Professional Documents
Culture Documents
Parent, sobre la flexin de vigas, resaltando los aciertos que tuvo con la teora actual.
El solucion esta dificultad asumiendo que, en el instante de la fractura, el eje de rotacin (la
lnea neutra) no pasaba por el centro de la seccin transversal y que las tensiones se
distribuan como se muestra en la figura siguiente:
ULT
a
Los trabajos de este cientfico estuvieron dirigidos hacia el estudio de la flexin de vigas. En
1713 publica sus segundas memorias que constituyen un importante paso en la Resistencia de
Materiales. En el mismo ao Parent corrigi el error de Mariotte y situ la fibra neutra en el
centro de la seccin en mnsulas de seccin simtrica. El trabajo de Parent supuso la
introduccin de la idea de una distribucin de fuerzas interiores actuando sobre las fibras que
forman la seccin. En ellas se hacen consideraciones sobre las vigas d seccin rectangular. Pero
el aspecto ms importante est relacionado con la posicin del eje con respecto al cual debe
calcularse el momento de Resistencia de las fibras de la viga.
El mdulo de Young:
Young, describi la caracterizacin de elasticidad que lleg a ser conocido como el mdulo de
Young, denominado E, en 1807, y an ms lo describi en su Curso de Filosofa Natural y
Artes Mecnicas.
Sin embargo, el primer uso del concepto de mdulo de Young en experimentos fue por
Giordano Riccati en 1782- precediendo joven por 25 aos.
Por otra parte, la idea se remonta a un documento elaborado por Leonhard Euler, publicado
en 1727, unos 80 aos antes de que el papel de Thomas Young 1807.
El mdulo de Young se refiere la tensin (presin) en un cuerpo con su cepa asociada (cambio
de longitud como una relacin de la longitud original); es decir, el estrs= E*tensin, para una
muestra cargados uniaxial. El mdulo de Young es independiente del componente
investigacin; es decir, es una propiedad del material inherente (el trmino mdulo se refiere
a una propiedad del material inherente). Mdulo de Young permitido, por primera vez, la
prediccin de la cepa en un componente sometido a un esfuerzo conocido (y viceversa).
Antes de la contribucin de Young, se requieren ingenieros para aplicar relacin F= k*x de
Hooke para identificar la deformacin (x) de un cuerpo sujeto a una carga conocida (F), donde
la constante (k) es una funcin tanto de la geometra y el material de baja consideracin.
Encontrar k requerida pruebas fsicas para cualquier nuevo componente, como el F= k*x
relacin es una funcin tanto de la geometra y el material. Mdulo de Young depende slo del
material, no su geometra, permitiendo as una revolucin en estrategia de ingeniera.
Problemas de Young en veces no expresarse claramente, se muestran por su propia definicin
del mdulo. El mdulo de la elasticidad de cualquier sustancia es una columna de la misma
sustancia, capaz de producir una presin sobre su base, que es el peso, que causa un cierto
Un caso particular de solido elstico se presenta cuando las tensiones y las deformaciones
estn relacionadas linealmente, mediante la siguiente ecuacin constitutiva:
Cuando eso sucede decimos que tenemos un slido elstico lineal. La teora de la elasticidad
lineal es el estudio de solidos elsticos lineales sometidos a pequeas deformaciones de tal
manera que adems los desplazamientos y deformaciones sean lineales, es decir, que las
componentes del tensor deformacin del slido. En general un slido elstico lineal sometido
a grandes desplazamientos no cumplir esta condicin. Por tanto la teora de la elasticidad
lineal slo es aplicable a:
RELACIN DE POISSON:
Cuando una barra esbelta homognea se carga axialmente, el esfuerzo y a la
deformacin unitaria resultantes satisfacen la ley de Hooke, siempre y cuando no se
exceda el lmite elstico del material. Suponiendo que la carga P est dirigida a lo
largo del eje de simetra se tiene que:
ESFUERZO normal= FUERZA/REA DE LA SECCIN TRANSVERSAL
Y por la ley de Hooke obtenemos:
DEFORMACIN=ESFUERZO normal/MODULO DE ELASTICIDAD
Se podran considerar los materiales HOMOGNEOS e ISOTRPICOS es decir que sus
PLASTICIDAD:
La plasticidad es la propiedad mecnica que tiene un material para deformarse
permanentemente e irreversiblemente cuando se encuentra sometido a tensiones por
encima de su lmite elstico.
