TEMA 1.

JUEGOS EN FORMA EXTENSIVA Y NORMAL

1.1 Introducción
La teoría de grafos proporciona el sustrato sobre el que basar la definición de juego en
forma extensiva. Vamos a considerar juegos en los que todos sus elementos son finitos
aunque la teoría puede extenderse para superar la restricción de finitud.
Al tratar los juegos en forma normal se prescindirá de la restricción de finitud sobre el
número de estrategias de los jugadores.

1.2 Grafos y árboles

GRAFO FINITO ORIENTADO: Par (K, Γ ) con K={A,B,...,} conjunto finito de
elementos a los que denominamos vértices y Γ una correspondencia de A en A
(subconjunto del producto cartesiano AxA) que determina los arcos del grafo.
VÉRTICE CONSECUTIVO: B es consecutivo a A si B ∈ Γ( A) . Si B es consecutivo a
A, entonces (A,B) forma un arco del grafo. A es el origen y B es el extremo del arco
respectivamente.
CAMINO: Un camino es una sucesión finita de arcos tal que el extremo de cada arco
coincide con el origen del siguiente
VÉRTICE POSTERIOR: B es un vértice posterior a A si existe un camino que une A
con B.
VÉRTICE TERMINAL: Un vértice L es terminal si no es origen de ningún arco, es
decir, si no tiene vértices consecutivos, esto es, Γ(L ) = vacio
VÉRTICE DISTINGUIDO: Un vértice es distinguido si no existe ningún vértice del
cual sea consecutivo
ÁRBOL: Un árbol es un grafo finito orientado que cumple las siguientes cuatro
propiedades:
1. A ∉ Γ( A)∀A ∈ K , es decir, no existe ningún vértice que sea consecutivo de sí
mismo.
2. Posee un único vértice distinguido 0 ∈ K
3. Para todo vértice del grafo existe un camino que une a este vértice con el distinguido
4. Para cualquier pareja de vértices A,B se cumple que los vértices consecutivos de A
y de B forman conjuntos disjuntos: Γ( A) ∩ Γ(B ) = vacio∀( A, B) : A ≠ B

1.3 Juegos en forma extensiva

JUEGO n-PERSONAL EN FORMA EXTENSIVA: Estructura matemática que regula
el comportamiento de n jugadores J1,..., Jn y del azar –J0-, y que consta de los siguientes
elementos:
1) Un grafo (K, Γ ) de tipo árbol
2) Una partición de K en n+2 subconjuntos representados por K1,...,Kn, K0 y K* donde
Ki es el conjunto de vértices del i-ésimo jugador, K0 es el conjunto de vértices del
azar y K* es el conjunto de vértices terminales del árbol o consecuencias.
3) Una distribución de probabilidad definida sobre los arcos que salen de cada uno de
los vértices de azar.
4) Una partición de los vértices de cada jugador K i = K i1 ∪ K i2 ∪ K i3 ∪ ... ∪ K ini . A
cada uno de los conjuntos se le llama conjunto de información del jugador Ji y
cumplen que:

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 1

 a) Si B es posterior a A, entonces A y B no pueden formar parte del mismo
conjunto de información.
b) Si A y B son dos vértices del mismo conjunto de información entonces el
número de arcos que parten de A y B es el mismo.
5) Para todo conjunto de información de cada jugador K i j se define un conjunto de
índices I i j y una aplicación biunívoca I i j → Γ( A) que identifica cada una de las
alternativas posibles a partir de cada conjunto de información
6) Una n-tupla de funciones h( R) = [h1 ( R),..., hn ( R)] definida sobre los vértices
terminales que determina el pago que recibirá cada uno de los jugadores.
7) Todos los jugadores conocen las reglas del juego y tienen establecido un sistema de
preferencias sobre los resultados
MOVIMIENTOS PERSONALES DEL JUGADOR i-ÉSIMO: Cada uno de los vértices
Ki
ALTERNATIVAS: Cada uno de los arcos que parten de cada movimiento personal
MOVIMIENTOS DE AZAR: Cada uno de los vértices del azar
JUGADAS DE AZAR: Arcos que parten de los vértices de azar
CONSECUENCIAS: Cada uno de los vértices terminales.
PARTIDA o CURSO DE DESARROLLO: Cada uno de los caminos c(0,R) que unen al
vértice distinguido con un vértice terminal

