You are on page 1of 16

UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN

FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA

Matrices
⎡ a11 a12 ⎢a ⎢ 21 a22 ⎢ M M ⎢ ⎣an1 an 2 L a1n ⎤ L a2 n ⎥ ⎥ O M ⎥ ⎥ L ann ⎦

• Matriz: Conjunto de elementos ordenados en filas y columnas • Los elementos pueden ser números reales o complejos • En este curso solo se consideran matrices con elementos reales

• Las matrices son denotadas por letras mayúsculas del alfabeto (A, B, C, etc.) • A cada matriz esta asociado un número de filas y columnas, por ejemplo: A de m x n, es decir, la matriz A de m renglones y n columnas • Notación: A = [aij ] • Dos matrices son iguales si tienen el mismo número de filas y columnas y los elementos correspondientes son iguales.

Matrices especiales
Triangular Superior
⎡ a11 ⎢0 ⎢ ⎢ M ⎢ ⎣0 a12 a22 M 0 a1n ⎤ L a2 n ⎥ ⎥ M M ⎥ ⎥ L amn ⎦ K

Triangular Inferior
⎡ a11 ⎢a ⎢ 21 ⎢ M ⎢ ⎣ a m1 0 a22 M am 2 0 ⎤ L 0 ⎥ ⎥ M M ⎥ ⎥ L a mn ⎦ K ⎡ a11 ⎢0 ⎢ ⎢ M ⎢ ⎣0

Diagonal
0 a22 M 0 0 ⎤ L 0 ⎥ ⎥ M M ⎥ ⎥ L amn ⎦ K

Identidad ⎡1 0 K 0 ⎤ ⎢0 1 L 0 ⎥ ⎢ ⎥ ⎢M M O M⎥ ⎢ ⎥ ⎣0 0 L 1 ⎦
⎡ a11 ⎢a ⎢ 12 ⎢ M ⎢ ⎣ a1n

Simétrica
a12 a22 M a2 n K a1n ⎤ L a2 n ⎥ ⎥ O M ⎥ ⎥ L ann ⎦

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 simétrica si A = AT
1 M.C. JOSÉ MANUEL ROCHA NÚÑEZ M.C. ELIZABETH GPE. LARA HERNÁNDEZ

UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA ⎡ a11 ⎢a T A = ⎢ 12 ⎢ M ⎢ ⎣ a1n a21 a 22 M a2 n K am1 ⎤ L am 2 ⎥ ⎥ M M ⎥ ⎥ L amn ⎦ Ejemplos Triangular superior ⎡1 3 − 4 ⎤ ⎢0 6 2 ⎥ ⎥ ⎢ ⎥ ⎢0 0 − 5 ⎦ ⎣ Triangular inferior 0 0⎤ ⎡ 4 ⎢ − 2 − 1 0⎥ ⎥ ⎢ ⎢7 5 3⎥ ⎦ ⎣ Diagonal ⎡2 0 0⎤ ⎢0 6 0⎥ ⎥ ⎢ ⎢0 0 5⎥ ⎦ ⎣ Identidad ⎡1 0 0⎤ ⎢0 1 0 ⎥ ⎥ ⎢ ⎢ ⎦ ⎣0 0 1 ⎥ Simétrica ⎡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 sumará con el correspondiente elemento de la segunda matriz aclararemos lo anterior con la siguiente definición: A + B = [ aij ] + [bij ] Ejemplo: dadas las Matrices A y B efectuar su suma. LARA HERNÁNDEZ . JOSÉ MANUEL ROCHA NÚÑEZ M. ⎡ 3 4 9 4⎤ A=⎢ ⎥ ⎣2 6 8 1 ⎦ ⎡1 2 3 0 ⎤ B=⎢ ⎥ ⎣ 4 5 8 3⎦ ALGEBRA LINEAL 2 M. ELIZABETH GPE.C.C.

