Matriz Inversa: Métodos de Gauss-Jordan y Adjunta con Ejercicios Resueltos

¡Qué tal amigos! El día de hoy abordaremos uno de los pilares más determinantes y poderosos de las matemáticas universitarias y la ingeniería: el cálculo y aplicación de la matriz inversa. En el álgebra escolar común, cuando deseamos despejar la ecuación \( a x = b \), simplemente dividimos entre \( a \) (o multiplicamos por su recíproco \( a^{-1} \)). Sin embargo, en el álgebra lineal la división de matrices no existe. Para resolver sistemas de ecuaciones, transformar coordenadas en gráficos por computadora en 3D, calcular redes eléctricas o entrenar modelos de machine learning, la única operación capaz de "deshacer" una transformación matricial es multiplicar por su matriz inversa \( A^{-1} \). En esta guía completa aprenderás los dos métodos clásicos de cálculo: el método de Gauss-Jordan mediante matrices aumentadas y el método de la matriz adjunta por cofactores, junto con el criterio de singularidad del determinante y 9 ejercicios resueltos con lujo de detalle.

¿Qué es la Matriz Inversa y cuál es su Significado Geométrico?

Dada una matriz cuadrada \( A \) de dimensión \( n \times n \), se dice que \( A \) es invertible (o regular) si existe otra matriz cuadrada del mismo orden, denotada por \( A^{-1} \), tal que su producto en cualquier orden da como resultado la matriz identidad \( I_n \):

\[ A \cdot A^{-1} = A^{-1} \cdot A = I_n \]

Métodos para Calcular la Matriz Inversa

Existen dos métodos analíticos fundamentales para obtener \( A^{-1} \):

1. Fórmula Directa para Matrices 2x2

Para una matriz cuadrada de orden 2, el cálculo es inmediato intercambiando los elementos de la diagonal principal, cambiando de signo los elementos de la diagonal secundaria y dividiendo entre el determinante:

\[ A = \begin{pmatrix} a & b \\ c & d \end{pmatrix} \implies A^{-1} = \frac{1}{ad - bc} \begin{pmatrix} d & -b \\ -c & a \end{pmatrix} \]

2. Método de Eliminación de Gauss-Jordan (Matriz Aumentada)

Es el método más robusto y programable por computadora para matrices de cualquier dimensión \( n \times n \). Se construye la matriz aumentada colocando a la izquierda la matriz \( A \) y a la derecha la matriz identidad \( I_n \):

\[ [A \mid I_n] \]

Aplicando operaciones elementales de fila (multiplicar una fila por una constante no nula, intercambiar dos filas o sumar un múltiplo de una fila a otra), se transforma el bloque izquierdo hasta obtener la identidad. En ese instante, el bloque derecho se habrá transformado automáticamente en la matriz inversa buscada:

\[ [A \mid I_n] \xrightarrow{\text{Operaciones Fila}} [I_n \mid A^{-1}] \]

Si durante el proceso una fila completa de la parte izquierda se hace cero, se concluye de inmediato que la matriz es singular y no posee inversa.

3. Método de la Matriz Adjunta y Cofactores

Este método se basa en el teorema clásico de Laplace. La matriz inversa es igual a la traspuesta de la matriz de cofactores dividida entre el determinante de \( A \):

\[ A^{-1} = \frac{1}{\det(A)} [\operatorname{Cof}(A)]^T = \frac{1}{\det(A)} \operatorname{Adj}(A) \]

Donde cada cofactor \( C_{ij} \) se calcula a partir del menor complementario \( M_{ij} \) (determinante resultante de eliminar la fila \( i \) y columna \( j \)) con su signo alternado:

\[ C_{ij} = (-1)^{i+j} M_{ij} \]

4. Criterio de Singularidad: Determinante Cero

Si las filas o columnas de una matriz son linealmente dependientes (una es múltiplo o combinación lineal de otra), el determinante se anula idénticamente (\( \det(A) = 0 \)). En consecuencia, al intentar dividir entre cero en la fórmula de la adjunta o al triangularizar en Gauss-Jordan, el algoritmo colapsa: la matriz no tiene inversa.

