Skip to content

Chapter 8 — Systems of Equations and Inequalities

8.5 - Inversas de Matrices y Ecuaciones Matriciales

This content is not available in your language yet.

Despejar una incógnita es deshacer lo que se le hizo: para una ecuación ax=bax=b se divide por aa, y para una ecuación matricial hay que decir qué significa dividir.


En los números, la ecuación ax=bax=b con a≠0a\neq0 se resuelve multiplicando por a−1a^{-1}, el número que deshace a aa. Para el sistema Ax=bA\mathbf{x}=\mathbf{b} de la sección anterior se quisiera hacer lo mismo, y como el producto de matrices no es conmutativo, hay que ser cuidadoso con lo que se llama inversa. Esta sección define la matriz inversa, demuestra cuándo existe mediante la eliminación del §8.3, da fórmulas y un método de cálculo, y muestra cómo se despejan incógnitas en ecuaciones matriciales.

Definición. Una matriz cuadrada AA de n×nn\times n es invertible si existe una matriz BB de n×nn\times n tal que AB=BA=InAB=BA=I_n. Una matriz que no es invertible se llama singular.

Proposición 1. Si AA es invertible, su inversa es única, y se la denota A−1A^{-1}. Además, si AA y BB son invertibles, entonces A−1A^{-1} y ABAB lo son, con (A−1)−1=A(A^{-1})^{-1}=A y (AB)−1=B−1A−1(AB)^{-1}=B^{-1}A^{-1}; y en una matriz invertible vale la cancelación: si AB=ACAB=AC, entonces B=CB=C.

Demostración. Si BB y CC son inversas de AA, entonces B=BI=B(AC)=(BA)C=IC=CB=BI=B(AC)=(BA)C=IC=C. Que A−1A^{-1} es invertible con inversa AA es la definición leída al revés. Para el producto, (AB)(B−1A−1)=A(BB−1)A−1=AA−1=I(AB)(B^{-1}A^{-1})=A(BB^{-1})A^{-1}=AA^{-1}=I, y del mismo modo (B−1A−1)(AB)=I(B^{-1}A^{-1})(AB)=I; nótese que el orden se invierte. Para la cancelación, se multiplica AB=ACAB=AC por A−1A^{-1} a la izquierda. ■\blacksquare

No toda matriz no nula es invertible. La matriz A=(1111)A=\begin{pmatrix}1&1\\ 1&1\end{pmatrix} cumple A(1−1)=(00)A\begin{pmatrix}1\\-1\end{pmatrix}=\begin{pmatrix}0\\0\end{pmatrix}; si existiera A−1A^{-1}, multiplicando por ella resultaría (1−1)=A−1(00)=(00)\begin{pmatrix}1\\-1\end{pmatrix}=A^{-1}\begin{pmatrix}0\\0\end{pmatrix}=\begin{pmatrix}0\\0\end{pmatrix}, absurdo. En general, una matriz invertible no puede tener soluciones no triviales en Ax=0A\mathbf{x}=\mathbf{0}, y esa es la clave del criterio del §3.


Proposición 2. Si AA es invertible, la ecuación AX=BAX=B tiene exactamente una solución, X=A−1BX=A^{-1}B, y la ecuación XA=BXA=B tiene exactamente una solución, X=BA−1X=BA^{-1}.

Demostración. Como A(A−1B)=(AA−1)B=BA(A^{-1}B)=(AA^{-1})B=B, X=A−1BX=A^{-1}B es solución. Y si AX=BAX=B, multiplicando a izquierda por A−1A^{-1} resulta X=A−1AX=A−1BX=A^{-1}AX=A^{-1}B: no hay otra. La segunda ecuación es análoga, multiplicando a derecha. ■\blacksquare

Como el producto no es conmutativo, el lado por el que se multiplica importa: en AX=BAX=B se multiplica por A−1A^{-1} a la izquierda de ambos miembros, y en XA=BXA=B a la derecha, y los resultados A−1BA^{-1}B y BA−1BA^{-1} son en general distintos. En particular, un sistema Ax=bA\mathbf{x}=\mathbf{b} con AA invertible tiene la solución única x=A−1b\mathbf{x}=A^{-1}\mathbf{b}. Ecuaciones más elaboradas se despejan por pasos, con cuidado del orden: de AX+C=DAX+C=D resulta AX=D−CAX=D-C y luego X=A−1(D−C)X=A^{-1}(D-C).