1.4 El concepto de estrategia pura

Un jugador es incapaz de distinguir entre aquellos vértices que se encuentran dentro del
mismo conjunto de información. Una estrategia pura para un jugador es una función
definida sobre sus conjuntos de información y que determina qué alternativa elegirá
cuando se encuentre en un vértice correspondiente a cada conjunto de información.
ESTRATEGIA PURA: Una estrategia pura π i del jugador Ji es una aplicación del
{ } {
conjunto K i1 ,..., K i ji en el conjunto de índices I i1 ,..., I i ji } definida de la siguiente
( )
manera: π i K i = v(a ) ∈ I i , donde v(a) es la alternativa de índice v(a) que el jugador Ji
j j

elige si sabe que se encuentra en el conjunto de información K i j .

Se puede establecer una correspondencia biunívoca entre el conjunto de todas las
estrategias puras de un jugador y el producto cartesiano de los conjuntos de índices del
mismo jugador.
Una estrategia pura probabiliza el grafo otorgando la probabilidad 1 a aquellas
alternativas que salen de un movimiento del jugador que han resultado elegidas por la
estrategia pura y la probabilidad 0 a las demás alternativas. Cuando todos los jugadores
eligen su estrategia pura, el grafo queda completamente probabilizado de manera única.

1.5 Forma normal de un juego

En la forma normal de un juego cada uno de los jugadores actúa una única vez
comunicando su estrategia pura a un juez imparcial. El juez imparcial juega el juego en
sustitución de todos los jugadores y se realizan los pagos correspondientes.
FORMA NORMAL DE UN JUEGO: La forma normal de un juego es una (n+1)-tupla
(Π 1 ,..., Π n , M ) donde Π i es el conjunto de estrategias puras del jugador i-ésimo y M es
⎛ P(R )⎞
una función vectorial definida sobre Π 1 × ... × Π n → ⎜⎜ ⎟⎟ que a cada elemento
⎝ h(R ) ⎠ R∈K *
del producto cartesiano de los conjuntos de estrategias puras de los jugadores –es decir,

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 2

a cada posible combinación de estrategias puras- le hace corresponder una distribución
de probabilidad sobre los vértices terminales –P(R)- y un conjunto de pagos para los
jugadores correspondientes al vértice terminal R.
En muchas ocasiones, la función vectorial M se convierte en n funciones de la siguiente
forma: M i (π 1 ,..., π n ) = ∑ P(R )U i (hi (R ))
R∈K *
JUEGOS DE SUMA NULA O SUMA CERO: Son aquellos en los que existen
determinaciones de las funciones de utilidad de los jugadores de manera que
n

∑ M (π ) = 0
i =1
i ∀π ∈ Π 1 × ... × Π n

1.6 n-tuplas de equilibrio

n-TUPLA DE EQUILIBRIO: Sea (Π 1 ,..., Π n , M 1 ,..., M n ) un juego en forma normal.
( )
Decimos que la n-tupla π * = π 1* ,..., π n* es una n-tupla de equilibrio si
( 1
*
i
*
n ) ( *
1 )
M i π ,..., π ,..., π ≥ M i π ,..., π i ,..., π n* ∀i ∈ {1,..., n} , esto es, si ningún jugador
*

puede mejorar su resultado mediante la elección de otra estrategia pura suponiendo que
los demás mantienen sus estrategias puras.

TEMA 2. DESCOMPOSICIÓN DE JUEGOS EN FORMA

EXTENSIVA
2.1 Conceptos y definiciones
Se plantea el problema de descomponer un juego en forma extensiva. Esta
descomposición es posible siempre que no afecte a los conjuntos de información de los
jugadores.

