Está en la página 1de 29

Matrices y Sistemas de ecuaciones lineales.

Universidad de Cartagena

Carrera:

Ingeniería en software

Tutor(a): Gabriel medina

Algebra lineal

Integrantes:
Maycol Javier García Pacheco
Karen Johana Mena Bohórquez
Kevin Andrés Mena Bohórquez

San Juan Nepomuceno – Bolívar


Introducción

Esta sección es una introducción al estudio algebraico de los sistemas de ecuaciones


lineales (SEL). Veremos el concepto de un SEL como un sistema matricial (matriz de
coeficientes y matriz o vector de términos independientes).

La importancia de esta área radica en que las matrices constituyen una herramienta que
nos permite saber rápidamente si un sistema de ecuaciones tiene soluciones y el tipo de
soluciones: un sistema puede no tener solución, tener una única solución o tener infinitas
soluciones.

Una vez clasificado el SEL, queremos calcular, en caso de haberlas, sus soluciones. Para
ello disponemos de varios métodos: la Regla de Cramer y el de la matriz inversa si el SEL es
compatible determinado, y la eliminación de Gauss o de Gauss-Jordán si es
indeterminado.
Objetivos.
 Manejar las operaciones con matrices.
 Valorar la importancia del álgebra matricial y la adquisición de estrategias para la
simplificación de los cálculos.
 Identificar los tipos de matrices.
 Operar con matrices: suma y diferencia de matrices, producto de un número real
por una matriz, producto de matrices. Conocer las propiedades de estas
operaciones.
 Calcular la inversa de una matriz cuadrada de orden 2 o 3 por el método de
Gauss.
 Valorar la importancia del estudio de los sistemas de ecuaciones lineales, dentro
del álgebra matricial, así como el valor de los conceptos y procedimientos vistos en
las Unidades de Matrices y Determinantes y su aplicación.
 Escribir un sistema de ecuaciones lineales utilizando la notación matricial.
 Conocer los criterios de equivalencia de los sistemas de ecuaciones lineales.
 Discutir un sistema de ecuaciones lineales, utilizando el método de Crammer y el
Método de Gauss.
 Resolver un sistema de ecuaciones lineales compatible (determinado o
indeterminado), utilizando la Regla de Cramer, el método de Gauss y la matriz
inversa.
Definición de Sistema de Ecuaciones Lineales (SEL) y matrices

Matrices
Se puede definir una matriz, como un conjunto de elementos (números) ordenados en
filas y columnas.

Para designar una matriz se emplean


letras mayúsculas. Cada uno de los
elementos de la matriz (aij) tiene dos
subíndices. El primero i indica la fila
a la que pertenece y el segundo j la
columna.

Esta es una
matriz de m filas y n
columnas, es decir, de dimensión m x
n. Esta matriz también se puede
representar de la forma siguiente: A =
(aij) m x n.

Si el número de filas y de columnas es


igual ( m = n ), entonces se dice que
la matriz es de orden n.

Tipos de matrices

Matriz fila

Una matriz fila está constituida por una sola fila.

Matriz columna

La matriz columna tiene una sola columna

Matriz rectangular

La matriz rectangular tiene distinto número de filas que de columnas, siendo su dimensión
mxn.
Matriz traspuesta

Dada una matriz A, se llama matriz traspuesta de A a la matriz que se obtiene cambiando
ordenadamente las filas por las columnas.

(At)t = A

(A + B)t = At + Bt

(α ·A)t = α· At

(A · B)t = BT · At

Matriz nula

En una matriz nula todos los elementos son ceros.

Matriz cuadrada

La matriz cuadrada tiene el mismo número de filas que de columnas.

Los elementos de la forma aii constituyen la diagonal principal.

La diagonal secundaria la forman los elementos con i+j = n+1, siendo n el orden de la
matriz.

Matriz triangular superior

En una matriz triangular superior los elementos situados por debajo de la diagonal
principal son ceros.
Matriz triangular inferior

En una matriz triangular inferior los elementos situados por encima de la diagonal
principal son ceros.

Matriz diagonal

En una matriz diagonal todos los elementos que no están situados en la diagonal principal
son nulos.

Matriz escalar

Una matriz escalar es una matriz diagonal en la que los elementos de la diagonal principal
son iguales.

Matriz identidad o unidad

Una matriz identidad es una matriz diagonal en la que los elementos de la diagonal
principal son iguales a 1.

