8479 2-Matrices y Vectores

UNIVERSIDAD AUTNOMA DE NUEVO LEN
FACULTAD DE INGENIERA MECNICA Y ELCTRICA
Matrices
a11 a12
a
21 a22
M
M
an1 an 2
Matriz: Conjunto de elementos

ordenados en filas y columnas
Los elementos pueden ser nmeros
reales o complejos
En este curso solo se consideran
matrices con elementos reales
L a1n
L a2 n
O M
L ann
Las matrices son denotadas por letras maysculas del alfabeto (A, B, C, etc.)
A cada matriz esta asociado un nmero de filas y columnas, por ejemplo: A de m x n, es
decir, la matriz A de m renglones y n columnas
Notacin: A = [aij ]
Dos matrices son iguales si tienen el mismo nmero de filas y columnas y los elementos
correspondientes son iguales.
Matrices especiales
Triangular Superior
a11
0
a12
a22
M
0
a1n
L a2 n
M
M
L amn
K
Triangular Inferior
a11
a
21
M
a m1
0
L 0
M
M
L a mn
a22
M
am 2
Simtrica
Identidad
1 0 K 0
0 1 L 0
M M O M
0 0 L 1
a11
a
12
M
a1n
a12
a22
M
a2 n
K a1n
L a2 n
O M
L ann
Diagonal
a11
0
0
a22
M
0
0
L 0
M
M
L amn
K
Cero
0 0 K 0
0 0 L 0
M M O M
0 0 L 0
Matriz Transpuesta
a11
a
A = 21
M
am1
ALGEBRA LINEAL
a12
a 22
M
am 2
a1n
L a2 n
M
M
L a mn
K
La matriz transpuesta se obtiene cuando se

intercambian las filas por las columnas.
La transpuesta de la matriz A de orden
m x n, nos da una matriz de orden n x m
Una matriz es simtrica si A = AT
1
M.C. JOS MANUEL ROCHA NEZ

M.C. ELIZABETH GPE. LARA HERNNDEZ
a11
a
T
A = 12
M
a1n
a21
a 22
M
a2 n
K am1
L a m 2
M
M
L amn
Ejemplos
Triangular
superior
Triangular
inferior
Diagonal
Identidad
Simtrica
1 3 4
0 6 2
0 0 5
0 0
4
2 1 0
5 3
7
2 0 0
0 6 0
0 0 5
1 0 0
0 1 0
0 0 1
1 4 5
4 6 3
5 3 2
Matriz Transpuesta
1 3 4
A = 5 6 2
7 8 5
1 5 7
AT = 3 6 8
4 2 5
Operaciones elementales
Suma de matrices
Para poder realizar lo suma de dos Matrices A y B es necesario que estas sean del MISMO
ORDEN y cada elemento de lo primera matriz se sumar con el correspondiente elemento
de la segunda matriz aclararemos lo anterior con la siguiente definicin:
A + B = [ aij ] + [bij ]
Ejemplo: dadas las Matrices A y B efectuar su suma.

3 4 9 4
A=
2 6 8 1
ALGEBRA LINEAL
1 2 3 0
B=
4 5 8 3

3 + 1 4 + 2 9 + 3 4 + 0 4 6 12 4
A+ B =
=
2 + 4 6 + 5 8 + 8 1 + 3 6 11 16 4
Propiedades:
( [aij ] + [bij ] ) + [cij ] = [ aij ] + ( [bij ] + [cij ] )
(A+B)+C = A+(B+C)
[aij ] + [bij ] = [bij ] + [aij ]
A+B = B+A
asociativa
conmutativa
Producto de una matriz por un escalar