JUEGO QUE SE PUEDE DESCOMPONER EN UN VÉRTICE: El juego (K , Γ ) se

puede descomponer en un vértice χ del grafo –con χ un vértice no terminal ni
distinguido- si no existen conjuntos de información que contengan a la vez puntos del
conjunto formado por χ y sus posteriores –al que llamaremos Γχ - y del resto del grafo
–denotado por Γ
χ -. Es decir, un juego se puede descomponer en un vértice si al
hacerlo no se “rompe” ningún conjunto de información. Resulta obvio que si un juego
se puede descomponer en un vértice χ , entonces χ debe ser por sí solo un conjunto de
información de algún jugador (recuérdese que los vértices posteriores a χ no pueden
formar parte del mismo conjunto de información que χ y por otra parte, la posibilidad
de descomponer el juego en χ hace que χ no esté en el mismo conjunto de
información que cualquier vértice de Γ . Así, los únicos vértices que serán
χ
“candidatos” a descomponer un juego en ellos son aquellos que constituyen un conjunto
de información por si mismos, teniendo en cuenta que el hecho de que constituyan un
conjunto de información por sí mismos no garantiza que en ellos se pueda descomponer
el juego –podría ocurrir que se “rompa” un conjunto de información de algún vértice
posterior a χ -.

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 3

Γχ es un juego tal y como está. Por el contrario, Γ
χ no es juego, ya que le falta añadir
el vértice terminal –de este juego- χ y asignarle un pago para cada uno de los
jugadores.
Dada una estrategia pura π i de un jugador –que recordemos, es una aplicación de sus
conjuntos de información en los conjuntos de índices- esta estrategia se ve afectada por
la descomposición en χ . Como ningún conjunto de información se rompe, cada
conjunto de información del jugador i se encuentra ahora bien en Γχ bien en Γ .
χ
Vamos a llamar π iΓχ a la restricción de la estrategia pura π i a los conjuntos de
información que se encuentran en Γχ y π i Γ a la restricción de la estrategia pura π i a
χ

los conjuntos de información de i que se encuentran en Γ

χ.
Cada estrategia pura π i determina unívocamente un par de estrategias puras
( π iΓχ , π i Γ ). Recíprocamente, cada par ( π iΓχ , π i Γ ) determina unívocamente una
χ χ

estrategia pura π i .

2.2 Asignación de pagos al grafo cociente

Teorema 1: Si π es una n-tupla del juego (K , Γ ) y π Γ es la n-tupla inducida en el
χ

juego cociente Γ ( )
χ con el pago asociado a χ dado por M χ (π ) = M Γχ π Γχ entonces se
verifica que M (π ) = M Γ ⎛⎜ π Γ ⎞⎟ .
χ⎝ χ ⎠

Teorema 2: Supongamos que (K , Γ ) se puede descomponer en el vértice χ y sea π una

n-tupla tal que π Γ y π Γ son n-tuplas de equilibrio de los juegos Γχ y Γ
χ
χ χ
respectivamente -este último con el pago asociado a χ dado por M χ (π ) = M Γχ π Γχ -. ( )
Entonces, π es una n-tupla de equilibrio del juego (K , Γ ) .
Teorema 3: Si π es una n-tupla del juego (K , Γ ) y π Γ es la n-tupla inducida en el
χ1 ,..., χ k

juego cociente Γ
χ 1 ,..., χ k con el pago asociado a χ 1 ,..., χ j ,..., χ k dado por

j
( )
M χ j (π ) = M Γχ π Γχ j entonces se verifica que M (π ) = M Γ
⎛
⎜π Γ
χ1 ,..., χ k ⎝
⎞
⎟.
χ1 ,..., χ k ⎠

Teorema 4: Supongamos que (K , Γ ) se puede descomponer en los vértices

χ 1 ,..., χ j ,..., χ k y sea π una n-tupla tal que π Γχ j y π Γ son n-tuplas de equilibrio
χ1 ,..., χ k

de los juegos Γχ1 ,..., Γχ j ,..., Γχ k y Γ

χ 1 ,..., χ k respectivamente -este último con el pago
j j
( )
asociado a χ 1 ,..., χ j ,..., χ k dado por M χ (π ) = M Γχ π Γχ -. Entonces, π es una n-tupla
j

de equilibrio del juego (K , Γ ) .