Matriz regular
Una matriz regular es una matriz cuadrada que tiene inversa.

Matriz singular

Una matriz singular no tiene matriz inversa.

suma de
matrices
Dadas dos matrices A = (aij) y B = (bij) de dimensión m x n, la matriz A + B es otra
matriz S = (sij) de la misma dimensión, de modo que cada elemento sij de la matriz S, se
obtiene como: sij = aij + bij. Es decir, para que dos matrices A y B se puedan sumar
tienen que tener la misma dimensión y, en este caso, se suman los elementos que
ocupan la misma posición.

Propiedades de la suma de matrices

1ª Conmutativa: A + B = B + A

2ª Asociativa: ( A + B ) + C = A + ( B + C )

3ª Elemento neutro: 0 (matriz cero o matriz nula).

0+A=A+0=0

4ª Elemento simétrico: - A (matriz opuesta de A).

A + ( -A ) = ( -A ) + A = 0

La opuesta de la matriz A se obtiene cambiando de signo todos los elementos de la


matriz A: - (aij) = (-aij).
resta de
matrices
La diferencia de matrices es un caso particular de la suma. Restar dos matrices es lo
mismo que sumarle a la primera la opuesta de la segunda: A - B = A + (-B).
Dadas dos matrices A =
(aij) y B =
(bij) de dimensión m
x n, la matriz A - B es
otra matriz D = (dij) de
la misma dimensión,
de modo que cada
elemento dij de la
matriz D, se obtiene
como: dij = aij - bij.

Producto de matrices

Dos matrices A y B se dicen multiplicables si el número de columnas de A coincide con el


número de filas de B.

Mm x n x Mn x p = M m x p

El elemento cij de la matriz producto se obtiene multiplicando cada elemento de la fila i de


la matriz A por cada elemento de la columna j de la matriz B y sumándolos.

Propiedades

 Asociativa:
A · (B · C) = (A · B) · C
 Elemento neutro:
A·I=A
 No es Conmutativa:
A·B≠B·A
 Distributiva del producto respecto de la suma:
A · (B + C) = A · B + A · C

Matriz inversa

A · A−1 = A−1 · A = I
Propiedades

(A · B)−1 = B−1 · A−1

(A−1) −1 = A

(K · A)−1 = k−1 · A−1

(A t) −1 = (A −1) t

Rango de una matriz por el método de Gauss

Calcular el rango por Gauss

Para calcular el rango de una matriz por el método de Gauss:

Calculamos el rango por filas. Si la matriz tuviese más filas que columnas, podemos usar

su traspuesta, recordemos que


Mediante transformaciones elementales, hacemos ceros todos los elementos por
debajo de la diagonal principal.

El rango es el número de filas (sin contar las filas nulas)

Ejemplo

Calculamos el rango de la matriz


Para hacer los dos primeros ceros de la primera columna, hacemos las siguientes
transformaciones de filas:
Quedando la matriz así:

Para el último cero restamos las filas 2 y 3:

El rango es el número de filas no nulas, por tanto

Sistema de ecuaciones lineales (SEL)


Un sistema de m ecuaciones lineales con n incógnita (SEL) y coeficientes en un cuerpo K
(como los reales o los complejos) es:

Donde

A los elementos ai, j se les denomina coeficientes del SEL y a los bi términos
independientes.

Un ejemplo de un SEL de dos ecuaciones y dos incógnitas es

El sistema de la definición lo podemos expresar matricialmente como


Donde

Llamamos matriz de coeficientes a la matriz A, matriz de términos independientes a b y


matriz incógnita a X.

Definimos la matriz ampliada (o completa) del sistema como la matriz compuesta por la
matriz A a la izquierda y la b a la derecha, es decir

Veamos un ejemplo:

Tipos de SEL según sus elementos

Los SEL

Los clasificamos según su

 dimensión
o dimensión cuadrada: si m = n (tiene el mismo número de ecuaciones que
de incógnitas). La matriz de coeficientes es cuadrada de dimensión m.
o dimensión rectangular: si m ≠ n (no tiene el mismo número de ecuaciones
que de incógnitas).La matriz de coeficientes es rectangular (dimensión m x
n).

 matriz de términos independientes


o Sistema homogéneo (SELH): los términos independientes son 0, es decir, b
es la matriz columna de ceros.
o Sistema completo (SELC) o no homogéneo: los términos independientes no
son todos 0, es decir, b no es la matriz columna de ceros.

 forma
o Triangular superior: la matriz de coeficientes, A, es triangular superior.
o Triangular inferior: la matriz de coeficientes, A, es triangular inferior.

