UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ

FACULTAD DE INGENIERÍA QUÍMICA SISTEMAS DE ECUACIONES LINEALES (SEL)

DEPARTAMENTO ACADÉMICO DE INGENIERÍA QUÍMICA
MATRICES

Es un conjunto de elementos ordenados en filas y columnas.

 a 11 a 12 . . . a 1n  Donde :
a . a 2n  a ij : Número reales (o complejos o funciones)
 21 a 22 . .
MÉTODOS NUMÉRICOS – ANÁLISIS NUMÉRICO  . . . . . .  Notación :

 . . . . . . 
  
A  a ij
SISTEMAS DE  . . . . . .   
B  b ij
C  c 
ECUACIONES LINEALES  
a m1 a m2 . . . a mn  ij

(SEL)
Dimensión: m x n
Dr. Wilder Eufracio Arias
Si: m = n Matriz cuadrada (matriz de orden “n”)
Huancayo – Perú
1 2

OPERACIONES ELEMENTALES CON MATRICES

2. RESTA DE MATRICES
1. IGUALDAD DE MATRICES A  (A)  0
A  (B)  A  B
1 2 1 2
A  ; B  3 4  A  B 0 1  1 2   1  1
3 4   A  ; B  3 4  A  B   2  2
La dimensión de la matriz y sus elementosdeben ser iguales 1 2    

2. SUMA DE MATRICES 3. PRODUCTO DE MATRICES POR UN ESCALAR

ABC  a11 a12 . . . a1n   αa11 αa12 . . . αa1n 

a . a 2n   αa 21 αa 22 . αa 2n 
       
a ij  b ij  a ij  b ij  cij  21 a 22 . . . .
 . . .   . . 
1 2 3
A
0 1 1 1 3 4    
αA  α a ij  α a ij  α 
. . .

. . . .

 ; B  2 0 1  A  B  C  6 5 7  . . . . . .   . . . . . . 
4 5 6 2x3   2x3   2x3  . . . . . .   . . . . . . 
   
Propiedades: a m1 a m2 . . . a mn  αa m1 αa m2 . . . αa mn 
 2 3 4 6
         
P.1. Ley Conmutativa : a ij  b ij  b ij  a ij  c ij ó A  B  B  A  C A  ; α  2  α A   2 4
            
P.2. Ley Asociativa : a ij  b ij  c ij  a ij  b ij  c ij ó (A  B)  C  A  (B  C) 1 2   
3 4

Propiedades: Propiedades:
P.1. Ley Asociativa : αβ A  αβA  P.1. Ley Asociativa : AB  C  A BC
P.2. Ley Distributiva : α  β  A  αA  βA P.2. Ley Distributiva : A B  C  AB  AC
Donde :
α y β  Números Reales 5. MATRICES ESPECIALES

4. MULTIPLICACION DE MATRICES Matriz Cuadrada: m=n 1 2 1 2

A m n  B n  p  C m p 2
 1 0 1
iguales 3 2 3 4 Diagonal principal
1 2 3  0 1  2  10 11 7   
4 1 1 0
A  2 3 4  y B   1 2 3   A B  C   13 16 9 
Matriz Triangular Superior:
3  4  5 33  4 2 1  33  16  15  23
1 4 2
0 0 2 1 
 
1 2 3 1  10  2 1  34  10 0 0 3
 4  Matriz Triangular Inferior:
1  1 0 0 
 4 2 0
1 2 32  11  22  32  11 ...  
2 1 2 3
5 6

1
Matriz Diagonal:
1 0 0 Matriz Inversa:
0 2 0 
 
0 0 4 Si A y B son 2 matrices cuadradas, tal que : AB  I  BA  B es la INVERSA de A
Notación : A 1
Matriz Unitaria o Identidad:
1 3 3  7  3  3 1 0 0
1 0 0 A  1 4 3 ; B   1 1 0   AB  0 1 0  A 1  B
I  0 1 0 1 3 4  1 0 1  0 0 1
0 0 1
Matriz cero (0):
Matriz Transpuesta:
0 0 . . 0
1 0 1 1 2 3  
A  2 2 3  A T  0 2 1 0 0 . . 0
0  . . . . .  A  0  A
3 1 4 1 3 4  
. . . . .
 
