Clase 5 PDF

Multiplicación de matrices y ecuaciones
matriciales
Jesús Fernando Carreño Díaz
Álgebra Lineal I
Escuela de Matemáticas
Universidad Industrial de Santander
Bucaramanga, Santander
Abril 14 del 2020
Jesús Fernando Carreño Díaz (UIS) Escuela de Matemáticas Abril 14 del 2020 1 / 22
Vector renglón y vector columna
Índice
1 Vector renglón y vector columna
2 Multiplicación de matrices
3 Ecuaciones matriciales
4 Bibliografía
Definición 1.1
Un vector renglón de n componentes es un conjunto ordenando de
n-números denominados escalares, escritos como
(x1 , x2 , . . . , xn ).
Un vector columna de n componentes es un conjunto ordenando de

n-números denominados escalares, escritos como
 
x1
 x2 
 ..  .
 
 . 
xn
Un vector cuyas componentes son todas cero se denomina vector cero (o

vector nulo).
Definición 1.2
La suma y multiplicación por escalar de vectores están definidas por
   
a1 + b1 αa1
 a2 + b2   αa2 
a + b =  .  y α · a =  . .
   
 ..   .. 
a n + bn αan
Observación 1.3
Un vector renglón de n componentes puede ser interpretado como una matriz
de tamaño 1 × n, de la misma manera, un vector columna de n componentes
puede ser interpretado como una matriz de tamaño n × 1.
Definición 1.4
El producto interno (o producto punto) entre dos u y v de n componentes, es
definido por
u · v = hu, vi = u1 v1 + u2 v2 + . . . + un vn .
Ejemplo 1.5
Calcule el producto interno entre los vectores u = (3, 4, 5, 1) y
v = (−1, 2, −3, 4).
Solución:
u · v = (3, 4, 5, 1) · (−1, 2, −3, 4)
= 3 ∗ (−1) + 4 ∗ 2 + 5 ∗ (−3) + 1 ∗ 4
= −3 + 8 − 15 + 4
= −6
Multiplicación de matrices
Índice
4 Bibliografía
Definición 2.1
Sean A = (aij ) ∈ Mm×n (R) y B = (bij ) ∈ Mn×p (R). Entonces,
C = AB ∈ Mm×p (R), donde
cij = (renglón i de A) · (columna j de B),
es decir,
cij = ai1 b1j + ai2 b2j + . . . + ain bnj .
Ejemplo 2.2

1 3 3 −3
Si A = yB= . Calcule AB y BA.
−2 4 5 6
Solución:

1 3 3 −3
AB =
−2 4 5 6

1(3) + 5(3) 1(−3) + 3(6)
=
−2(3) + 4(5) −2(−3) + 4(6)

18 16
=
14 28
y
Ejemplo 2.2

1 3 3 −3
−2 4 5 6
Solución:

1 3 3 −3
AB =
−2 4 5 6

1(3) + 5(3) 1(−3) + 3(6)
=
−2(3) + 4(5) −2(−3) + 4(6)

18 16
=
14 28
y
BA =
Ejemplo 2.2

1 3 3 −3
−2 4 5 6
Solución:

1 3 3 −3
AB =
−2 4 5 6

1(3) + 5(3) 1(−3) + 3(6)
=
−2(3) + 4(5) −2(−3) + 4(6)

18 16
=
14 28
y
7 1
BA = .
−7 39
Ejemplo 2.3
 
3 −1 1
−4 5 1
Sean A = y B = 5 6 4. Calcule AB.
0 4 2
0 1 2
Solución:
c11 = −4(3) + 5(5) + 1(0) = 13 c21 = 0(3) + 4(5) + 2(0) = 20

c12 = −4(−1) + 5(6) + 1(1) = 35 c22 = 0(−1) + 4(6) + 2(1) = 26
c13 = −4(1) + 5(4) + 1(2) = 18 c23 = 0(1) + 4(4) + 2(2) = 20
Ejemplo 2.3
 
3 −1 1
−4 5 1
Sean A = y B = 5 6 4. Calcule AB.
0 4 2
0 1 2
Solución:
c11 = −4(3) + 5(5) + 1(0) = 13 c21 = 0(3) + 4(5) + 2(0) = 20

c12 = −4(−1) + 5(6) + 1(1) = 35 c22 = 0(−1) + 4(6) + 2(1) = 26
c13 = −4(1) + 5(4) + 1(2) = 18 c23 = 0(1) + 4(4) + 2(2) = 20

