Facultad de Ingenierı́a

Departamento de Energética y Mecánica

Curso: Mecánica Computacional
Profesor: (Ediguer Enrique Franco G.)
Tema: Repaso de álgebra matricial

Índice
1. Introducción 2

2. Definiciones 2
2.1. Matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.2. Vector . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

3. Tipos de matrices 3
3.1. Matriz cuadrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3.2. Matriz diagonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3.3. Matriz simétrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

4. Operaciones con matrices 5

4.1. Adición y sustracción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
4.2. Multiplicación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
4.3. Transpuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

5. Determinantes 11

6. Inversa de una matriz cuadrada 13

6.1. Inversa de una matriz 2 × 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
6.2. Inversa de una matriz 3 × 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

7. Representación matricial de un sistema de ecuaciones lineales 15

1
 2 DEFINICIONES
1. Introducción
La finalidad del presente texto es repasar los conocimientos de álgebra matricial de una ma-
nera práctica y que le proporcione al alumno las habilidades mı́nimas requeridas para el curso de
Mecánica Computacional. Un tratamiento riguroso del tema corresponde a un curso de álgebra
lineal y cualquier duda adicional o explicación más detallada debe ser consultada en cualquiera de
los libros disponibles. Como ganancia adicional, este texto proporciona los comandos de Scilab que
implementan las distintas operaciones matemáticas estudiadas y varios ejemplos son solucionados
analı́ticamente y usando el computador. Estos ejemplos son de gran utilidad para aquellos alumnos
que no tienen experiencia en el manejo de Scilab.

2. Definiciones
2.1. Matriz
Una matriz de dimensión M por N (escrito M × N ) es un conjunto valores organizados en M
filas y N columnas, ası́:
 
a11 a12 a13 . . . a1N
 a21 a22 a23 . . . a2N 
A = [aij ] = 
 ...
 (1)
... ... ... ... 
aM 1 aM 2 aM 3 . . . aM N
donde [aij ] es el elemento que aparece en la iésima fila y la j ésima columna de A. La simbologı́a
[aij ] se denomina “notación indicial” y A se denomina notación compacta.

Ejemplo 1 — Las matrices son definidas en Scilab entre corchete cuadrados y separando
las columnas con espacios o comas y las filas mediante punto y coma. Si se tienen la siguientes
matriz 2 × 3 (2 filas y 3 columnas):
 
5 2 3
A= ,
8 6 0
el código correspondiente que carga en el espacio de trabajo de Scilab esta matriz, almacenándo-
la en la variable A, es:

>>A = [5 2 3; 8 6 0]
A =

5. 2. 3.
8. 6. 0.

En la ecuación 1 se puede observar acerca de la notación que las matrices se representan por
caracteres en negrilla en libros de texto, sin embargo, en textos manuscritos es más conveniente
representar el caracter entre llaves ([A]).

2
2.2 Vector 3 TIPOS DE MATRICES
2.2. Vector
Los vectores son tipos particulares de matrices donde una de sus dimensiones (M o N) es uno.
De esta manera, un vector columna es una matriz de dimensiones M × 1 y un vector fila es una
matriz de dimensiones 1 × N .

Ejemplo 2 — A seguir presentamos un vector con los mismos valores pero en los formatos
fila y columna, respectivamente:
 
5
   2 
x= 5 2 3 8 y= 
 3 
8

En Scilab estos vectores se definen de la siguiente manera:

>>x = [5 2 3 8]
x =

5. 2. 3. 8.

>>y = [5; 2; 3; 8]
y =

5.
2.
3.
8.

3. Tipos de matrices
3.1. Matriz cuadrada
Es una matriz donde sus dos dimensiones son iguales (M = N ), es decir, tiene el mismo número
de filas y de columnas.

Ejemplo 3 — La siguiente es una matriz cuadrada (4 × 4):

 
5,8 1,5 3,0 0,5
 0 6,3 3,8 8,0 
B=  0,5 0 1,0 0,5  ,


5,8 2,0 3,0 0

que se define en Scilab de la siguiente manera:

3
3.2 Matriz diagonal 3 TIPOS DE MATRICES

>>B = [5.8 1.5 3.0 0.5; 0 6.3 3.8 8.0; 0.5 0 1.0 0.5; 5.8 2.0 3.0 0]
B =

5.8 1.5 3. 0.5

0. 6.3 3.8 8.
0.5 0. 1. 0.5
5.8 2. 3. 0.

