1 0 2 3 9 −5 6 0 −2 3 5

−2 5 6 3 6
𝐴=[ 1 0 3 8] 𝐵 = [1 3
0 −1 3 ] 𝐶=[ 4 3 5 4 ] 𝐷=
5 2 −3 0 −1 0 −9 8
5 7 −5
0 3𝑥 2 −2
[ 3 𝑦2 3 ]
1 0 (𝑥 + 𝑦)

a) 𝐷 ∙ 𝐶
0 3𝑥 2 −2 0 −2 3 5
𝐷 = [ 3 𝑦2 3 ]∗[ 4 3 5 4 ]
1 0 (𝑥 + 𝑦) −1 0 −9 8
Celda 1.1 =Fila1 de 3C . Columna 1 =
0 ∗ 0 + 3𝑥 2 ∗ 4 + (−2) = 12𝑥 2 + 2

Celda 1.2 =Fila1 de 3C . Columna 2 =

0 ∗ −(2) + 3𝑥 2 ∗ 3 + (−2) = 9𝑥 2

Celda 1.3 =Fila1 de 3C . Columna 3 =

0 ∗ 3 + 3𝑥 2 ∗ 5 + (−2) = 15𝑥 2 + 18

Celda 1.4 =Fila1 de 3C . Columna 3 de -7b=

0 ∗ 5 + 3𝑥 2 ∗ 4 + (−2) = 12𝑥 2 − 16

Celda 2.1 =Fila2 de 3C . Columna 1 =

3 ∗ 0 + 𝑦 2 ∗ 4 + 3(−1) = 4𝑦 2 − 3

Celda 2.2 =Fila2 de 3C . Columna 2 =

3(−2) + 𝑦 2 ∗ 3 + 3 ∗ 0 = 3𝑦 2 − 6

Celda 2.3 =Fila2 de 3C . Columna 3 =

3(−2) + 𝑦 2 ∗ 3 + 3 ∗ 0 = 5𝑦 2 − 18

Celda 2.4 =Fila2 de 3C . Columna 3 =

3 ∗ 5 + 𝑦 2 ∗ 4 + 3 ∗ 8 = 4𝑦 2 + 39
Celda 3.1 =Fila3 de 3C . Columna 1=

1 ∗ 0 + 0 ∗ 4 + (𝑥 + 𝑦) ∗ (−1) = −(𝑥 + 𝑦)

Celda 3.2 =Fila3 de 3C . Columna 2 de =

1(−2) + 0 ∗ 3 + (𝑥 + 𝑦) ∗ 0 = −2

Celda 3.3 =Fila3 de 3C . Columna 3 de =

1 ∗ 3 + 0 ∗ 5 + (𝑥 + 𝑦)(−9) = −9(𝑥 + 𝑦) + 3

Celda 3.4 =Fila3 de 3C . Columna 3 de =

1 ∗ 5 + 0 ∗ 4 + (𝑥 + 𝑦) ∗ 8 = 8(𝑥 + 𝑦) + 5
La matriz quedaria
12𝑥 2 + 2 9𝑥 2 15𝑥 2 + 18 12𝑥 2 − 16
[ 4𝑦 2 − 3 3𝑦 2 − 6 5𝑦 2 − 18 4𝑦 2 + 39 ]
−(𝑥 + 𝑦) −2 −9(𝑥 + 𝑦) + 3 8(𝑥 + 𝑦) + 5

b) 𝐶 𝑇 ∙ 𝐷
0 −2 3 5
𝐶=[ 4 3 5 4 ]
−1 0 −9 8
Transponemos C
0 4 −1
𝑇 −2 3 0
𝐶 =[ 3 5 −9]
5 4 8
Ahora multiplicamos
0 4 −1 0 3𝑥 2 −2
𝑇 −2 3 0 2 3 ]
𝐶 ∗𝐷 =[ 3 5 −9] ∗ [ 3 𝑦
1 0 (𝑥 + 𝑦)
5 4 8
Celda 1.1 =Fila1 de 3C . Columna 1 =
0 ∗ 0 + 3 ∗ 4 + (−1) = 11