RESISTENCIA A LA FLUENCIA:
Es la fuerza que se aplica a un material para deformarlo sin que recupere su antigua
forma al parar de ejercerla.
TENACIDAD:
DEFORMACION UNITARIA:
La magnitud ms simple para medir la deformacin es lo que en ingeniera se
llama deformacin axial o deformacin unitaria se define como el cambio de
longitud por unidad de longitud de la misma magnitud
[ ]
TRANSFORMACION DE ESFUERZOS:
Desde el punto de vista del material, las caractersticas propias determinan si
es ms resistente a las cargas normales o a las cargas cortantes, de aqu nace
la importancia de transformar un estado de tensiones general en otro
particular que puede ser ms desfavorable para un material.
Esfuerzos principales:
Siempre es importante obtener los valores mximos de los esfuerzos tanto los
normales como los de corte para compararlos con los valores admisibles del
material que se est evaluando.
El esfuerzo cortante mximo difiere del esfuerzo cortante mnimo solo en
signo, como muestran las frmulas explicadas el tema Esfuerzos Principales.
Adems, puesto que las dos races de la ecuacin
y
sitan el plano a 90, este resultado significa tambin que son iguales los
valores numricos de los esfuerzos cortantes en planos mutuamente
perpendiculares. En esta deduccin, la diferencia de signo de los dos esfuerzos
cortantes surge de la convencin para localizar los planos en que actan estos
esfuerzos. Desde el punto de vista fsico dichos signos carecen de significado,
por esta razn al mayor esfuerzo cortante, independientemente de su signo,
se llama esfuerzo cortante mximo, un esfuerzo cortante positivo indica que
este acta en el sentido supuesto y viceversa. La determinacin del esfuerzo
cortante mximo es de mayor importancia para:
Materiales de baja resistencia al corte. A diferencia de los esfuerzos
principales cuyos planos no ocurren esfuerzos cortantes, los esfuerzos
cortantes mximos actan en planos que usualmente no estn libres
de esfuerzos normales.
-
MDULO DE ELASTICIDAD:
El mdulo de Young o mdulo de elasticidad longitudinal es un parmetro que
caracteriza el comportamiento de un material elstico, segn la direccin en la
que se aplica una fuerza. Este comportamiento fue observado y estudiado por
el cientfico ingls Thomas Young.
Para un material elstico lineal e istropo, el mdulo de Young tiene el mismo
valor para una traccin que para una compresin, siendo una constante
independiente del esfuerzo siempre que no exceda de un valor mximo
denominado limite elstico, y es siempre mayor que cero: si se tracciona una
barra, aumenta su longitud.
Tanto el mdulo de Young como el lmite elstico son distintos para los
diversos materiales. El mdulo de elasticidad es una constante elstica que, al
igual que el lmite elstico, puede encontrarse empricamente mediante
ensayo de traccin del material. Adems de este mdulo de elasticidad
longitudinal, puede definirse el mdulo de elasticidad transversal de un
material.
Las dimensiones del mdulo de Young son:
(
o, ms
Se tiene datos de un ensayo en traccin de una varilla de 5/8 de calidad ASTM A615
Grado 60 REALIZADOS EN LA PUCP LIMA (Ver archivo Excel). Los datos locales, estn
referidos a una longitud de 60 mm y los datos globales estn referidos a una longitud
210 mm. Se pide:
-
4. Resuma los diferentes mtodos de clculo del ALGEBRA MATRICIAL con sus
respectivos ejercicios resueltos y compare resultados utilizando MATLAB.