Se puede notar que las cifras decimales son separadas por puntos en Scilab.

3.2. Matriz diagonal

Es una matriz cuadrada donde los elementos que están fuera de la diagonal principal son cero.
En términos de la notación indicial, una matriz diagonal se define como [aij ] = 0 para i 6= j donde
i,j = 1, 2, 3,...N .
Un tipo especial de matriz diagonal es la matriz identidad o unitaria, la cual está compuesta
solamente de unos en la diagonal principal.

Ejemplo 4 — Las siguientes son una matriz diagonal de 4 × 4 elementos (A) y una matriz
identidad de 3 × 3 elementos (B):
 
5,8 0 0 0  
 0 6,3 0 1 0 0
0  
A=  0 B =  0 1 0 .
0 1,0 0 
0 0 1
0 0 0 1,0

La matriz identidad (B) se define en Scilab de la siguiente manera:

>>B = eye(3,3)
B =

1. 0. 0.
0. 1. 0.
0. 0. 1.

La función EYE crea automáticamente la matriz identidad sin necesidad de insertarla a mano,
como en los ejemplos 1 y 3. Con este caso se muestra una de las grandes ventajas de Scilab,
que es la existencia de un sinnúmero de funciones que realizan tareas de manera automática.
Ahora suponga que se necesita una matriz diagonal de 10 × 10 con el valor 2,5 en toda
su diagonal principal. Insertar manualmente esta matriz es un trabajo arduo, sin embargo, la
sintaxis de Scilab permite hacer esta tarea de manera simple:

>>C = 2.5*eye(10,10)
C =

4
3.3 Matriz simétrica 4 OPERACIONES CON MATRICES

2.5 0. 0. 0. 0. 0. 0. 0. 0. 0.
0. 2.5 0. 0. 0. 0. 0. 0. 0. 0.
0. 0. 2.5 0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 2.5 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 2.5 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 2.5 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 2.5 0. 0. 0.
0. 0. 0. 0. 0. 0. 0. 2.5 0. 0.
0. 0. 0. 0. 0. 0. 0. 0. 2.5 0.
0. 0. 0. 0. 0. 0. 0. 0. 0. 2.5

3.3. Matriz simétrica

Una matriz simétrica es aquella que al invertir filas por columnas se obtiene la misma matriz
inicial. Usando notación indicial, si los elementos de la matriz se escriben A = [Aij ] entonces la
matriz es simétrica si [Aij ] = [Aji ] para i,j = 1, 2, 3,...N . Esta propiedad solamente se presenta con
matrices cuadradas.
Otra definición se puede hacer usando la transpuesta: una matriz A es simétrica si A = AT .
Calcular la transpuesta de una matriz significa invertir las filas por las columnas (ver sección 4.3).

Ejemplo 5 — La siguiente es una matriz es simétrica:

 
1 2 3
A =  2 4 -5  ,
3 -5 6

es fácil notar que al invertir filas y columnas se obtiene la misma matriz inicial.

4. Operaciones con matrices

4.1. Adición y sustracción
La adición (y sustracción) de matrices está definida únicamente entre matrices del mismo orden
y se calcula sumando los términos correspondientes de cada matriz, resultando una matriz del
mismo orden de los sumandos.

Ejemplo 6 — Suponiendo las siguientes matrices de orden 3 × 2:

   
1 3 0 0
A= 1 0  y B= 7 5 
1 2 2 1

5
4.2 Multiplicación 4 OPERACIONES CON MATRICES

se tiene: 
  
1+0 3+0 1 3
C=A+B= 1+7 0+5 = 8 5 
1+2 2+1 3 3
y    
1−0 3−0 1 3
D = A − B =  1 − 7 0 − 5  =  −6 −5 
1−2 2−1 −1 1
Las operaciones mostradas se realizan en Scilab con el siguiente código:

>>A = [1 3; 1 0; 1 2]
A =

1. 3.
1. 0.
1. 2.

>>B = [0 0; 7 5; 2 1]
B =

0. 0.
7. 5.
2. 1.

>>C = A + B
C =

1. 3.
8. 5.
3. 3.

>>D = A - B
D =

1. 3.
- 6. - 5.
- 1. 1.