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 4

2.3. Juegos de información perfecta
Un juego de información perfecta es aquel en el que, en todo momento, todo jugador
está perfectamente informado de lo que han hecho todos los jugadores (incluyéndose a
si mismo y también al azar). En términos de los conjuntos de información, un juego es
de información perfecta cuando todos los conjuntos de información están formados por
un único vértice (no es posible confundir dos vértices).
La ventaja que proporcionan los juegos de información perfecta es que de la aplicación
de los teoremas 1,2,3 y 4 se puede encontrar una forma muy sencilla de encontrar una n-
tupla de equilibrio para el juego global a partir de n-tuplas de equilibrio de los juegos
parciales. Como todo vértice es un conjunto de información, el juego puede
descomponerse en cualquier vértice y, en particular, en aquellos vértices anteriores a los
terminales. Así, las n-tuplas de equilibrio de estos subjuegos son precisamente las
correspondientes a las mejores alternativas para el único jugador implicado.
Procediendo hacia el origen del juego llegaremos a construir una n-tupla de equilibrio
para el juego global. Este resultado es cierto si el juego es finito y se recoge en el
teorema 5.
JUEGO DE INFORMACIÓN PERFECTA: Un juego en forma extensiva (K , Γ ) se dice
que es de información perfecta si todos los conjuntos de información de todos los
jugadores están formados por un único vértice.
Teorema 5: Todo juego finito de información perfecta posee al menos una n-tupla de
equilibrio

TEMA 3. JUEGOS BIPERSONALES DE SUMA CERO

El resto de temas se van a centrar en estudiar una clase especial de juegos en los que
sólo intervienen dos jugadores –y eventualmente el azar- en el que los intereses de
ambos contendientes son contrapuestos, en el sentido de que lo que uno gane lo pierde
el otro. Estos juegos reciben el nombre de juegos bipersonales de suma cero.

3.1 Definiciones
Vamos a considerar únicamente juegos en forma normal.
JUEGO EN FORMA NORMAL: (ver definición en el punto 1.5) Un juego n-personal
en forma normal es una estructura formada por n conjuntos no vacíos X1,...,Xn llamados
espacios de estrategias puras de los jugadores J1,...,Jn y n funciones reales acotadas
n
M1,...,Mn definidas sobre ∏X
i =1
i y que representan el pago para cada uno de los

jugadores correspondiente a cada elemento del producto cartesiano de los espacios de

estrategias puras.
JUEGO DE SUMA CERO: Un juego n-personal en forma normal es de suma cero si
n n

∑ M i (x1 , x2 ,..., xn ) = 0
i =1
∀( x1 , x 2 ,..., x n ) ∈ ∏ X i
i =1
JUEGO BIPERSONAL DE SUMA CERO: Un juego bipersonal de suma cero es una
terna (X,Y,M) donde X e Y son los conjuntos de estrategias puras del primer y segundo
jugador respectivamente y M es una función real acotada definida sobre X × Y y que
representa el pago al primer jugador cuando J1 elige la estrategia pura x ∈ X y J2 elige
la estrategia pura y ∈ Y

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 5

3.2 Equivalencia de juegos
REDUCCIÓN DE UN JUEGO BIPERSONAL DE SUMA CERO: Se dice que el juego
G’=(X’,Y’,M’) es una reducción del juego G=(X,Y,M) y lo representamos por G’rG si
se verifica alguna de las condiciones siguientes:
• X=X’ y existe una aplicación sobreyectiva g:Y en Y’ tal que M’(x,g(y))=M(x,y)
para todo x ∈ X y para todo y ∈ Y , esto es, el espacio de estrategias puras del
primer jugador es idéntico en ambos juegos y para cualquier estrategia pura del
segundo jugador en G, y, existe una estrategia pura y’=g(y) del segundo jugador
en Y’ que tiene el mismo pago que y para todo estrategia pura del primer
jugador. Se trata de eliminar aquellas estrategias puras de Y que resultan
redundantes e identificar todas las estrategias puras de J2 que suponen el mismo
pago.
• Y=Y’ y existe una aplicación sobreyectiva f:X en X’ tal que M’(f(x),y)=M(x,y)
para todo x ∈ X y para todo y ∈ Y . Ahora se trata de agrupar e identificar
estrategias puras de J1 que tienen el mismo pago para todas las estrategias puras
de J2.
JUEGOS EQUIVALENTES: Dos juegos G y G’ son equivalentes si existe una sucesión
finita de juegos G0,...,Gn tal que G=G0, G’=Gn y Gi-1rGi o GirGi-1.
JUEGO BIPERSONAL DE SUMA NULA FINITO: Un juego bipersonal de suma nula
se dice finito cuando los conjuntos de estrategias puras de ambos jugadores son finitos.
JUEGO RECTANGULAR O JUEGO MATRICIAL: Un juego bipersonal de suma nula
GA se dice rectangular o matricial cuando su forma es (Im,In,A) siendo Im={1,...,m},
In={1,2,...,n} y A=(aij) con i=1,...,m; j=1,...,n. La función de pago queda definida por la
matriz A haciendo M(i,j)=aij. Todo juego finito es equivalente a un juego matricial
(obvio). Existen juegos infinitos que son equivalentes a juegos matriciales.
JUEGO ESENCIALMENTE FINITO: Un juego esencialmente finito es un juego
bipersonal de suma nula equivalente a un juego matricial. Todo juego finito es
esencialmente finito, pero existen algunos juegos infinitos que también lo son.