1 2 1 2 0 0 . . 0
Si : A  AT  A es una Matríz Simétrica A     A  2 4
T

2 4  
7 8

VECTORES
2. PRODUCTO PUNTO DE VECTORES
Un vector es una matriz fila o columna, por lo tanto las  2  3
operaciones y sus propiedades son los mismos. a.b  1 .  0   2 3  10  62,5  9
1  6 2,5
 
Matriz Columna o Vector : n  1; m  1 X  2  X T  1 2 3
 3 Propiedades:
  P.1 Ley Conmutativa : a.b  b.a
1  P.2 Ley Distributiva : a  b c  ac  bc
 
Matriz Fila o Vector : m  1; n  1 Y  1 2 3  Y T  2 P.3 Ley Asociativa : αa b  αab 
 3 a.a  0 y a.a  0  a  0
  P.4

OPERACIONES CON VECTORES 3. LONGITUD DE UN VECTOR (MÓDULO O NORMA)

Sea : x  x1 x 2 x 3 ... x n   x  x1 2  x 2 2  ...  x n n
1. MULTIPLICACION DE VECTORES
Si : x  x1 x 2   x  x1   x 2 
2 2
0
 
a  1 5 713 ; b   2  a.b  1111 x  x.x
3
  31 5 
0 0 0 0  a  3  a 52  32  42  a  7,0711
   
b    2 ; a  1 5 713  b.a   2  10  14
4
3  3 15 21  9 10
  31   33

4. ANGULO ENTRE VECTORES INDEPENDENCIA DE VECTORES

cosθ  
x.y
; 0θπ 1. COMBINACIÓN LINEAL DE VECTORES
x.y
Donde : x e y  Vectores distintos del vector cero Una expresión de la forma : α1 x 1 + α 2 x 2 + …+ α n x n
Donde :
5. DISTANCIA ENTRE VECTORES α1 , α 2 , …, α n = Números Reales
x 1 , x 2 , …, x n = Vectores
Es la operación que se realizará para calcular el CRITERIO DE
CONVERVENCIA DE DISTANCIA Se llama COMBINACIO N LINEAL de los vectores x 1 , x 2 , …, x n
d(x, y)  x  y
2. INDEPENDENCIA O DEPENDENCIA LINEAL DE
0    2  2
 3 1  2 VECTORES
x  ; y    x y    Se dice que un vector x, depende linealmente de un conjunto
5    3 8 
      de vectores de m elementos: x1 , x 2 , ..., x n si se pueden encontrar escalares
1 1 0 
α1 , α 2 , α 3 , ... α n tales que cumpla la siguiente ecuacion vectorial:
 d(x, y)  22  22  82  02  72 x  α1x1  α 2 x 2  ...  α n x n
d(x, y)  8,4853
11 12

2
 Si, por lo contrario, no existe escalaresque satisfaga tal ecuación, x es un 4. RANGO
vector linealmente independiente de x1 , x 2 , ..., x n . El número de vectores linealmente independientes de un conjunto dado
Es decir, x es linealmente dependiente de x1 , x 2 , ..., x n  x es una combinación recibe el nombre de rango o característica del conjunto.
lineal de x1 , x 2 , ..., x n . 0  0  1
 4  2 0  5 1  1
Ejm : x1    x2    x     x  α1x1  α 2 x 2 Ejm : x 1  5 x 2  1  x 3  1  El conjunto tiene un rango de 2
 4 2 8     
x  x1  2 x 2 0 0 1
 x es linealmente dependiente de x1 y x 2 .
5. RANGO DE UNA MATRÍZ
3. INDEPENDENCIA DE CONJUNTO DE VECTORES Una matriz puede verse como un conjunto de vectores (fila o columna).
Un conjunto de vectores y1 , y 2 , ..., y n ; es linealmente dependiente si por lo Asi el rango de una matriz está dado por el número mínimo de columnas
menos uno de ellos es combinación lineal de alguno o todos los vectores o filas linealmente independientes.
restantes.Si ninguno es, se dice que es un conjunto linealmente independiente. Ejm : A partir del conjunto de vectores anteriores formamoes la matriz

1   0,1 0,5   0,03 0 01

5 1
Ejm : y1  4 y 2   3 y 3   1,5 y 4    0,9  1
 2       A  Rango de A  2
  0   0  0  5 11
 
y3  5 y 2 0 01
y 4  0 y1  0,3 y 2 Cuando el rango de una matriz cuadrada de orden n es menor que n, se dice
 Es un conjunto linealmente dependiente. 13 que la matriz es singular, significa también que su determinante es cero. 14