LGEBRA MATRICIAL
En muchos anlisis se supone que las variables que intervienen estn relacionadas mediante
un conjunto de ecuaciones lineales. El lgebra matricial proporciona una notacin concisa y
clara para la formulacin y resolucin de tales problemas, muchos de los cuales seran casi
imposibles de plantear con la notacin algebraica ordinaria.
En este captulo, se definen los vectores y las matrices, as como las operaciones
correspondientes. Se consideran tipos especiales de matrices, la transpuesta de una matriz, las
matrices subdivididas y el determinante de una matriz. Tambin se tratan y aplican a la
resolucin de ecuaciones lineales simultneas, la dependencia lineal de un conjunto de
vectores, y el rango y la inversa de una matriz. As mismo, se define e ilustra la diferenciacin
vectorial. Por ltimo, se discuten otras aplicaciones del lgebra matricial.
a11
a
A 21
am1
a12
a 22
am 2
a1n
a 2n
a mn
a11
a
A 21
a m1
a1n
a 2n
amn
a12
a 22
am 2
Las letras i j representan nmeros reales, que son los elementos de la matriz. Ntese que i j
designa al elemento en la i-sima fila y la j-sima columna de la matriz A; la matriz A se denota
tambin a veces por ( i j ) o por { i j }. Una matriz que tiene m filas y n columnas se dice que es
una matriz m x n (m por n), o bien, una matriz de orden m x n. Si m = n, se expresa
que la
matriz es cuadrada. Cuando han de realizarse varias operaciones en matrices, su orden suele
denotarse
mediante subndices,
por ejemplo,
A mn
, o bien,
ij
mn
EJEMPLO
1 0 2 6
4 8 3 9
6 6 3
3 8 2
1 0 0
5 8 2
12 10 1
13 9 3
2 7 6
6 4 10
es una matriz 2 4
es una matriz 5 3
1 1
1 1
Se dice que dos matrices del mismo orden son iguales solamente si todos sus elementos
correspondientes son tambin iguales, es decir, si las matrices son idnticas. Observemos que,
por definicin, las matrices que son de diferente orden no pueden ser iguales.
EJEMPLO
Si
2 2
A
2 2
2 2 2
B
2 2 2
2 2
C
2 2
2 2
D
2 2
A D, pero A B, A C, B C, B D, y C D.
Una matriz que consta de una sola columna, es decir, una matriz m x l se conoce como vector
columna, y se expresa como
u1
u
u 2
um
u1
u
o bien u 2
um
u
u
Las letras i son nmeros reales: los componentes del vector; i es el i-simo componente
del vector u. Un vector columna que tiene m filas se dice que es un vector de m componentes,
o que es m-dimensional.
Anlogamente, una matriz que contiene una sola fila, es decir, una matriz 1 x n, se dice que es
un vector fila y se expresa como
v=
v1 , v2 , ..., vn
o bien
v=
v1 , v2 , ..., vn
v
v
Las letras j son nmeros reales: los componentes del vector; j es el j-simo componente del
vector v. Un vector fila con n columnas se dice que es un vector de n componentes, o que es ndimensional.
EJEMPLO
1
1 , es una matriz 2 x 1, o sea, un vector columna de 2 dimensiones (o bidimensional)
0
0
3
0
2
, es una matriz 5 x 1, o sea, vector columna de 5 dimensiones (o pentadimensional)
0,
1,
3, 0
, es una matriz 1 x 3, o sea, un vector fila de 3 dimensiones (o tridimensional)
1, 5, 1
Dos vectores fila que tienen el mismo nmero de columnas, o dos vectores columna que
tienen el mismo nmero de filas, se dice que son iguales solamente si todos los elementos
correspondientes son tambin iguales, es decir, si los vectores son idnticos.
EJEMPLO
u=
1, 3
1
v = 3
w=
1, 3
x=
3, 1
u = w, pero u v, u x, y v w, v x, y w x.