Una Matriz de orden m x n puede ser multiplicada por un nmero diferente de cero dando
como resultado otra matriz del mismo orden:
El producto de una Matriz A de orden m x n por una constante no nula es la Matriz A de
orden m x n que se obtiene al multiplicar cada elemento de A por la constante k dando
como resultado:
A = aij
2 4
Si = 3 y A =
3 5
6 12
15
A=
9
Propiedades
( A + B ) = A + B
( + )A = A + A
( )A = (A)
con ,
distributiva
asociativa
Multiplicacin de matrices
Para multiplicar dos matrices A y B es REQUISITO ( necesario ) que el nmero de
columnas de la primera matriz sea igual al nmero de filas de la segunda matriz, obteniendo
una Matriz resultante que estar formada con el nmero de filas de la primera Matriz y con
el nmero de columnas de la segunda Matriz. Si C es el producto de A * B entonces:
A* B = C
mn
ALGEBRA LINEAL
n p
m p

a11
a
A = 21
M
am1
a12
a22
M
am 2
L a1n
L a2 n
O M
L amn
b11 b12
b
b22
21
B=
M
M
bn1 bn 2
L b1 p
L b2 p
O M
L bnp
c11 c12
c
c22
21
C=
M
M
cm1 cm 2
L c1 p
L c2 p
O M
L cmp
Cij = aik bkj

k =1
Ejemplo:
Calcular el producto de las matrices A * B de ser posible.
3 2 5
A=
1 0 4
1 2 3 0
B = 5 4
1 6
0 3 2 5
7 17 21 13
A B =
1 10 11 20
Propiedades:
A (B + C ) = A B + A C
( A B ) C = A (B C )
A B B A
ALGEBRA LINEAL
distributiva
asociativa
La multiplicacin de matrices no es conmutativa

Vectores
Caso especial de matrices donde: m> 1 y n = 1, es decir, esta formada por una sola
columna, m = 1 y n> 1, es decir, por una sola fila (rengln).
a1
a
A= 2
M

am
B = [b1 b2 L bn ]
La transpuesta de un vector fila es un vector columna y viceversa
a1
a
A= 2
M

am
AT = [a1
a2 L am ]
Suma y resta de vectores
AT + B T = [a1 + b1
AT = [a1
a2 L an ]
B T = [b1 b2 L bn ]
a 2 + b2
L a n + bn ] ,
AT B T = [a1 b1
L a n bn ]
A-B
A+B
a 2 b2
El sentido del Vector A-B siempre es

hacia el Vector que es Positivo.
Ejemplo:
Dados los Vectores A = [2 3 4] y B = [3 5 5] determinar A + B y A B
A + B = [5 2 1]
ALGEBRA LINEAL
A B = [ 1 8 9]
B A = [1 8 9]

Multiplicacin de vectores
Como caso especial de matrices, los vectores siguen Las mismas reglas de multiplicacin.
Por ejemplo:
b1
b
A * B = [a1 a2 L an ] 2 = a1b1 + a2b2 + L + anbn
1442443 M 144424443
11
1 n

b
n
{
n 1
La multiplicacin en el orden inverso resulta:
b1a1 b1a2 L b1an

b1
b a b a L b a
b
2
2 n
B* A =
a1 a2 L an ] = 2 1 2 2
[1
4
4
2
4
4
3
M
M
M
O
M
1 n

bn
bn a1 bn a2 L bn an
1
{
444424444
3
n 1
n n
Ejemplo 1
AT = [1 5 7] y BT = [0 2 3] obtener AT * B y B * AT
0
A * B = [1 5 7] 2 = (1)(0 ) + (5)( 2 ) + (7 )(3) = 11
3
T
0
(0 )(1)
B * A = 2[1 5 7] = ( 2)(1)
3
(3)(1)
T
(0)(5) (0)(7 ) 0
( 2)(5) ( 2)(7 ) = 2
(3)(5) (3)(7 ) 3
0
10 14
15
21
0
Ejemplo 2
0 4 3
Multiplicar A * B si A = [1 2 3] y B = 1 8 2
3 1 5
T
ALGEBRA LINEAL

0 4 3
AT * B = [1 2 3] 1 8 2 = [11 9 14]
14243
14
4244
3
13
13
3 1 5
14243
33
B *{
AT no puede ser efectuado, pero el producto {
B*{
A si puede ser
Note que el producto {
33
13
33
31
efectuado
Ejemplo 3
Multiplicar las siguientes matrices:

0 4 3 1 (0 )(1) + (4 )(0 ) + (3)(2 ) 6
1 8 2 0 = ( 1)(1) + (8)(0 ) + (2 )(2 ) = 3

3 1 5 2 (3)(1) + (1)(0 ) + (5)(2 ) 13
14243 { 1444424444
3
33
31
31
Producto punto de vectores (producto escalar)
Dados dos vectores con el mismo nmero de elementos (por ejemplo n), el producto punto
de los vectores A y B denotado por A B es un nmero real dado por:
AT = [a1
a2 L a n ]
B T = [b1 b2 L bn ]
A B = AT B = a1b1 + a2b2 + L + an bn
Propiedades
A B = B A conmutativa
( A + B ) C = A C + B C distributiva
(A) B = ( A B )
A A 0 positiva definida
A A = 0 si y solo si A = [0]
Ejemplo:
Si AT = [1 2 4], BT = [ 3 1 7], C T = [2 5 1] Demuestre que

A (B + C ) = A B + A C
ALGEBRA LINEAL

1
B + C = 6
6
A (B + C ) = 1 + 12 + 24 = 35
A B = 3 + 2 + 28 = 27
A C = 2 + 10 4 = 8
A B + A C = 27 + 8 = 35
Longitud de un vector
Sea X un vector de dos elementos, su longitud denotada por X , es el nmero no negativo:
x2
X = [x1
x2 ]
X = x12 + x22
x1
La longitud de X puede re-escribirse mediante el producto punto como:

X =
XX
La Norma de un vector X, es la longitud del vector X y est dada por

X =
X X = x12 + x22 + L + xn2
Ejemplo:
Si AT = [5 3 4] , encuentre su norma.
A = 5 2 + 32 + 4 2 = 25 + 9 + 16 = 50 = 7.0711
ngulo entre vectores
Si X y Y son dos vectores con n componentes y distintos del vector cero, el coseno del
ngulo entre ellos se define como:
cos( ) =
ALGEBRA LINEAL
X Y
X Y

Si el producto punto de los vectores X y Y es cero X Y = 0 , el ngulo entre los vectores es

90 270.
Ejemplo:
Calcule el ngulo entre los vectores X y Y.

X T = [2 3 4 1] y Y T = [ 1 2 4 2]
cos( ) =
X Y
=
X Y
2 6 + 16 + 2
10
=
= 0.365
4 + 9 + 16 + 1 1 + 4 + 16 + 4
30 25
= 68.58
Distancia entre vectores
La distancia entre dos vectores X y Y es la longitud del vector X-Y

X-Y
Y
X
La distancia entre dos vectores X y Y de n componentes esta dada por la siguiente

expresin:
X T = [x1
x2 L xn ] y Y T = [ y1
d (X ,Y ) = X Y =
y2 L yn ]
(x1 y1 )2 + (x2 y2 )2 + L + (xn yn )2
Ejemplo:
Calcule la distancia entre los vectores X y Y:
X T = [0 3 5 1]
0 ( 2) 2
3 1 2
=
X Y =
5 ( 3) 8

1 1 0
ALGEBRA LINEAL
Y T = [ 2 1 3 1]
d (X ,Y ) = X Y =
(2)2 + (2)2 + (8)2 + (0)2
= 72 = 8.485

Conjuntos ortogonales de vectores
Dos vectores de igual nmero de elementos son ortogonales o perpendiculares si el coseno

del ngulo entre ellos es cero, es decir, dos vectores son ortogonales si y solo si el producto
punto entre ellos es cero:
X Y = 0
Ejemplo:
Determine si los vectores X 1T = [4 4] y X 2T = [ 2 2] son ortogonales.
4 2
X 1 X 2 = = (4 )( 2) + (4)(2 ) = 0 por lo tanto son perpendiculares
4 2
Ejemplo:
Es el siguiente conjunto ortogonal?
X 1T = [1 0 0 0], X 2T = [0 1 0 0],
X 3T = [0 0 1 0]
X1 X 2 = 0
X1 X 3 = 0
X2 X3 = 0
ALGEBRA LINEAL
10