5. Aplicación a Sistemas de Ecuaciones Lineales

Cualquier sistema de \( n \) ecuaciones con \( n \) incógnitas se puede escribir en forma matricial compacta como \( A X = B \). Si \( A \) es regular (\( \det(A) \neq 0 \)), multiplicamos ambos lados por la izquierda por \( A^{-1} \):

\[ A^{-1} (A X) = A^{-1} B \implies (A^{-1} A) X = A^{-1} B \implies I X = A^{-1} B \implies X = A^{-1} B \]

¡Este resultado permite resolver el sistema de un solo golpe mediante una simple multiplicación de matrices!

⭐ Formulario Maestro de Matriz Inversa

Conserva este formulario de referencia para resolver cualquier problema de inversión matricial:

Fórmula General por Matriz Adjunta: Válida para cualquier matriz cuadrada con \( \det(A) \neq 0 \).

Inversa de Matriz 2x2: Regla de inversión directa para matrices de orden 2.

Propiedades Fundamentales: La inversión invierte el orden del producto matricial.

Ejercicios Resueltos Paso a Paso

Solución:

Datos:

\[ A = \begin{pmatrix} 3 & 2 \\ 1 & 4 \end{pmatrix} \]

Fórmula:

\[ \det(A) = ad - bc, \quad A^{-1} = \frac{1}{\det(A)} \begin{pmatrix} d & -b \\ -c & a \end{pmatrix} \]

Sustitución y Operaciones:

1. Calculamos el determinante de \( A \):

\[ \det(A) = (3)(4) - (2)(1) = 12 - 2 = 10 \neq 0 \quad (\text{Es invertible}) \]

2. Aplicamos la fórmula directa intercambiando los elementos de la diagonal principal (3 y 4) y cambiando de signo la secundaria (2 y 1):

\[ A^{-1} = \frac{1}{10} \begin{pmatrix} 4 & -2 \\ -1 & 3 \end{pmatrix} = \begin{pmatrix} \frac{4}{10} & -\frac{2}{10} \\[6pt] -\frac{1}{10} & \frac{3}{10} \end{pmatrix} = \begin{pmatrix} \frac{2}{5} & -\frac{1}{5} \\[6pt] -\frac{1}{10} & \frac{3}{10} \end{pmatrix} \]

3. Comprobación multiplicando \( A \cdot A^{-1} \):

\[ A \cdot A^{-1} = \begin{pmatrix} 3 & 2 \\ 1 & 4 \end{pmatrix} \begin{pmatrix} \frac{2}{5} & -\frac{1}{5} \\[6pt] -\frac{1}{10} & \frac{3}{10} \end{pmatrix} = \begin{pmatrix} 3(\frac{2}{5}) + 2(-\frac{1}{10}) & 3(-\frac{1}{5}) + 2(\frac{3}{10}) \\[6pt] 1(\frac{2}{5}) + 4(-\frac{1}{10}) & 1(-\frac{1}{5}) + 4(\frac{3}{10}) \end{pmatrix} = \begin{pmatrix} \frac{6}{5} - \frac{1}{5} & -\frac{3}{5} + \frac{3}{5} \\[6pt] \frac{2}{5} - \frac{2}{5} & -\frac{1}{5} + \frac{6}{5} \end{pmatrix} = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix} = I_2 \]

Resultado:

\[ A^{-1} = \begin{pmatrix} \frac{2}{5} & -\frac{1}{5} \\[6pt] -\frac{1}{10} & \frac{3}{10} \end{pmatrix} \]

Interpretación Matemática: La matriz inversa calculada anula perfectamente el efecto de \( A \), retornando la matriz identidad de orden 2.

Solución:

Datos:

\[ B = \begin{pmatrix} 2 & 5 \\ 1 & 3 \end{pmatrix} \]

Fórmula:

\[ [B \mid I_2] \xrightarrow{\text{Operaciones elementales de fila}} [I_2 \mid B^{-1}] \]

Sustitución y Operaciones:

Planteamos la matriz aumentada:

\[ \left( \begin{array}{cc|cc} 2 & 5 & 1 & 0 \\ 1 & 3 & 0 & 1 \end{array} \right) \]