NOTA: Con frecuencia es til considerar a una matriz como compuesta de una serie de
vectores fila o de vectores columna; por ejemplo, la matriz
1 6
2 2
3 4
1
2
6
2
1,
2, 2
3,
Las matrices se pueden sumar o restar solamente si son del mismo orden. La suma o la
diferencia de dos matrices m x n es otra matriz m x n cuyos elementos son las sumas o
diferencias de los elementos correspondientes de las matrices originales; de modo que si
a11
am1
a1n
a mn
b11
bm1
b1n
bmn
Entonces A B = C
En donde:
a11 b11
am1 bm1
Es decir,
c1n
c mn
EJEMPLO
3 2 4 0
3 8 3 5 4
5 6 8 5 6 2 0 0 10
3 0 0
0 0 4
3 0 4
c 4,
6, 12 3, 2, 12 1, 8, 0
2 3 1 1 0 0 3 4
(e)
6 4 1 2 6 4 1 2
(g)
2, 1 3,
4 6, 7 11, 12 0, 0
1 4 0 5 10 13 9 14
(h) 2 6 7 9 20 0 25
3
3 8
11 12
1 0
9 4
3 10 6 4 9 6
11 25 22 21 33 46
1 1 0
1 1 0
(d ) 2 2 0
4 4 0
1
1
0
1 3 6 0 2
( f ) 1 2 8 1 4
1
4
10
0
5
Un solo nmero real (que equivale a una matriz 1 x 1) se denomina escalar en las operaciones
del lgebra matricial. Cuando una matriz se multiplica por un escalar, cada elemento de la
matriz queda multiplicado por ese escalar (que es una constante); por lo tanto, si
a11
am1
a1n
a mn
Entonces:
k Amn kAmn
ka11
kam1
ka1n
k ai j mn kai j mn
kamn
EJEMPLO
4 3 12 9
3 8 2 24 6
1 0
3 0
0 0
5 1 5
0
0
1 6, 2, 3 6, 2, 3
5 6 2 4 5a 6a 2a 4a
a
0 6a
3 1 0 6 3a a
0 0
2 2b
b 3 3b
1 b
5
5b
f c 0,
0, 0, 0, 16 0, 0, 0, 0, 16c
MULTIPLICACIN DE MATRICES
Dos matrices se pueden multiplicar entre s slo si el nmero de columnas en una de ellas es
igual al nmero de filas en la otra. En particular, la matriz producto AB est definida solamente
si el nmero de columnas en A es el mismo que el nmero de filas en B; en este caso se dice
que las matrices A y B son compatibles ante la multiplicacin, y la matriz producto tiene el
mismo nmero de filas que A y el mismo nmero de columnas que B. As, una matriz m x n se
puede multiplicar con una matriz n x p para obtener una matriz m x p.
u=
u1 ,
, un
v1
v
v = n
w u1 v1 u2 v2
Entonces u1xn vnx1 = w (un escalar), en donde
un v n
n
i1
ui v i
C c i k
m p
a1 j b j1
j1
n
a b
j1 mj j1
1 j b jm
n
amj b jn
j1
j1
EJEMPLO
, es decir,
1 3 1
2 0 0
0 1 6
33
1 0
3 3
1 2 2 0
1 3
32
7 16
32
ci k
n
j1
ai j b j k
En donde:
11 31 11 3
21 01 01 2
01 11 61 7
10 32 13 3
20 02 03 0
00 12 6316
b 1,
0, 6, 3, 215
3 0
4 0
2 3 12, 3812
1 8
0 2
52
En donde:
13 04 62 31 20 12
10 00 63 38 22 38
EJEMPLO
(a) Si
4 6 1 3
A
0 1 2 1
1
B
1
1
6
Entonces:
4 6 1 3
AB
0 1 2 124
1
1
BA
1
(b) Si
1
1
3 17
1
6
5 14 22
342
4 6 1 3
1
6
0 1 2 124
342
5 6
A 1 0
3
0
4 4 3 5
4 7 3 2
4
0 11 9
8 9 4 944
1 8 3
B
0 10 4
Entonces:
5 6
5 20
9
1 8 3
AB 1 0
3
1 8
0 10 4 23
0 3
32
0 30 12
33
5 6
1 8 3
13 3
BA
1
0
0 10 423
10 1222
0 332
(c) Si
1 3 1
A 2 0 2
0 4 5
0 2 3
B 8 1 9
2 0 5
Entonces:
1 3 1
AB 2 0 2
0 4 5
33
0 2 3
22 5 29
8 1 9 4 4 4
2 0 5
33
22 4 61
33
0 2 3
BA 8 1 9
2 0 5
33
1 3 1
4 12 11
2 0 2 10 60 55
0 4 5
33
2 14 23
33
NOTA: Cuando un vector fila pre multiplica a un vector columna, el resultado es un producto
interior, es decir, un escalar cuyo valor es la suma de los productos de los elementos de los dos
vectores. Cuando un vector columna n x 1 pre multiplica a un vector fila 1 x n, el resultado es
una matriz cuadrada n x n cuyos elementos son los productos interiores de los vectores dados;
por tanto, si
u=
u1 ,
, un
v1
v
v = n
w
Entonces, como se indic anteriormente, u1xn vnx1 = w (un escalar), en donde
x vi u j
vnx1 u1xn = xnxn (una matriz cuadrada), siendo i j
.
