Matemticas

Aplicadas a la Ingeniera
Antonio Alberto Zaldvar Cadena.
Dr. en Ciencias en Ingeniera Metalrgica y Cermica, CINVESTAV-IPN, 2007.
M.C. Metalurgia No Ferrosa, CINVESTAV-IPN, 1996.
Lic. en Fsica, FCFM-UANL, 1993.
Sistema Nacional de Investigadores (SNI), Nivel 1.
azaldiva70@hotmail.com
Cubculo 13, 83294000 ext. 7229
Programa
1. Presentacin (Nombre, carrera, escuela de procedencia, por que estudiar una
maestra o un doctorado?, etc.).
2. Sistema de trabajo (Clase, participacin en clase, presentacin de temas especficos,
etc.)
3. Mtodo de evaluacin.
4. Referencias bibliogrficas.
5. Matrices
5.1 Definiciones
5.2 Operaciones Algebraicas con Matrices
5.3 Eliminacin Gaussiana
5.4 Determinantes
6. Anlisis Vectorial
7. Ecuaciones diferenciales
8. Aplicaciones de las ecuaciones diferenciales
Mtodo de evaluacin
-3 Parciales
30 % cada parcial
-Tareas 10%
Asistencia a clases (Importante)
Participacin en clase y exposicin de tareas (Mas importante)

Referencias bibliogrficas

Strang Gilbert, Algebra Lineal y sus Aplicaciones, SITESA-Addison-Wesley

Iberoamericana.
Ayres Jr. Frank, Matrices , McGraw-Hill.
Barrera Mora Fernando, lgebra Lineal , Grupo Editorial Patria.
Stanley I. Grossman, lgebra Lineal, McGraw-Hill.
Murray R. Spiegel, Anlisis Vectorial, McGraw-Hill.
Dennis G Zill, Ecuaciones Diferenciales con Aplicaciones, Grupo Editorial Iberoamrica

Dennis G Zill, Ecuaciones Diferenciales con Aplicaciones de modelado, 8 Edicin,

CENGAGE Learning

Kent Nagle Edward Saff Arthur Snider, Ecuaciones Diferenciales y Problemas con
Valores en la Frontera, 4 Edicin, Pearson Adisson Wesley
 Matrices

Uso de las matrices:

Resolver sistemas de ecuaciones lineales

1. Definiciones

Definicin: Por una ecuacin lineal en las variables x1, x2, ,Xn
entenderemos una ecuacin del tipo:
a1x1+a2x2++anxn = b (1)
En donde a1,a2,an y b no dependen de las variables x1, x2,xn.
Ejemplo de ecuacin lineal en x,y,z
3x + 6y - z=0
X + y = 4z
X + t2 + z = t3
Definicin: Un sistema de ecuaciones lineales es una coleccin de
ecuaciones del tipo de (1). Ms precisamente, un sistema de m
ecuaciones lineales en las variables x1, x2,xn es una coleccin de
ecuaciones del tipo:

a11x1 + a12x2++ a1nxn = b1

a21x1 + a22x2++ a2nxn = b2 (2)
.
.
.
am1x1 + am2x2++ amnxn = bm

En donde aij y bi son independientes de x1, x2,xn para i = 1,2,,m y

j = 1,2, n.

Dado el sistema (2), ste se puede representar mediante un arreglo

rectangular
 Matriz Aumentada

En donde las filas del arreglo representan a las ecuaciones.

Cuando se suprime la columna de trminos independientes, al

arreglo se le llama matriz de coeficientes del sistema, la cual es
Definicin: Por solucin del sistema (2) entenderemos una n-ada (c1,
c2, cn) tal que
aic1+ai2c2++aincn = bi i= 1,2,n

Cuando el sistema tiene solucin se dice consistente, de otra forma es

inconsistente.
Si todos los bi en el sistema (2) son cero, entonces (0,0,0) es
solucin, es decir, el sistema es consistente.

Ejemplo: Considere el sistema y mencione si tiene solucin.

X + 2y = 3
2X + 4y = 1
Definicin: Dos sistemas de ecuaciones se dicen equivalentes si
tienen las mismas soluciones.
a11x1 + a12x2++ a1nxn = b1
a21x1 + a22x2++ a2nxn = b2
.
.
.
am1x1 + am2x2++ amnxn = bm

c11x1 + c12x2++ c1nxn = d1

c21x1 + c22x2++ c2nxn = d2
.
.
.
cm1x1 + cm2x2++ cmnxn = dm
TEOREMA: Si un sistema de ecuaciones lineales se obtiene de otro
por medio de operaciones elementales, entonces los sistemas son
equivalentes.

Ejemplo: Representar los sistemas de ecuaciones mediante una

matriz y aplicar el mtodo usando operaciones elementales en las
filas (Mtodo de eliminacin de Gauss-Jordan).