1. EXISTENCIA Y UNICIDAD DE SOLUCIONES

SOLUCIÓN DE ECUACIONES LINEALES
Sea la matriz aumentada (B) :
 a11 a12 ... a1n b1 
Sea el sistema de ecuaciones lineales (SEL) :  
B  A b  
 a 21 a 22 ... a 2n b 2 
a11x1  a12 x 2  ...  a1n x n  b1     
 
a 21x1  a 22 x 2  ...  a 2n x n  b 2 a m1 a m2 ... a mn b n 
 
. Si : b  0 (vector cero)  Sistema homogéneo (siempre es consistente)
En notación matricial :
. Si : b  0  Sistema no homogéneo
 a11 a12 ... a1n   x1   b1 
. a     Para determinar la solución (es) se considera:
a m1x1  a m2x 2  ...  a mn x n  b n  21 a 22 ... a 2n   x 2    b 2 
          
    
a m1 a m2 ... a mn   x n  b n 
Ax  b
Donde
A  Matriz coeficientes
x  Vector incógnita
b  Vector términos independientes
15 16

2. MÉTODOS DIRECTOS DE SOLUCIÓN

El prototipo de todos estos métodos se conoce como la
Ejm : Sea el SEL : Ejm : Sea el SEL :
eliminación de Gauss y se presenta a continuación.
2x1  4x 2  6 2x1  4x 2  0
3x1  6x 2  5 3x1  6x 2  0 ELIMINACIÓN DE GAUSS
Matriz coeficientes : Matriz coeficientes : Ejm : Resuelva por eliminación de Gauss el SEL :
 2 4  2 4 4x1  9x 2  2 x 3  5
A  A 
3 6 3 6 2x1  4x 2  6 x 3  3
Matriz aumentada (B) : Matriz aumentada (B) : x 1  x 2  3x 3  4
 2 4 6  2 4 0 Matriz aumentada (B) :
B  A b    B  A b   
3 6 5  3 6 0 4  9 2 5
B  A b  2  4 6 3
 
Rango(A)  1 Rango(A)  1
Rango(A)  2
Rango(B)  2 Rango(B)  1 1  1 3 4
 El sistema no tiene solución  El SEL tiene infinitas soluciones Triangular ización :
4 9 2 5 
 
f1  42   f 2  0 0,5 5 0,5 
f1  4   f 3  0
1
1,25 2,5 2,75
17 18

3
 4  9 2 5 ELIMINACIÓN DE GAUSS CON PIVOTEO
 
0 0,5 5 0,5
f 1,25
  f 3  0 0  10 1,5 Ejm : Resuelva por eliminación de Gauss con pivoteo el SEL :
10x1  x 2  5x 3  1
2 0,5

Como SEL quedaría :

 20x1  3x 2  20x 3  2
4x1  9x 2  2 x 3  5
5x1  3x 2  5x 3  6
0,5x 2  5x 3  0,5
Matriz aumentada (B) :
 10x 3  1,5
 10 1  5 1 
B  A b   20 3 20 2
Un proceso de sustitución regresiva produce el resultado buscado.  
1,5
x3   x 3  0,15  5 3 5 6
 10
x 2  2,5 El primer pivote es  20, porque :  20  20; es el máximo valor de la
x1  6,95 primera columna
Con estos valores en el SEL original se verifica la exactitud de los f 2  10
20   f1   0 2,5 5 2 
 
resultados.  20 3 20 2 
La determinantes estaría dado por el producto de la diagonal : f 2  205   f 3   0 3,75 10 6,5
A  4 0,5 10  20
19 20

Reordenando la matriz aumentada, tenemos :

 20 3 2 
El segundo pivote es 3,750, porque : 3,750  3,75; es el máximo valor de la
20
 
segunda columna  0 3,75 10 6,5 
 0  1,666  2,3335
f 3  3,75   f1   0 0  1,666  2,333
2,5
0
  Obviamente obtenemos los mismo valores de x 3 , x 2 y x1.
 20 3 20 2 
Adicionalmente, la det(A)   1  203,75 1,666  125
2
 0 3,75 10 6,5 
El SEL queda :  12 : 2 intercambios de filas
 1,666x3  2,333 ELIMINACIÓN DE GAUSS JORDAN CON PIVOTEO
 20x1  3x 2  20x 3  2 Ejm : Resuelva por eliminación de Jordan el SEL :
3,75x2  10x3  6,5 4x1  9x 2  2 x 3  5
Un proceso de sustitución regresiva produce el resultado buscado. 2x1  4x 2  6x 3  3
 2,333 x 1  x 2  3x 3  4
x3   x 3  1,4
 1,666 Matriz aumentada (B) :
x 2  2 4  9 2 5
B  A b  2  4 6 3
x1  1  