La eliminación del §8.3 da un criterio completo, que dice cuándo una matriz cuadrada es invertible sin necesidad de buscar la inversa.

Teorema 1. Para una matriz AA de n×nn\times n, las siguientes afirmaciones son equivalentes:

Primero, AA es invertible. Segundo, el sistema Ax=0A\mathbf{x}=\mathbf{0} tiene solo la solución trivial. Tercero, al escalonar el sistema Ax=0A\mathbf{x}=\mathbf{0} quedan nn ecuaciones no nulas, cuyas incógnitas principales son x1,…,xnx_1,\dots,x_n en ese orden. Cuarto, para todo b∈Rn\mathbf{b}\in\mathbb{R}^n, el sistema Ax=bA\mathbf{x}=\mathbf{b} tiene exactamente una solución.

Demostración. Se prueba (1) implica (2) implica (3) implica (4) implica (1). Si AA es invertible y Ax=0A\mathbf{x}=\mathbf{0}, entonces x=A−1Ax=A−10=0\mathbf{x}=A^{-1}A\mathbf{x}=A^{-1}\mathbf{0}=\mathbf{0}. Si vale (2) y al escalonar quedaran r<nr<n ecuaciones no nulas, habría al menos una incógnita libre, y por el Teorema 2 del §8.3 el sistema homogéneo tendría infinitas soluciones, contra (2); luego r=nr=n, y como las incógnitas principales son nn índices distintos y crecientes entre 11 y nn, son x1,…,xnx_1,\dots,x_n. Si vale (3), las mismas operaciones elementales aplicadas a Ax=bA\mathbf{x}=\mathbf{b} dan un sistema escalonado con nn ecuaciones no nulas y sin incógnitas libres, luego sin ninguna ecuación 0=b0=b, y con exactamente una solución por el Teorema 2 del §8.3. Finalmente, si vale (4), sea xj\mathbf{x}_j la solución de Ax=ejA\mathbf{x}=\mathbf{e}_j, donde ej\mathbf{e}_j es la columna jj de InI_n, y sea CC la matriz de columnas x1,…,xn\mathbf{x}_1,\dots,\mathbf{x}_n. Entonces AC=IAC=I. Además A(CA)=(AC)A=AA(CA)=(AC)A=A, es decir A(CA−I)=OA(CA-I)=O, de modo que cada columna y\mathbf{y} de CA−ICA-I cumple Ay=0A\mathbf{y}=\mathbf{0}; por la unicidad en (4) con b=0\mathbf{b}=\mathbf{0}, y=0\mathbf{y}=\mathbf{0}. Luego CA=ICA=I, y C=A−1C=A^{-1}. ■\blacksquare

Corolario. Si AA y BB son cuadradas del mismo tamaño y BA=IBA=I, entonces AA es invertible y B=A−1B=A^{-1}. Basta, por lo tanto, una inversa de un solo lado.

Demostración. Si Ax=0A\mathbf{x}=\mathbf{0}, entonces x=BAx=B0=0\mathbf{x}=BA\mathbf{x}=B\mathbf{0}=\mathbf{0}; por el Teorema 1, AA es invertible, y B=B(AA−1)=(BA)A−1=A−1B=B(AA^{-1})=(BA)A^{-1}=A^{-1}. ■\blacksquare


Matrices de 2×22\times2.

Teorema 2. La matriz A=(abcd)A=\begin{pmatrix}a&b\\ c&d\end{pmatrix} es invertible si y solo si ad−bc≠0ad-bc\neq0, y en ese caso

