Matrices Invertibles y Elementos de

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

Indice
12.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
12.2. Transpuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
12.3. Propiedades de la transpuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
12.4. Matrices invertibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
12.5. Motivacion del algoritmo de inversion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
12.6. Algoritmo para invertir una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
12.7. Comentario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
12.8. Propiedades de la inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
12.9. Ecuaciones con matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
12.10.Complejidad computacional de la inversion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
12.1. 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 eciente de inversion. Terminaremos con la aplicacion de estos conceptos a la
solucion de cierto tipo de ecuaciones matriciales.
12.2. Transpuesta
Denicion 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 A
T
. Una forma facil de construir
A
T
es tomar los renglones de A y convertirlos en columnas.
Ejemplo 12.1
Determine A
T
si
A =
_
1 2 3
4 5 6
_
.
Solucion
Siguiendo la indicacion de tomar los renglones de A como columnas para A
T
tenemos:
A
T
=
_
_
1 4
2 5
3 6
_
_

12.3. Propiedades de la transpuesta
1. La transpuesta de la transpuesta de una matriz A es otra vez A:
_
A
T
_
T
= A.
2. La transpuesta de una suma es la suma de las transpuestas: (A+B)
T
= A
T
+B
T
.
3. (c A)
T
= c A
T
.
4. (AB)
T
= B
T
A
T
.
La transpuesta de un producto es el producto de las transpuestas pero en orden contrario
12.4. Matrices invertibles
Denicion 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 solo tiene una inversa, es decir, la inversa es unica. La unica inversa de una matriz
invertible A se representa por A
1
. As
AA
1
= I = A
1
A (2)
Como se puede ver 0C = 0, para cualquier matriz C de dimensiones adecuadas, esto signica 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 motivara el algoritmo para obtener la inversa de una matriz.
Ejemplo 12.2
Determine la inversa de
A =
_
1 2
3 5
_
Suponga que buscamos una matriz B, 2 2 tal que AB = I
22
:
_
1 2
3 5
_ _
b
11
b
12
b
21
b
22
_
=
_
1 0
0 1
_
As se debe cumplir:
Para elemento (1,1) del producto: 1 b
11
2 b
21
= 1
Para elemento (2,1) del producto: 3 b
11
5 b
21
= 0
Para elemento (1,2) del producto: 1 b
12
2 b
22
= 0
Para elemento (2,2) del producto: 3 b
12
5 b
22
= 1
Esto conduce a dos sistemas de ecuaciones: uno en b
11
y b
21
y otro b
21
y b
22
con matrices aumentadas que al
reducirse quedan:
_
1 2 1
3 5 0
_

_
1 0 5
0 1 3
_
2
y
_
1 2 0
3 5 1
_

_
1 0 2
0 1 1
_
Y as b
11
= 5, b
21
= 3, b
21
= 2, y b
22
= 1. Quedando la inversa como
A
1
= B =
_
5 2
3 1
_

Observemos que
Ambas matrices aumentadas tienen la misma matriz de coecientes: exactamente A.
Teniendo la misma matriz de coecientes, 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 coecientes y las operaciones de renglon
para la reduccion son las mismas, entonces el proceso se puede llevar a cabo formando la matriz aumentada
[A|I] y reduciendo.
Despues del proceso de reduccion, la inversa queda exactamente acamodada en la posicion donde entro I.
12.6. Algoritmo para invertir una matriz
Para determinar A
1
, 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 A
1
= C.
4. Si la matriz B no es la identidad, entonces A no es invertible.
Ejemplo 12.3
Invierta las matrices:
A
1
=
_
1 3
2 7
_
y A
2
=
_
1 2
2 4
_
Solucion
Para A
1
:
[A
1
|I] =
_
1 3 1 0
2 7 0 1
_
R
2
R
2
+2 R
1

_
1 3 1 0
0 1 2 1
_
R
2
1 R
2

_
1 3 1 0
0 1 2 1
_
R
1
R
1
3 R
1

_
1 0 7 3
0 1 2 1
_
3
Como en el resultado nal B es la matriz identidad, A
1
es una matriz invertible y
A
1
1
=
_
7 3
2 1
_
.
Para A
2
:
[A
2
|I] =
_
1 2 1 0
2 4 0 1
_
R
2
R
2
2 R
1

