ALGEBRA LINEAL

UNIDAD 2 MATRICES Y DETERMINANTES

Las matrices aparecen por primera vez hacia el año 1850, introducidas por J.J.
Sylvester. El desarrollo inicial de la teoría se debe al matemático W.R. Hamilton en
1853. En 1858, A. Cayley introduce la notación matricial como una forma
abreviada de escribir un sistema de m ecuaciones lineales con n incógnitas.

Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de

ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales.

Además de su utilidad para el estudio de sistemas de ecuaciones lineales, las

matrices aparecen de forma natural en geometría, estadística, economía,
informática, física, etc.

La utilización de matrices (arrays) constituye actualmente una parte esencial de

los lenguajes de programación, ya que la mayoría de los datos se introducen en
los ordenadores como tablas organizadas en filas y columnas: hojas de cálculo,
bases de datos, etc.

2.1 Definición de matriz, notación y orden.

• Definición y notación

Se llama matriz de orden m×n (dimensión) a todo conjunto rectangular de

elementos aij dispuestos en m líneas horizontales (filas) y n verticales (columnas)
de la forma:

= (aij)

Abreviadamente suele expresarse en la forma A =(aij), con i =1, 2, ..., m, j =1, 2,

..., n. Los subíndices indican la posición del elemento dentro de la matriz, el
primero denota la fila (i) y el segundo la columna (j). Por ejemplo el elemento a25
será el elemento de la fila 2 y columna 5.

1
Dos matrices son iguales cuando tienen la misma dimensión y los elementos que
ocupan el mismo lugar en ambas son iguales.

• Orden de la matriz

Una matriz cuadrada es la que tiene el mismo número de filas que de columnas.

Se dice que una matriz cuadrada nxn es de orden n y se denomina matriz n-

cuadrada.

El número de filas y columnas de una matriz determina el orden de la matriz

(dimensión nxn).

El orden de la matriz está determinado por un par de números naturales; m y n.

Las filas son los números dispuestos en m horizontales. En el ejemplo, la primera

fila estaría formada por los números [ 1 2 3 ].
Las columnas son los números dispuestos en n verticales. En el ejemplo, la
primera columna estaría formada por los números [ 1 1 4 6 ].

Una matriz de orden (m,n) es el conjunto de números dispuestos en m filas y n

columnas.

Siguiendo el mismo ejemplo, vemos que es una matriz 4x3. Se clasifica así porque
la matriz contiene 4 filas y 3 columnas.

2.2 Operaciones con matrices.

• Trasposición de matrices

Dada una matriz de orden mxn, A = (aij), se llama matriz traspuesta de A, y se

representa por At, a la matriz que se obtiene cambiando las filas por las columnas
(o viceversa) en la matriz A. Es decir:

2
Propiedades de la trasposición de matrices;

1. Dada una matriz A, siempre existe su traspuesta y además es única.

2. (At)t = A.

• Suma y diferencia de matrices

La suma de dos matrices A=(aij), B=(bij) de la misma dimensión, es otra matriz

S=(sij) de la misma dimensión que los sumandos y con término genérico s ij=aij+bij.

Por tanto, para poder sumar dos matrices estas han de tener la misma dimensión.

La suma de las matrices A y B se denota por A+B.

Sin embargo, no se pueden sumar

Propiedades de la suma de matrices:

1. A+(B+C) = (A+B)+C (propiedad asociativa)

2. A+B = B+A (propiedad conmutativa)
3. A+0 = A (0 es la matriz nula)
4. La matriz –A, que se obtiene cambiando de signo todos los elementos de A,
recibe el nombre de matriz opuesta de A, ya que A+(–A) = 0.

La diferencia de matrices A y B se representa por A–B, y se define como:

A–B = A+(–B)

• Producto de una matriz por un número

El producto de una matriz A = (aij) por un número real k es otra matriz B = (b ij) de
la misma dimensión que A y tal que cada elemento bij de B se obtiene
multiplicando aij por k, es decir, bij = k·aij.