Celda 1.2 =Fila1 de 3C . Columna 2 =

0 ∗ −(2) + 3𝑦 2 ∗ 3 + (−2) = 4𝑦 2
Celda 1.3 =Fila1 de 3C . Columna 3 =

0 ∗ 3 + 3𝑥 2 ∗ 5 + (−2) = 12 − 𝑥 − 𝑦

Celda 2.1 =Fila2 de 3C . Columna 1 =

3 ∗ 0 + 𝑦 2 ∗ 0 + 3(−1) = 9

Celda 2.2 =Fila2 de 3C . Columna 2 =

3(−2) + 𝑦 2 ∗ 3 + 3 ∗ 0 = 3𝑦 2 − 6𝑥 2

Celda 2.3 =Fila2 de 3C . Columna 3 =

−3(−2) + 𝑦 2 ∗ 0 + 2 ∗ 2 = 13

Celda 3.1 =Fila3 de 3C . Columna 1=

1 ∗ 0 + 0 ∗ 4 + (𝑥 + 𝑦) ∗ (0) = 6

Celda 3.2 =Fila3 de 3C . Columna 2 de =

1(−2) + 0 ∗ 3 + (𝑥 + 𝑦) ∗ 0 = 9𝑥 2 + 5𝑦 2

Celda 3.3 =Fila3 de 3C . Columna 3 de =

1 ∗ 3 + 0 ∗ 5 + (𝑥 + 𝑦)(−9) = 9 − 9𝑥^ − 9𝑦

Celda 4.1 =Fila3 de 3C . Columna 1=

5 ∗ 0 + 3 ∗ 4 + 8 ∗ (1) = 20

Celda 4.2 =Fila3 de 3C . Columna 2 de =

5 ∗ 3𝑥 2 + 4𝑦 2 + 8 ∗ 0 = 152 + 4𝑦 2

Celda 4.3 =Fila3 de 3C . Columna 3 de =

5(−2) + 4 ∗ 3 + 8(𝑥 + 𝑦) = 8𝑥 + 8𝑦 + 2
La matriz quedaría

11 4𝑦 2 12 − 𝑥 − 𝑦
2 2
9 3𝑦 − 6𝑥 13
𝐶𝑇 ∗ 𝐷 = 2
6 9𝑥 + 5𝑦 2 9 − 9𝑥 − 9𝑦
2 2
[ 20 15𝑥 + 4𝑦 8𝑥 + 8𝑦 + 2 ]

Det(B)

Como B es una matriz de 4x3 no tiene el mismo número de filas que de columnas, no puede
plantearse calcular su determinante. Sólo está definido el determinante de una matriz para el caso
de matrices cuadradas (mismo número de filas que de columnas).

Det(D)
−2 5 −1 −2 5
(3 0 −4 | 3 0|)
3 1 −5 3 1
por el método de cramer hallamos el determinante

0 3𝑥 2 −2 03𝑥 2
[ 3 𝑦2 3 ] 3 𝑦2
1 0 (𝑥 + 𝑦) 1 0

0 × 𝑦 2 × (𝑥 + 𝑦) + 3 × 𝑥 2 × 3 × 1 + (−2) × 3 × 0 − 1 × 𝑦 2 × (−2) − 0 × 3 × 0 − (x + y) × 3
× (3x 2 )

=−9𝑥 3 + 9𝑥 2 + 2𝑦 2 − 9𝑥 2 𝑦

(𝐵𝑇 − 𝐶)𝑇

9 −5 6
1 3 6
𝐵 = [0 −1 3 ]
5 7 −5
Para trasponer la matriz cambiamos las filas por las columnas nos quedaría
9 1 0 5
𝐵𝑇 = [−5 3 −1 7]
6 6 −5
Ahora operamos
9 1 0 5 0 −2 3 5
𝐵𝑇 = [−5 3 −1 7]- 𝐶 = [ 4 3 5 4 ]
6 6 3−5 −1 0 −9 8
9 3 −3 0
𝐵𝑇 − 𝐶 = [−9 0 −6 3 ]
7 6 12 − 13
Trasponemos

9 −9 7
3 0 6
(𝐵^𝑇 − 𝐶)^𝑇 = [−3 −6 12 ]
0 3 −13

Ejercicio 5: Resolución de problemas básicos sobre matrices

Descripción del ejercicio 5

Uno de los campos de mayor aplicación del algebra lineal es en la Robótica

en el Modelado de la Cinemática de Robots. Para representar la posición
y la orientación de un giro, se utilizan matrices y vectores.

Sea el siguiente sistema de coordenadas tridimensional. En él se pueden

hacer tres rotaciones: Rotación 𝑂𝑋, Rotación en 𝑂𝑌, Rotación en 𝑂𝑍.