Soluciones de un SEL

Dado un SEL

Llamamos solución a cualquier vector

Que al ser sustituido en el sistema, lo cumple. Es decir, los valores de las incógnitas para
los cuales se verifican todas las ecuaciones del SEL.

Importante

Si un vector X es solución del SEL


También es solución del SEL que se obtiene al realizar operaciones elementales fila a la
matriz ampliada del SEL inicial, A*. Este hecho será la clave para obtener los métodos de
resolución de un SEL.

Tipos de soluciones de un sistema de ecuaciones

Distinguimos tres tipos de sistemas según el conjunto de soluciones que tiene:

 Sistema incompatible (SI): el sistema no tiene solución. No existen valores para las
incógnitas de modo que se verifiquen todas y cada una de las ecuaciones que
conforman el SEL.
 Sistema compatible (SC): existe al menos una solución que verifica todas las
ecuaciones del SEL. Pero distinguimos dos casos:
o Sistema compatible determinado (SCD): existe una solución y es única, es
decir, sólo hay una.

En el caso de los SEL homogéneos, la única solución es la trivial (todas las


incógnitas valen 0). Esto se debe a que la solución trivial siempre es
solución del SEL homogéneo. De este modo, un SEL homogéneo nunca será
incompatible.

o Sistema compatible indeterminado (SCI): existe más de una solución. En


este caso, existen infinitas soluciones (ya que el conjunto de soluciones de
un SEL es un espacio vectorial). Alguna variable (o todas) dependerán de un
(o más) parámetros.

Métodos de resolución de los SEL

Destacamos 3 métodos para la resolución de sistemas de ecuaciones lineales, que


explicamos más adelante:

 Eliminación de Gauss: consiste en realizar operaciones elementales fila a la matriz


ampliada del SEL hasta obtener su forma escalonada reducida. Ejercicios de
Eliminación de Gauss
 Matriz inversa: consiste en multiplicar el sistema, si es compatible determinado,
por la matriz inversa de la matriz de coeficientes.
 Regla de Cramer: obtenemos las incógnitas, en el caso de SEL compatible
determinado, aplicando una sencilla regla que usa determinantes. Ejercicios de la
Regla de Cramer

Método de eliminación de Gauss

Se basa en el hecho de que si un vector X es solución del SEL


También es solución del SEL que se obtiene al aplicar operaciones elementales fila a la
matriz ampliada del SEL inicial, A*.

Lo que nos permite trabajar con matrices equivalentes para facilitar la búsqueda de las
soluciones.

El método consiste en realizar operaciones elementales en la matriz ampliada hasta


obtener su forma

 escalonada (eliminación de Gauss)


 escalonada reducida (eliminación de Gauss-Jordán)

Veamos un ejemplo:

Ejemplo

Soluci
ón
*
Forma escalonada de A (obtenida al realizar operaciones elementales fila)

Tenemos ahora un sistema más sencillo de resolver (de abajo a arriba) que
proporcionará
Método de la inversa

Sea el SEL

Supongamos que el sistema es cuadrado, esto es, m = n.

El método consiste en que si A es regular (por tanto, el sistema es compatible


determinado) podemos multiplicar el sistema por la inversa de A, A-1:

Y obtenemos la solución.

Este método se utiliza bastante en computación.

Ejemplo

Las matrices asociadas al sistema son


Con lo que la solución del sistema es

Método de la Regla de Cramer

Sea un SEL de dimensión cuadrada (mismo número de ecuaciones que de incógnitas)

Si la matriz de coeficientes del SEL, A, es regular y, por tanto, el sistema es compatible


determinado, la Regla de Cramer proporciona directamente la solución del sistema
mediante el cálculo de determinantes:

Si xi es la incógnita correspondiente a la columna i del sistema, su valor en la solución es

Donde A(i) es la matriz que resulta al sustituir en A la columna i por la columna de términos
independientes, b, es decir

Ejemplo

El determinante de la matriz coeficientes del SEL es, por la regla de Sarrus,


Como el determinante es distinto de cero, el SEL es compatible determinado y podemos
calcular la única solución aplicando la Regla de Cramer:

Notemos que en cada determinante hemos sustituido la columna correspondiente a la


incógnita por el vector de términos independientes del SEL.