3
Para un numero escalar ‫גּ‬:

El producto de la matriz A por el número real k se designa por k·A. Al número real
k se le llama también escalar, y a este producto, producto de escalares por
matrices.

Propiedades del producto de una matriz por un escalar:

1. K*(A+B) = k*A+k*B (propiedad distributiva 1ª)
2. (k+h)*A = k*A+h*A (propiedad distributiva 2ª)
3. K*[h*A] = (k*h)*A (propiedad asociativa mixta)
4. 1*A = A (elemento unidad)

Propiedades simplificativas:
1. A+C = B+C ↔ A = B.
2. K*A = k*B ↔ A = B y k es distinto de 0.
3. K*A = h*A ↔ h = k y A es distinto de 0.

• Producto de matrices

Dadas dos matrices A y B, su producto es otra matriz P cuyos elementos se

obtienen multiplicando las filas de A por las columnas de B. De manera más
formal, los elementos de P son de la forma:

Es evidente que el número de columnas de A debe coincidir con el número de filas

de B. Es más, si A tiene dimensión mxn y B dimensión nxp, la matriz P será de
orden mxp. Es decir:

Condición para poder realizar la operación de multiplicación: Amxn x Bnxp = Pmxp

2x2 2x3 2x3

4
 no se pueden multiplicar, ya que son las matrices son 3x1 y 2x3,
las columnas de la primera matriz son diferentes a las filas de la segunda matriz.

Por ejemplo:

2x3 3x2 2x2 2x2

Ejemplo:

Como A es una matriz 2x3 y B es una matriz 3x4, el producto AB es una matriz
2x4. Para determinar, por ejemplo, el elemento en el renglón 2 y en la columna 3
de AB, solo se consideran el renglón 2 de A y la columna 3 de B. Luego, como se
ilustra a continuación, los elementos correspondientes (en negrilla) se multiplican
entre si, término a término y se suman los productos obtenidos.

2x3 3x4 2x4

(2*4)+(6*3)+(0*5) = 26
Y así obtenemos el siguiente resultado:
(1*4)+(2*0)+(4*2) = 12
(1*1)+(2*1)+(4*7) = 27
(1*4)+(2*3)+(4*5) = 30
(1*3)+(2*1)+(4*2) = 13
(2*4)+(6*0)+(0*2) = 8
(2*1)+(6*1)+(0*7) = -4
(2*3)+(6*1)+(0*2) = 12

Propiedades del producto de matrices:

1. A(BC) = (AB)C
2. El producto de matrices en general no es conmutativo.
3. Si A es una matriz cuadrada de orden n se tiene A·In = In·A = A.

5
 4. Dada una matriz cuadrada A de orden n, no siempre existe otra matriz B tal
que AB = BA = In. Si existe dicha matriz B, se dice que es la matriz inversa
de A y se representa por A–1 .
5. El producto de matrices es distributivo respecto de la suma de matrices, es
decir: A(B+C) = AB + AC

Consecuencias de las propiedades

1. Si AB= 0, no implica que A=0 ó B=0.

2. Si AB=AC, no implica que B = C. (Ejemplo)

3. En general (A+B)2 ≠ A2 + B2 +2AB, ya que AB ≠ BA.

4. En general (A+B)(A–B) ≠ A2–B2, ya que AB ≠ BA.

• Potencia de matrices

Dada la matriz

Los cálculos en Excel se muestran en la siguiente figura:

2.3 Clasificación de las matrices.

• Atendiendo a la forma

Matriz fila: Es una matriz que solo tiene una fila, es decir m =1 y por tanto es de
orden 1xn.

A=(a11 a12 ... a1n)

6
Matriz columna: Es una matriz que solo tiene una columna, es decir, n =1 y por
tanto es de orden mx1.

Matriz cuadrada: Es aquella que tiene el mismo número de filas que de columnas,
es decir m = n. En estos casos se dice que la matriz cuadrada es de orden n, y no
nxn.
Los elementos aij con i=j, o sea aii forman la llamada diagonal principal de la matriz
cuadrada, y los elementos aij con i+j = n+1 la diagonal secundaria.