Si C es el producto de A * B entonces: m×n A* B = C n× p m× p ALGEBRA LINEAL 3 M.UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA ⎡ 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 ] ) [aij ] + [bij ] = [bij ] + [aij ] (A+B)+C = A+(B+C) 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 número 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 α es la Matriz αA de orden m x n que se obtiene al multiplicar cada elemento de A por la constante k dando como resultado: α A = α aij ⎡ 2 − 4⎤ Si α = 3 y A = ⎢ ⎥ ⎣3 5 ⎦ Propiedades α A=⎢ ⎣9 ⎡6 − 12⎤ 15 ⎥ ⎦ α ( A + B ) = αA + α B (α + β )A = αA + βA (αβ )A = α (βA) con α ∈ ℜ. LARA HERNÁNDEZ .C. ELIZABETH GPE.C. β ∈ ℜ distributiva asociativa Multiplicación de matrices Para multiplicar dos matrices A y B es REQUISITO ( necesario ) que el número de columnas de la primera matriz sea igual al número de filas de la segunda matriz. JOSÉ MANUEL ROCHA NÚÑEZ M. obteniendo una Matriz resultante que estará formada con el número de filas de la primera Matriz y con el número de columnas de la segunda Matriz.

C.C. LARA HERNÁNDEZ . JOSÉ MANUEL ROCHA NÚÑEZ M.UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA ⎡ 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 n 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. ELIZABETH GPE. ⎡3 − 2 5⎤ A=⎢ ⎥ ⎣1 0 4⎦ ⎡1 2 − 3 0 ⎤ B=⎢ 1 6⎥ ⎥ ⎢5 4 ⎢ ⎦ ⎣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 distributiva asociativa La multiplicación de matrices no es conmutativa ALGEBRA LINEAL 4 M.

UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA Vectores Caso especial de matrices donde: m> 1 y n = 1. es decir. ó m = 1 y n> 1.C. ELIZABETH GPE. por una sola fila (renglón). Ejemplo: Dados los Vectores A = [2 − 3 4] y B = [3 5 − 5] determinar A + B y A − B A + B = [5 2 − 1] A − B = [− 1 − 8 9] B − A = [1 8 − 9] ALGEBRA LINEAL 5 M. ⎡ 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 = [a1 AT + B T = [a1 + b1 a 2 + b2 a2 L an ] L a n + bn ] . B T = [b1 b2 L bn ] AT − B T = [a1 − b1 a 2 − b2 L a n − bn ] A A+B B B A A-B El sentido del Vector A-B siempre es hacia el Vector que es Positivo. JOSÉ MANUEL ROCHA NÚÑEZ M. LARA HERNÁNDEZ . es decir.C. esta formada por una sola columna.

ELIZABETH GPE. LARA HERNÁNDEZ .C.UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA Multiplicación de vectores Como caso especial de matrices. Por ejemplo: ⎡ b1 ⎤ ⎢b ⎥ A * B = [a1 a2 L an ]⎢ 2 ⎥ = a1b1 + a2b2 + L + anbn 1442443 ⎢ M ⎥ 1444 2444 3 1×1 1× n ⎢ ⎥ bn ⎦ ⎣ { n ×1 La multiplicación 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 ⎦ b a1 bn a2 L bn an ⎦ ⎣ ⎣ { 1n4 44 4 24444 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 T ALGEBRA LINEAL 6 M.C. JOSÉ MANUEL ROCHA NÚÑEZ M. los vectores siguen Las mismas reglas de multiplicación.