3.3 Elementos esenciales de un juego bipersonal de suma cero

Sea G=(X,Y,M) un juego bipersonal de suma cero.
Si el primer jugador elige una estrategia pura x de X, lo peor que le puede ocurrir es
que el segundo jugador elija aquella y de Y tal que se dé el ínfimo de la función de
inf
pago. Así, el primer jugador estará interesado en la función Λ G ( x ) = M ( x, y ) y
y ∈Y
elegirá aquella estrategia pura x de X que haga que esta función tome su valor supremo,
sup
esto es, Λ G ( x ) = λ*G , valor al que se conoce como valor inferior del juego G.
x∈ X
Análogamente, si el segundo jugador elige la estrategia pura y de Y, lo peor que le
puede ocurrir es que el primer jugador elija aquel x de X tal que se dé el supremo de la
sup
función de pago, es decir, J2 estará interesado en la función γ G ( y ) = M ( x, y ) . J2
x∈ X
elegirá aquella estrategia pura y de Y que lleve al ínfimo de esa función, es decir,
inf
VG* = γ G ( y ) , valor al que se conoce como valor superior del juego G.
y ∈Y
Intuitivamente se ve que el valor inferior de un juego no puede ser superior al valor
superior del juego, esto es, λ*G ≤ VG* .

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 6

JUEGO ESTRICTAMENTE DETERMINADO O QUE POSEE VALOR: Un juego
bipersonal de suma nula se dice que está estrictamente determinado o que posee valor si
el valor inferior y el valor superior del juego coinciden. En ese caso, se dice que
λ*G = VG* = VG es el valor del juego.
ESTRATEGIA ÓPTIMA: Si un juego bipersonal de suma nula está estrictamente
determinado, se dice que una estrategia x0 de J1 es óptima si Λ G ( x0 ) = λ*G = VG , esto es,
si garantiza a J1 alcanzar el valor del juego. Análogamente, una estrategia y0 de J2 se
dice óptima si γ G ( y 0 ) = VG* = VG . Un juego estrictamente determinado puede no tener
estrategias óptimas si el supremo o el ínfimo de las funciones correspondientes no son
alcanzables. En ese caso se dice que existen estrategias ε -óptimas. (Ver estrategia
maximín y minimax en el apartado 4.3).
Teorema 1: Sean G y G’ dos juegos bipersonales de suma nula equivalentes. Entonces
el valor inferior de ambos juegos coincide y también coincide el valor superior de
ambos juegos. Como corolario de este teorema se tiene que si un juego bipersonal de
suma nula posee valor también lo posee cualquier juego que sea equivalente a él –y
además, el valor coincide-. También se deduce que si un juego posee estrategias
óptimas también las tiene cualquier juego que sea equivalente a él.