Sistemas de ecuaciones lineales

En general, un sistema de m ecuaciones lineales en n incgnitas est dado por:
a11 x1 + a12 x 2 + L + a1n x n = b1
a 21 x1 + a 22 x 2 + L + a 2 n x n = b2
M
M
M
M
a m1 x1 + a m 2 x 2 + L + a mn x n = bm
Todos los coeficientes a y b son nmeros reales. El problema es encontrar todos los
conjuntos de n nmeros, denotados por ( ( x1 , x 2 , L, x n ) que satisfagan cada una de las m
ecuaciones
Para el sistema general hay tres posibilidades: hay una solucin, hay un nmero infinito de
soluciones, o no hay soluciones.
Mtodo de Gauss-Jordan
Mtodo para encontrar todas las soluciones (si existen) de un sistema de m ecuaciones
lineales con n incgnitas.
Resuelva el sistema de ecuaciones
2 x1 + 8 x2 + 6 x3 = 20
4 x1 + 2 x2 2 x3 = 2
3x1 x2 + x3 = 11
Escribiendo el sistema de ecuaciones en forma matricial
6 x1 20
2 8
4 2 2 x = 2
2
3 1 1 x3 11
Tiene la forma de
AX = B
Donde la matriz A es la matriz de coeficientes, la matriz X es la matriz de incgnitas y la

matriz B es la matriz de trminos independientes.
Escribiendo el sistema como una matriz aumentada
2 8
6 20
4 2 2 2
3 1 1 11
El mtodo de Gauss-Jordan consiste en reducir la matriz de coeficientes a la forma

escalonada reducida.
ALGEBRA LINEAL
11

Dividimos el primer rengln por 2

1 4
3 10
4 2 2 2
3 1 1 11
Multiplicamos el primer rengln por -4 y se lo sumamos al segundo; despus multiplicamos

el primero por -3 y se lo sumamos al tercero
1
4
3 10
0 14 14 42
0 13 8 19
Dividimos el segundo rengln por -14

1 4
3 10
1 3
0 1
0 13 8 19
Multiplicamos el segundo rengln por -4 y se lo sumamos al primero; despus

multiplicamos el segundo rengln por 13 y se lo sumamos al tercero.
1 0 1 2
0 1 1 3
0 0 5 20
Dividimos el tercer rengln por 5

1 0 1 2
0 1 1 3
0 0 1 4
Multiplicamos el tercer rengln por -1 y

tercer rengln con el primero.
1
0
0
se lo sumamos al segundo, despus sumamos el
0 0 2
1 0 1
0 1 4
Esta matriz est en la forma escalonada reducida.
La nica solucin al sistema de ecuaciones sera
x1 = 2
x2 = 1
x3 = 4
ALGEBRA LINEAL
12

Ejemplo:
Demostrar que el sistema de ecuaciones tiene infinito nmero de soluciones.
2 x1 + 8 x2 + 6 x3 = 20
4 x1 + 2 x2 2 x3 = 2
6 x1 + 4 x2 + 10 x3 = 24
Solucin: x1 x3 = 2, x2 + x3 = 3
Ejemplo:
Demostrar que el sistema de ecuaciones no tiene solucin.
2 x1 + 8 x2 + 6 x3 = 20
4 x1 + 2 x2 2 x3 = 2
6 x1 + 4 x2 + 10 x3 = 30
Eliminacin gaussiana
Reduce la matriz de coeficientes a la forma escalonada, se resuelve para la ltima incgnita

y luego se usa la sustitucin hacia atrs para resolver para las otras incgnitas
Para el ejemplo anterior
2 8
1 4
1
6 20
3 10
4
3 10
4 2 2 2 4 2 2 2 0 14 14 42
3 1 1 11
3 1 1 11
0 13 8 19
1 4
3 10
1 3
0 1
0 13 8 19
Hasta aqu, el proceso es el mismo que se hizo anteriormente.