Paso 1: Intercambiamos la Fila 1 y la Fila 2 (\( R_1 \leftrightarrow R_2 \)) para obtener un pivote 1 en la posición (1,1):

\[ \left( \begin{array}{cc|cc} 1 & 3 & 0 & 1 \\ 2 & 5 & 1 & 0 \end{array} \right) \]

Paso 2: Hacemos cero el elemento debajo del pivote mediante la operación \( R_2 \leftarrow R_2 - 2R_1 \):

\[ R_2: [2 - 2(1), \; 5 - 2(3), \; 1 - 2(0), \; 0 - 2(1)] = [0, \; -1, \; 1, \; -2] \]

\[ \left( \begin{array}{cc|cc} 1 & 3 & 0 & 1 \\ 0 & -1 & 1 & -2 \end{array} \right) \]

Paso 3: Convertimos en +1 el pivote de la segunda fila multiplicando por -1 (\( R_2 \leftarrow -R_2 \)):

\[ \left( \begin{array}{cc|cc} 1 & 3 & 0 & 1 \\ 0 & 1 & -1 & 2 \end{array} \right) \]

Paso 4: Hacemos cero el elemento por encima del segundo pivote mediante \( R_1 \leftarrow R_1 - 3R_2 \):

\[ R_1: [1 - 3(0), \; 3 - 3(1), \; 0 - 3(-1), \; 1 - 3(2)] = [1, \; 0, \; 3, \; -5] \]

\[ \left( \begin{array}{cc|cc} 1 & 0 & 3 & -5 \\ 0 & 1 & -1 & 2 \end{array} \right) \]

Resultado:

\[ B^{-1} = \begin{pmatrix} 3 & -5 \\ -1 & 2 \end{pmatrix} \]

Interpretación Matemática: Comprobamos con la fórmula del determinante: \( \det(B) = (2)(3) - (5)(1) = 1 \). La fórmula directa da \( \frac{1}{1} \begin{pmatrix} 3 & -5 \\ -1 & 2 \end{pmatrix} \), lo que valida con precisión exacta el resultado obtenido por Gauss-Jordan.

Solución:

Datos:

\[ C = \begin{pmatrix} 2 & 6 \\ 1 & 3 \end{pmatrix} \]

Fórmula:

\[ \det(C) = ad - bc \]

Sustitución y Operaciones:

Calculamos el determinante de \( C \):

\[ \det(C) = (2)(3) - (6)(1) = 6 - 6 = 0 \]

Intentando aplicar Gauss-Jordan con matriz aumentada:

\[ \left( \begin{array}{cc|cc} 2 & 6 & 1 & 0 \\ 1 & 3 & 0 & 1 \end{array} \right) \xrightarrow{R_1 \leftrightarrow R_2} \left( \begin{array}{cc|cc} 1 & 3 & 0 & 1 \\ 2 & 6 & 1 & 0 \end{array} \right) \xrightarrow{R_2 - 2R_1} \left( \begin{array}{cc|cc} 1 & 3 & 0 & 1 \\ 0 & 0 & 1 & -2 \end{array} \right) \]

En la segunda fila del bloque izquierdo obtenemos \( [0 \quad 0] \), lo que hace imposible generar la matriz identidad.

Resultado:

\[ \det(C) = 0 \implies C^{-1} \; \text{NO EXISTE} \quad (C \text{ es una matriz singular}) \]

Interpretación Matemática: La Fila 1 es exactamente el doble de la Fila 2 (\( R_1 = 2 R_2 \)), lo que significa que las filas son linealmente dependientes y la matriz tiene rango 1 en lugar de 2.

Solución:

Datos:

\[ M = \begin{pmatrix} 1 & 2 & 3 \\ 0 & 1 & 4 \\ 5 & 6 & 0 \end{pmatrix} \]

Fórmula:

\[ [M \mid I_3] \xrightarrow{\text{Operaciones fila}} [I_3 \mid M^{-1}] \]

Sustitución y Operaciones:

Planteamos la matriz aumentada \( [M \mid I_3] \):

\[ \left( \begin{array}{ccc|ccc} 1 & 2 & 3 & 1 & 0 & 0 \\ 0 & 1 & 4 & 0 & 1 & 0 \\ 5 & 6 & 0 & 0 & 0 & 1 \end{array} \right) \]