Luego la solución del sistema es


Conclusiones

Luego de haber elaborado el presente trabajo podemos sacar algunas conclusiones


importantes como:

Una matriz es un arreglo rectangular de números colocados entre paréntesis, cuadrados o


líneas dobles.

La teoría de matrices fue introducida en 1858, tiene hoy aplicaciones en campos diversos
como el control de inventarios en las fábricas; teoría cuántica, en física; análisis de costos
en transportes y de otras industrias; problemas de estrategias en las operaciones militares
y análisis de datos, en sicología y sociología.

Entre las principales clases de matrices están: Fila, columna, rectangular, traspuesta,
opuesta, nula, cuadrada, diagonal, escalar, simétrica, identidad, triangular, etc.

Mediante el uso de las matrices se resuelven sistemas de ecuaciones lineales, además se


resalta la importancia que tienen en la resolución de problemas de la vida cotidiana con lo
cual se llega a dar una solución exacta y mejores resultados en un determinado proceso.

También podemos concluir que del sistema de ecuaciones lineales , los métodos
anteriores suelen ser poco ´óptimos cuando el sistema corresponde a un orden superior a
tres, si solución se haga en forma manual; la situación es similar cuando se diseñan los
respectivos Algoritmos, principalmente por considerar la elección del pivote, la
normalización y las tres operaciones fundamentales. Adicionalmente, como se
profundizar ´a posteriormente, el valor del pivote es el factor determinante en la
producción y propagación de errores también Que este tipo de ecuaciones es muy
importante, ya que podemos identificar perfectamente que es una ecuación, y
mayormente enfocarnos en las ecuaciones lineales. Las ecuaciones lineales se representan
mediante rectas.
Bibliografía

http://www.ingenieria.unam.mx/~pinilla/Tema2/Introduccion_SEL.pdf

https://www.vitutor.com/algebra/matrices/res.html

http://recursostic.educacion.es/descartes/web/materiales_didacticos/matrices/index.htm

http://ocw.upm.es/algebra/algebra-y-geometria/contenidos/apuntes/matrices

https://www.matesfacil.com/matrices/matrices-sistemas.html
TRABAJO INVESTIGACION CON VALOR DE 20%.

1. En una residencia de estudiantes se compran semanalmente 110 helados de


distintos sabores: vainilla, chocolate y nata. El presupuesto destinado para esta
compra es de 540 euros y el precio de cada helado es de 4 euros el de vainilla, 5
euros el de chocolate y 6 euros el de nata. Conocidos los gustos de los
estudiantes, se sabe que entre helados de chocolate y de nata se han de
comprar el 20% más que de vainilla. para calcular cuántos helados de cada sabor
se compran a la semana; modele el problema anterior con un sistemas de
ecuaciones y resuelva utilizando matriz inversa,
por eliminación Gaussiana y por determinantes (Crammer).
2. Una compañía fabricó tres tipos de muebles: sillas, mecedoras y sofás. Para la fabricación de cada
uno de estos tipos necesitó la utilización de ciertas unidades de madera, plástico y aluminio tal y
como se indica en la tabla siguiente. La compañía tenía en existencia 400 unidades de madera,
600 unidades de plástico y 1 500 unidades de aluminio. Si la compañía utilizó todas sus
existencias, ¿cuántas sillas, mecedoras y sofás fabricó?

madera Plástico aluminio


SILLA 1 unidad 1 unidad 2 unidad
MECEDOR 1 unidad 1 unidad 3 unidad
A
SOFA 1 unidad 2 unidad 5 unidad

Solución:

Llamamos x al número de sillas fabricadas, y al de mecedoras y z al de sofás. Así, teniendo


en cuenta los datos que nos dan, tenemos que:

Madera x  y  z  400 
 
x  y  2z  600 
Plástico 

Aluminio 2x  3y  5z  1 500

Resolvemos el sistema mediante el método de Gauss:


1 1 400  1 1 400
 
1a
 
1 1 2 600  2a 01a
 1 200  
   
 1 3 700
3a  2  1a
2 3 5  1  
0
500

x  y  z  400 x  400  y  z  400  100  200  100

 
200 y  700  3z  700  600  100
z }

y  3z  z  200
700

Por tanto, se fabricaron 100 sillas, 100 mecedoras y 200 sofás.