En la matriz la diagonal principal está formada por (1, 1, 9) y la

diagonal secundaria por (0, 1, 3).

Matriz traspuesta: Dada una matriz A, se llama traspuesta de A, y se representa

por At, a la matriz que se obtiene cambiando filas por columnas. La primera fila de
A es la primera fila de At , la segunda fila de A es la segunda columna de At, etc.
Por definición se deduce que si A es de orden mxn, entonces At es de orden nxm.

Matriz simétrica: Una matriz cuadrada A es simétrica si A = At, es decir, si aij = aji
ᵾ i, j.

Matriz antisimétrica: Una matriz cuadrada es antisimétrica si A = –At, es decir, si

aij = –aji ᵾ i, j.

Consideremos las matrices siguientes:

Podemos observar que los elementos simétricos de A son iguales, o que At = A.

Siendo así, A es simétrica.

7
Para B los elementos simétricos son opuestos entre sí, de este modo B es
antisimétrica.

A simple vista, C no es cuadrada; en consecuencia, no es ni simétrica ni

antisimétrica.

Matrices ortogonales: Se dice que una matriz real A es ortogonal, si AAt = AtA = I.
Se observa que una matriz ortogonal A es necesariamente cuadrada e invertible,
con inversa A-1 = At.
Consideremos una matriz 3x3 arbitraria:

Si A es ortogonal, entonces:

Matrices normales: Una matriz es normal si conmuta con su traspuesta, esto es, si
AAt=AtA. Obviamente, si A es simétrica, antisimétrica u ortogonal, es
necesariamente normal.

Ejemplo:

Puesto que AAt = AtA, la matriz es normal.

• Atendiendo a los elementos

Matriz nula: Es aquella que todos sus elementos son 0 y se representa por 0.

La matriz es la matriz nula de orden 3.

8
La matriz es la matriz nula de orden 2x4.

Matriz diagonal: Es una matriz cuadrada, en la que todos los elementos no

pertenecientes a la diagonal principal son nulos.

Matriz escalar: Es una matriz diagonal con todos los elementos de la diagonal
iguales.

Matriz unidad o identidad: Es una matriz escalar con los elementos de la diagonal
principal iguales a 1.

Matriz Triangular: Es una matriz cuadrada que tiene nulos todos los elementos que
están a un mismo lado de la diagonal principal. Las matrices triangulares pueden
ser de dos tipos:
• Triangular Superior: Si los elementos que están por debajo de la diagonal
principal son todos nulos. Es decir, aij =0 ᵾ i<j.

matriz triangular superior.

• Triangular Inferior: Si los elementos que están por encima de la diagonal
principal son todos nulos. Es decir, aij =0 ᵾ j<i.

matriz triangular inferior.

2.4 Transformaciones elementales por renglón. Escalonamiento de una

matriz. Rango de una matriz.

• Transformaciones elementales por renglón

Dada una matriz A cualquiera, las Transformaciones Elementales por filas o

renglones de A son tres:
1. Intercambiar la posición de dos filas.

9
 2. Multiplicar una fila por un número real distinto de cero.
3. Sustituir una fila por el resultado de sumarle a dicha fila otra fila que ha sido
previamente multiplicada por un número cualquiera.

Nota: Análogamente podríamos hacerlo todo por columnas; sin embargo, son las
transformaciones por filas las que son importantes en los sistemas de ecuaciones
lineales.

El siguiente resultado nos garantiza que siempre podemos transformar una matriz
cualquiera en otra escalonada.

• Matriz escalonada.

La idea que se persigue con las transformaciones elementales es convertir una

matriz concreta en otra matriz más fácil de estudiar. En concreto, siempre será
posible conseguir una matriz escalonada, en el sentido que definimos a
continuación.