13 35 18
C = AB =
20 26 20
Propiedades de la multiplicación
Teorema 2.4 (Ley asociativa)

Si A ∈ Mn×m (R) y B ∈ Mm×p (R) y C ∈ Mp×q (R) , entonces
A(BC) = (AB)C y tanto A(BC) como (AB)C son matrices en Mn×q (R).
Teorema 2.5 (Leyes distributivas)

Si todos los productos están bien definidos, entonces A(B + C) = AB + AC y
(A + B)C = AC + BC.
Ejemplo 2.6

2 2 2 −2
Sean A = yB= . Pruebe que A2 + B 2 = (A + B)2 .
8 −2 4 −2
Ecuaciones matriciales
Índice
4 Bibliografía
Considere el sistema de ecuaciones
a11 x1 + a12 x2 + · · · + a1n xn = b1 (1)

a21 x1 + a22 x2 + · · · + a2n xn = b2 (2)
..
. (3)
am1 x1 + am2 x2 + · · · + amn xn = bm (4)
Representación de un sistema de ecuaciones lineales en su forma de

ecuación matricial
El sistema (1), puede ser representado por la siguiente ecuación matricial
A x=b (5)
 
a11 a12 ··· a1n
 a21 a22 ··· a2n 
donde A es la matriz de tamaño m × n dada por  . .. ,
 
.. ..
 .. . . . 
am1 am2 ··· amn
   
x1 b1
 x2   b2 
x es el vector  .  y b es el vector  . .
   
 ..   .. 
xm bm
Definición 3.1
Si b = 0 es el vector cero de tamaño m × 1, entonces el sistema (5) es
homogéneo y se puede escribir como Ax = 0.
Si b 6= 0, entonces decimos que el sistema no es homogéneo, y se puede
escribir como Ax = b.
Dado un sistema no homogéneo Ax = b, entonces el sistema Ax = 0 se
denomina el sistema homogéneo asociado al sistema Ax = b.
Teorema 3.2
Sean x1 y x2 soluciones al sistema no homogéneo Ax = b. Entonces x1 − x2
es una solución al sistema homogéneo asociado.
Corolario 3.3
Sea x una solución particular al sistema no homogéneo Ax = b, y sea y otra
solución al mismo. Entonces existe h una solución homogéneo asociado tal que
y = x + h.
Ejemplo 3.4
Encuentre todas las soluciones al sistema no homogéneo
x1 + 2x2 − x3 = 2
2x1 + 3x2 + 5x3 = 5
−x1 − 3x2 + 8x3 = −1
Bibliografía
Índice
4 Bibliografía
Bibliografía
Bibliografía
Grossman S, Álgebra Lineal, McGraw-Hill, 7ma. Edición, (2012).

Clase 5 PDF

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

Clase 5 PDF

Cargado por

Copyright:

Formatos disponibles

Multiplicación de matrices y ecuaciones

Jesús Fernando Carreño Díaz

Abril 14 del 2020

1 Vector renglón y vector columna

Un vector columna de n componentes es un conjunto ordenando de

Un vector cuyas componentes son todas cero se denomina vector cero (o

1 Vector renglón y vector columna

cij = (renglón i de A) · (columna j de B),

c11 = −4(3) + 5(5) + 1(0) = 13 c21 = 0(3) + 4(5) + 2(0) = 20

c11 = −4(3) + 5(5) + 1(0) = 13 c21 = 0(3) + 4(5) + 2(0) = 20

Teorema 2.4 (Ley asociativa)

Teorema 2.5 (Leyes distributivas)

1 Vector renglón y vector columna

Considere el sistema de ecuaciones

a11 x1 + a12 x2 + · · · + a1n xn = b1 (1)

Representación de un sistema de ecuaciones lineales en su forma de

El sistema (1), puede ser representado por la siguiente ecuación matricial

1 Vector renglón y vector columna

Grossman S, Álgebra Lineal, McGraw-Hill, 7ma. Edición, (2012).

También podría gustarte