4.2. Multiplicación
La multiplicación de matrices es menos obvia que la adición. Formalmente, el producto entre la
matriz A de orden M × P y una matriz B de orden P × N es una matriz denotada AB de orden

6
4.2 Multiplicación 4 OPERACIONES CON MATRICES
M × N con elementos definidos por la siguiente relación:
P
X
AB = Aik Bkj , (2)
k=1

donde i = 1,2,3,...M son las filas y j = 1,2,3,...N son las columnas de la matriz AB.
De la definición anterior se deduce que dos matrices de diferente orden pueden multiplicarse,
desde que el número de columnas de la primera sea igual al número de filas de la segunda y el
resultado es una nueva matriz con el número de filas de la primera y el número de columnas de la
segunda.
En general, el producto matricial no es conmutativo:

AB 6= BA. (3)

AB significa que A es “postmultiplicada” por B o B es “premultiplicada” por A. Aun si AB y

BA existen, las matrices resultantes pueden no ser iguales e inclusive pueden no ser del mismo
orden.

Ejemplo 7 — Suponiendo las siguientes matrices de orden 3 × 2 y 2 × 2:

 
1 2  
1 0
A =  5 −3  y B = .
2 8
9 4

Analizando el producto AB, podemos ver que el número de columnas de la matriz A es igual
al número de filas de la matriz B, por tanto, la operación es posible y el resultado es una matriz
de orden 3 × 2, ası́:
   
(1 × 1 + 2 × 2) (1 × 0 + 2 × 8) 5 16
AB =  (5 × 1 + (−3) × 2) (5 × 0 + (−3) × 2)  =  −1 −24  .
(9 × 1 + 4 × 2) (9 × 0 + 4 × 8) 17 32

Esta operación en Scilab se ejecuta de la siguiente manera:

>>A = [1 2; 5 -3; 9 4]
A =

1. 2.
5. - 3.
9. 4.

>>B = [1 0; 2 8]
B =

1. 0.
2. 8.

7
4.2 Multiplicación 4 OPERACIONES CON MATRICES

>>A*B
ans =

5. 16.
- 1. - 24.
17. 32.

>>B*A
!--error 10
Inconsistent multiplication.

Podemos observar que al intentar realizar la operación BA el programa muestra un mensaje

de error avisando que las dimensiones de la matrices no concuerdan con la operación solicitada.

Ejemplo 8 — En el caso de dos matrices cuadradas, ambos productos AB y BA son

posibles, pero el resultado no necesariamente es igual, como se muestra a continuación:

>>A = [4 5 6; 1 2 3; 7 8 9];

>>B = [1 4 7; -1 2 -5; 0 1 0];

>>A*B
ans =

- 1. 32. 3.
- 1. 11. - 3.
- 1. 53. 9.

>>B*A
ans =

57. 69. 81.

- 37. - 41. - 45.
1. 2. 3.

Las dos primeras lı́neas de código donde se definen las matrices terminan con punto y coma.
Esto permite ejecutar el comando sin mostrar el resultado en pantalla.

Ejemplo 9 — Dos vectores con el mismo número de elementos se pueden multiplicar en

cualquier orden si uno es fila y el otro columna, sin embargo, los resultados son drásticamente
diferentes:

>>x1 = [0 1 2 3 4]

8
4.2 Multiplicación 4 OPERACIONES CON MATRICES

x1 =

0. 1. 2. 3. 4.

>>x2 = [5; 4; 3; 2; 1]
x2 =

5.
4.
3.
2.
1.

>>x1*x2
ans =

20.

>>x2*x1
ans =

0. 5. 10. 15. 20.

0. 4. 8. 12. 16.
0. 3. 6. 9. 12.
0. 2. 4. 6. 8.
0. 1. 2. 3. 4.

Se puede ver que el producto x1 x2 produce un escalar y el producto x2 x1 una matriz 5 × 5.

Un caso especial es el producto de un escalar por una matriz. En este caso, el resultado consiste
en multiplicar cada elemento de la matriz (o vector) por el valor del escalar.

Ejemplo 10 — Multiplicación de una matriz por un escalar en Scilab:

>>A = ones(4,4)
A =

1 1 1 1
1 1 1 1
1 1 1 1
1 1 1 1

>>pi*A
ans =

9
4.3 Transpuesta 4 OPERACIONES CON MATRICES

3.1416 3.1416 3.1416 3.1416

3.1416 3.1416 3.1416 3.1416
3.1416 3.1416 3.1416 3.1416
3.1416 3.1416 3.1416 3.1416

La función ONES crea una matriz del tamaño indicado (4 × 4) con todos sus elementos igual
a uno.