A−1=1ad−bc(d−b−ca)A^{-1}=\frac{1}{ad-bc}\begin{pmatrix}d&-b\\ -c&a\end{pmatrix}

Demostración. Sea Δ=ad−bc\Delta=ad-bc y B=(d−b−ca)B=\begin{pmatrix}d&-b\\ -c&a\end{pmatrix}. Un cálculo directo da AB=(ad−bc−ab+bacd−dc−cb+da)=ΔIAB=\begin{pmatrix}ad-bc&-ab+ba\\ cd-dc&-cb+da\end{pmatrix}=\Delta I y BA=ΔIBA=\Delta I. Si Δ≠0\Delta\neq0, entonces 1ΔB\frac{1}{\Delta}B es la inversa. Si Δ=0\Delta=0, entonces AB=OAB=O; si AA fuese invertible, multiplicando por A−1A^{-1} resultaría B=OB=O, es decir, a=b=c=d=0a=b=c=d=0 y A=OA=O, que no es invertible pues OX=O≠IOX=O\neq I: absurdo. ■\blacksquare

Se reconoce el número ad−bcad-bc: es el Δ\Delta del §8.2 y el determinante de AA, que el §8.6 estudia. La fórmula se recuerda así: se intercambian las entradas de la diagonal, se cambia el signo de las otras dos y se divide por ad−bcad-bc. Por ejemplo, el sistema x+2y=5x+2y=5, 3x−y=13x-y=1 del §8.2 tiene matriz A=(123−1)A=\begin{pmatrix}1&2\\ 3&-1\end{pmatrix}, con ad−bc=−7ad-bc=-7, de modo que A−1=17(123−1)A^{-1}=\frac{1}{7}\begin{pmatrix}1&2\\ 3&-1\end{pmatrix} y x=A−1(51)=17(714)=(12)\mathbf{x}=A^{-1}\begin{pmatrix}5\\1\end{pmatrix}=\frac17\begin{pmatrix}7\\14\end{pmatrix}=\begin{pmatrix}1\\2\end{pmatrix}, la solución hallada allí.

Matrices de cualquier tamaño: el método de Gauss–Jordan. Se llama matriz ampliada [A∣B][A | B] a la que se obtiene escribiendo las columnas de BB a continuación de las de AA. Las operaciones elementales del §8.3 sobre las ecuaciones son operaciones sobre las filas de la matriz de coeficientes, y se escribe FiF_i para la fila ii. Cada una es la multiplicación por la izquierda por una matriz elemental: la que resulta de aplicar esa misma operación a II. Son de tres tipos: la que intercambia las filas ii y jj; la que multiplica la fila ii por c≠0c\neq0; y la que suma cc veces la fila ii a la fila jj. Se verifica directamente que EMEM es el resultado de aplicar a MM la operación de EE, y que cada EE es invertible, con inversa la matriz elemental de la operación contraria: intercambiar de nuevo, multiplicar por 1/c1/c, o sumar −c-c veces.

Teorema 3. Si una sucesión de operaciones elementales lleva la matriz ampliada [A∣I][A | I] a [I∣B][I | B], entonces AA es invertible y B=A−1B=A^{-1}. Recíprocamente, si AA es invertible, esa sucesión existe.

Demostración. Si EE es el producto de las matrices elementales de las operaciones realizadas, el resultado es [EA∣EI]=[EA∣E][EA | EI]=[EA | E]. Entonces EA=IEA=I y B=EB=E, de modo que BA=IBA=I, y por el Corolario, AA es invertible y B=A−1B=A^{-1}. Recíprocamente, si AA es invertible, por el Teorema 1 el escalonado de AA tiene nn incógnitas principales x1,…,xnx_1,\dots,x_n, es decir, entradas no nulas en la diagonal y ceros debajo; dividiendo cada fila por su elemento diagonal y restando múltiplos de las filas inferiores a las superiores para anular las entradas sobre la diagonal, se llega a II. ■\blacksquare

El teorema también detecta la singularidad: si al escalonar aparece una fila nula en la parte de AA, la matriz no es invertible.