Sea A una matriz y F una fila de A. Diremos que F es nula si todos los números de
F coinciden con el cero. Si F es no nula, llamamos PIVOTE de F al primer número
distinto de cero de F contando de izquierda a derecha.

Una Matriz Escalonada es aquella que verifica las siguientes propiedades:

• Todas las filas nulas (caso de existir) se encuentran en la parte inferior de la

matriz.
• El pivote de cada fila no nula se encuentra estrictamente más a la derecha
que el pivote de la fila de encima.

Por ejemplo, entre las matrices:

A no es escalonada, mientras que B y C si lo son.

Teorema: A partir de cualquier matriz A se puede llegar, mediante una cantidad

finita de transformaciones elementales, a una matriz escalonada E.

Veamos en un ejemplo cómo se hace. Obsérvese que, primero, hacemos que la

componente (1,1) de la matriz de partida sea igual a uno. Luego, se hace que el

10
resto de componentes de la primera columna sean cero. Después se pasa a la
componente (2,2), y así sucesivamente.

El teorema anterior nos permite hacer una definición importante:

• Rango

Dada una matriz escalonada E se define el Rango de E, que representamos por

rg(E), como el número de filas no nulas de E.

Las matrices nulas tienen rango cero o sea el rango es cero si y sólo si A = 0

La matriz identidad de orden n cumple rg(In) = n.

La siguiente cuestión que abordaremos es la definición de rango para una matriz

cualquiera que no esté escalonada. La idea será la de transformar la matriz dada
en otra que sea escalonada mediante las llamadas transformaciones elementales
por filas que describimos a continuación.

Dada una matriz A cualquiera se define el Rango de A y lo denotamos rg(A) como

el rango de cualquier matriz escalonada E equivalente con A (se demuestra que
este número no depende de la matriz escalonada E a la que se llegue). El rango
siempre es un número menor o igual que el número de filas y el número de
columnas de A. En el ejemplo anterior, el rango es 3

Una vez aplicado este proceso de triangulación superior, el rango de la matriz es

el número de filas no nulas de la matriz obtenida. Ejemplos:

11
2.5 Cálculo de la inversa de una matriz.

Sabemos ya multiplicar matrices y hemos visto algunas de las propiedades de

esta operación. Recordemos, en primer lugar, que no siempre es posible efectuar
la multiplicación de dos matrices, y en segundo lugar, que aunque sea posible
hacer esta multiplicación, en general no es conmutativo, es decir A·B es distinto de
B*A.

En el caso particular de que tratemos con matrices cuadradas del mismo orden A
y B, es claro que podemos efectuar los productos A·B y B·A, que darán como
resultado otra matriz del mismo orden, aunque, como ya se ha dicho, las matrices
resultantes serán, en general, distintas.

Sabemos también que el elemento neutro del producto de matrices es la matriz

identidad In. Por analogía con el caso de los números reales, podemos
plantearnos la siguiente cuestión: Si tenemos un número real, por ejemplo el 2,
podemos interesarnos en buscar el inverso del 2 para el producto, es decir un
número real x tal que 2·x = 1, el producto de 2 por x sea igual al elemento neutro,
el 1.

Evidentemente, en el caso de los números reales es bien fácil despejar x para

obtener, en nuestro caso, que x = ½, es decir, el inverso de un número real es
otro número que multiplicado por el da el elemento neutro, el 1.

Todo número real, salvo el 0, tiene inverso.

Trasladando esto a las matrices, nos podemos plantear si dada una matriz
cuadrada A de orden n, cualquiera, existe su inversa X para el producto de
matrices, tal que A X = In es decir, el producto de A por su inversa produce el
elemento neutro matricial, la matriz identidad In. Sin embargo, hay algunas
diferencias con respecto al caso de los números reales:

12
No podemos “despejar” la matriz X del modo X = In A, porque no hemos definido la
división de matrices.
No todas las matrices cuadradas no nulas tienen matriz “inversa” (sea lo que sea,
por analogía con los números).

