Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INGENIERIA EN SISTEMAS
ALGEBRA LINEAL
AUTOMÁTICAS
DOCENTE
Cuellar Marquez Miguel Esteban
Santa Cruz de la Sierra – Bolivia
2023
Universidad Privada Domingo Savio Facultad de Ingeniería
Carrera de Ingeniería en Sistemas Asignatura: Algebra Lineal
2
INDICE
1. INTRODUCCION...................................................................................................................3
2. JUSTIFICACION...................................................................................................................5
3. OBJETIVOS.............................................................................................................................7
4. MARCO TEORICO.................................................................................................................8
5. DESARROLLO......................................................................................................................15
6. CONCLUCIONES Y RECOMENDACIONES..............................................................22
7. BIBLIOGRAFIA....................................................................................................................23
Universidad Privada Domingo Savio Facultad de Ingeniería
Carrera de Ingeniería en Sistemas Asignatura: Algebra Lineal
3
1. INTRODUCCION
Antiguamente las matrices inversas han desempeñado un papel crucial en una
amplia gama de campos. Civilizaciones antiguas, como los egipcios y babilonios,
si bien no tenían un lenguaje formal de matrices, empleaban métodos que hoy
reconocemos como matrices inversas para resolver sistemas lineales de
ecuaciones. Desde la administración de tierras hasta los cálculos astronómicos y
la navegación, estos antiguos pueblos utilizaban técnicas que, en esencia,
implicaban la manipulación de matrices y sus inversas para encontrar soluciones
viables para las prácticas.
3. OBJETIVOS
3.1 Objetivo general
Matriz
Las diferentes operaciones que se pueden realizar con las matrices, se utilizan
para tomar decisiones adecuadas y conocer las posibilidades de hallar el valor de
incógnitas y dar soluciones a diferentes problemas. (Medina, s.f.)
Uno de los tipos de matrices más conocidos que existen son las matrices inversas.
Llamamos a matriz inversa a una matriz, cuando existe otra matriz que puede ser
considerada a su inversa. Es decir que una matriz invertible si se puede calcular
su inversa, de forma que la matriz por su inversa de lugar a una matriz identidad.
(MATH, s.f.)
Solo se puede calcular la inversa de las matrices cuadradas, es decir que tengan
el mismo número de filas y de columnas. Además, para que una matriz para que
Universidad Privada Domingo Savio Facultad de Ingeniería
Carrera de Ingeniería en Sistemas Asignatura: Algebra Lineal
9
una matriz sea invertible su determinante debe ser distinto de 0 (|Indistinto a 0)
(MATH, s.f.)
Si se sabe que la matriz “A” es cuadrada es decir de orden nxn y la matriz Mij, es
de orden (n - 1) x (n - 1) que se obtiene al eliminar de la matriz “A” su i-esima fila
y su j-esima columna; entonces a la matriz Mij se denomina ij-esima menor de la
matriz “A”.
Es decir, para calcular los menores de una matriz se debe eliminar la fila y la
columna indicada por el menor.
Sea “A” una matriz cuadrada de orden nxn entonces el ij-esima cofactor de la
matriz “A” está representado por Cij y esta definida de la siguiente manera:
Es de decir que para calcular los cofactores de una matriz se debe determinar el
signo de cada elemento y multiplicarlo por el determinante del menor
correspondiente.
Matriz adjunta
Sea “A” una matriz cuadrada de orden nxn entonces la adjunta de la matriz “A”
que se representa como adj(A) o A*, es aquella matriz conformada por todos los
cofactores de la matriz “A” respetando los signos de cada elemento de dicha
matriz.
Matriz inversa
Entonces para calcular la inversa de una matriz cuadrada “A” esta debe ser
regular, por lo tanto, para el cálculo de la inversión de un matriz se aplica la
siguiente igualdad:
3° ( A¿¿−1)−1= A ¿
1
5° Det ( A ¿¿−1)= ¿
det ( A )
−1 1 ¿ t
6° A = .( A )
det (A )
−1 1
7° (K . A ) = −1
K.A
Ecuaciones matriciales
Al momento de resolver una ecuación matricial, debe tomar en cuenta que lo que
se quiere es despejar la matriz incógnita “X”
Escalonamiento de matrices
Matriz equivalente
Las matrices escalonadas por filas tienen dos formas es decir que, son matriz
escalonada y matriz escalonada reducida.