Haciendo la rotación, tomando al eje 𝑦 como eje de giro, la matriz de

rotación 𝑅(𝑦, 𝜑) que se obtiene es:

Teniendo en cuenta que:

𝑃𝑥𝑦𝑧 = 𝑅(𝑦, 𝜙) ∙ 𝑃𝑢𝑣𝑤
1
a) Encontrar el vector 𝑃𝑥𝑦𝑧, cuando el punto 𝑃𝑢𝑣𝑤 = [1], con 𝜙 = 90°,
2
con respecto al eje 𝑂𝑌.
 1
b) Encontrar el vector 𝑃𝑥𝑦𝑧, cuando el punto 𝑃𝑢𝑣𝑤 = [2] , con 𝜙 = 45°,
3
con respecto a eje 𝑂𝑌.

--Encontramos el vector Pxyz, cuando el punto, Ahora.

0 0 1 1 2
𝑃𝑥𝑦𝑧 ⃑
= 𝑅(𝑦, 90°)𝑃𝑢𝑣𝑤 [ 0 1 0] 1 = 1
−1 0 0 2 −1
Sea el sistema OUVW rotado 45° con respecto a eje OY fijo. El punto
Puvw= [1, 2, 3], encontrar el punto con respecto al sistema OXYZvf

0.7071 0 0.7071 1 2.828

𝑃𝑥𝑦𝑧 = 𝑅(𝑦, 45°)𝑃⃑𝑢𝑣𝑤 [ 0 1 0 ]2 = 2
−0.7071 0 0.7071 3 1.414

Descripción del ejercicio 7

El álgebra lineal es la rama de las matemáticas que se enfoca en el estudio de espacios vectoriales,
sin embargo, es un enfoque de estudio que aplica a casi cualquier cosa de nuestra vida cotidiana,
tales como en la solución de problemas de nuestra vida, en la salud, en los sistemas que a diario
manejamos, en la administración, ingenierías.

Entrega final

De acuerdo a lo anterior, el grupo debe preparar una presentación en PREZI, en el cual deben
definir lo siguiente:

a) Usos del álgebra lineal en los modelos de transporte en cadenas de suministro.

El modelo básico de transporte es el modelo en el cual la cantidad ofertada es

igual a la cantidad demandada, como es el caso de este ejercicio, sin embargo
trasladar esta suposición a la realidad es casi imposible por lo cual hace falta
crear orígenes y/o destinos ficticios con el excedente de oferta y/o demanda.

Como ya lo hemos planteado en módulos anteriores el primer paso corresponde

a la definición de las variables, regularmente se le denomina a las variables de
manera algebraica Xi,j donde i simboliza a la fuente y j simboliza al destino. En
este caso i define el conjunto {Planta 1, Planta 2, Planta 3 y Planta 4}, y j define
el conjunto {Cali, Bogotá, Medellín y Barranquilla}. Sin embargo es práctico
renombrar cada fuente y destino por un número respectivo, por ende la variable
X1,2 corresponde a la cantidad de millones de KW enviados diariamente de la
Planta 1 a la ciudad de Bogotá.

b)
c) El segundo paso corresponde a la formulación de las restricciones de
oferta y demanda, cuya cantidad se encuentra determinada por el factor
entre fuentes y destinos, en este caso 16 restricciones.
d)
e) Restricciones de oferta o disponibilidad, las cuales son de signo ≤:
f)
g) X1,1 + X1,2 + X1,3 + X1,4 ≤ 80
h) X2,1 + X2,2 + X2,3 + X2,4 ≤ 30
i) X3,1 + X3,2 + X3,3 + X3,4 ≤ 60
j) X4,1 + X4,2 + X4,3 + X4,4 ≤ 45
k)
l) Restricciones de demanda, las cuales son de signo ≥:
m)
n) X1,1 + X2,1 + X3,1 + X4,1 ≥ 70
o) X1,2 + X2,2 + X3,2 + X4,2 ≥ 40
p) X1,3 + X2,3 + X3,3 + X4,3 ≥ 70
q) X1,4 + X2,4 + X3,4 + X4,4 ≥ 35
r)
s) Luego se procede a formular la función objetivo, en la cual se relaciona el
costo correspondiente a cada ruta.
t)
u) ZMIN = 5X1,1 + 2X1,2 + 7X1,3 + 3X1,4 + 3X2,1 + 6X2,2 + 6X2,3 + 1X2,4 + 6X3,1 +
1X3,2 + 2X3,3 + 4X3,4 + 4X4,1 + 3X4,2 + 6X4,3 + 6X4,4
v) Luego se puede proceder al uso de la herramienta WinQSB para resolver
el modelo realizado, aquí están los resultados.