Definamos, en primer lugar, el término de matriz inversa: Dada una matriz

cuadrada de orden n, A, se dice que A es invertible (o que posee inversa o que es
no singular o que es regular), si existe otra matriz del mismo orden, denominada
matriz inversa de A y representada por A−1 y tal que: A A−1 = In y A−1 A = In

Si A no tiene inversa, se dice que es singular o no invertible.

Si una matriz tiene inversa, dicha matriz inversa es única (sólo hay una).

Una matriz cuadrada que posee inversa se dice que es inversible o regular.

Propiedades de la inversión de matrices

1. La matriz inversa, si existe, es única
2. A-1 A = A·A-1= I
3. (A·B) -1 = B-1 A-1
4. (A-1) -1 =A
5. (kA) -1 = (1/k)·A-1
6. (At) –1 = (A-1) t

Observación: Podemos encontrar matrices que cumplen A·B = I, pero que B·A ≠ I,
en tal caso, podemos decir que A es la inversa de B "por la izquierda" o que B es
la inversa de A "por la derecha".

Hay varios métodos para calcular la matriz inversa:

1. Directamente

Dada la matriz buscamos una matriz que cumpla A·A-1 = I, es

decir
Para ello planteamos el sistema de ecuaciones:

13
 La matriz que se ha calculado realmente sería la inversa por la "derecha",
pero es fácil comprobar que también cumple A-1·A = I, con lo cual es
realmente la inversa de A.

2. Usando determinantes

Se tratará en el subtema 2.8

3. Por el método de Gauss-Jordan

El método de Gauss-Jordan para calcular la matriz inversa, se basa en una

triangulación superior y luego otra triangulación inferior de la matriz a la cual
se le quiere calcular la inversa. (tercer y ultimo paso, es la normalización)
Preparación de la matriz para aplicar el metodo de gauss-Jordan:
[ A I ] ➔ [ I A-1 ]

Ejemplo 1.- Aplicando el método de Gauss-Jordan a la matriz

• En primer lugar triangulación superior:

3f2-f1 ➔ f2
• Luego triangulación inferior:

5f1-f2 ➔ f1
• Por último, habrá que convertir la matriz diagonal en la matriz
identidad:

y la matriz inversa es

Ejemplo 2: Queremos calcular la inversa con Gauss-Jordan

1. Se escribe la matriz A junto a esta la matriz identidad,

14
2. Triangulación superior a la matriz A de arriba a abajo y realizamos las
mismas operaciones en la matriz de la derecha.

Como podemos observar el rango de la matriz es máximo (en este

caso 3), por lo tanto, la matriz A es regular (tiene inversa), podemos
calcular su inversa.

3. Triangulación inferior de la matriz de abajo a arriba, realizando las

mismas operaciones en la matriz de la derecha.

6
2

4. Por último, proceso de normalización, se divide cada fila por el elemento

diagonal correspondiente.
6
2

Para aplicar el método se necesita una matriz cuadrada de rango

máximo. Sabemos que no siempre una matriz tiene inversa, por lo cual
comprobaremos que la matriz tenga rango máximo al aplicar el método de
Gauss para realizar la triangulación superior. Si al aplicar el método de
Gauss (triangulación inferior) se obtiene una línea de ceros, la matriz no
tiene inversa.

Aplicando el método de Gauss-Jordan a la matriz se tiene:

15
 Como hay una fila completa de
ceros, la matriz A no tiene rango máximo, en este caso 2, por lo tanto, no
tiene inversa pues es una matriz singular

2.6 Definición de determinante de una matriz.

El determinante de una matriz cuadrada es un número real cuya definición exacta

es bastante complicada. Por ello, definiremos primero el determinante de matrices
pequeñas, y estudiaremos métodos y técnicas para calcular determinantes en
general. Solamente se puede calcular el determinante a matrices cuadradas.