Propiedades de la multiplicación de matrices — La multiplicación de matrices presenta las

siguientes propiedades:

1. (AB)C = A(BC) (asociativa)

2. A(B + C) = AB + AC y (B + C)A = BA + CA (distributiva con respecto a la suma)

4.3. Transpuesta
La transpuesta de la matriz A, representada como AT o A0 , se obtiene invirtiendo las filas y
las columnas. Esta operación se le puede aplicar a cualquier matriz y la matriz cambia de orden
cuando no es cuadrada. La transpuesta de un escalar es el mismo escalar.

Propiedades de la transpuesta — Para matrices A, B y el escalar c se tienen las siguientes

propiedades:

1. (AT )T = A

2. (A + B)T = AT + BT

3. (AB)T = AT BT

4. (cA)T = cAT

5. IT = I

Ejemplo 11 — La transpuesta de un vector o matriz se calcula en Scilab usando un

apóstrofo, ası́:

>> x = [1 2 3 4 5 6]

x =

1 2 3 4 5 6

>> x’

ans =

10
 5 DETERMINANTES

1
2
3
4
5
6

Como se sabe, el producto xx no está definido, sin embargo, los productos xT x y xxT si pueden
realizarse:

>> x’*x

ans =

1 2 3 4 5 6
2 4 6 8 10 12
3 6 9 12 15 18
4 8 12 16 20 24
5 10 15 20 25 30
6 12 18 24 30 36

>> x*x’

ans =

91

5. Determinantes
En álgebra lineal un determinante es un número especial asociado a una matriz cuadrada y que
geométricamente puede interpretarse como un factor de escala. El determinante de la matriz A se
representa se representa det(A) o |A|. El cálculo del determinante de una matriz N × N puede
hacerse por medio algoritmo llamado fórmula de Laplace o expansión en cofactores. Sin embargo,
el cálculo manual de un determinante es práctico solamente para matrices pequeñas (2 × 2 y 3 × 3),
para matrices de mayor tamaño el cálculo es demasiado engorroso.
El caso más simple es el determinante de una matriz 2 × 2. Si se tiene:
 
a11 a12
A= , (4)
a21 a22

el determinante es:
a11 a12
det(A) = |A| = = a11 a22 − a12 a21 . (5)
a21 a22

11
 5 DETERMINANTES
Se puede notar que en el caso del determinante, el corchete cuadrado de la matriz es reemplazado
por una lı́nea vertical cuando se quiere representar la matriz completa. El cálculo del determinante
de una matriz 3 × 3 es un poco más complicado, pero aun es fácil de calcular manualmente. Si
 
a11 a12 a13
A =  a21 a22 a23  , (6)
a31 a32 a33
el valor del determinante es:
a22 a23 a21 a23 a21 a22
|A| = a11 − a12 + a13 , (7)
a32 a33 a31 a33 a31 a31
donde el determinante de una matriz 2 × 2 se calcula según la ecuación 5.
La matriz con determinante cero es llamada “matriz singular”, este tipo de matriz se caracteriza
por no tener inversa (ver sección 6). Por ejemplo, si una matriz que representa un sistema de
ecuaciones lineales resulta singular, se puede concluir que el sistema no tiene solución. Los siguientes
casos llevan a una matriz singular:
Si todos los elementos de cualquier fila de la matriz son cero.

Si cualquier fila (columna) de una matriz es una combinación lineal de otras filas (columnas).
Esto significa que si una fila (o columna) de la matriz es igual a otra multiplicada por un
escalar, el determinante es cero.

Ejemplo 12 — Dada la siguiente matriz

 
1 2 5
A =  2 4 10  ,
−1 3 1

el determinante es cero (|A| = 0) porque la segunda fila es igual a la primera multiplicada por
dos. Esto se comprueba usando la ecuación 7:

|A| = 1(4 × 1 − 10 × 3) − 2(2 × 1 − 10 × (−1)) + 5(2 × 3 − 4 × (−1))

|A| = (4 − 30) − (4 + 20) + (30 + 20) = −26 − 24 + 50 = 0

Usando Scilab:

>> A = [1 2 5; 2 4 10; -1 3 1]

A =

1 2 5
2 4 10
-1 3 1

>> det(A)

12
 6 INVERSA DE UNA MATRIZ CUADRADA

ans =

Propiedades de los determinantes — Los determinantes presentan las siguientes propiedades:

1. |A| = |AT |

2. |AB| = |A||B|

3. Si cada elemento de una fila o de una columna es multiplicado por un escalar λ entonces |A|
es multiplicado por λ.

6. Inversa de una matriz cuadrada

Si se tiene una matriz A de N × N elementos, la inversa de A denotada por A−1 es una matriz
del mismo orden y que cumple la siguiente relación:

AA−1 = A−1 A = I (8)

donde I es la matriz identidad. Si A tiene inversa, entonces se dice que A es “invertible” o “no
singular”. Una matriz que no es invertible se llama “singular” y su determinante es cero (ver sección
5).
Si A y B son dos matrices invertibles, entonces las siquientes propiedades se cumplen:

(A−1 )−1 = A

(AB)−1 = A−1 B−1

Generalmente, la inversa una matriz es calculada numéricamente, sin embargo, en muchas de-
ducciones analı́ticas es necesario calcular la inversa de matrices 2×2 o 3×3. Las formulas presentadas
a continuación pueden ser de gran utilidad.

6.1. Inversa de una matriz 2 × 2

Si se tiene la siguiente matriz:  
a11 a12
A= , (9)
a21 a22
la inversa de A es:  
−1 1 a22 −a12
A = (10)
|A| −a21 a11
siempre y cuando el determinante de A (|A|) sea diferente de cero.

13
6.1 Inversa de una matriz 2 × 2 6 INVERSA DE UNA MATRIZ CUADRADA

Ejemplo 13 — Dada la siguiente matriz 2 × 2:

 
1 5
A= ,
−2 3

la inversa es:  
−1 1 3 −5
A = .
13 2 1
Para comprobar el resultado se realiza el producto A−1 A:
      
−1 1 3 −5 1 5 1 (3 + 10) (−6 + 6) 1 13 0
A A= = = =I
13 2 1 −2 3 13 (−6 + 6) (10 + 3) 13 0 13

y se comprueba que el resultado es la matriz identidad de orden 2. Usando Scilab:

>> A = [1 5; -2 3]

A =

1 5
-2 3

>> IA = inv(A)

IA =

0.2308 -0.3846
0.1538 0.0769

>> A*IA

ans =

1.0000 0.0000
0 1.0000

>> IA*A

ans =

1.0000 0.0000
0 1.0000

Se puede ver que la función de Scilab para calcular la inversa de una matriz es INV.

14
6.2 Inversa
7 REPRESENTACI × 3MATRICIAL DE UN SISTEMA DE ECUACIONES LINEALES
de una matriz 3ÓN
6.2. Inversa de una matriz 3 × 3
Si  
a11 a12 a13
A =  a21 a22 a23  , (11)
a31 a32 a33
la inversa se puede calcular usando la siguiente formula:
 
a22 a23 a13 a12 a12 a13
 a32 a33 a33 a32 a22 a23 
 
 
 
1 
 a23 a21 a11 a13 a13 a11 
A= . (12)
 a33 a31
|A|  a31 a33 a23 a21 

 
 
 a21 a22 a12 a11 a11 a12 
a31 a32 a32 a31 a21 a22

Se puede notar que es necesario primero calcular el determinante de la matriz 3 × 3 usando la Ec.
7 y luego calcular los determinantes de 9 submatrices 2 × 2 usando la Ec. 5.
Existen varios métodos para el cálculo de la inversa de una matriz N × N , como la eliminación
gaussiana, la eliminación de Gauss-Jordan y la descomposición LU, entre otros. El cálculo de la
inversa de matrices grandes se realiza por medio de algoritmos computacionales.

7. Representación matricial de un sistema de ecuaciones lineales

Un sistema de N ecuaciones lineales relacionando N incógnitas, puede ser representado de una
manera más compacta usando matrices. Por ejemplo, el siguiente es un sistema de 3 ecuaciones y
3 incógnitas:
a11 x1 + a12 x2 + a13 x3 = b1
a21 x1 + a22 x2 + a23 x3 = b2 (13)
a31 x1 + a32 x2 + a33 x3 = b3 ,
donde aij son los coeficientes, xi son las variables y bi son los términos independientes, para i,j =
1,2,3. este sistema se puede escribir en forma matricial ası́:
    
a11 a12 a13 x1 b1
 a21 a22 a23   x2  =  b2  (14)
a31 a32 a33 x3 b3

y de forma compacta como

Ax = b. (15)
Como aij y bi son valores constantes, la solución del sistema consiste en hallar los valores xi que
satisfacen todas las ecuaciones simultáneamente.

