Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
ALGEBRA Y GEOMETRÍA ANALÍTICA 42 UNIVERSIDAD TECNOLÓGICA NACIONAL FACULTAD REGIONAL TUCUMÁN RANGO E INVERSA NOTAS TEÓRICAS EJERCICIOS Y APLICACIONES MG ANALIA MENA ALGEBRA Y GEOMETRÍA ANALÍTICA 43 RANGO e INVERSA DE UNA MATRIZ El concepto de matriz inversa conjuntamente con el de rango, tiene numerosas aplicaciones y su conocimiento es fundamental. Un ejemplo de ello es el estudio de una gran cantidad de problemas de economía como, por ejemplo, el modelo insumo – producto de Leontief que desemboca en la resolución de sistemas de ecuaciones lineales para lo cual son necesarios estos conceptos. Para comenzar estudiaremos algunas operaciones simples con las filas de una matriz que no sólo resultarán muy útiles al momento de calcular su rango, sino que además nos guiarán a resultados teóricos muy importantes: Ellas se denominan operaciones elementales sobre las filas de una matriz. 3.1.- Operaciones elementales sobre las filas de una matriz Definición: Dada una matriz A M mxn , se definen las siguientes operaciones elementales sobre sus filas: a) Permutación de dos filas cualesquiera de A entre sí. b) Multiplicación de una fila de A por un escalar k, no nulo. c) Suma de una fila a otra multiplicada por un escalar. Ejemplos: i) Sea la matriz A = 172 53 2 1 . La operación de multiplicar la segunda fila por (-5) nos lleva a la siguiente matriz: 53510 53 2 1 ii) Permutar las dos filas de A = 172 53 2 1 A = 172 53 2 1 F1 F2 y se obtiene 53 2 1 172 En general, la notación Fi Fj representa el intercambio de la fila i y la fila j. iii) Si en la matriz A, a la fila 1 le sumamos la fila 2 multiplicada por (-5), es decir: F1 + F2(-5) obtenemos la matriz 172 038 2 19 ALGEBRA Y GEOMETRÍA ANALÍTICA 44 Observación 1: Al aplicar operaciones elementales en las filas de una matriz, la transforman en otra matriz del mismo orden. Nos ocuparemos aquí de analizar la relación que liga a la nueva matriz con la anterior 3.2.- Matrices equivalentes Definición: Dadas dos matrices A y B de orden mxn, diremos que B es equivalente por filas a la matriz A sí y sólo sí B puede obtenerse a partir de A mediante un número finito de operaciones elementales sobre sus filas. Lo denotamos por B A y se lee: “B es equivalente por filas a la matriz A”. Ejemplo: Sea A = 140 321 ; si multiplicamos la fila 1 por 2 (F1(2)), se obtiene la matriz B = 140 642 . Si ahora a la fila 1 le sumamos la fila 2 multiplicada por 3 (F1+F2(3)) se obtiene la matriz C, dada por: C = 140 3162 Entonces la matriz A es equivalente a la matriz B y B es equivalente a la matriz C. Es decir: A B C Este hecho nos lleva a enunciar la siguiente propiedad: 3.2.1- Propiedad La equivalencia de matrices goza de las siguientes propiedades: i) Propiedad Reflexiva: A A (Toda matriz es equivalente a sí misma) ii) Propiedad simétrica: A B B A. (Si una matriz es equivalente a otra, ésta es equivalente a la primera) iii) Propiedad transitiva: A B y B C A C. (Si una matriz es equivalente a otra y ésta es equivalente a una tercera, la primera es equivalente a la tercera) Ejemplos: i) Dadas las matrices A = 11 21 30 y B = 00 30 21 . ¿Es B equivalente a A? ALGEBRA Y GEOMETRÍA ANALÍTICA 45 A = 11 21 30 F1 F2 11 30 21 30 30 21 00 30 21 = B Por lo tanto B A o A B ii) Dada la matriz A = 120 112 111 , demuestre que A I A = 120 112 111 F2 + F1(-2) 120 110 111 F2(-1) 120 110 111 100 110 001 100 110 001 F2 + F3 (-1) 100 010 001 = I Por lo tanto A I Para definir rango de una matriz, debemos definir previamente vectores canónicos. 