En cuanto a la notación, a veces el determinante se escribe con la palabra det, y

otras veces se indica sustituyendo los paréntesis de la matriz por barras
verticales.

El determinante de una matriz determina si los sistemas son singulares o mal

condicionados. En otras palabras, sirve para determinar la existencia y la unicidad
de los resultados de los sistemas de ecuaciones lineales.
• El determinante de una matriz es un número.
• Un determinante con valor de cero indica que se tiene un sistema singular.
• Un determinante con valor cercano a cero indica que se tiene un sistema
mal condicionado.

Un sistema singular es cuando en el sistema de ecuaciones se tiene a más de una

ecuación con el mismo valor de la pendiente. Por ejemplo, ecuaciones que
representan líneas paralelas o ecuaciones que coinciden en los mismos puntos de
graficación.

En un sistema mal condicionado es difícil identificar el punto exacto en que las

líneas de las ecuaciones se interceptan.

REGLA DE SARRUS.

La regla de Sarrus únicamente se puede utilizar para determinantes de orden 3.

Paso 1 Escriba la matriz A de orden 3x3 y enseguida las primeras dos columnas
de A como se muestra a continuación

16
Paso 2 Calcule los productos indicados por las flechas (que a continuación se
indican). Iniciando con el elemento a11, luego a12 y a13, los productos
correspondientes a las flechas que se dirigen hacia abajo se toman con signo
positivo, mientras iniciando con el elemento a31, luego a32 y a33 los productos
correspondientes a las flechas que se dirigen hacia arriba se toman con signo
negativo.

Positivos + + + Negativos - - -

Paso 3 Sume los productos con los signos adecuados según se determinó en el
paso 2

Matrices de orden .

Menores y cofactores de una matriz de orden n.

Sea A una matriz de orden , definimos el menor Mij asociado al elemento aij
de A como el determinante de la matriz que se obtiene al eliminar la fila i y la
columna j de la matriz A. El cofactor cij asociado al elemento aij de A esta dado
por:
Cij = (-1)i+j Mij

Determinante de una matriz de orden superior

Si A es una matriz de orden , entonces el determinante de la matriz A es la

suma de los elementos de la primera fila de A multiplicados por sus respectivos
cofactores.

17
Que es el Teorema de Laplace:

Ejemplo: Hallar el determinante de la matriz

Solución: Para encontrar el menor de a11 se elimina el primer renglón y la primera

columna de A y se calcula el determinante de la matriz resultante.

De manera similar, para encontrar el menor de a12, se elimina el primer renglón y

la segunda columna de A y se calcula el determinante de la matriz resultante.

para encontrar el menor de a13, se elimina el primer renglón y la tercera columna

de A

los cofactores son

el determinante de la matriz A se calcula así

18
2.7 Propiedades de los determinantes.

1.- |At|= |A| El determinante de una matriz A y el de su traspuesta At son iguales.

2.- |A|=0 Si: Al menos posee dos renglones iguales

Todos los elementos de una línea son nulos.

Los elementos de una línea son combinación lineal de las otras.

F3 = F1 + F2

3.- Un determinante triangular es igual al producto de los elementos de la diagonal

principal

4.- Si en un determinante se cambian entre sí dos líneas paralelas su

determinante cambia de signo.

5.- Si a los elementos de un renglon se le suman los elementos de otra paralela

multiplicados previamente por un n real, el valor del determinante no varía.

19
6.- Si se multiplica un determinante por un número real, queda multiplicado por
dicho número cualquier renglón, pero sólo una.

7.- Si todos los elementos de una fila o columna están formados por dos
sumandos, dicho determinante se descompone en la suma de dos determinantes.

8.- |A•B| =|A|•|B| El determinante de un producto es igual al producto de los

determinantes.