ELIZABETH GPE. C T = [2 5 − 1] Demuestre que A • (B + C ) = A • B + A • C ALGEBRA LINEAL 7 M.C. LARA HERNÁNDEZ . el producto punto de los vectores A y B denotado por A • B es un número 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 (αA) • B = α ( A • B ) A • A ≥ 0 positiva definida A • A = 0 si y solo si A = [0] Ejemplo: Si AT = [1 2 4]. pero el producto { B*{ A si puede ser Note que el producto { 3×3 1×3 3×3 3×1 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 1 0 5 2 2 3 1 5 ⎣ ⎦⎣ ⎦ ⎣ ⎦ ⎢ ⎣13⎥ ⎦ { 14243 1444 4 24444 3 3×3 3×1 3×1 Producto punto de vectores (producto escalar) Dados dos vectores con el mismo número de elementos (por ejemplo n). JOSÉ MANUEL ROCHA NÚÑEZ M.UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA ⎡ 0 4 3⎤ AT * B = [1 − 2 3]⎢ − 1 8 2⎥ 11 − 9 14] ⎥ =[ 14 24 3⎢ 14 4 244 3 1×3 1×3 ⎢ 3 1 5⎥ ⎣ ⎦ 14243 3×3 B *{ AT no puede ser efectuado. BT = [− 3 1 7].C.

es el número no negativo: x2 X X = [x1 x1 x2 ] 2 X = x12 + x2 La longitud de X puede re-escribirse mediante el producto punto como: X = X•X La Norma de un vector X.UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA ⎡− 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.C. ELIZABETH GPE. su longitud denotada por X .C. LARA HERNÁNDEZ . encuentre su norma. el coseno del ángulo entre ellos se define como: cos(θ ) = X •Y X Y ALGEBRA LINEAL 8 M.0711 Ángulo entre vectores Si X y Y son dos vectores con n componentes y distintos del vector cero. JOSÉ MANUEL ROCHA NÚÑEZ M. es la longitud del vector X y está dada por X = 2 2 X • X = x12 + x2 + L + xn Ejemplo: Si AT = [5 3 4] . A = 5 2 + 32 + 4 2 = 25 + 9 + 16 = 50 = 7.

485 ALGEBRA LINEAL 9 M.C.UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA Si el producto punto de los vectores X y Y es cero X • Y = 0 . ELIZABETH GPE.58° Distancia entre vectores La distancia entre dos vectores X y Y es la longitud del vector X-Y Y X X-Y La distancia entre dos vectores X y Y de n componentes esta dada por la siguiente expresión: X T = [x1 x2 L xn ] y Y T = [ y1 y2 L yn ] d (X . X T = [2 − 3 4 1] y Y T = [− 1 2 4 2] cos(θ ) = X •Y = X Y − 2 − 6 + 16 + 2 10 = = 0.365 4 + 9 + 16 + 1 1 + 4 + 16 + 4 30 25 θ = 68. LARA HERNÁNDEZ .Y ) = X − Y = (2)2 + (2)2 + (8)2 + (0)2 = 72 = 8.Y ) = X − Y = (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 ⎦ Y T = [− 2 1 − 3 1] d (X .C. el ángulo entre los vectores es 90° ó 270°. Ejemplo: Calcule el ángulo entre los vectores X y Y. JOSÉ MANUEL ROCHA NÚÑEZ M.

LARA HERNÁNDEZ . ELIZABETH GPE. dos vectores son ortogonales si y solo si el producto punto entre ellos es cero: X •Y = 0 Ejemplo: T = [− 2 2] son ortogonales.C. Determine si los vectores X 1T = [4 4] y X 2 ⎡ 4⎤ ⎡ − 2⎤ X 1 • X 2 = ⎢ ⎥ • ⎢ ⎥ = (4 )(− 2) + (4)(2 ) = 0 por lo tanto son perpendiculares ⎣ 4⎦ ⎣ 2 ⎦ Ejemplo: ¿Es el siguiente conjunto ortogonal? T X 1T = [1 0 0 0]. T X3 = [0 0 1 0] X1 • X 2 = 0 X1 • X 3 = 0 X2 • X3 = 0 ALGEBRA LINEAL 10 M. X 2 = [0 1 0 0].UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA Conjuntos ortogonales de vectores Dos vectores de igual número de elementos son ortogonales o perpendiculares si el coseno del ángulo entre ellos es cero.C. JOSÉ MANUEL ROCHA NÚÑEZ M. es decir.