3.3.- Vectores Canónicos o Versores Definición 1: Los vectores filas que tienen un único elemento igual a 1 (uno) y los restantes elementos iguales a cero, reciben el nombre de vectores canónicos o versores filas. Por ejemplo: los vectores e1 = 001 , e2 = 010 y e3 = 100 son vectores canónicos o versores de orden 1x3. Es decir, si en general consideramos el conjunto de las matrices filas de orden 1xn con la característica anterior, tenemos: e1 = 00...01 , e2 = 00...10 ,……, en = 10...00 Cabe aclarar que los n - vectores anteriores son distintos. Definición 2: Los vectores columnas, que tienen un único elemento igual a 1 (uno) y los restantes elementos iguales a cero, reciben el nombre de vectores canónicos o versores columnas. Por ejemplo si consideramos el conjunto de vectores de orden 3x1: F3 + F1 F3 + F2(-1) F1+F2(-1) F3+F2(-2) F3(-1) ALGEBRA Y GEOMETRÍA ANALÍTICA 46 e1 = 0 0 1 , e2 = 0 1 0 y e3 = 1 0 0 , éstos se denominan vectores canónicos columnas Es decir, si en general consideramos el conjunto de matrices columnas distintas de orden mx1 con la característica anterior, tenemos: e1= 0 0 0 1 , e2= 0 0 1 0 , e3 = 0 1 0 0 , ………….,.em = 1 0 0 0 Cabe aclarar que los m vectores anteriores son distintos. 3.4.- RANGO DE UNA MATRIZ Definición: Sea A M mxn , llamamos rango de una matriz A, al máximo número de vectores canónicos columnas distintos, que puedan obtenerse mediante la aplicación de un número finito de operaciones elementales sobre sus filas; denotamos el rango de A por: r (A). Ejemplos: Calcule el rango de las siguientes matrices: A4x4 = 0000 2100 1010 0001 , B3x4 = 0100 1010 0001 , C2x2 = 10 01 , D3x3 = 000 000 000 E2x1 = 0 1 , F1x4 = 0010 , G2x3 = 100 011 y H4x2 = 00 00 10 01 Respuesta: r(A) = 3, ya que a pesar de que la matriz tiene 4 filas y 4 columnas, no puede obtenerse otro vector columna canónico distinto. Los otros rangos son: r(B) = 3, r(C) = 2, r(D) = 0, r(E) = 1, r(F) = 1, r(G) = 2, r(H) = 2 Observación 2: Se observa en los ejemplos anteriores que si el número de filas es menor que el número de columnas (matriz G2x3), el rango no puede ser mayor al número de filas. Y si el número de filas es mayor al número de columnas (matriz H4x2), el rango no puede ser mayor que el número de columnas. En conclusión: Dada una matriz Am x n , r(A) menor m , n ALGEBRA Y GEOMETRÍA ANALÍTICA 47 Ejemplos: i) A M 5x2 r(A) 2 ii) A M4x3 r(A) 3 Observación 3: El rango de In es igual a “n”. Ejemplo: I3 = 100 010 001 r(I3) = 3 Vamos a enunciar ahora una propiedad muy importante, que aceptaremos sin demostración. 3.4.1.- Propiedad: Sean A M mxn y B M mxn . Las matrices A y B son equivalentes r (A) = r (B) 3.4.2.