3.4 Puntos de silla

PUNTO DE SILLA: Sea M una función definida en el producto cartesiano XxY y con
valores en la recta real. Decimos que un punto (x0,y0) es un punto de silla si se verifica
M ( x, y 0 ) ≤ M ( x0 , y 0 ) ≤ M ( x 0 , y ) , esto es, si en (x0,y0) se alcanza el mínimo de la
función M(x,y) considerada como función de y y simultáneamente se alcanza el
máximo de la función M(x,y) considerada como función de x.
Teorema 2: Si la función de pago del juego G=(X,Y,M) posee un punto de silla,
digamos (x0,y0), entonces el juego está estrictamente determinado y además x0 e y0 son
estrategias óptimas para J1 y J2 respectivamente. El valor del juego es VG=M(x0,y0).
Teorema 3: Si el juego G=(X,Y,M) está estrictamente determinado y además el ínfimo y
el supremo son sustituibles por el mínimo y el máximo respectivamente, entonces el
juego tiene estrategias óptimas y además existe un punto de silla definido por las
estrategias óptimas.
Teorema 4: Si la función de pago tiene dos puntos de silla –digamos (x0,y0) y (x1,y1)-
entonces (x0,y1) y (x1,y0) son también puntos de silla y la función de pago toma el
mismo valor en todos ellos.
En los juegos bipersonales de suma nula, los conceptos de bitupla de equilibrio y punto
de silla son equivalentes, es decir, toda bitupla de equilibrio se corresponde con un
punto de silla de la función de pago y viceversa.

3.5. Resumen
En todo juego bipersonal de suma cero se cumple que λ*G ≤ VG* .
Si un juego posee valor, λ*G = VG* , entonces posee estrategias ε -óptimas.
Si un juego posee valor, λ*G = VG* , y el ínfimo y el supremo se pueden sustituir
respectivamente por el mínimo y el máximo, entonces posee estrategias óptimas y
además, toda combinación de estrategias óptimas de ambos jugadores constituye un
punto de silla de la función de pago.
Recíprocamente, si la función de pago M posee un punto de silla, entonces el juego
tiene valor y existen estrategias óptimas. Si la función de pago posee un punto de silla el

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 7

primer jugador puede garantizarse un pago igual al valor del juego y el segundo jugador
puede garantizarse no pagar más del valor del juego, eligiendo ambos estrategias
óptimas. Este concepto de solución coincide con el de bitupla de equilibrio.
Nos queda por estudiar qué ocurre cuando la función de pago no tiene puntos de silla.

TEMA 4. EXTENSIÓN MIXTA DE UN JUEGO

BIPERSONAL DE SUMA CERO
4.1 Necesidad de extender el concepto de estrategia pura
Para todo juego bipersonal de suma cero se cumple λ*G ≤ VG* . En el tema anterior hemos
desarrollado una teoría satisfactoria para el caso en que λ*G = VG* . Vamos a desarrollar
una teoría satisfactoria para encontrar estrategias óptimas en el caso en que λ*G < VG* ,
cosa que ocurre cuando en la función de pago no existen puntos de silla. Para ello
necesitamos extender el concepto de estrategia pura al de estrategia mixta.

4.2 Definición general de la extensión mixta

Dado un juego bipersonal de suma nula G=(X,Y,M) con M función real acotada
supongamos que sobre X e Y tenemos definidas sendas sigma-álgebras que
representaremos por AX y AY respectivamente. A estas sigma-álgebras les exigimos que
contengan a todos los subconjuntos discretos de X y de Y.
ESTRATEGIA MIXTA: Una estrategia mixta del primer jugador es una distribución de
probabilidad definida sobre (X, AX). Si representamos por X* al conjunto de todas las
estrategias mixtas de J1, una estrategia mixta verificará:
ξ : AX → [0,1]
ξ (X ) = 1
⎛ ∞
⎞ ∞
ξ ⎜⎜ U Ai ⎟⎟ = ∑ ξ ( Ai ) si los Ai son disjuntos
⎝ i =1 ⎠ i =1
y análogamente si denotamos por Y* el conjunto de estrategias mixtas del segundo
jugador.
EXTENSIÓN DE LA FUNCIÓN DE PAGO A LAS ESTRATEGIAS MIXTAS: Dadas
ξ y η , estrategias mixtas de J1 y J2 respectivamente se tiene:
M (ξ ,η ) = ∫
X ×Y
M ( x, y )d [ξ ( x ) × η ( y )] = ∫
X
{∫ M (x, y )dη ( y )}dξ (x) =∫ {∫ M (x, y )dξ (x)}dη ( y )
Y Y X
IDENTIFICACIÓN DE LAS ESTRATEGIAS PURAS CON UN SUBCONJUNTO DE
LAS ESTRATEGIAS MIXTAS: por la inclusión de todos los conjuntos discretos de X
y de Y, respectivamente en AX y AY , las estrategias puras de J1 y J2 no son sino casos
particulares de las estrategias mixtas. Una estrategia pura x0 de J1 viene representada por
una distribución de probabilidad –estrategia mixta- que asigna el valor 1 a aquellos
subconjuntos de X que contienen a x0 –en particular, al propio x0 - y 0 a aquellos que no
lo contienen y análogamente para las estrategias puras de J2.
EXTENSIÓN MIXTA DE UN JUEGO BIPERSONAL DE SUMA NULA: Sea
G=(X,Y,M) un juego bipersonal de suma nula. Al juego E(G)=(X*,Y*,M) donde X* e Y*
representan el conjunto de todas las estrategias mixtas de J1 y J2 respectivamente y
donde M (ξ ,η ) = ∫ M ( x, y )d [ξ ( x ) × η ( y )] para todo ξ ∈ X * y para todo η ∈ Y * se le
X ×Y
llama extensión mixta de G.