_
1 2 1 0
0 0 2 1
_
R
2

1
2
R
2

_
1 2 1 0
0 0 1 1/2
_
R
1
R
1
R
2

_
1 2 0 1/2
0 0 1 1/2
_
= [B|C].
Como en el resultado nal B no es la matriz identidad, A
2
no es una matriz invertible. Observe con cuidado
que en calculo para A
2
que no hace falta concluir por completo hasta la forma reducida: en el momento
que aparezca un renglon en ceros en la parte correspondiente a B la matriz ya no sera invertible
12.7. Comentario
Recuerde que para una matriz A n n la matriz inversa de ella se denio como una matriz B n n que
cumple
AB = I
n
= BA
y en nuestra deduccion del algoritmo solo buscamos que se cumpla AB = I. En los resultados teoricos de
algebra de matrices se tiene que
Si A es una matriz cuadrada y existe una matriz cuadrada C tal que AC = I, entonces A es invertible.
Es decir, que es suciente 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 AB = I, entonces
A
1
= B. Es decir, que la inversa lateral derecha de una matriz cuadrada invertible coincide con la
inversa de la matriz.
Estos resultados teoricos justican que solo 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, nn, puede invertirse, entonces el sistema Ax = b tiene solucion unica para cada vector
b. Esta solucion puede calcularse como
x = A
1
b
2 Sean A y B dos matrices cuadradas n n invertibles cualquiera entonces AB es invertible y
(AB)
1
= B
1
A
1
.
3 La inversa de una matriz invertible tambien es una matriz invertible y
_
A
1
_
1
= A.
4
4 Si c es una constante cualquiera, pero diferente de cero, entonces la matriz c A tambien es invertible y
(c A)
1
=
1
c
A
1
.
5 Si k es un n umero entero postivo, entonces A
k
tambien es una matriz invertible y
_
A
k
_
1
=
_
A
1
_
k
.
6 La matriz A
T
tambien es invertible y
_
A
T
_
1
=
_
A
1
_
T
.
12.9. Ecuaciones con matrices
Ahora pondremos en practica nuestra algebra con matrices para resolver ecuaciones donde se involucran
incognitas que representan matrices.
Ejemplo 12.4
Resuelva para X
c X+A = B
Solucion
Los pasos que se siguen son muy similares al algebra basica sumamos en ambos miembros la matriz A:
(c X+A) A = BA
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+ (AA) = BA
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 = D Z = DC (3)
Ahoara debemos despejar X de la expresion
c X = BA
procedemos a multiplicar por el escalar 1/c:
X = 1 X =
_
1
c
c
_
X =
1
c
(cX) =
1
c
(BA)
Siendo estos calculos para la multiplicacion o division con escalares tan similares a los del algebra basica
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).
5
c Z = D Z =
1
c
D (4)
Por tanto, el valor de la incognita X es
X =
1
c
(BA)
Ejemplo 12.5
Asumiendo que la matriz A sea invertible, despeje la matriz X de la ecuacion:
AX = B
Solucion
Este tipo de problemas presenta a los alumnos cierta dicultad en los primeros despejes de ecuaciones matricia-
les. 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 =
_
A
1
A
_
X = A
1
(AX) = A
1
B
Es equivocado hacer cancelar A pretendiendo multiplicar por la derecha:
X = AXA
1
= BA
1
Y representa un error a un mas grave dividir entre A pretendiendo cancelar A:
X =
AX
A
=
B
A
La regla valida para cancelar matrices cuando estas poseen inversas que multiplican es la siguiente:
AX = B X = A
1
B (5)
XA = B X = BA
1
(6)
Ejemplo 12.6
Suponiendo que A y B son matrices invertibles, despeje X de:
ABX = C
Solucion
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:
(AB) X = C
En cuyo caso el despeje de X es directo por las reglas vistas:
X = (AB)
1
C
Otra manera correcta de plantear el problema es:
A (BX) = C
6
De donde el despeje en dos pasos es haciendo primero:
BX = A
1
C
Para despues obtener:
X = B
1
A
1
C
Note que ambos resultados sin identicos en vista de la igualdad:
(AB)
1
= B
1
A
1

Ejemplo 12.7
Despeje x de la ecuacion:
X
T
= A
Solucion
En este caso se debe tener presente la propiedad
_
X
T
_
T
= X. Por consiguiente, tomando la transpuesta en
cada miembro:
X =
_
X
T
_
T
= A
T

Ejemplo 12.8
Despeje x de la ecuacion:
X
1
= A
Solucion
En este caso se debe tener presente la propiedad
_
X
1
_
1
= X. Por consiguiente, tomando matriz inversa
en cada miembro:
X =
_
X
1
_
1
= A
1
Ejemplo 12.9
Suponiendo que A es invertible y c = 0 , despeje X de:
A (c X+B) +C = D
Solucion
Procediendo como anteriormente:
A (c X+B) = DC
c X+B = A
1
(DC)
c X = A
1
(DC) B
X =
1
c
_
A
1
(DC) B
_