- Método de Gauss – Jordan para la determinación del rango de una matriz El método que se expondrá a continuación nos permitirá determinar el rango de una matriz mediante la aplicación de un número finito de operaciones elementales sobre sus filas. Es decir que se opera exclusivamente sobre las filas de la matriz. Como veremos mas adelante, este método se hace extensivo a la determinación de la inversa de una matriz no singular y a la resolución de sistemas lineales. Dada A M mxn matriz no nula, se utilizan las operaciones elementales sobre las filas de la matriz para obtener el máximo número de vectores canónicos columnas distintos. Tal número es, precisamente, el rango de la matriz. A continuación resumimos la mecánica del procedimiento: a) Se elige cualquier elemento distinto de cero, al que llamamos pivote. Se multiplica por el recíproco del pivote la fila a la que pertenece y se obtiene el número 1. b) Los restantes elementos de la columna del pivote se trasforman en ceros mediante operaciones elementales (siempre tomando como referencia la fila del pivote), formando así un vector canónico columna. c) Repetimos el procedimiento, eligiendo otro pivote que no se encuentre en la fila ni en la columna del anterior. De este modo las operaciones elementales indicadas preservan los vectores canónicos. d) El procedimiento se termina cuando ya no es posible obtener ningún pivote distinto de cero. e) El número de vectores canónicos columnas distintos es el rango de la matriz. ALGEBRA Y GEOMETRÍA ANALÍTICA 48 Ejemplos: a) Calcular el rango de la matriz A = 52684 23242 4010 14222 A = 52684 23242 4010 1422)2( 52684 23242 4010 711)1( 24240 9020 40)1(0 7111 8200 )1(000 4010 3101 0)2(00 1000 0010 0101 0)1(00 1000 0010 0101 Al momento de elegir el pivote conviene elegir, en el caso en que sea posible, un elemento igual a uno, caso contrario se puede realizar una operación elemental para conseguirlo. 0100 1000 0010 0001 = B. Esta matriz tiene cuatro vectores canónicos columnas distintos, entonces r(B) = 4. Como B A, ambas tienen igual rango, por lo tanto r(A) = 4 Se observa además, que si permutamos la tercera y cuarta fila de A obtenemos la matriz identidad. Es decir: A 1000 0100 0010 0001 = I4. Por lo tanto la matriz A es equivalente por filas a la matriz identidad. b) Determinar el rango de la matriz A = 131 402 311 A = 131 402 31)1( 440 2)2(0 311 F2(1/2) 440 1)1(0 311 F1(1/2) F3 +F1(-2) F4+F1(-4) F1+F2(-1) F3+F2(-2) F4+F2(-4) F1+F3(-3) F2+F3(-4) F4+F3(-8) F4(1/2) F1+F4(-1) F2+F1(-2) F3+F1 F1+F2 F3+F1(4) ALGEBRA Y GEOMETRÍA ANALÍTICA 49 000 110 201 = B. Esta matriz tiene dos vectores canónicos columnas distintos, entonces r(B) = 2. Como B A, ambas tienen igual rango, por lo tanto r(A) = 2 Nos vamos a ocupar ahora de una cuestión de gran utilidad. Se trata del estudio de aquellas matrices que, siendo cuadradas, tienen inversa, así como de sus propiedades y las de sus inversas. Para introducir este concepto usaremos los conocimientos adquiridos acerca de la teoría de matrices y determinantes. 3.5.- MATRIZ INVERSA Definición: Sea A una matriz cuadrada de orden “n”; si existe otra matriz B cuadrada y de igual orden que A tal que AB = BA = I, entonces B es la inversa de A y se denota por B = A -1 Si una matriz A tiene inversa, diremos que la matriz A es inversible. De la simetría de la definición surge que si B es la inversa de A, entonces A es la inversa de B. Observación 4: Debe quedar claro que, si bien para números reales podemos escribir a -1 = 1/a, la expresión 1/A no tiene ningún significado; puesto que no está definida la división de matrices. Ejemplo: Dada la matriz A = 13 14 compruebe que B = 43 11 es su inversa. Para ello, realizamos los productos: A B = 13 14 43 11 = 4333 4434 = 10 01 = I (1) B A = 2 1 - 5 - 3 . 