15
 7 REPRESENTACIÓN MATRICIAL DE UN SISTEMA DE ECUACIONES LINEALES

Ejemplo 14 — Considere el sistema de ecuaciones

x1 + 2x2 + 5x3 + 6x4 = 2

−x1 + 2x2 + 3x3 = 3
−3x1 − 5x2 + 6x3 + 9x4 = −4
x1 − 2x2 + 3x3 + x4 = 5,

la representación matricial del sistema es

    
1 2 5 6 x1 2
 −1 2 3 0   x2   3 
=
  −4  ,
  
 −3 −5 6 9   x3
1 −2 3 1 x4 5

que es una forma más adecuada para ser usada en un computador. Se sabe que la solución
manual de este sistema 4 × 4 es tediosa, pero el computador hace el trabajo en una fracción de
segundo:
>> A = [1 2 5 6; -1 2 3 0; -3 -5 6 9; 1 -2 3 1]

A =

1 2 5 6
-1 2 3 0
-3 -5 6 9
1 -2 3 1

>> b = [2 3 -4 5]’

b =

2
3
-4
5

>> x = A\b

x =

1.2854
-0.1325
1.5168
-1.1007

>> A*x

16
 7 REPRESENTACIÓN MATRICIAL DE UN SISTEMA DE ECUACIONES LINEALES

ans =

2.0000
3.0000
-4.0000
5.0000

Como se puede ver, en Scilab la solución de un sistema de ecuaciones se hace usando el caracter
backslash (\).

Premultiplicando ambos lados de la ecuación 15 por A−1 se tiene

A−1 Ax = A−1 b,

Ix = A−1 b,
x = A−1 b. (16)
Entonces, la solución del sistema de ecuaciones equivale a calcular la inversa de la matriz de coefi-
cientes y multiplicarla por el vector de valores independientes. A continuación

Ejemplo 15 —

>> A = [1 2 5 6; -1 2 3 0; -3 -5 6 9; 1 -2 3 1];
>> b = [2 3 -4 5]’;
>> IA = inv(A)

IA =

0.1511 -0.2332 -0.1269 0.2351

0.1063 0.0951 -0.0522 -0.1679
-0.0205 0.1922 -0.0075 0.1903
0.1231 -0.1530 0.0448 -0.1418

>> x = IA*b

x =

1.2854
-0.1325
1.5168
-1.1007

>> A*x

17
 7 REPRESENTACIÓN MATRICIAL DE UN SISTEMA DE ECUACIONES LINEALES

ans =

2.0000
3.0000
-4.0000
5.0000

18
 7 REPRESENTACIÓN MATRICIAL DE UN SISTEMA DE ECUACIONES LINEALES
Ejercicios

1. Si se tiene un vector fila de M elementos y un vector columna de N elementos, donde M 6= N .

¿Que multiplicaciones se pueden realizar con estos dos vectores y cual es el orden del resultado?

2. Usando las siguientes matrices:

     
1 3 5 1 0 5 1 0 0
A =  −7 0 6  B= 0 3 4  C =  0 −1 0 
2 2 −2 5 4 −2 0 0 2

a) Realice manualmente las operaciónes A + B y AC.

b) Verifique en Scilab que la propiedad distributiva con respecto a la suma de la multipli-
cación de matrices se cumple.
c) Calcule manualmente y usando Scilab los determinantes de las tres matrices.
d ) Usando Scilab calcule A−1 y verifique que AA−1 = I. ¿Obtuvo el resultado esperado?
e) Calcule manualmente la inversa de B (Observe que la matriz es simétrica, esto simplifica
considerablemente el cálculo).

3. Si A es una matriz 3 × 3, mostrar que |λA| = λ3 |A| donde λ es un escalar.

4. Solucionar el siguiente sistema de ecuaciones lineales usando Scilab:

x1 + x2 − 2x3 + x4 + 3x5 − x6 = 4
2x1 − x2 + x3 + 2x4 + x5 − 3x6 = 20
x1 + 3x2 − 3x3 − x4 + 2x5 + x6 = −15
5x1 + 2x2 − x3 − x4 + 2x5 + x6 = −3
−3x1 − x2 + 2x3 + 3x4 + x5 + 3x6 = 16
4x1 + 3x2 + x3 − 6x4 − 3x5 − 2x6 = −27

19