1  1 3 4
21 22

Triangular ización :
Como en la primera columna el elemento de máximo valor absoluto se Finalmente :
f 3  420   f1  4 0 0 27,8 
encuentra en la primera fila, ningún intercambio es necesario.

f 3  24,5   f 2  0 1,25 0 3,125

4  9 2 5   
 
f1  42   f 2  0 0,5 5 0,5  0 0 4  0,6 
f1  41   f 3  0 1,25 2,5 2,75
El SEL queda como :
El elemento de máximo valor absoluto en la parte relevante de la segunda 4x1  27,8
columna (filas) 2 y 3 es l,25; intercambiando. 1,25x2  3,125
4  9 2 5  4x 3  0,6
 
0 1,25 2,5 2,75 Los resultados son :
0 0,5 5 0,5  27,8 3,125  0,6
x1   6,95 x  2,5 x3   0,15
f 2 1,25
9
  f1  4 0 20 24,8  4 1,25 4
  Adicionalmente, la det(A)   1 4 1,254   20.
1
0 1,25 2,5 2,75 
f 2 1,25
0,5
  f 3  0 0 4  0,6
23 24

4
2. INVERSA DE UNA MATRIZ Intercambiando la sengunda y tercera fila

CÁLCULO DE LA INVERSA CON EL MÉTODO DE 4  9 2 1 0 0

 
GAUSS CON PIVOTEO 0 1,25 2,5  0,25 0 1
0 0,5 5  0,5 1 0
Ejm : Hallar la matriz inversa de A :
 4  9 2 4  9 2 1 0 0 
 
A  2  4 6 0 1,25 2,5  0,25 0 1 
1  1 3 f 2  1,25   f 3  0 0
0 , 5
4  0,4 1  0,4

Haciendo el siguiente arreglo : Hallando la matriz inversa :

 4  9 2 1 0 0  4x 3  0,4  x 3  04, 4  0,1
   
Primera columna :  1,25x 2  2,5x 3  0,25 x 2  0
 2  4 6 0 1 0  4x  9x  2x  1  x  0,3
1  1 3 0 0 1  1 2 3  1
4  9 2 1 0 0  4x 3  1  x 3  14  0,25
   
f1  42   f 2  0 0,5 5  0,5 1 0 Segunda columna :  1,25x 2  2,5x 3  0  x 2  0,5
 4x  9x  2 x  0 x  1,25
f1  41   f 3  0 1,25 2,5  0,25 0 1  1 2 3  1

25 26

 4x3  0,4 x 3  04, 4  0,1 Del ejercicioanterior :

 
Tercera columna :  1,25x 2  2,5x 3  1  x 2  1 f 2 1,25
9
  f3  4 0 20  0,8 0 7,2 
 4x  9x  2x  0  x  2,3  
 1 2 3  1 0 1,25 2,5  0,25 0 1 
Finalmente, la matriz inversa es : 0 0 4  0,4 1  0,4
 0,3  1,25 2,3  f 3  420   f1  4 0 0 1,2 5 9,2 
 0 1  f 3  24,5   f 2  0 1,25 0 0
 0,5  
  0,625 1,25 
 0,1 0,25  0,1 0 0 4  0,4 1  0,4
CÁLCULO DE LA INVERSA CON EL MÉTODO DE  1,2 0  0,4
Primera columna : x1   0,3 x 2   0 x3   0,1
GAUSS – JORDAN CON PIVOTEO  4 1,25 4
Ejm : Hallar la matriz inversa de A :  5  0,625
Segunda columna : x1   1,25 x 2   0,5 x 3  0,25
 4  9 2  4 1,25
A  2  4 6  9,2 1,25  0,4
Tercera columna : x1   2,3 x2  1 x3   0,1
1  1 3  4 1,25 4
Haciendo el siguiente arreglo : Finalmente, la matriz inversa es :
 4  9 2 1 0 0  0,3  1,25 2,3 
   0  0,5 1 
 2  4 6 0 1 0 
1  1 3 0 0 1  0,1 0,25  0,1
27 28