31 52 = 10 01 = I (2) De (1) y (2) podemos concluir que B = A -1 Observación 5: Puede comprobarse (la demostración no está a nivel de este curso) que si cualquiera de las dos condiciones A B = I o B A = I se cumple, la otra se satisface también. Una matriz ¿tendrá más de una inversa? La respuesta la brinda el siguiente teorema: ALGEBRA Y GEOMETRÍA ANALÍTICA 50 3.5.1.-Teorema de la Unicidad de la Inversa Si A es una matriz inversible, entonces A -1 es única. Demostración: Si A una matriz inversible, entonces existe A -1 tal que: A A -1 = A -1 A = I (1) Supongamos por el contrario que existe otra matriz B tal que: A B = B A = I (2) La matriz B, puede ser escrita como: B = B I = B ( A A -1 ) por (1). Asociando y usando la igualdad (2) se puede escribir: B = (B A) A -1 = I A -1 = A -1 B = A -1 Esta última igualdad demuestra que si se supone la existencia de otra matriz inversa para A, esta coincide con A -1 ; por lo tanto, si A es una matriz inversible, su inversa es única. Las matrices inversibles gozan de las siguientes propiedades: 3.5.2.-Propiedades Sean A y B dos matrices inversibles de orden “n” y k , entonces: i) (A -1 ) -1 = A ii) (A B) -1 = B -1 A -1 iii) (A t ) -1 = (A -1 ) t iv) (k A) -1 = (1/k)A -1 = k -1 A -1 , k 0 Demostración: i) Esta afirmación es evidente a partir de la definición, ya que si A A -1 = I y A -1 A = I, la matriz A -1 es inversible y por lo tanto (A -1 ) -1 = A. ii) Para probar que: (A B) -1 = B -1 A -1 , basta con probar que: (A B) (B -1 A -1 ) = I Consideremos entonces el producto: (A B).(B -1 A -1 ). Asociando los factores de manera conveniente resulta: (A B) (B -1 A -1 ) = A (B B -1 ) A -1 = A I A -1 = (A I ) A -1 = A A -1 = I (A B)-1 = B-1 A-1 Las restantes propiedades se demuestran en forma análoga El resultado de la propiedad ii) se puede generalizar para “n” matrices inversibles. Enunciamos el siguiente corolario: Corolario: Sean A1, A2, …, An M nxn , matrices inversibles, entonces el producto (A1 A2 … An) es inversible y se verifica que: (A1 A2 … An) -1 = An -1 An-1 -1 …A2 -1 A1 -1 ALGEBRA Y GEOMETRÍA ANALÍTICA 51 Este resultado sepuede demostrar por el método de inducción completa. Lo aceptamos sin demostración. Se nos plantea ahora el siguiente problema ¿todas las matrices cuadradas son inversibles? Es decir dada una matriz A cuadrada, ¿existirá siempre A -1 tal que: A A -1 = A -1 A = I? Analicemos el siguiente ejemplo. Ejemplo: Sea C = 10 20 ; determine si existe C -1 , tal que: C C -1 = C -1 C = I Lo que queremos es encontrar una matriz B = dc ba tal que C B = B C = I Es decir, debemos determinar si existen “a”, “b”, “c”, y “d” tales que: 10 20 d c ba = 1 0 0 1 Efectuando el producto indicado, obtenemos: dc d2c2 = 1 0 01 1d 0c 0d 0d2 2/1c 1c2 Encontramos dos valores para “c” y dos valores para “d”, evidentemente el sistema planteado no tiene solución única y por lo tanto no existe C -1 . Este ejemplo nos muestra que no toda matriz cuadrada tiene inversa y, por lo tanto, debemos buscar condiciones para la existencia de la inversa de una matriz. Notemos que si calculamos el determinante asociado a la matriz C no inversible del ejemplo anterior esto es: C= 10 20 = 0 Si consideramos el determinante asociado a la matriz inversible A = 13 14 , del primer ejemplo, A= 34 = 1 0. Esto no es casual sino una consecuencia de un teorema que establece que: “si A es una matriz cuadrada de orden “n” entonces A es inversible sí y sólo sí A 0”. ALGEBRA Y GEOMETRÍA ANALÍTICA 52 Para probar este importante teorema, necesitamos definir previamente algunos conceptos. 