Matriz escalonada
Para que una matriz este en su forma escalonada debe cumplir las siguientes
condiciones:
1° Si una matriz tiene filas donde todos sus elementos son nulos, entonces estas
filas deben ubicarse a lo último de la matriz.
3° En dos filas sucesivas no nulas de una matriz; el primer uno de la fila inferior
debe estar más hacia la derecha que el primer uno de la fila superior.
Es aquella matriz que además de cumplir las tres condiciones anteriores de una
matriz escalonada; debe cumplir también la siguiente condición:
4° Cualquier columna que contenga el primer uno en una fila; todos los demás
elementos de dicha columna deben ser nulos.
Este método consiste en transformar una matriz “A” por medio de la reducción por
filas en una matriz identidad.
[A | B]
Universidad Privada Domingo Savio Facultad de Ingeniería
Carrera de Ingeniería en Sistemas Asignatura: Algebra Lineal
13
2° Se transforma la matriz “A” a su forma escalonada reducida por medio de
operaciones elementales; afectando estas operaciones también a la matriz
identidad.
3° La matriz “A” se debe reducir a la matriz identidad; entonces A−1 será la matriz
que aparezca al lado derecho de la matriz “A”.
Una matriz cuadrada tiene inversa si solo sí; su forma escalonada reducida es la
matriz identidad. En caso de que en la reducción por filas de la matriz “A” se
llegara a tener una fila o una columna cuyos elementos son nulos, entonces “A” no
tienen inversa.
Costos
costos fijos
costos variables
Análisis financieros
Optimización de la producción
5. DESARROLLO
En esta sección del proyecto, avanzaremos hacia la realización de los ejemplos
planteados, marcando el inicio del desarrollo.
{25 x +120
x+ y =50
y=2675
Forma matricial
A=
[ 251 1
120 ]
2x 2
X=
[]
x
y 2 x1
B=
[ 2675
50
] 2x 1
Solución
Det(A)= 95
Adj( A)=
[ 120
−1 1 ]
−25
2x 2
( Adj ( A )) =[ 120 −1 ]
T
−25 1 2x 2
95 [−25 1 ]
−1 1 120 −1
A = ∗
[ ][
24 −1
−1
A =
19
−5
95
1
∗
50
2675 ]
19 95
X=
[ 3515]
Interpretación
Datos recopilados:
Para el lunes: Vendiste 50 tazas de café expreso, 30 tazas de café latte y
20 tazas de café americano, generando 300 Bs en ingresos.
Universidad Privada Domingo Savio Facultad de Ingeniería
Carrera de Ingeniería en Sistemas Asignatura: Algebra Lineal
17
Para el martes: Vendiste 40 tazas de café expreso, 35 tazas de café latte y
25 tazas de café americano, generando 320 Bs en ingresos.
Para el miércoles: Vendiste 60 tazas de café expreso, 25 tazas de café latte
y 15 tazas de café americano, generando 350 Bs en ingresos.
Los costos diarios de producción para el café espresso son 2 Bs por taza.
Los costos diarios de producción para el café latte son 2.5 Bs por taza.
Los costos diarios de producción para el café americano son 1.8 Bs por
taza.
Se requiere utilizar la matriz inversa para determinar cuántas tazas de cada tipo de
café necesitas vender diariamente para cubrir tus costos y obtener una ganancia.
{
50 x 1+30 x 2 +20 x3 =300
40 x 1+ 35 x 2 +25 x 3=320
60 x 1+25 x 2 +15 x3 =350
[ ]
50 30 20
A= 40 35 25
60 25 15 3 x3
es la matriz de coeficientes,
[]
X1
X= X2
X3 3x 1
es el vector de incógnitas y
Universidad Privada Domingo Savio Facultad de Ingeniería
Carrera de Ingeniería en Sistemas Asignatura: Algebra Lineal
18
[ ]
300
B= 320
350 3x 1
Entonces, para encontrar “X”, necesitamos encontrar A-1 (la inversa de A) y luego
multiplicar A-1 por B, es decir, X = A-1 . B.