1 a 1 
 
3. A   2  2 hallar el determinante de A por cofactores.
 1 
a
3

1  2 1 
2  
4. Sea f(x) = - 5x + 7 y la matriz A   5 1  3
8x  3 1 1 
  .Hallar f(A).

Solución:

Para hallar f(A) que remplazamos la x está en la función por la matriz A y que daría así:
F(A) = 8𝐴2 – 5A + 7
Aquí la constante de esta función la multiplicaos por la matriz identidad y que daría así:
F(A) = 8𝐴2 – 5A + 7i
Ahora remplazamos y asemos las operaciones que nos indican:
8𝐴2 para hallar 𝐴2 se multiplica A*A y la constante 8 multiplica la matriz que dé.
1 −2 1
1 −2 1 −6 1 5 −48 8 40
8𝐴2 = 8 [5 1 −3] * [5 1 −3] = 8 [−3 −12 4] = [−24 −96 32]
3 1 −1 3 1 −1 6 1 1 48 8 8
Ahora procedemos hallar 5A remplazamos A por sus valore y la multiplicamos por 5:
1 −2 1 5 −10 5
5A = 5 [5 1 −3] = [15 5 −15]
3 1 −1 15 5 −5
Ahora procedemos hallar 7i, remplazamos i por los valores que están en la matriz
identidad y la multiplicamos por 7.
1 0 0 7 0 0
7 i = 7 [0 1 0] = [0 7 0]
0 0 1 0 0 7
Ya que hemos hallado todos los valores remplazamos:
F(A) = 8𝐴2 – 5A + 7i
−48 8 40 5 −10 5 7 0 0
F(A) = − 32] - [15 5 −15] + [0 0
[−24 96 ]
7
48 8 8 15 5 −5 0 7
0
−48 8 40 −5 −5 7 0 0

10
F(A) = − 32 [−15 15 ] [ 7 0]
[−24 96 ]+ + 0 =
−5
48 8 8 −15 5 0 0 7

−5
−53 18 35 7 0 0
1 3 −46
8 5
F(A) =[−39 −101 47] + [0 7 0] = [−39 −94 47]

33 3 13 0 0 7 33 3 20

5. Dado los vectores A (2, -3k, 4) y B (4k, 3,8). Hallar el valor de k para que los vectores A Y
B sean ortogonales.
Solución:
A= (2,3K, H)
B= (4K, 3, 8)
Se dice que dos vectores son ortogonales si su producto es cero; o sea
A*B=0
Para este caso:
A*B= (2,-3K, 4)*(4K, 3, 8)
= 8K-9K+32=0
Luego
-K+32=0
-K=-32 K=32

6. El modulo del producto vectorial representa geométricamente el área del


paralelogramo que tiene por lados los vectores dados. Cuál es el área del paralelogramo
formado los vectores.
Solución:
A
ᶿ
B
Luego ((A x B)) = ((A)) ((B)) sen ᶿ
El área de un paralelogramo es:
A=l.m. Donde; l: base y m: la altura. Como se tiene el paralelogramo en el
producto vectorial, veamos cuánto vale H: según la gráfica.

Sen ᶿ = h= ((A)). senᶿ.
((𝐴))

Ahora para el producto l.m 2 vectores:


La base es ((B)) y h es ((A)) senᶿ.
A si el área del paralelogramo es:
A= ((B)) ((A)) senᶿ . O lo que es lo mismo.
Area= ((A)) ((B)) senᶿ = ((AxB)).
Se concluye que el modulo del producto vectorial A x B equivale al área del
paralelogramo formando geométricamente por los dos 2 vectores al multiplicarlos
vectorialmente.
7. Dado los vectores A = i +3k + k ; B = 0i +2j +k; C = i + 0j + k.
a. es el vector 4i +13j + 6k, combinación lineal de los vectores A, B y C.
Solución:
Para determinar si el vector dado D, es una combinación lineal de l.m vectores.
A, B, y C, se deben encontrar en vectores de ∞, β B + ᶿ C. ósea:
4i +13j +6k =∞ (i+3j+k) +β (0i+2j+k)+ᶿ(i+0j+k)
= (∞i +3∞j +∞k) + (0i +2j+ k) + (0i+2βj+Bk)+(ᶿi+0j+ᶿk)
= (∞i+0i+ᶿi) + (3∞j+2βj+0j) + (∞k+βj+0k)
= (∞+ᶿ) I + (3∞+2β)j+(∞+β+ᶿ)k.