3.5.3.- Matriz de los Cofactores Definición: Sea A una matriz cuadrada de orden “n”, se llama matriz de los cofactores a la matriz que se obtiene a partir de la dada reemplazando cada elemento aij por su correspondiente cofactor Cij. La representamos como Ac . De modo que: Ac = nn3n2n1n n2232221 n11312 11 C.........C C C : : : : C.........C C C C..........C CC 3.5.4.- Matriz Adjunta Definición: Sea A M nxn ; se llama matriz adjunta de A y se la representa como A* a la transpuesta de la matriz de los cofactores. Si Ci j es el cofactor correspondiente al elemento ai j, entonces: A* = ( Cij) t = ( Cji) ; i = 1, 2, . . . , n ; j = 1, 2, . . . , n A* = ( Cij ) t = nnn2n1 2n2212 1n21 11 C. .......... C C : : : C .......... C C C........... CC Ejemplo: Si A = 101 113 021 , calcule A*. Debemos buscar primero la matriz de los cofactores Ac. Para ello calculamos los cofactores Cij de cada elemento de A. C11 = (-1) 2 10 11 =1 ; C12 = (-1) 1+2 11 13 = -4 , C13 = (-1) 1+3 01 13 = -1 En forma análoga, se calculan los restantes cofactores. Luego, la matriz de los cofactores es Ac = 333231 232221 131211 CCC CCC CCC 712 212 141 ALGEBRA Y GEOMETRÍA ANALÍTICA 53 Por lo tanto la matriz buscada es: A* = ( Cij ) t = 721 114 221 La siguiente propiedad expresa una importante relación que cumplen las matrices A y A* 3.5.5.- Propiedad Si A M nxn , entonces se verifica que: A A* = A * A = det (A) I Demostración: Probaremos que A A* = det (A) I A A* = nn2n1n n22221 n112 11 a ...... a a : : : a ....... a a a ...... aa nnn2n1 2n2212 1n21 11 C........... C C : : : C.......... C C C........... CC A A* = nj n 1=j njj2 n 1=j njj1 n 1=j nj nj n 1=j j22j n 1=j j2j1 n 1=j j2 nj n 1=j njj2 n 1=j j1 j1j1 n 1j Ca........... Ca Ca : : : Ca .......... Ca Ca Ca ...........CaCa Todos los elementos situados en la diagonal principal son el desarrollo de A por los cofactores de los elementos de la primera fila, de la segunda fila, . . . , de la n-ésima fila. Todos los otros elementos son nulos porque son sumas de productos de elementos de una fila por los cofactores de los elementos de una paralela a ella, por lo tanto: A A* = det(A) ...... 0 0 0 : : : : 0 ...... 0 det(A) 0 0 ...... 0 0det(A) = det (A) 1 ...... 0 0 0 : : : : 0 ....... 0 1 0 0 ....... 0 01 = det (A) In Es decir, A.A* = det (A) In. De forma análoga se prueba que A* A = det (A) I Ejercicio: Compruebe para las matrices A y A* del ejemplo anterior, verifican esta relación, calculando previamente el det (A). Se deja la resolución de este ejercicio para los alumnos. Estamos en condiciones de probar un teorema muy importante, mencionado anteriormente, que no sólo nos proporciona una condición necesaria y suficiente para la existencia de la inversa de una matriz cuadrada, sino también una manera de calcularla. ALGEBRA Y GEOMETRÍA ANALÍTICA 54 3.5.6.