Ejemplo 12.10
Suponiendo matrices invertibles donde se requiera despeje X de:
A
_
(BX)
1
+C
_
T
+D = E
Solucion
Este tipo de despejes requiere ser riguroso en el orden: Pasando al segundo miembro D:
A
_
(BX)
1
+C
_
T
= ED
7
Multiplicando por A
1
por la derecha:
_
(BX)
1
+C
_
T
= A
1
(ED)
Tomando la transpuesta en ambos miembros:
(BX)
1
+C =
_
A
1
(ED)
_
T
Pasando al segundo miembro C:
(BX)
1
=
_
A
1
(ED)
_
T
C
Tomando inversa en ambos miembros:
BX =
_
_
A
1
(ED)
_
T
C
_
1
Finalmente, eliminando la matriz B:
X = B
1
_
_
A
1
(ED)
_
T
C
_
1

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:

a
1,1
a
1,2
a
1,m1
a
1,m
b
1,1
. . . b
1,n
0 a
2,2
a
2,m1
a
2,m

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 a
m1,m1
a
m1,m
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 am,m b
m,1
. . . bm,n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 an,m
.
.
.
.
.
.
.
.
.

1 Ciclo del paso 1 al 4

Al asumir que a
m,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 mn renglones inferiores R
i
; para ello habra que
calcular el factor f = a
i,m
/a
m,m
por el cual debe multiplicarse el renglon R
m
, lo cual implica
realizar una division, y posteriormente
realizar la operacion:
R
i
R
i
f R
m
.
En este caso, en el renglon i hay ceros hasta antes de la columna m, en el elemento (i, m) quedara un
1 (el factor f fue calculado para ello), as que los unicos elementos que deberan calcularse son los
elementos del renglon 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 a
m+1,j

a
m+1,j
f a
m,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 operacion
R
i
R
i
f R
m
es, incluyendo la division para calcular f, 2(2 n m) + 1 = 4 n 2 m + 1.
8
Como esto habra 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 repeticion ira avanzando m desde 1 hasta n 1. Por consiguiente el total
de FLOPs sera:
n1

m=1
(n m) (4 n 2 m + 1) =
5
3
n
3

3
2
n
2

1
6
n.
2 Ciclo del paso 5.
Las operaciones implicadas en el paso 5 seran
R
m

1
am,m
R
m
: n divisiones
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
R
j
R
j
a
j,m
R
m
: n multiplcaciones y n restas
Esta operacion solo requiere n multiplicaciones y n restas; estas operaciones solo tienen que ver
con los terminos en la parte aumentada. Los nuevos elementos a
j,m
seran cero. Como hay m 1
renglones superiores, el total de operaciones en un ciclo del paso 5 sera:
(m1) (2 n) + n
Por consiguiente el total de FLOPs en el paso 5 sera:
1

m=n
(2 n(m1) + n) = n
3
2 n
2
+ n
Por consiguiente y en general: cuando se aplica en algoritmo de inversion de una matriz cuadrada nn anterior
utilizando eliminacion gaussiana para la reduccion el n umero de maximo de FLOPs sera:
8
3
n
3

7
2
n
2
+
5
6
n (7)
Ejemplo 12.11
Sea A una matriz cuadrada. Sera cierto que:
Si el sistema Ax = 0 tiene innitas soluciones, entonces A es invertible.
Solucion
Que el sistema Ax = 0 tenga innitas 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 podra obtener [I|B]. Por tanto, la matriz A no tendra inversa; sera singular. Por
tanto, es falso que sea invertible. La armacion es falsa.
Ejemplo 12.12
Sea A una matriz cuadrada. Sera cierto que:
Si para un vector b el sistema Ax = b no tiene solucion, entonces A es invertible.
Solucion
Si para un vector b el sistema Ax = b no tiene solucion eso signicara 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. Sera cierto que:
9
Si la matriz A no es invertible, entonces Ax = 0 tiene innitas soluciones.
Solucion
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 renglon 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] tendra innitas soluciones. La armacion es cierta.
Ejemplo 12.14
Sea A una matriz cuadrada. Sera cierto que:
Si la matriz A A no es invertible, entonces Ax = 0 tiene solucion unica.
Solucion
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 innitas
soluciones. As, es falso que [A|0] tiene solucion unica.
10