Paso 1: El pivote (1,1) ya es 1. La posición (2,1) ya es 0. Eliminamos el 5 en (3,1) mediante \( R_3 \leftarrow R_3 - 5R_1 \):

\[ R_3: [5 - 5(1), \; 6 - 5(2), \; 0 - 5(3), \; 0 - 5(1), \; 0 - 5(0), \; 1 - 5(0)] = [0, \; -4, \; -15, \; -5, \; 0, \; 1] \]

\[ \left( \begin{array}{ccc|ccc} 1 & 2 & 3 & 1 & 0 & 0 \\ 0 & 1 & 4 & 0 & 1 & 0 \\ 0 & -4 & -15 & -5 & 0 & 1 \end{array} \right) \]

Paso 2: El pivote (2,2) es 1. Eliminamos el -4 en (3,2) mediante \( R_3 \leftarrow R_3 + 4R_2 \):

\[ R_3: [0 + 4(0), \; -4 + 4(1), \; -15 + 4(4), \; -5 + 4(0), \; 0 + 4(1), \; 1 + 4(0)] = [0, \; 0, \; 1, \; -5, \; 4, \; 1] \]

\[ \left( \begin{array}{ccc|ccc} 1 & 2 & 3 & 1 & 0 & 0 \\ 0 & 1 & 4 & 0 & 1 & 0 \\ 0 & 0 & 1 & -5 & 4 & 1 \end{array} \right) \]

Paso 3: El pivote (3,3) es 1. Eliminamos hacia arriba la columna 3:

• \( R_2 \leftarrow R_2 - 4R_3 \):

\[ R_2: [0, \; 1, \; 4 - 4(1), \; 0 - 4(-5), \; 1 - 4(4), \; 0 - 4(1)] = [0, \; 1, \; 0, \; 20, \; -15, \; -4] \]

• \( R_1 \leftarrow R_1 - 3R_3 \):

\[ R_1: [1, \; 2, \; 3 - 3(1), \; 1 - 3(-5), \; 0 - 3(4), \; 0 - 3(1)] = [1, \; 2, \; 0, \; 16, \; -12, \; -3] \]

\[ \left( \begin{array}{ccc|ccc} 1 & 2 & 0 & 16 & -12 & -3 \\ 0 & 1 & 0 & 20 & -15 & -4 \\ 0 & 0 & 1 & -5 & 4 & 1 \end{array} \right) \]

Paso 4: Eliminamos el 2 en (1,2) mediante \( R_1 \leftarrow R_1 - 2R_2 \):

\[ R_1: [1 - 2(0), \; 2 - 2(1), \; 0, \; 16 - 2(20), \; -12 - 2(-15), \; -3 - 2(-4)] = [1, \; 0, \; 0, \; -24, \; 18, \; 5] \]

\[ \left( \begin{array}{ccc|ccc} 1 & 0 & 0 & -24 & 18 & 5 \\ 0 & 1 & 0 & 20 & -15 & -4 \\ 0 & 0 & 1 & -5 & 4 & 1 \end{array} \right) \]

Resultado:

\[ M^{-1} = \begin{pmatrix} -24 & 18 & 5 \\ 20 & -15 & -4 \\ -5 & 4 & 1 \end{pmatrix} \]

Interpretación Matemática: La eliminación completa de Gauss-Jordan produce la matriz inversa exacta sin necesidad de calcular determinantes de submatrices.

Solución:

Datos:

\[ A = \begin{pmatrix} 1 & 0 & 2 \\ 2 & -1 & 3 \\ 4 & 1 & 8 \end{pmatrix} \]

Fórmula:

\[ \det(A) = \sum a_{1j} C_{1j}, \quad C_{ij} = (-1)^{i+j} M_{ij}, \quad A^{-1} = \frac{1}{\det(A)} [\operatorname{Cof}(A)]^T \]

Sustitución y Operaciones:

1. Determinante por la primera fila (aprovechando el cero central):

\[ \det(A) = 1 \cdot \begin{vmatrix} -1 & 3 \\ 1 & 8 \end{vmatrix} - 0 + 2 \cdot \begin{vmatrix} 2 & -1 \\ 4 & 1 \end{vmatrix} = 1(-8 - 3) + 2(2 - (-4)) = -11 + 2(6) = -11 + 12 = 1 \]

¡El determinante es 1! Esto significa que \( A^{-1} = \operatorname{Adj}(A) \) directamente sin fracciones.