20 X1 + 21X2 + 19X3 = 1250 X1+3X2-5X3+X4=4

11 X1 + 12X2 + 13X3 = 750 2X1+5X2-2X3+4X4=6
9 X1 + 8X2 + 8X3 = 520

2 X1 + 4X2 + 6X3 = 18
4 X1 + 5X2 + 6X3 = 24
3 X1 + X2 - 2X3 = 4

X + 2Y + 3Z = -1
2X +3Z = 4
-X +Y +3Z = 0
Operaciones elementales con renglones

1. Multiplicar (o dividir) un rengln por un nmero diferente de

cero.
2. Sumar un mltiplo de un rengln a otro rengln.
3. Intercambiar dos renglones

Forma escalonada reducida por renglones y pivote

Una matriz se encuentra en forma escalonada reducida por

renglones si se cumplen las siguientes condiciones:

1) Todos los renglones (si los hay) cuyos elementos son todos cero
aparecen en la parte inferior de la matriz.
2) El primer nmero diferente de cero (comenzando por la
izquierda) en cualquier rengln cuyos elementos no todos son
cero es 1.
3. Si dos renglones sucesivos tienen elementos distintos de cero,
entonces el primer 1, en el rengln de abajo est ms hacia la
derecha que el primer 1 en el rengln de arriba.

4. Cualquier columna que contiene el primer 1 en un rengln tiene

ceros en el resto de sus elementos. El primer nmero diferente de
cero en un rengln (si lo hay) se llama pivote para ese rengln.

Las siguientes matrices estn en la forma escalonada reducida por

renglones:

i) ii) iii) iv)

Ejemplo: Si se presenta la matriz como

Entonces el sistema no tiene solucin.

Ejemplo: La siguiente matriz representa un sistema con muchas

soluciones.
Sistemas homogneos de ecuaciones

Un sistema general de mxn ecuaciones lineales se llama

homogneo si todas las constantes b1,b2,bn son cero. Es decir, el
sistema general homogneo esta dado por
a11x1 + a12x2++ a1nxn = 0
a21x1 + a22x2++ a2nxn = 0
.
.
.
am1x1 + am2x2++ amnxn = 0

Para dicho sistema lineal general existen tres posibilidades: que no

tenga soluciones, que tenga una solucin o que tenga un nmero
infinito de soluciones. Para el sistema general homogneo la
situacin es ms sencilla.
Como X1 = X2 = =Xn=0 es siempre una solucin (llamada solucin
trivial o solucin cero), solo se tienen dos posibilidades: la solucin
trivial es la nica solucin o existe un nmero infinito de soluciones
adems de sta. Las soluciones distintas a la solucin cero se llaman
soluciones triviales.

Sistema homogneo que tiene nicamente la solucin trivial

2X1 + 4X2 + 6X3 = 0

4X1 + 5X2 + 6X3 = 0
3X1 + X2 -2 X3 = 0

Sistema homogneo con un nmero infinito de soluciones

X1 + 2X2 - X3 = 0
3X1 - 3X2 + 2X3 = 0
- X1 - 11X2 + 6X3 = 0
Un sistema homogneo con mas incgnitas que ecuaciones tiene un
nmero infinito de soluciones.

X1 + X2 X3 = 0
4X1 2X2 + 7X3= 0

TEOREMA: El sistema homogneo tiene un nmero infinito de

soluciones si n>m.
Propiedades de matrices

Suma de matrices

Sean A=(aij) y B=(bij) dos matrices mxn. Entonces la suma de A y B es

la matriz mxn, A+B dada por

A + B = (aij + bij ) =

Es decir, A+B es la matriz mxn que se obtiene al sumar las

componentes correspondientes de A y B.

La suma de dos matrices se define nicamente cuando las matrices

son del mismo tamao.
Multiplicacin de una matriz por una constante

Si A = (aij) es una matriz de mxn y si es una constante, entonces la

matriz mxn, A, est dado por

A=( aij) =

Esto es A=(aij) es la matriz obtenida al multiplicar cada

componente de A por . Si A=B=(bij), entonces bij = aij para i =1,
2,m y j = 1,2,n.
TEOREMA: Sean A, B y C tres matrices de mxn y sean y dos
constantes. Entonces:

1) A+0 = A
2) 0A=0
3) A+B = B+A (Ley conmutativa para la suma de matrices)
4) (A+B) + C = A+(B+C) (Ley asociativa para la suma de matrices)
5) (A+B) = A+B (Ley distributiva)
6) 1 A =A
7) (+)A = A+A
Producto de dos matrices

Sean A=(aij) una matriz mxn, y sea B=(bij) una matriz nxp. Entonces el
producto de A y B es una matriz mxp, C = (Cij), en donde