-Teorema Si A es una matriz cuadrada de orden “n”, entonces A es inversible A 0 Demostración: i) Se debe probar que: si A inversible A 0 Si A es inversible B única / A B = B A = I Consideramos A B = I; por propiedad de los determinantes podemos escribir: A B = I A B = I Como I = 1 A B = 1 A 0 ii) Se debe probar que: A 0 A es inversible Sabemos que A A* = A* A = A I Si dividimos todos los miembros de esta igualdad por A 0 (por hipótesis), obtenemos: A AA A AA ** = I, igualdad que podemos escribir de la siguiente manera: A A *A A *A A = I (1) Si llamamos B = *A A 1 a la igualdad (1) podemos escribirla como: A B = B A = I Luego, por definición, A es inversible y su inversa es B = A -1 = *A A 1 De i) y ii) concluimos que: A es inversible A 0 La igualdad (1) no sólo prueba que A es inversible, sino también nos proporciona un método para calcular A -1 , ya que de acuerdo a la última igualdad: B = A -1 = *A A 1 3.5.7.- Definiciones a) Matriz No Singular: Sea A M nxn . Si el A 0 entonces A es una matriz no singular. b) Matriz Singular: Sea A M nxn . Si el A = 0 entonces A es una matriz singular Teniendo en cuenta las definiciones anteriores y el teorema antes mencionado, podemos decir que: “una matriz cuadrada A es inversible si y sólo si es no singular”. ALGEBRA Y GEOMETRÍA ANALÍTICA 55 Ejemplo: Calcule la inversa de la matriz A = 101 113 021 Vimos que A* = 721 114 221 , además A 101 113 021 -9 Entonces A -1 = *A 9 1 (- 9 1 ) 721 114 221 979291 919194 929291 /// /// /// 3.5.8.- Caso Particular: Calcular la inversa de una matriz no singular de orden dos. Sea A = d c b a tal que: det (A) = a.d –b.c 0 Calculemos la matriz Adjunta de A: Ac = a b- c- d A* = a c- b- d . Por lo tanto: A -1 = bcad 1 a c- b- d = )Adet( 1 a c- b- d = A a A c - A b - A d Observación 6: A -1 se obtiene a partir de A, intercambiando los elementos de la diagonal principal, cambiando el signo a los elementos de la diagonal no principal y multiplicando la matriz así obtenida por A 1 . Ejemplo: Calcule A -1 , si A = 43 22 Calculamos A = 43 22 = 8 - 6 = 2 0 A-1 Por lo tanto A -1 = 12/3 12 23 24 2 1 ALGEBRA Y GEOMETRÍA ANALÍTICA 56 3.5.9.- Determinación de la Inversa de una Matriz aplicando el Método de Gauss-Jordan Es evidente que calcular la inversa de una matriz haciendo uso de la igualdad A -1 = *A )Adet( 1 puede ser largo y tedioso si las matrices son de orden mayor que dos. El Método de Gauss-Jordan, que lo usamos para calcular el rango de una matriz, también nos permite encontrar la inversa de una matriz cuadrada de manera más sencilla. Supongamos que tenemos una matriz cuadrada de orden “n” y queremos calcular, si existe, A -1- . Procedemos de la siguiente manera: 1.- Escribimos A y, a su derecha, la matriz identidad de igual orden. Obtenemos de esta manera una matriz de orden “n x 2n”. 2.- Aplicamos a esta matriz el método de Gauss-Jordan efectuando sucesivas operaciones elementales sobre sus filas de forma tal de transformar a A en la en la matriz identidad y la matriz identidad en otra matriz B. Si esto es posible, B = A -1 Esquemáticamente: A I I B Este método podemos aplicarlo, aún sin tener la certeza de que A sea inversible, ya que si A no es inversible, no es posible transformar la matriz A en la identidad. Ejemplos: Calcule, si existe, la inversa de las siguientes matrices: a) A = 1 - 0 1- 1- 1 0 1 1-1 b) B = 110 011 101 a) Escribimos la matriz A y a su derecha la matriz identidad, de igual orden que la matriz dada, de acuerdo al siguiente esquema: (1) -1 1 1 0 0 A 0 1 -1 0 1 0 I -1 0 1 0 0 1 F3 + F1 1 -1 1 1 0 0 0 (1) -1 0 1 0 F1 + F2 0 -1 2 1 0 1 F3 + F2 ALGEBRA Y GEOMETRÍA ANALÍTICA 57 Como la matriz de la izquierda es la matriz identidad, entonces, la