Multiplicamos el segundo rengln por 13 y se lo sumamos al tercero.
Luego dividimos el tercer rengln por 5
1 4 3 10
1 4 3 10
0 1 1 3 0 1 1 3
0 0 5 20
0 0 1 4
De esta ltima Las ecuaciones nos quedaran:

x3 = 4
x 2 + x3 = 3
x1 + 4 x 2 + 3x3 = 10
Resolviendo estas ecuaciones
ALGEBRA LINEAL
13

x3 = 4
x2 = 1
Sistemas de ecuaciones lineales homogneos
x1 = 2
El sistema de m ecuaciones lineales en n incgnitas se conoce como homogneo si todas las

constantes (b1 , b2 ,L, bm ) son cero.
Para el sistema general homogneo x1 = x 2 = L = x n = 0 siempre es una solucin (llamada

solucin trivial o la solucin cero), solamente hay dos posibilidades: la solucin cero es la
nica solucin o hay un nmero infinito de soluciones adems de la solucin cero. (Las
soluciones distintas de la solucin cero se conocen como las soluciones no triviales.
Ejemplo:
Resuelva el sistema homogneo
x1 + 2 x 2 x3 = 0
3x1 3x 2 + 2 x3 = 0
x1 11x 2 + 6 x3 = 0
La matriz aumentada
1 2 1 0 A2 ,1 ( 2 )
1
2 1 0 A1, 2 ( 3) 1 2 1 0
1
(
)
M
1)
A2 , 3 ( 9 )
A1, 3 (
9
0 1 95 0
0 9 5 0 2
3 3 2 0
0 9 5 0
0 9 5 0
1 11 6 0
1 0 19 0
5
0 1 9 0
0 0 0 0
La matriz aumentada est en forma escalonada reducida y, evidentemente, hay un nmero

infinito de soluciones dadas por ( 19 x3 , 59 x3 , x3 ) .
ALGEBRA LINEAL
14

Matriz Inversa
Inversa de una matriz.
Definicin: Se dice que una matriz cuadrada A es invertible, si existe una matriz B con la
propiedad de que
AB = BA = I
Siendo I la matriz identidad. Denominamos a la matriz B la inversa de A y la denotamos por
A1 .
A 1 A = AA1 = I
Mtodo de Gauss para encontrar la inversa de una matriz
Para calcular la matriz inversa de A, se escribe la matriz aumentada [A I ] , y se utiliza la

reduccin por renglones para formar la matriz identidad en el lugar de la matriz A, entonces
la matriz que se forma a la derecha de la barra ser la matriz inversa de A.
Ejemplo
Encontrar la matriz inversa de A.
1 0 2
A = 2 1 3
4 1 8
Primero se construye la matriz aumentada [A I ]

1 0 2 1 0 0
1 0
2 1 3 0 1 0 A1, 2 ( 2 )0 1
A ( 4)
4 1 8 0 0 1 1,3
0 1
1
0 0
1 0 2
1 0
0 1 1
2 1 0 M 3 ( 1)0 1
0 0 1 6 1 1
0 0
2
1 0 0
1
1 2 1 0 M 2 ( 1)0
0
0 4 0 1
2 1 0 0
1
A3,1 ( 2)
0
1 2 1 0
A3, 2 ( 1)
1 6 1 1 0
0 0
1 0 A2,3 ( 1)
1 0 4 0 1
0 2
1 1
1
2
0 0 11 2 2
1 0 4 0 1
0 1 6 1 1
Por lo que la matriz inversa de A es la matriz del lado derecho