un sistema de m ecuaciones lineales en n incógnitas está 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 a m1 x1 + a m 2 x 2 + L + a mn x n = bm M M Todos los coeficientes a y b son números reales.C.C. Escribiendo el sistema como una matriz aumentada ⎡2 8 6 20 ⎤ ⎢ ⎥ ⎢ 4 2 − 2 − 2⎥ ⎢3 − 1 1 11 ⎥ ⎦ ⎣ El método de Gauss-Jordan consiste en reducir la matriz de coeficientes a la forma escalonada reducida.UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA Sistemas de ecuaciones lineales En general. o no hay soluciones. ALGEBRA LINEAL 11 M. la matriz X es la matriz de incógnitas y la matriz B es la matriz de términos independientes. denotados por ( ( x1 . El problema es encontrar todos los conjuntos de n números. hay un número infinito de soluciones. Método de Gauss-Jordan Método para encontrar todas las soluciones (si existen) de un sistema de m ecuaciones lineales con n incógnitas. JOSÉ MANUEL ROCHA NÚÑEZ M. ELIZABETH GPE. LARA HERNÁNDEZ . 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. x 2 . L. x n ) que satisfagan cada una de las m ecuaciones Para el sistema general hay tres posibilidades: hay una solución.

⎡1 ⎢ ⎢0 ⎢0 ⎣ se lo sumamos al segundo. ⎡1 0 − 1 − 2 ⎤ ⎢ ⎥ ⎢0 1 1 3 ⎥ ⎢0 0 5 20 ⎥ ⎦ ⎣ Dividimos el tercer renglón por 5 ⎡1 0 − 1 − 2 ⎤ ⎢ ⎥ ⎢0 1 1 3 ⎥ ⎢0 0 1 4 ⎥ ⎦ ⎣ 0 0 2⎤ 1 0 − 1⎥ ⎥ 0 1 4⎥ ⎦ Esta matriz está en la forma escalonada reducida. después sumamos el ALGEBRA LINEAL 12 M. después 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 renglón por -14 ⎡1 4 3 10 ⎤ ⎢ 1 3 ⎥ ⎢0 1 ⎥ ⎢0 − 13 − 8 − 19⎥ ⎦ ⎣ Multiplicamos el segundo renglón por -4 y se lo sumamos al primero.C.UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA Dividimos el primer renglón por 2 ⎡1 4 3 10 ⎤ ⎢ ⎥ ⎢ 4 2 − 2 − 2⎥ ⎢3 − 1 1 11 ⎥ ⎦ ⎣ Multiplicamos el primer renglón por -4 y se lo sumamos al segundo. La única solución al sistema de ecuaciones sería x1 = 2 x2 = −1 x3 = 4 Multiplicamos el tercer renglón por -1 y tercer renglón con el primero.C. LARA HERNÁNDEZ . JOSÉ MANUEL ROCHA NÚÑEZ M. después multiplicamos el segundo renglón por 13 y se lo sumamos al tercero. ELIZABETH GPE.

2 x1 + 8 x2 + 6 x3 = 20 4 x1 + 2 x2 − 2 x3 = −2 − 6 x1 + 4 x2 + 10 x3 = 24 Solución: x1 − x3 = −2. Luego dividimos el tercer renglón 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 última Las ecuaciones nos quedarían: x3 = 4 x 2 + x3 = 3 x1 + 4 x 2 + 3x3 = 10 Resolviendo estas ecuaciones ALGEBRA LINEAL 13 M. JOSÉ MANUEL ROCHA NÚÑEZ M. LARA HERNÁNDEZ .UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA Ejemplo: Demostrar que el sistema de ecuaciones tiene infinito número de soluciones.C. Multiplicamos el segundo renglón por 13 y se lo sumamos al tercero. se resuelve para la última incógnita y luego se usa la sustitución hacia atrás para resolver para las otras incógnitas 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 aquí. 2 x1 + 8 x2 + 6 x3 = 20 4 x1 + 2 x2 − 2 x3 = −2 − 6 x1 + 4 x2 + 10 x3 = 30 Eliminación gaussiana Reduce la matriz de coeficientes a la forma escalonada. ELIZABETH GPE. el proceso es el mismo que se hizo anteriormente.C. x2 + x3 = 3 Ejemplo: Demostrar que el sistema de ecuaciones no tiene solución.