w)
www.ingenieriaindustrialonline.com
x)
www.ingenieriaindustrialonline.com
y) Este problema presenta una solución óptima alternativa, aquí los
resultados.
z)
www.ingenieriaindustrialonline.com
aa) Red Solución

Los análisis de dualidad y sensibilidad en los modelos de transporte

resultan ser bastante interesantes, pues pueden llegar a determinar
aumentos de capacidad en las fuentes si el precio sombra de las rutas en
relación a ellas lo justifica.
 Adicional : https://www.youtube.com/watch?v=KN6I6-XitHE

c) Usos del álgebra lineal en los modelos para minimizar costos.

un caso particular del modelo de transporte es el modelo de asignación, que tiene como
propósito asignar personas u objetos a tareas de tal forma que se optimice algún objetivo, por
ejemplo:

Históricamente el problema de asignación se resolvió utilizando las mismas técnicas que se

utilizaban para el modelo de transporte, sin embargo, resultaba tedioso hacerlo de esta
manera debido a las características particulares del mismo. A partir del trabajo realizado por

dos matemáticos húngaros, se obtiene un algoritmo eficiente para este modelo, el cual se
conoce como método húngaro.

Iniciamos la unidad planteando el problema general de asignación, hacemos hincapié en su

estructura, como en el caso especial del modelo de transporte y planteamos algunos
problemas tipo. Continuamos resolviendo el modelo de asignación por el método húngaro.
Terminamos

la unidad estudiando algunos problemas de asignación desbalanceados

d) Usos del álgebra lineal en la asignación de recursos.

e) partándonos un poco de la idea expresada en módulos anteriores respecto a
la facilidad de resolver problemas atinentes a la investigación operativa en
especial aquellos de transporte mediante el uso de herramientas
 tecnológicas como lo son WinQSB, LINGO, TORA, STORM, Excel etc.. vale
la pena ya sea para fines académicos o de cultura ingenieril realizar la
resolución del problema de asignación mediante el algoritmo que se creó
para tal fin, como lo es el Método Húngaro.
f) El método Húngaro es un método de optimización de problemas de
asignación, conocido como tal gracias a que los primeros aportes al método
clásico definitivo fueron de Dénes König y Jenő Egerváry dos matemáticos
húngaros. El algoritmo tal como se detallará a continuación está diseñado
para la resolución de problemas de minimización únicamente, será
entonces cuestión de agregar un paso adicional para abordar ejercicios de
maximización.
g)

h) ALGORITMO HÚNGARO, PASO 1

i) Antes que nada cabe recordar que el método húngaro trabaja en una matriz
de costos n*m (en este caso conocida como matriz m*m, dado que el número
de filas es igual al número de columnas n = m), una vez construida esta se
debe encontrar el elemento más pequeño en cada fila de la matriz.
j) ALGORITMO HÚNGARO, PASO 2
k) Una vez se cumple el procedimiento anterior se debe construir una nueva
matriz n*m, en la cual se consignarán los valores resultantes de la diferencia
entre cada costo y el valor mínimo de la fila a la cual cada costo corresponde
(valor mínimo hallado en el primer paso).
l) ALGORITMO HÚNGARO, PASO 3
m) Este paso consiste en realizar el mismo procedimiento de los dos pasos
anteriores referidos ahora a las columnas, es decir, se halla el valor mínimo
de cada columna, con la diferencia que este se halla de la matriz resultante
en el segundo paso, luego se construirá una nueva matriz en la cual se
consignarán los valores resultantes de la diferencia entre cada costo y el
valor mínimo de la columna a la cual cada costo corresponde, matriz llamada
"Matriz de Costos Reducidos".
n) ALGORITMO HÚNGARO, PASO 4
o) A continuación se deben de trazar líneas horizontales o verticales o ambas
(únicamente de esos tipos) con el objetivo de cubrir todos los ceros de la
matriz de costos reducidos con el menor número de líneas posibles, si el
número de lineas es igual al número de filas o columnas se ha logrado
obtener la solución óptima (la mejor asignación según el contexto de
optimización), si el número de líneas es inferior al número de filas o columnas
se debe de proceder con el paso 5.
p) ALGORITMO HÚNGARO, PASO 5
q) Este paso consiste en encontrar el menor elemento de aquellos valores que
no se encuentran cubiertos por las lineas del paso 4, ahora se restará del
restante de elementos que no se encuentran cubiertos por las líneas; a
continuación este mismo valor se sumará a los valores que se encuentren en
 las intersecciones de las lineas horizontales y verticales, una vez finalizado
este paso se debe volver al paso 4.
r)
s) RESOLUCIÓN DE UN PROBLEMA
DE ASIGNACIÓN MEDIANTE EL
MÉTODO HÚNGARO
t)
u) EL PROBLEMA
v) La compañía de manufactura "Jiménez y Asociados" desea realizar una
jornada de mantenimiento preventivo a sus tres máquinas principales A, B y
C. El tiempo que demanda realizar el mantenimiento de cada máquina es de
1 día, sin embargo la jornada de mantenimiento no puede durar más de un
día, teniendo en cuenta que la compañía cuenta con tres proveedores de
servicios de mantenimiento debe de asignarse un equipo de mantenimiento
a cada máquina para poder cumplir con la realización del mantenimiento
preventivo. Teniendo en cuenta que según el grado de especialización de
cada equipo prestador de servicios de mantenimiento el costo de la tarea
varía para cada máquina en particular, debe de asignarse el equipo correcto
a la máquina indicada con el objetivo de minimizar el costo total de la jornada.
Los costos asociados se pueden observar en la siguiente tabla:

w)
www.ingenieriaindustrialonline.com
x) PASO 1
y) Encontramos el menor elemento de cada fila

z)
www.ingenieriaindustrialonline.com
aa) PASO 2
bb) Construimos una nueva matriz con las diferencias entre los valores de la
matriz original y el elemento menor de la fila a la cual corresponde.

cc)
www.ingenieriaindustrialonline.com
dd) PASO 3
ee) En la matriz construida en el paso anterior se procede a efectuar el paso 1
esta vez en relación a las columnas, por ende escogemos el elemento menor
de cada columna. Igualmente construimos una nueva matriz con la diferencia
entre los valores de la matriz 2 y el elemento menor de la columna a la cual
corresponde cada valor.

ff)
www.ingenieriaindustrialonline.com
gg) PASO 4
hh) En este paso trazaremos la menor cantidad de combinaciones de líneas
horizontales y verticales con el objetivo de cubrir todos los ceros de la matriz
de costos reducidos.
ii)
www.ingenieriaindustrialonline.com
jj) Como se puede observar el menor número de líneas horizontales y/o
verticales necesarias para cubrir los ceros de la matriz de costos reducidos
es igual a 2, por ende al ser menor que el número de filas o columnas es
necesario recurrir al paso 5.
kk) PASO 5
ll) En este paso seleccionamos el menor elemento de los elementos no
subrayados.

mm)
nn) Luego se procede a restarse de los elementos no subrayados y a adicionarse
a los elementos ubicados en las intersecciones de las líneas, en este caso
existe una única intersección (3).

oo)
www.ingenieriaindustrialonline.com
 pp) Ahora ya efectuado este paso pasamos al paso 4.

qq)
www.ingenieriaindustrialonline.com
rr) Ahora observamos cómo se hace necesario trazar tres líneas (la misma
cantidad de filas o columnas de la matriz) por ende se ha llegado al tabulado
final, en el que por simple observación se determina las asignaciones
óptimas.

ss)
www.ingenieriaindustrialonline.com
tt) Por ende la asignación que representa el menor costo para la jornada de
mantenimiento preventivo determina que el Equipo 1 realice el
mantenimiento de la Máquina 1, el Equipo 2 realice el mantenimiento de la
Máquina 3 y el Equipo 3 realice el mantenimiento de la Máquina 2, jornada
que tendrá un costo total de 17 unidades monetarias.
uu)

https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/problemas-de-asignaci%C3%B3n/

c) Cada integrante del grupo debe aportar en el foro un ejemplo del uso del álgebra lineal en
la vida diaria y la influencia de ésta ciencia en el programa académico que cursa, no deben
repetir información que su compañero ya haya aportado en el foro.

R/ uno de los ejemplos más puntuales del algebra lineal es el de procesamiento de imágenes,
puesto que por medio de funciones matemáticas complejas, un procesador de un celular puede
crear imágenes de más resolución que su propio hadware lo permite, con métodos de
“interpolación” este método se ve común mente utilizado en los televisores de alta gama que
utiliza este tipo de tecnología para ampliar las imágenes, utilizando las imágenes como matrices
reconocer sus pixeles vecinos y así agrandar la imagen sin perder resolución.
e) Debe incluir: Introducción, contenido de la presentación, conclusiones y bibliografía según
normas APA.

f) En el trabajo final el grupo debe incluir el link de la presentación en Prezi realizada.