matriz de la derecha es la inversa buscada, por lo tanto: A-1 = 1 1 1 0 2 1 0 1 1 b) Para calcular, si existe, la inversa de la matriz B, proc99edemos en forma análoga a la anterior. (1) 0 -1 1 0 0 1 -1 0 0 1 0 F2 + F1 (-1) 0 1 -1 0 0 1 1 0 -1 1 0 0 0 -1 1 -1 1 0 F2 + F3 0 (1) -1 0 0 1 (1) 0 -1 1 0 0 0 0 0 -1 1 1 0 1 -1 0 0 0 La matriz de la izquierda tiene toda una fila nula, por lo tanto no podemos obtener otro vector canónico, es decir, no podemos transformar A en la matriz identidad. B = 110 011 101 no es inversible. 1 0 0 0 1 -1 0 0 (1) 1 1 0 0 1 0 1 1 1 F2 + F3 1 0 0 0 1 0 0 0 1 1 1 0 1 2 0 1 1 1 I ALGEBRA Y GEOMETRÍA ANALÍTICA 58 3.5.10.- Aplicaciones 1.- Calcule el rango de las siguientes matrices, dependiendo de los parámetros a y b. i) A = 32 a1 ii) B = b42 a2a1 iii) C = 1a0 a1a 101 Resolución: i) A = 32 a1 3a20 a1 Como A2x2 r(A) 2 r(A) = 1 si -2 a + 3 = 0 a = 2 3 r(A) = 2 si -2 a + 3 0 a 2 3 ii) B = b42 a2a1 ba44a20 a2a1 Como B2x3 r(B) 2 r (B) = 1 si -8b 4ab 0ba4 -2a 04a2 r (B) = 2 si a - 2 o b -8 iii) C = 1a0 a1a 101 1a0 a210 101 1a200 a210 101 2 Como C3x3 r(C) 3 El r(C) 1 puesto que la matriz no podrá tener un solo vector canónico columna. r(C) = 2 si -2 a 2 + 1 = 0 a = 2 2 a = - 2 2 ó a = 2 2 r(C) = 3 si -2 a 2 + 1 0 a - 2 2 y a 2 2 2.- Determinar, si existe, la matriz que verifique la ecuación matricial A X B = C, siendo: A = 21 21 , B = 100 030 202 y C = 2156 14310 F2+F1(-2) F2+F1(-2) F2+F1(-a) F3+F2(-a) ALGEBRA Y GEOMETRÍA ANALÍTICA 59 Resolución: Como A = 4 0 existe A -1 , por lo tanto es posible premultiplicar por esta matriz ambos miembros de la ecuación matricial: A -1 (A X B ) = A -1 C (A -1 A) X B = A -1 C I X B = A -1 C X B = A -1 C Como B = 100 030 202 = 2. 3. 1 = 6 0 existe B -1 , por lo tanto es posible postmultiplicar por esta matriz ambos miembros de la ecuación matricial: (X B) B -1 = A -1 C B -1 X ( B B -1 ) = A -1 C B -1 X I = A -1 C B -1 X = A -1 C B -1 Se calculan a continuación las matrices A -1 y B -1 Como A -1 = A a A c - A b - A d A -1 = 4 1 11 22 A -1 = 4 1 4 1 2 1 2 1 Calculamos B -1 2 0 2 0 3 0 0 0 1 1 0 0 0 1 0 0 0 1 1 0 1 0 1 0 0 0 1 1/2 0 0 0 1/3 0 0 0 1 1 0 0 0 1 0 0 0 1 1/2 0 -1 0 1/3 0 0 0 1 Reemplazando en X = A -1 C B -1 X = 4 1 4 1 2 1 2 1 2156 14310 100 0 3 1 0 10 2 1 = 012 431 X = 012 431 Resta verificar que la matriz X obtenida satisface la ecuación matricial. B -1 = 100 0 3 1 0 10 2 1 ALGEBRA Y GEOMETRÍA ANALÍTICA 60 3.- Demuestre que la matriz T es no singular y encuentre la inversa de T T= cos cos sen sen Resolución: cos cos 0,1 cos 1 1 22 sen sen T TTcomoT senT 4.- Califique con verdadera o falsa cada una de las siguientes proposiciones, justificando en cada caso su elección: a) Si la inversade una matriz existe, ésta es única. b) Toda matriz singular tiene inversa. c) El rango de una matriz inversible de orden “n” es igual a “n”. d) Si A, B M nxn con | A | ≠ 0 entonces, las ecuaciones: A X = B y X A = B tienen la misma solución. e) Si A es una matriz no singular, entonces se cumple que: A2 = I A = A-1 f) La inversa de la matriz identidad es la matriz identidad g) Toda matriz cuadrada tiene inversa h) Si A es la inversa de B, entonces B es la inversa de A i) Si A es una matriz escalar con aii = k, entonces A -1 es una matriz escalar con aii = 1/k La respuesta a este ejemplo queda a cargo de los alumnos.
Compartir