Cij = (rengln i de A).(columna j de B) (*)

Es decir, el elemento ij de AB es el producto punto del rengln i de A y

la columna j de B. Si esto se extiende, se obtiene

Cij = ai1b1j + ai2b2j ++ainbnj

Si el nmero de columnas de A es igual al nmero de renglones de B,

entonces se dice que A y B son compatibles bajo la multiplicacin.
 Dos matrices se pueden multiplicar nicamente si el nmero de
columnas de la primera matriz es igual al nmero de renglones de la
segunda. De otro modo, los vectores que forman el rengln i en A y la
columna j de B no tendrn el mismo nmero de componentes y el
producto punto en la ecuacin (*) no estar definido. Dicho de otro
modo, las matrices A y B sern incompatibles bajo la multiplicacin.
Para ilustrar esto se consideran las siguientes matrices A y B:

Columna j de B

Rengln i de A

Ejemplos:
TEOREMA: Ley asociativa para la multiplicacin de matrices

Sea A=(aij) una matriz de nxm, B=(bij) una matriz de mxp y C=(cij) una
matriz de pxq. Entonces la ley asociativa

A(BC) = (AB)C

Se cumple y ABC, definida por cualesquiera de los lados de la ecuacin,

es una matriz de nxq.
TEOREMA: Leyes distributivas para la multiplicacin de matrices

Si todas las sumas y todos los productos siguientes estn definidos,

entonces

A(B+C) = AB +AC

(A+B)C = AC + BC
Multiplicacin de matrices por bloques

En ciertas situaciones es prudente manejar las matrices como

bloques de matrices ms pequeas llamadas submatrices, y despus
multiplicar bloque por bloque en lugar de componente por
componente. La multiplicacin en bloques es muy similar a la
multiplicacin normal de matrices.

AB =
Matrices y sistemas de ecuaciones lineales

Representacin matricial de un sistema de ecuaciones lineales

Ax = b
Inversa de una matriz cuadrada

Definicin: La matriz identidad In de nxn es una matriz de nxn cuyos

elementos de la diagonal de la principal son iguales a 1 y todos los
dems son cero. Esto es,

In = (bij), donde

Teorema 1 Sea A una matriz cuadrada de nxn. Entonces

A.In = In.A = A

Es decir, In, conmuta con toda matriz de nxn y la deja sin cambio
despus de la multiplicacin por la derecha o por la izquierda.
Definicin: Sean A y B dos matrices de nxn. Suponga que

AB = BA = I

Entonces B se llama la inversa de A y se denota por A-1 .

Entonces se tiene
A A-1 = I

Si A tiene inversa, entonces se dice que A es invertible.

Una matriz cuadrada que no es invertible se le denomina singular y

una matriz no invertible se llama no singular.

(A-1 )-1 = A Si A es invertible

Teorema 2 Si una matriz A es invertible, entonces su inversa es nica.

Teorema 3 Sean A y B dos matrices invertibles de nxn

Entonces AB es invertible y
(AB)-1 = B-1 A-1

Ejemplos:

Una matriz A de nxn es invertible si y solo si su forma escalonada

reducida por renglones es la matriz identidad; es decir, si su forma
escalonada reducida por renglones tiene n pivotes.

Sea A =

Entonces se define Determinante det A = |A|= a11a22-a21a12

TEOREMA 4 Sea A=una matriz de 2x2. Entonces

i) A es invertible si y solo si det A 0

ii) Si det A 0, entonces

A-1
Uso de la inversa de una matriz para resolver un sistema de
ecuaciones.

AX = b ; X= A-1 b

Ejemplo:
Transpuesta de una matriz

Definicin 1 Transpuesta

Sea A= (aij) una matriz de mxn. Entonces la transpuesta de A, que se

escribe At , es la matriz de nxm que se obtiene al intercambiar los
renglones por las columnas de A. De manera breve, se puede escribir
At = (aji). En otras palabras

Si A=

Entonces At =
Simplemente se coloca el rengln i de A como la columna i de At y la
columna j de A como el rengln J de At

Ejemplos:

Teorema:

Suponga que A=(aij) es una matriz de nxm y B =(bji) es una matriz de

mxp. Entonces

i) (At )t = A
ii) (AB) t = BtAt
iii) Si A y B son de nxm, entonces (A+B)t = At + Bt
iV) Si A es invertible, entonces At es invertible y (At )-1 = (A-1 )t
Matriz simetrica

La matriz (cuadrada) A de nxn se denomina simetrica si At = A. Es

decir, las columnas de A son tambin los renglones de A.