2. Calculamos los 9 cofactores \( C_{ij} \):

• \( C_{11} = +\begin{vmatrix} -1 & 3 \\ 1 & 8 \end{vmatrix} = -8 - 3 = -11 \)

• \( C_{12} = -\begin{vmatrix} 2 & 3 \\ 4 & 8 \end{vmatrix} = -(16 - 12) = -4 \)

• \( C_{13} = +\begin{vmatrix} 2 & -1 \\ 4 & 1 \end{vmatrix} = 2 - (-4) = 6 \)

• \( C_{21} = -\begin{vmatrix} 0 & 2 \\ 1 & 8 \end{vmatrix} = -(0 - 2) = 2 \)

• \( C_{22} = +\begin{vmatrix} 1 & 2 \\ 4 & 8 \end{vmatrix} = 8 - 8 = 0 \)

• \( C_{23} = -\begin{vmatrix} 1 & 0 \\ 4 & 1 \end{vmatrix} = -(1 - 0) = -1 \)

• \( C_{31} = +\begin{vmatrix} 0 & 2 \\ -1 & 3 \end{vmatrix} = 0 - (-2) = 2 \)

• \( C_{32} = -\begin{vmatrix} 1 & 2 \\ 2 & 3 \end{vmatrix} = -(3 - 4) = 1 \)

• \( C_{33} = +\begin{vmatrix} 1 & 0 \\ 2 & -1 \end{vmatrix} = -1 - 0 = -1 \)

3. Matriz de cofactores:

\[ \operatorname{Cof}(A) = \begin{pmatrix} -11 & -4 & 6 \\ 2 & 0 & -1 \\ 2 & 1 & -1 \end{pmatrix} \]

4. Traspuesta de la matriz de cofactores (Adjunta):

\[ \operatorname{Adj}(A) = [\operatorname{Cof}(A)]^T = \begin{pmatrix} -11 & 2 & 2 \\ -4 & 0 & 1 \\ 6 & -1 & -1 \end{pmatrix} \]

Resultado:

\[ A^{-1} = \frac{1}{1} \begin{pmatrix} -11 & 2 & 2 \\ -4 & 0 & 1 \\ 6 & -1 & -1 \end{pmatrix} = \begin{pmatrix} -11 & 2 & 2 \\ -4 & 0 & 1 \\ 6 & -1 & -1 \end{pmatrix} \]

Interpretación Matemática: Verificamos multiplicando la primera fila de \( A \) por la primera columna de \( A^{-1} \): \( (1)(-11) + (0)(-4) + (2)(6) = -11 + 12 = 1 \). ¡Correcto!

Solución:

Datos:

\[ A = \begin{pmatrix} 2 & 3 \\ 5 & 4 \end{pmatrix}, \quad X = \begin{pmatrix} x \\ y \end{pmatrix}, \quad B = \begin{pmatrix} 8 \\ 13 \end{pmatrix} \]

Fórmula:

\[ A X = B \implies X = A^{-1} B \]

Sustitución y Operaciones:

1. Determinante de \( A \):

\[ \det(A) = (2)(4) - (3)(5) = 8 - 15 = -7 \]

2. Matriz inversa \( A^{-1} \):

\[ A^{-1} = \frac{1}{-7} \begin{pmatrix} 4 & -3 \\ -5 & 2 \end{pmatrix} = \begin{pmatrix} -\frac{4}{7} & \frac{3}{7} \\[6pt] \frac{5}{7} & -\frac{2}{7} \end{pmatrix} \]

3. Multiplicamos \( X = A^{-1} B \):

\[ X = \begin{pmatrix} -\frac{4}{7} & \frac{3}{7} \\[6pt] \frac{5}{7} & -\frac{2}{7} \end{pmatrix} \begin{pmatrix} 8 \\ 13 \end{pmatrix} = \begin{pmatrix} -\frac{4}{7}(8) + \frac{3}{7}(13) \\[6pt] \frac{5}{7}(8) - \frac{2}{7}(13) \end{pmatrix} = \begin{pmatrix} \frac{-32 + 39}{7} \\[6pt] \frac{40 - 26}{7} \end{pmatrix} = \begin{pmatrix} \frac{7}{7} \\[6pt] \frac{14}{7} \end{pmatrix} = \begin{pmatrix} 1 \\ 2 \end{pmatrix} \]

Resultado:

\[ x = 1, \quad y = 2 \]

Interpretación Matemática: Comprobamos en las ecuaciones originales: \( 2(1) + 3(2) = 2 + 6 = 8 \) y \( 5(1) + 4(2) = 5 + 8 = 13 \). La solución obtenida por la matriz inversa es exacta y única.