2.8 Inversa de una matriz cuadrada a través de la adjunta.

Sea A una matriz de orden , definimos el menor Mij asociado al elemento aij
de A como el determinante de la matriz que se obtiene al eliminar la fila i y la
columna j de la matriz A. El cofactor cij asociado al elemento aij de A esta dado
por:
Cij = (-1)i+j Mij

Dada una matriz cuadrada A, se tiene los cofactores de A* = (cij), A* llamada

matriz adjunta.

1 1
La matriz inversa se define como: 𝐴−1 = (𝐴∗ )𝑡 = (𝐴𝑡 )∗
|𝐴| |𝐴|

Ejemplo: Cálculo de la matriz inversa

1.- Calculamos el determinante de la matriz, en el caso que el determinante sea

nulo la matriz no tendrá inversa.

2.- Hallamos la matriz adjunta, que es aquella en la que cada elemento se

sustituye por su adjunto o sea la determinante de la matriz formado por los
elementos diferentes a las filas y columnas que intersectan el elemento adjunto,

20
los signos de cada elemento de la matriz adjunta serán uno positivo y otro
negativo, sucesivamente.

3.- Calculamos la traspuesta de la matriz adjunta.

4.- La matriz inversa es igual al inverso del valor de su determinante por la matriz
traspuesta de la adjunta.

Esto es fácil probarlo puesto que sabemos que la suma de los productos de los
elementos de una fila por sus adjuntos es el valor del determinante, y que la suma
de los productos de los elementos de una fila por los adjuntos de otra fila diferente
es 0 (esto sería el desarrollo de un determinante que tiene dos filas iguales por los
adjuntos de una de ellas).

2.9 Aplicación de matrices y determinantes.

Las matrices se utilizan en el contexto de las ciencias como elementos que sirven
para clasificar valores numéricos atendiendo a dos criterios o variables.

Dentro de la ingeniería civil, se ocupan las matrices en diversos aspectos:

• Análisis de estructuras.
• Manejo de informaciones fundamentales.
• Llevar a cabo proyectos de desarrollo sistematizados.
• Un mejor control de perfil técnico.
• Formular una partida teórica de diseños.
• Diseño de puentes, vías, calzadas.
• Área de estudios técnicos
• Almacenamiento de información óptima en sistemas.
• Análisis de precios y costos.
• Los problemas de dinámica estructural.

21
 • Los análisis avanzados de elemento finito.
• Los análisis de redes de flujo en mecánica.
• Resolver sistemas de ecuaciones.

Por ejemplo, en el cálculo estructural para analizar la capacidad de carga y el

diseño de elementos, en ingeniería de tránsito para generar matrices de
información en la planificación de transporte y aforos vehiculares, en topografía
para realizar resúmenes de datos y cuadricular terrenos para curvas de nivel, en
dibujo asistido por computadora en el Software Autocad.

También estática, se utiliza para resolver problemas de equilibrio en el espacio en

3D con operaciones vectoriales, en hidráulica para hacer referencia del estudio de
la pérdida de energía por accesorios (circuito cerrado) y en el análisis, diseño y
distribución de caudales para la población, en análisis numérico para resolver
sistemas de ecuaciones.

Ejemplo:
Un constructor puede adquirir ladrillos, tejas, madera y cemento de tres
proveedores P,Q y R los precios de cada proveedor por paquete de material viene
dado en miles de pesos por material en la matriz siguiente:
L= Ladrillo T= Teja
M = Madera C=Cemento

L T M C
P= [8 13 6 6]
Q= [6 12 7 8]
R= [7 14 6 7]

El constructor tiene que comenzar tres obras, necesita:

a. Primera obra: 24 paquetes de ladrillos, 5 de tejas, 12 de madera y 18 de
cemento
b. Segunda obra: 20 paquetes de ladrillos, 7 de tejas, 15 de madera y 20 de
cemento
c. Tercera obra: 20 paquetes de ladrillos, 4 de tejas, 15 de madera y 15 de
cemento.
El constructor quiere adquirir todos los materiales de cada obra al mismo
proveedor ¿Que proveedor es más económico para cada obra?
Solución:

22
377 352

23
24