Ejemplo:
Determinantes

Definicin: Sea una matriz de 2x2 A=

El determinante det A = a11a22 a12a21

det A = A =

Definicin: Determinante de 3x3

Sea A =

Det A = A = a11 + a12 + a13

A = a11A11 + a12A12 + a13A13

Ejemplo:

Definicion: Menor

Sea A una matriz de nxn y sea Mij la matriz de (n-1) x (n-1) que se
obtiene de A eliminando el rengln i y la columna j. Mij se llama el
menor ij de A.

Ejemplo:

Definicion: Cofactor

Sea A una matriz de nxn. El cofactor ij de A, denotado por Aij esta

dado por

Aij = (-1)i+j Mij

Esto es el cofactor ij de A se obtiene el determinante del menor ij y
multiplicandolo por (-1) i+j .
Observe que

(-1)i+j

Ejemplo:
Determinante nxn

Definicion: Sea A una matriz de nxn. Entonces el determinante de A,

denotado por det A =|A|= a11A11 + a12A12+a13A13+ +a1nA1n

det A =|A|=

Ejemplos:
Definicion: Matriz triangular

Una matriz cuadrada se denomina triangular superior si todas sus

componentes debajo de la diagonal son cero. Es una matriz
triangular inferior si todas sus componentes arriba de la diagonal son
cero. Una matriz se denomina diagonal si todos los elementos que
no se encuentran sobre la diagonal son cero; es decir, A=(aij) es
triangular superior si aij=0 para i>j, triangular inferior si aij=0 para
i<j, y diagonal si aij=0 para ij.
El determinante de una matriz triangular inferior

La matriz A = es triangular inferior.

Calcular el det A

Det A = A = a11A11 + 0A12 + 0A13 + 0A14 = a11A11

= a11

= a11a22 = a11a22a33a44
TEOREMA: Sea A = (aij) una matriz de nxn triangular superior o
inferior, Entonces

det A = a11a22a33anm
Esto es, El determinante de una matriz triangular es igual al producto
de sus componentes en la diagonal.

TEOREMA: Sea T una matriz triangular superior. Entonces T es

invertible si y solo si det0
Propiedades de los determinantes

TEOREMA: Sean A y B dos matrices de nxn. Entonces

det AB = detA.detB

Es decir, el determinante del producto es el producto de los

determinantes.

Ejemplo:
El determinante de la suma no siempre es igual a la suma de los
determinantes. Es decir, para la mayora de los pares de matrices, A
y B.

det(A+B) detA + detB

Ejemplo
TEOREMA: Una matriz y su transpuesta tienen el mismo
determinante.

det At = det A

Ejemplo:
TEOREMA: Sea A= una matriz de nxn.

Entonces,

detA=ai1Ai1 + ai2Ai2 + +ainAin = para i=1,2,,n.

Es decir, se puede calcular det A expandiendo por cofactores en

cualquier rengln de A. Mas aun

detA=a1jA1j + a2jA2j + +anjAnj = para i=1,2,,n.

Como la columna j de A es , la ecuacin anterior indica que se

puede calcular det A expandiendo por cofactores en cualquier

columna de A.
Ejemplo:

Propiedad 1: Si cualquier rengln o columna de A son cero, entonces

det A = 0.

Propiedad 2: Si el rengln i o columna de j de A se multiplica por una

constante c, entonces detA se multiplica por c. Es decir, si se denota
por B esta nueva matriz, entonces

B= =c = cA

Ejemplo:
Propiedad 3: Sea

A= B=

C=

detC = detA+detB

En otros trminos, suponga que A, B y C son idnticas excepto por la

columna j y que la columna J de C es la suma de las j-esimas columnas
de A y B. Entonces,
detC=detA+detB
La misma afirmacin es cierta para renglones.
Propiedad 4: El intercambio de cualesquiera dos renglones (o
columnas) distintos de A tienen el efecto de multiplicar detA por -1.

Propiedad 5: Si A tiene dos renglones o columnas iguales, entonces

detA=0.

Propiedad 6: Si un rengln (columna) de A es un mltiplo escalar de

otro rengln (columna), entonces detA=0

Propiedad 7: Si se suma un mltiplo escalar de un rengln (columna)

de A a otro rengln (columna) de A, entonces el determinante no
cambia.
Determinantes e Inversas

TEOREMA: Si A es invertible, entonces detA0 y

det A-1 =

Definicin: La Adjunta

Sea A una matriz de nxn y sea B, la matriz de sus cofactores.

Entonces, la adjunta de A, escrito adj A, es la transpuesta de la
matriz B de nxn; es decir

B= adjA=Bt =
TEOREMA: Sea A una matriz de nxn. Entonces A es invertible si y solo
si detA0. Si detA0, entonces

A-1=
Regla de Cramer

Sea A una matriz de nxn y suponga que detA0. Entonces la

solucin nica al sistema Ax =b esta dada por

X1= , X2= , ,Xi= , ,Xn=