Solución:

Datos:

\[ D = \begin{pmatrix} 4 & 0 & 0 \\ 0 & -2 & 0 \\ 0 & 0 & 5 \end{pmatrix} \]

Fórmula:

Para toda matriz diagonal con elementos no nulos \( d_i \neq 0 \):

\[ [\operatorname{diag}(d_1, d_2, \dots, d_n)]^{-1} = \operatorname{diag}\left(\frac{1}{d_1}, \frac{1}{d_2}, \dots, \frac{1}{d_n}\right) \]

Sustitución y Operaciones:

El determinante es el producto de la diagonal: \( \det(D) = (4)(-2)(5) = -40 \neq 0 \).

Calculamos el recíproco de cada entrada diagonal:

\[ \frac{1}{4}, \quad \frac{1}{-2} = -\frac{1}{2}, \quad \frac{1}{5} \]

Resultado:

\[ D^{-1} = \begin{pmatrix} \frac{1}{4} & 0 & 0 \\[6pt] 0 & -\frac{1}{2} & 0 \\[6pt] 0 & 0 & \frac{1}{5} \end{pmatrix} \]

Interpretación Matemática: Multiplicando \( D \cdot D^{-1} \), cada término \( d_i \cdot (1/d_i) = 1 \) en la diagonal, y todos los términos fuera de la diagonal permanecen 0, generando la matriz identidad \( I_3 \) de manera instantánea.

Solución:

Datos:

\[ A = \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix}, \quad B = \begin{pmatrix} 2 & 0 \\ 1 & 2 \end{pmatrix} \]

Fórmula:

\[ (A B)^{-1} = B^{-1} A^{-1} \]

Sustitución y Operaciones:

1. Calculamos el producto \( C = A B \):

\[ C = \begin{pmatrix} 1(2)+2(1) & 1(0)+2(2) \\ 3(2)+4(1) & 3(0)+4(2) \end{pmatrix} = \begin{pmatrix} 4 & 4 \\ 10 & 8 \end{pmatrix} \]

2. Calculamos \( C^{-1} \):

\[ \det(C) = (4)(8) - (4)(10) = 32 - 40 = -8 \]

\[ C^{-1} = \frac{1}{-8} \begin{pmatrix} 8 & -4 \\ -10 & 4 \end{pmatrix} = \begin{pmatrix} -1 & \frac{1}{2} \\[6pt] \frac{5}{4} & -\frac{1}{2} \end{pmatrix} \]

3. Calculamos por separado \( A^{-1} \) y \( B^{-1} \):

• \( \det(A) = 4 - 6 = -2 \implies A^{-1} = -\frac{1}{2} \begin{pmatrix} 4 & -2 \\ -3 & 1 \end{pmatrix} = \begin{pmatrix} -2 & 1 \\[4pt] \frac{3}{2} & -\frac{1}{2} \end{pmatrix} \)

• \( \det(B) = 4 - 0 = 4 \implies B^{-1} = \frac{1}{4} \begin{pmatrix} 2 & 0 \\ -1 & 2 \end{pmatrix} = \begin{pmatrix} \frac{1}{2} & 0 \\[4pt] -\frac{1}{4} & \frac{1}{2} \end{pmatrix} \)