Solución
Una vez que hemos encontrado la matriz inversa A-1 y multiplicado por el vector
“B”, obtendremos un vector “X” que nos dará las cantidades necesarias de cada
tipo de café que se deben vender por día para cubrir los costos y obtener
ganancias.
Para encontrar la matriz inversa A-1, primero necesitamos calcular la matriz “A”:
[ ]
50 30 20
A= 40 35 25
60 25 15 3 x3
Y el vector B:
Universidad Privada Domingo Savio Facultad de Ingeniería
Carrera de Ingeniería en Sistemas Asignatura: Algebra Lineal
19
[ ]
300
B= 320
350 3x 1
[ ]
0.02 −0.05 0.03
−1
A = −0.026 0.07 −0.042
0.006 −0.01 0.01 3 x3
Para encontrar el vector “X” que representa las cantidades óptimas de cada tipo
de café que se deben vender por día, multiplicamos la matriz inversa A-1 por el
vector “B” de ingresos.
A-1×B=
[ ]
0.02∗300+(−0.05)∗320+0.03∗350
−1
A ∗B= (−0.026)∗300+0.07∗320+(−0.042)∗350
0.006∗300+(−0.001)∗320+ 0.01∗350
Por lo tanto, el vector “X” que representa las cantidades óptimas de cada tipo de
café que se deben vender por día es:
[]
6.4
X = 5.6
8.8 3x 1
Interpretación
Esto significa que para cubrir los costos y obtener utilidad, necesitarías vender
aproximadamente 6.4 tazas de café espresso, 5.6 tazas de café latte y 8.8 tazas
de café americano por día. Estas serían las cantidades óptimas basadas en los
datos proporcionados.
Universidad Privada Domingo Savio Facultad de Ingeniería
Carrera de Ingeniería en Sistemas Asignatura: Algebra Lineal
20
Datos:
Solución
[ ]
0.2 0.3 0.5
0.3 0.4 0.3
0.4 0.2 0.4 3x 3
Llamemos a esta matriz “A”. Para encontrar cuántas bolsas de cada tipo de grano
necesitas comprar, debemos multiplicar la inversa de “A” por un vector que
Universidad Privada Domingo Savio Facultad de Ingeniería
Carrera de Ingeniería en Sistemas Asignatura: Algebra Lineal
21
represente la demanda de cada tipo de mezcla de café. Supongamos que la
demanda es de 100 kg de mezcla suave, 150 kg de mezcla medio y 200 kg de
mezcla fuerte. Entonces, el vector de demanda sería:
[ ]
100
150
200 3 x1
[ ]
−0.4 1.0 −0.2
1.0 −2.5 1.0
−0.2 0.5 −0.2 3 x3
[ ][ ] [ ]
−0.4 1.0 −0.2 100 30
1.0 −2.5 1.0 . 150 = 100
−0.2 0.5 −0.2 3 x3 200 3 x1 70 3 x1
Interpretación:
6. CONCLUCIONES
La implementación del programa garantiza resultados precisos y confiables al
calcular la matriz inversa. Esto es crucial para aplicaciones donde la precisión es
fundamental, como en el ámbito científico, de ingeniera o financiero.
Para un mejor desarrollo general con una utilidad provechosa hacia las MATRIZ
INVERSA con SOLUCIONES AUTOMÁTICAS tenemos que tener en cuenta que
no es una simple matemática, sino que una solución precisa y clara para optimizar
y corregir tanto perdidas como ganancias en diferentes áreas de nuestras vidas
cotidianas
6. BIBLIOGRAFIA
LIBROS
Marquez, M. C. (2017). Algebra Lineal. Santa Cruz .
WEBLOGRAFIA
MATH. (s.f.). Matriz inversa. Obtenido de MATH: https://es.plusmaths.com/matriz-inversa.html