EJEMPLO
a 1,
3, 6
2
4 2 12 6 4
2
2 6 12
4 1, 3, 6 4 12 24
1 3 6
n
i1
ui v i
,y
b 1,
0, 0, 2, 3
0
1
4 0 0 0 6 6 0
3
0
0
1
1
4 1, 0, 0, 2, 3 4
3
3
0 0
0 0 2
0 0 8
0 0 6
0 0 4
3
12
9
6
Aunque el orden segn el cual se multiplican dos matrices afecta al resultado, el orden en el
que se multiplican tres o ms matrices no influye en el resultado, siempre y cuando se
conserve la secuencia de las operaciones, Es decir,
EJEMPLOS
A.
A
1 1 0
2 3 4
0 0 1
33
B
3
1
1
31
1 1 0
0, 2, 113 2 3 4
0 0 1
33
BC
ABC
0 6 3
0 4 2
1
0 2 1 0 2
1
0 2 1
33
0 2
33
O por asociatividad,
A
1 1 0
2 3 4
0 0 1
33
B
3
1
1
31
AB
2
0, 2, 113 1
1
31
ABC
0 4 2
0, 2, 113 0 2 1
0 2 1
33
B.
A
BC
ABC
1
1 1
5 2 3
1 1
17
1
0
6 1022 8 0 623
6 1022 1621 26221
4
31
AB
1
1 1
5 2 3
13 2 3
0
6 1022 8 0 623
50 12 7823
4
31
ABC
1
1
0
26221
4
31
C.
BC
ABC
3 4
0 1
6 8 10
3 4
5 5
9 47 28
4
O por asociatividad,
AB
ABC
3 4
0 1
6 8 10
4 3
6 8 10
9 47 28
D.
A
1,
1, 4, 214
0
2
1
041
1,
BC
0, 613 1, 1, 4, 214
2
1
ABC
0 0
0 12
6, 0, 3613
0 6
0 043
1,
1, 4, 214
0
2
1
041
1,
AB
ABC
En esta seccin se estudiarn tres tipos especiales de matrices: las matrices diagonales, las
matrices identidad y las matrices nulas.
MATRICES DIAGONALES
Una matriz diagonal es una matriz cuadrada cuyos elementos son todos iguales a cero,
excepto los que pertenecen a su diagonal principal, la cual es la que va del extremo superior
izquierdo al extremo inferior derecho; as pues,
a11
am1
a1n
a i j nn
a mn
ai j 0
, para i j
ai j 0
, si al menos i = j (cuando todos los elementos de una matriz son ceros, se trata
de una matriz nula, la cual se describir ms adelante)
a11
a nn
a1
0
0
0
0
0
0
a n
O bien, por
d1
Dn
d n
EJEMPLO
1 0 0
0 3 0
0 0 10
0
0
0
0
0
0
MATRICES IDENTIDAD
Una matriz identidad es una matriz diagonal cuyos elementos de la diagonal principal son
todos iguales al nmero uno. Por consiguiente,
a11
am1
a1n
a i j nn
a mn
ai j 0
, para i j
ai j 1
, para i = j
di 1
, para i = 1, 2, , n
1 0 0
I 3 0 1 0
0 0 1
0
0
I 6
0
0
0 0 0 0 0
1 0 0 0 0
0 1 0 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0 1
EJEMPLOS
A
A24
I2
A24
A24
I4
1
2 3 6 4
1 0 2 3 6 4
2 3 6 4 0
1
1
0
3
0
1
1
1
0
3
1
1
0
3
24 22
24
24 0
A24
0 0 0
2 3 6 4
1 0 0
0 1 0
1 1 0 324
0 0 144
B.