4. Multiplicamos en orden inverso \( B^{-1} A^{-1} \):

\[ B^{-1} A^{-1} = \begin{pmatrix} \frac{1}{2} & 0 \\[4pt] -\frac{1}{4} & \frac{1}{2} \end{pmatrix} \begin{pmatrix} -2 & 1 \\[4pt] \frac{3}{2} & -\frac{1}{2} \end{pmatrix} = \begin{pmatrix} \frac{1}{2}(-2) + 0 & \frac{1}{2}(1) + 0 \\[6pt] -\frac{1}{4}(-2) + \frac{1}{2}(\frac{3}{2}) & -\frac{1}{4}(1) + \frac{1}{2}(-\frac{1}{2}) \end{pmatrix} = \begin{pmatrix} -1 & \frac{1}{2} \\[6pt] \frac{1}{2} + \frac{3}{4} & -\frac{1}{4} - \frac{1}{4} \end{pmatrix} = \begin{pmatrix} -1 & \frac{1}{2} \\[6pt] \frac{5}{4} & -\frac{1}{2} \end{pmatrix} \]

Resultado:

\[ C^{-1} = B^{-1} A^{-1} = \begin{pmatrix} -1 & \frac{1}{2} \\[6pt] \frac{5}{4} & -\frac{1}{2} \end{pmatrix} \]

Interpretación Matemática: Queda rigurosamente demostrada la ley distributiva de la inversión: \( (AB)^{-1} = B^{-1} A^{-1} \). La inversión de un producto requiere obligatoriamente invertir el orden de los factores.

Solución:

Datos:

\[ M = \begin{pmatrix} 1 & 2 & 3 \\ 0 & 1 & 4 \\ 5 & 6 & 0 \end{pmatrix}, \quad B = \begin{pmatrix} 14 \\ 17 \\ 18 \end{pmatrix} \]

Del Ejemplo 4 sabemos que:

\[ M^{-1} = \begin{pmatrix} -24 & 18 & 5 \\ 20 & -15 & -4 \\ -5 & 4 & 1 \end{pmatrix} \]

Fórmula:

\[ X = M^{-1} B \]

Sustitución y Operaciones:

\[ X = \begin{pmatrix} -24 & 18 & 5 \\ 20 & -15 & -4 \\ -5 & 4 & 1 \end{pmatrix} \begin{pmatrix} 14 \\ 17 \\ 18 \end{pmatrix} \]

Calculamos cada componente del vector incógnita:

• \( x = (-24)(14) + (18)(17) + (5)(18) = -336 + 306 + 90 = 60 \)

• \( y = (20)(14) + (-15)(17) + (-4)(18) = 280 - 255 - 72 = -47 \)

• \( z = (-5)(14) + (4)(17) + (1)(18) = -70 + 68 + 18 = 16 \)

Comprobación en la segunda ecuación: \( y + 4z = -47 + 4(16) = -47 + 64 = 17 \). ¡Perfecto!

Comprobación en la tercera ecuación: \( 5x + 6y = 5(60) + 6(-47) = 300 - 282 = 18 \). ¡Impecable!

Resultado:

\[ x = 60, \quad y = -47, \quad z = 16 \]

Interpretación Matemática: La matriz inversa permite resolver sistemas de ecuaciones lineales de cualquier orden de forma directa y elegante con una sola multiplicación matricial.

Problemas Prácticos de Autoevaluación

Preguntas Frecuentes sobre la Matriz Inversa

1. ¿Todas las matrices cuadradas tienen matriz inversa?
No. Solo tienen inversa las matrices cuadradas cuyo determinante sea diferente de cero (\( \det(A) \neq 0 \)). Si el determinante es cero, la matriz es singular o degenerada y no existe matriz inversa.

2. ¿Se puede calcular la inversa de una matriz rectangular (no cuadrada)?
En sentido estricto del álgebra lineal ordinaria, no existe matriz inversa bilateral para matrices rectangulares. Sin embargo, en matemáticas aplicadas y optimización se utilizan las llamadas pseudoinversas de Moore-Penrose (inversas por la izquierda o por la derecha) para resolver problemas de mínimos cuadrados.

3. ¿Qué método es más eficiente: Gauss-Jordan o la Matriz Adjunta?
Para matrices \( 2 \times 2 \), la fórmula de adjunta es instantánea. Para matrices \( 3 \times 3 \), ambos métodos son viables. Para matrices de orden \( 4 \times 4 \) o superiores, el método de Gauss-Jordan es abrumadoramente más rápido y computacionalmente eficiente (complejidad \( O(n^3) \)), mientras que el método de cofactores requiere calcular \( n^2 \) determinantes (complejidad factorial \( O(n!) \)).