Ejemplo. Sea A=(123014560)A=\begin{pmatrix}1&2&3\\ 0&1&4\\ 5&6&0\end{pmatrix}. Se parte de [A∣I][A | I] y se aplican, en este orden, F3←F3−5F1F_3\leftarrow F_3-5F_1, que da la fila (0,−4,−15∣−5,0,1)(0,-4,-15 | -5,0,1); F3←F3+4F2F_3\leftarrow F_3+4F_2, que da (0,0,1∣−5,4,1)(0,0,1 | -5,4,1); F2←F2−4F3F_2\leftarrow F_2-4F_3, que da (0,1,0∣20,−15,−4)(0,1,0 | 20,-15,-4); F1←F1−3F3F_1\leftarrow F_1-3F_3, que da (1,2,0∣16,−12,−3)(1,2,0 | 16,-12,-3); y F1←F1−2F2F_1\leftarrow F_1-2F_2, que da (1,0,0∣−24,18,5)(1,0,0 | -24,18,5). La matriz de la derecha es

A−1=(−2418520−15−4−541)A^{-1}=\begin{pmatrix}-24&18&5\\ 20&-15&-4\\ -5&4&1\end{pmatrix}

Se verifica multiplicando: la primera fila de AA por las tres columnas de A−1A^{-1} da −24+40−15=1-24+40-15=1, 18−30+12=018-30+12=0 y 5−8+3=05-8+3=0, y las otras dos filas son análogas.


Por el Teorema 4 del §8.4, multiplicar por AA es aplicar una transformación, y multiplicar por A−1A^{-1} la deshace. Para las matrices de rotación, la inversa es inmediata: por el Teorema 5 del §8.4, RθR−θ=R0=IR_\theta R_{-\theta}=R_0=I, luego

Rθ−1=R−θ=(cos⁡θsin⁡θ−sin⁡θcos⁡θ)R_\theta^{-1}=R_{-\theta}=\begin{pmatrix}\cos\theta&\sin\theta\\ -\sin\theta&\cos\theta\end{pmatrix}

que es RθR_\theta con filas y columnas intercambiadas, porque cos⁡(−θ)=cos⁡θ\cos(-\theta)=\cos\theta y sin⁡(−θ)=−sin⁡θ\sin(-\theta)=-\sin\theta. Geométricamente, la rotación se deshace girando el mismo ángulo en sentido contrario. Y la reflexión SS cumple S2=IS^2=I, de modo que S−1=SS^{-1}=S: reflejar dos veces es no hacer nada.

Un ejemplo de ecuación matricial. Sea A=(2153)A=\begin{pmatrix}2&1\\ 5&3\end{pmatrix}, con ad−bc=1ad-bc=1, de modo que A−1=(3−1−52)A^{-1}=\begin{pmatrix}3&-1\\ -5&2\end{pmatrix}. La ecuación AX=(1002)AX=\begin{pmatrix}1&0\\ 0&2\end{pmatrix} tiene por única solución X=A−1(1002)=(3−2−54)X=A^{-1}\begin{pmatrix}1&0\\ 0&2\end{pmatrix}=\begin{pmatrix}3&-2\\ -5&4\end{pmatrix}, y se verifica: AX=(6−5−4+415−15−10+12)=(1002)AX=\begin{pmatrix}6-5&-4+4\\ 15-15&-10+12\end{pmatrix}=\begin{pmatrix}1&0\\ 0&2\end{pmatrix}.

Una observación práctica cierra la sección. Para resolver un sistema, la eliminación del §8.3 es más eficiente que calcular A−1A^{-1} y multiplicar, porque calcular la inversa equivale a resolver nn sistemas a la vez. La inversa se justifica cuando hay que resolver muchos sistemas con la misma matriz AA y distintos b\mathbf{b}, o cuando interesa la propia transformación inversa, o cuando se la usa para razonar: la solución x=A−1b\mathbf{x}=A^{-1}\mathbf{b} muestra de un vistazo cómo depende x\mathbf{x} de b\mathbf{b}.


El Teorema 1 reúne, en una sola equivalencia, cuatro maneras de decir lo mismo: que una matriz cuadrada tiene inversa, que solo anula al vector nulo, que el sistema que define tiene siempre solución única, y que la eliminación no deja ninguna incógnita libre. Es un ejemplo típico de un fenómeno recurrente de la matemática: propiedades que parecen distintas resultan ser una sola, y demostrar su equivalencia es más valioso que demostrar cualquiera de ellas por separado. Falta una quinta manera, la más económica: un número calculado a partir de las entradas que se anula exactamente cuando la matriz es singular. Para las matrices de 2×22\times2 ya apareció, ad−bcad-bc.

Ese es el tema de la sección siguiente: los determinantes, su relación con la invertibilidad, y la regla de Cramer.