9 x3 . evidentemente. (Las soluciones distintas de la solución cero se conocen como las soluciones no triviales. hay un número 5 ) infinito de soluciones dadas por (− 1 9 x3 . 3 (⎯ 2 5 ⎥ 9 ⎯→ ⎯ ⎯ ⎯ → → ⎢0 − 9 5 0 ⎥ ⎢0 1 − 9 0⎥ ⎯⎯ ⎯ ⎢ 3 − 3 2 0⎥ ⎯⎯ ⎯ ⎥ ⎢0 − 9 5 0 ⎦ ⎢0 − 9 5 0 ⎥ ⎢− 1 − 11 6 0⎦ ⎥ ⎥ ⎦ ⎣ ⎣ ⎣ ⎡1 0 1 9 0⎤ ⎢ 5 ⎥ ⎢0 1 − 9 0 ⎥ ⎢0 0 0 0 ⎥ ⎦ ⎣ La matriz aumentada está en forma escalonada reducida y. JOSÉ MANUEL ROCHA NÚÑEZ M. 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 . x3 .UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA x3 = 4 x2 = −1 Sistemas de ecuaciones lineales homogéneos x1 = 2 Para el sistema general homogéneo x1 = x 2 = L = x n = 0 siempre es una solución (llamada solución trivial o la solución cero). 3 ( 9 ) ⎥ A1. LARA HERNÁNDEZ .C. Ejemplo: Resuelva el sistema homogéneo El sistema de m ecuaciones lineales en n incógnitas se conoce como homogéneo si todas las constantes (b1 . b2 . 2 ( −3) ⎡1 2 − 1 0⎤ 1 ⎢ ⎢ ⎢ ( ) − M 1) A2 . ALGEBRA LINEAL 14 M. bm ) son cero. ELIZABETH GPE. solamente hay dos posibilidades: la solución cero es la única solución o hay un número infinito de soluciones además de la solución cero.C.1 ( −2 ) ⎡1 2 − 1 0⎤ A1.L.

1 (− 2)⎢ ⎥ 0 1 2 −1 0 ⎥ A3. 2 (− 2 )⎢0 − 1 ⎢ ⎥ A (− 4)⎢ 1.3 (− 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 Comprobación AA −1 = I ALGEBRA LINEAL 15 M. entonces la matriz que se forma a la derecha de la barra será la matriz inversa de A. si existe una matriz B con la propiedad de que AB = BA = I Siendo I la matriz identidad.C.UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA Matriz Inversa Inversa de una matriz. 3 ⎢ ⎢ → ⎣ 4 1 8 0 0 1⎥ ⎦ ⎯⎯→ ⎣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 − 4 0 1⎥ ⎦ ⎣0 2 1 0 0⎤ ⎡1 A3. JOSÉ MANUEL ROCHA NÚÑEZ M. 2 (− 1) ⎢ ⎢ 1 6 − 1 − 1⎥ ⎣0 ⎦ ⎯ ⎯→ 0 0⎤ − 1 0⎥ ⎥ A2. Ejemplo Encontrar la matriz inversa de A. y se utiliza la reducción por renglones para formar la matriz identidad en el lugar de la matriz 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. se escribe la matriz aumentada [A I ] .C. Definición: Se dice que una matriz cuadrada A es invertible. ELIZABETH GPE. A −1 A = AA−1 = I Método de Gauss para encontrar la inversa de una matriz Para calcular la matriz inversa de A. LARA HERNÁNDEZ . Denominamos a la matriz B la inversa de A y la denotamos por A−1 .

ELIZABETH GPE. JOSÉ MANUEL ROCHA NÚÑEZ M.C.UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA 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 M. LARA HERNÁNDEZ .C.