Luego:
∞+ᶿ=4 (1).
3∞+2β=13 (2).
∞+β+ᶿ=6 (3).
Se sustituye (1) en (3):
Β+4=6 β=6-4 β=2
Ahora se remplaza β en (2)
3∞ +2(2)=13
3∞ +4 =13 3∞=13-4
3∞= 9
9
∞= ∞=3
3

Por último, se remplaza ∞ en (1).


3+ᶿ=4 ᶿ=4-3 ᶿ=1
Por tanto:
Los vectores:
D=3A +2B + C.
Se puede concluir que el vector 4i+13j+6k.
Es una combinación lineal de l.m vectores A,B, y C.

b. son los vectores A, B Y C. LI o LD. (1.5)


Solución:
Si 𝑎1, 𝑎2, 𝑎3 al hacer la combinación lineal con los vectores A, B y c, formarían una
dependencia D independencia entre los vectores.
Para ello, se plantea que:

𝑎1 𝐴⃗+ 𝑎2 𝐵⃗+ 𝑎3 𝐶⃗= ⃗0⃗


Y si 𝑎1 = 𝑎2 = 𝑎3 = 0, entonces los vectores A, B y C son independientes, en caso contrario
serian dependientes
Luego
𝑎1(i+ 3j + k) + 𝑎2 (0i + 2j +k) + 𝑎3 (i + 0j +k) = 0i + 0j + 0k
(𝑎1i+ 3𝑎1j+ 𝑎1𝑘) + (0i + 2𝑎2j +𝑎2k) + (𝑎3j + 0j + 𝑎3𝑘)= 0i+0j+0k
(𝑎1i + 𝑎3i) + ( 3𝑎2j + 2𝑎2 + 0j) + (𝑎1k + 𝑎2k + 𝑎3k) = 0i+ oj + 0k
(𝑎1 + 𝑎3) I + ( 3𝑎1+ 2𝑎2) j + (𝑎1+ 𝑎2 + 𝑎3)k = 0i+ oj + 0k
Luego
𝑎1 + 𝑎3 = 0 (1)
3𝑎1 + 2𝑎2 = 0 (2)
𝑎1 + 𝑎2 + 𝑎3 = 0 (3)
Como 𝑎1 + 𝑎3 = 0 entonces el sustituir (1) en (3):
0 + 𝑎2 = => 𝑎2 = 0
Remplazamos 𝑎2 en (2)
3𝑎1 + 2𝑎2 = 0
3𝑎1 + 2(0) = 0
3𝑎1 + 0 = 0 => 3𝑎1 = 0 => 𝑎1 = 0
Sustituyendo 𝑎1 en (1)
𝑎1 + 𝑎3 = 0
0 + 𝑎3 = 0 => 𝑎3 = 0
Como 𝑎1 = 𝑎2 = 𝑎3 = 0, entonces los vectores A, B y C son independientes

8. X =2i – 3j +2k; Y = -i - 3j + 2k. ; Z = j +k y k= 3; probar que:


a. X. (XxY)= 0
Solución:
X. (XxY)= 0
Se halla primero XxY:
i j 𝑘
XxY= [ 2 −3 2] = i(-6+6) –j(4+2) + k(-6-3)
−1 −3 2
XxY= 0i - 6j - 9k
Se calcula el producto punto:
X. (XxY) = (2i -3j +2k) * (0i -6j -9k)
X. (XxY) = 0+18-18

X. (XxY) = 0

b. X. (Y+Z)=X.Y + X.Z

9. Un cable arrastra un carro de mina con una fuerza de 120 Newton en una dirección de
1200 sobre la horizontal. Encontrar las componentes rectangulares de esta fuerza.
Solución:
Fx = F cos   120 N( cos1200 )  120 N (0.5)

Fx =  60 N

Fy = F sen   120 N( sen1200 )  120 N (0.8660)

Fy =103.92 N
10. Un aeroplano vuela 60 km en una dirección de 400
al Oeste del Norte ¿Cuáles son las componentes
rectangulares de su desplazamiento del avión?

Solución:

Dx = D cos   60 Km( cos1300 )  60 Km (0.6428)

Dx = 38.57 Km

DY = Dsen   60 Km(sen1300 )  60 Km (0.7660)

Dy = 45.96 Km

También podría gustarte