A33
I3
A33
A33
I3
A33
3 0 0
1 0 0 3 0 0
3 0 0 1 0 0
3 0 0
0 2 0 0 1 0 0 2 0 0 2 0 0 1 0 0 2 0
0 0 6
33
0 0 1
33
0 0 6
33
0 0 6
33
0 0 1
33
0 0 6
33
MATRICES NULAS
Una matriz nula es una matriz m x n cuyos elementos son todos iguales a cero; se simboliza
con O. Cuando una matriz nula del orden (o tamao) apropiado se suma o se resta de otra
matriz, esta ltima no cambia; es decir,
Pre multiplicar o pos multiplicar una matriz nula de orden apropiado da lugar a otra matriz
nula; es decir,
EJEMPLOS
A.
A23
O23
A23
0 1 0
0 0 0
0 1 0
B.
O33
A24
O34
0 0
4 10
1 6
0
0
1 20 13 11
24
0 0
32
A24
O41
0 0 0 0
0 0 0 0
0 0 0 0
34
O21
0
1 6
0
4 10 0
1 20 13 1124 0
021
041
Amn
a11
am1
a1n
a i j mn
a mn
Entonces la transpuesta de A es
Anm
a11
am1
a1n a11
amn
am1
a1n
ai j nm ai j mn
amn
Ntese que la transpuesta de un vector fila n-dimensional es un vector columna tambin ndimensional, y anlogamente, la transpuesta de un vector columna de n-dimensiones es un
vector fila de n-dimensiones tambin. La transpuesta de una matriz diagonal es la misma
matriz diagonal.
EJEMPLO
3 6
A 2 0
3 2 0
A
0 1
3 2
6 0 123 , entonces
Si
2
A 1
0
A 6, 2, 1, 0, 515
5
51
Si
, entonces
6 8 10
6 2 30
A 2 0
7
A 8 0 40
0
30 40
3 3 , entonces
10 7 0
33
Si
3
0
A
1
4 41 , entonces A 3, 0, 1, 414
Si
1 5 3
1 5 3
A 5 0 4
A 5 0 4
3 4 9
33 , entonces
3 4 9
3 3
Si
6 0 0 0
6 0 0 0
0 2 0 0
0 2 0 0
A
A
0 0 3 0
0 0 3 0
0 0 0 54 4 , entonces
0 0 0 544
Si
a aji
Si una matriz (cuadrada) y su transpuesta son iguales, es decir, i j
para toda i y toda j,
entonces la matriz se denomina simtrica (con respecto a su diagonal principal). En los dos
ltimos ejemplos citados, las matrices son simtricas.
Una matriz simtrica que al multiplicarse por s misma queda igual, se dice que es
idempotente. Por tanto, A es idempotente slo si
A = A
y AA = A
EJEMPLOS
A.
Una matriz identidad (de cualquier orden) es idempotente, puesto que
In = In
In In = In
B.
La matriz
15
2
5
2
5
4
5
15
2
5
4
5
15
2
5
2
5
4
5
15
2
y 5
2
5
4
5
15
2
5
2
5
4
5
15
2
5
2
5
4
5
Es decir,
En donde
di j ai j bi j ci j
EJEMPLOS
d j i a j i bj i c j i
A.