2
11 2
A = 4 0 1
6 1 1
1
Comprobacin
AA 1 = I
ALGEBRA LINEAL
15

2 1 0 0
1 0 2 11 2
2 1 3 4 0 1 = 0 1 0
4 1 8 6 1 1 0 0 1
ALGEBRA LINEAL
16


8479 2-Matrices y Vectores

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

8479 2-Matrices y Vectores

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD AUTNOMA DE NUEVO LEN

FACULTAD DE INGENIERA MECNICA Y ELCTRICA

Matriz: Conjunto de elementos

La matriz transpuesta se obtiene cuando se

M.C. JOS MANUEL ROCHA NEZ

UNIVERSIDAD AUTNOMA DE NUEVO LEN

FACULTAD DE INGENIERA MECNICA Y ELCTRICA

Ejemplo: dadas las Matrices A y B efectuar su suma.

M.C. JOS MANUEL ROCHA NEZ

UNIVERSIDAD AUTNOMA DE NUEVO LEN

FACULTAD DE INGENIERA MECNICA Y ELCTRICA

[aij ] + [bij ] = [bij ] + [aij ]

Producto de una matriz por un escalar

M.C. JOS MANUEL ROCHA NEZ

UNIVERSIDAD AUTNOMA DE NUEVO LEN

FACULTAD DE INGENIERA MECNICA Y ELCTRICA

Cij = aik bkj

M.C. JOS MANUEL ROCHA NEZ

UNIVERSIDAD AUTNOMA DE NUEVO LEN

FACULTAD DE INGENIERA MECNICA Y ELCTRICA

La transpuesta de un vector fila es un vector columna y viceversa

Suma y resta de vectores

El sentido del Vector A-B siempre es

M.C. JOS MANUEL ROCHA NEZ

UNIVERSIDAD AUTNOMA DE NUEVO LEN

FACULTAD DE INGENIERA MECNICA Y ELCTRICA

La multiplicacin en el orden inverso resulta:

b1a1 b1a2 L b1an

M.C. JOS MANUEL ROCHA NEZ

UNIVERSIDAD AUTNOMA DE NUEVO LEN

FACULTAD DE INGENIERA MECNICA Y ELCTRICA

Multiplicar las siguientes matrices:

Producto punto de vectores (producto escalar)

Si AT = [1 2 4], BT = [ 3 1 7], C T = [2 5 1] Demuestre que

M.C. JOS MANUEL ROCHA NEZ

UNIVERSIDAD AUTNOMA DE NUEVO LEN

FACULTAD DE INGENIERA MECNICA Y ELCTRICA

Sea X un vector de dos elementos, su longitud denotada por X , es el nmero no negativo:

La longitud de X puede re-escribirse mediante el producto punto como:

La Norma de un vector X, es la longitud del vector X y est dada por

X X = x12 + x22 + L + xn2

ngulo entre vectores

M.C. JOS MANUEL ROCHA NEZ

UNIVERSIDAD AUTNOMA DE NUEVO LEN

FACULTAD DE INGENIERA MECNICA Y ELCTRICA

Si el producto punto de los vectores X y Y es cero X Y = 0 , el ngulo entre los vectores es

Calcule el ngulo entre los vectores X y Y.

Distancia entre vectores

La distancia entre dos vectores X y Y es la longitud del vector X-Y

La distancia entre dos vectores X y Y de n componentes esta dada por la siguiente

(x1 y1 )2 + (x2 y2 )2 + L + (xn yn )2

Calcule la distancia entre los vectores X y Y:

(2)2 + (2)2 + (8)2 + (0)2

M.C. JOS MANUEL ROCHA NEZ

UNIVERSIDAD AUTNOMA DE NUEVO LEN

FACULTAD DE INGENIERA MECNICA Y ELCTRICA

Conjuntos ortogonales de vectores

Dos vectores de igual nmero de elementos son ortogonales o perpendiculares si el coseno

M.C. JOS MANUEL ROCHA NEZ

UNIVERSIDAD AUTNOMA DE NUEVO LEN

FACULTAD DE INGENIERA MECNICA Y ELCTRICA

Sistemas de ecuaciones lineales

Donde la matriz A es la matriz de coeficientes, la matriz X es la matriz de incgnitas y la