simplemente en la posici
on (m, m) pondremos un 1

Rj Rj aj,m Rm : n multiplcaciones y n restas

Esta operaci
on s
olo requiere n multiplicaciones y n restas; estas operaciones solo tienen que ver
con los terminos en la parte aumentada. Los nuevos elementos aj,m seran cero. Como hay m 1
renglones superiores, el total de operaciones en un ciclo del paso 5 sera:
(m 1) (2 n) + n
Por consiguiente el total de FLOPs en el paso 5 sera:
1
X

(2 n (m 1) + n) = n3 2 n2 + n

m=n

Por consiguiente y en general: cuando se aplica en algoritmo de inversion de una matriz cuadrada nn anterior
utilizando eliminaci
on gaussiana para la reduccion el n
umero de maximo de FLOPs sera:
8 3 7 2 5
n n + n
3
2
6

(7)

Ejemplo 12.11
Sea A una matriz cuadrada. Ser
a cierto que:
Si el sistema A x = 0 tiene infinitas soluciones, entonces A es invertible.
Soluci
on
Que el sistema A x = 0 tenga infinitas soluciones indica que cuando se reduce [A|0] queda una columna a la
izquierda sin pivote. Por tanto, cuando se reduzca [A|I] quedara una columna a la izquierda sin pivote. Por
tanto, en la reducida no se podr
a obtener [I|B]. Por tanto, la matriz A no tendra inversa; sera singular. Por
tanto, es falso que sea invertible. La afirmaci
on es falsa.
Ejemplo 12.12
Sea A una matriz cuadrada. Ser
a cierto que:
Si para un vector b el sistema A x = b no tiene solucion, entonces A es invertible.
Soluci
on
Si para un vector b el sistema A x = b no tiene solucion eso significara que cuando se reduce [A|b] queda
pivote en la columna de las constantes. Por tanto, en la reducida de A quedara un renglon de ceros. Por tanto,
cuando se reduzca [A|I] a la izquierda quedara un renglon de ceros. Por tanto, en la reducida no podremos
obtener [I|B]. As A no tiene inversa. Es falso que A es invertible.
Ejemplo 12.13
Sea A una matriz cuadrada. Ser
a cierto que:
9

Si la matriz A no es invertible, entonces A x = 0 tiene infinitas soluciones.

Soluci
on
Si suponemos que la matriz A no es invertible, entonces cuando se reduce [A|I] no queda la identidad en el
lado izquierdo. Por consiguiente, debe quedar un renglon sin pivote a la izquierda. Por tanto, cuando se reduce
[A|0] debe quedar a la izquierda un rengl
on de ceros. Por tanto y debido a que la matriz es cuadrada debe
queda una columna sin pivote a la izquierda en tal reducida. Como a la derecha no quedan pivotes pues a la
derecha entro el vector de ceros, concluimos que tal sistema es consistente y que en su reducida queda una
columna sin pivote. Por tanto, [A|0] tendr
a infinitas soluciones. La afirmacion es cierta.
Ejemplo 12.14
Sea A una matriz cuadrada. Ser
a cierto que:
Si la matriz A A no es invertible, entonces A x = 0 tiene solucion u
nica.
Soluci
on
Si A A no es invertible, tampoco lo es A (pues en caso contrario A A sera invertible, que no es el caso).
Por tanto, en el lado izquierdo de la reducida de [A|I] no puede quedar la matriz identidad. Por tanto, a la
izquierda de la reducida de [A|0] no queda la identidad. Por tanto, debe quedar un renglon sin pivote y por
consiguiente (siendo cuadrada A) debe quedar una columna sin pivote. Por tanto [A|0] debe tener infinitas
soluciones. As, es falso que [A|0] tiene soluci
on u
nica.

10