Si
3 0 2
A
6 8 1
Entonces:
2 5
2 6 6
6 11
5 11 25
6 25
[A + B + C] =
O de otra manera,
1 6 2
B
1
3 2
0 0 6
C
2 5 25
3 6 1 3 0 2 2 5
0 8 6 2 0 5 6 11
2 1
2 1
6 25
6 25
A + B + C =
B.
Si
2 1
6
8
A
B
0 1
10 12
Entonces:
4 10 4 10
10
11
10 11
[A - B + C] =
O, alternativamente,
0 1
C
0 0
2 0 6 10 0 0 4 10
1
1
8
12
1
0
11
10
A - B + C =
TRANSPUESTA DE UN PRODUCTO
DE MATRICES
EJEMPLOS
A.
3 0
A
4 1
6
C 1
3 5 7
B
0 1 8
Si
Entonces
6
9
15 21 39
ABC
1
12 19 20 53
39
ABC 53 39, 53
O en forma alternativa,
3 0
3 4
3 4
ABC CBA 6, 1, 0 5 10 1 13, 10 1 39, 53
7 8
B.
A 3, 1, 0
Si
Entonces: * ABC =
mismo escalar).
26
6 0
B 7 2
0 3
0
C
1
0
2 2
1
y asimismo [ABC]= -2 (la transpuesta de un escalar es el
O de otra manera:
3
3
6 7 0
0, 10 2 31 0 2 31 2
[ABC] = CBA=
1.6 MATRICES
SUBDIVIDIDAS
Con frecuencia es conveniente subdividir (o particionar) una matriz descomponindola en submatrices. stas se pueden considerar como escalares al efectuar operaciones sobre la matriz
original. La particin o subdivisin de una matriz se indica mediante lneas punteadas
horizontales o verticales trazadas entre filas o columnas.
Por ejemplo, la matriz A de orden m n se puede subdividir como sigue:
A A1
A2
A 1
A
A 2
EJEMPLO
A A1
Si
4 3 5 0
A2 2 1 1 6
8 2 3 7
4 2 8
3 1 2
A
A 2 5 1 3
0 6 7
A1
Entonces:
multiplicar.
Si una matriz A de orden m n se subdivide como
, en donde A1 es
m n1, A2 es m n2 , y n1 n2 n ; y si una matriz B de orden m n se particiona como
B B1 B2
1 n2 n , entonces:
, en donde B1 es m n1, B2 es m n2 , y n
A B A1 B1
A
2 B2
A
A 1
A2
, en donde A es m n , A1 es m1 n , A2 es m2 n , y m1 m2 m y
B
B 1
B2
, en donde B es m n , B1 es m1 n , B2 es m2 n y m1 m2 m .
Entonces:
A B
A B 1 1
A1 B2
EJEMPLO
3 4 2 0
A 1 0 5 6
7 3 3 2
Si
3 0 2 4
B 1 1 2 5
3 1
5 4
Entonces:
A B A1
A2 B1
3 4 2 0 3 0 2 4 0 4 0 4
B2 1 0 5 6 1 1 2 5 2 1 3 11 A1 B1
3 1
7 3 3 2
5 4
12 7 6 3
o bien,
3 4 2 0 3 0 2 4 0 4 0 4
A1 B1
A B
A B 1 0 5 6 1 1 2 5 2 1 3 11 1 1
A2 B2
A2 B2
3 1
7 3 3 2
5 4
12 7 6 3
, en donde B1 es n1 p y B2 es n2 p
A2 B2
AB A1
Entonces:
B
A2 1 A1B1 A2 B2
B2
EJEMPLO
Si
3 0 1
A 2 4 1
1 1 2
2 1
B 1 3
1 1
Entonces:
3 0 1
AB 2 4 1
1 1 2
2 1 3 0
1
6
3 1 1 7 2
2 1
1 1, 1 0 10 1 1 1 11
1 3 2 4
1 3
1 1
1 1
1 2
2 2
1 0
A12
A22
m1 m2 m , n1 n2 n . Entonces
A
A 11
A21
A22
A22 A21
B
B12
B 11
B21 B22
multiplicacin y
A
AB 11
A21
A12 B11
A22 B21