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 8

4.3 Relación entre los elementos de un juego y los de su
extensión mixta
Los espacios de estrategias mixtas de los dos jugadores de un juego bipersonal de suma
nula son convexos, es decir, cualquier combinación lineal convexa de estrategias mixtas
es una estrategia mixta.
Teorema 1: Si G=(X,Y,M) es un juego bipersonal de suma nula y E(G) es su extensión
mixta entonces se tiene:
inf inf
Λ E (G ) (ξ ) = M (ξ ,η ) = M (ξ,y ) y λG* ≤ λ*E (G )
η ∈Y *
y ∈Y
sup sup
γ E (G ) (η ) = M (ξ ,η ) = M ( x,η ) y VE*(G ) ≤ VG*
ξ∈X *
x∈ X
Es decir, para calcular la función Λ E (G ) (ξ ) no es necesario considerar todas las
estrategias mixtas de J2 sino tan solo sus estrategias puras y análogamente para la
función γ E (G ) (η ) . Por otra parte, resulta evidente que λG* ≤ λ*E (G ) ya que
sup inf sup inf
λ*E (G ) = M (ξ,y ) y λ*G = M ( x,y ) y X ⊂ X * . Análogamente
ξ ∈ X y ∈Y
*
x ∈ X y ∈Y
para VE (G ) ≤ VG
* *

Además, como λG* ≤ λ*E (G ) ≤ VE*(G ) ≤ VG* se tiene que si el juego tiene valor en estrategias
puras –esto es, si está estrictamente determinado, entonces el juego tiene valor en
estrategias mixtas y el valor coincide y cualquier estrategia óptima de G será una
estrategia óptima de E(G).
En el tema anterior hemos desarrollado una teoría satisfactoria para aquellos juegos en
los que λG* = λ*E (G ) = VE*(G ) = VG* . Aunque sabemos que, en general, se cumple que
λG* ≤ λ*E (G ) ≤ VE*(G ) ≤ VG* esperamos que, en una amplia variedad de juegos, suceda
λG* ≤ λ*E (G ) = V E*(G ) ≤ VG* y entonces tendríamos una teoría satisfactoria para E(G). En los
siguientes temas buscaremos condiciones suficientes para que la extensión mixta de un
juego esté estrictamente determinada (en concreto, el teorema del minimax generalizado
da condiciones suficientes para que la extensión mixta de un juego esté estrictamente
determinada).
JUEGO QUE TIENE VALOR: Sea G=(X,Y,M) un juego bipersonal de suma nula y sea
E(G) su extensión mixta. Si E(G) tiene valor puro vE(G), entonces diremos que el juego
G tiene valor v=vE(G) y a cualquier estrategia óptima de E(G) la llamaremos estrategia
óptima de G.
ESTRATEGIA MAXIMÍN Y ESTRATEGIA MINIMAX: Sea G=(X,Y,M) un juego
bipersonal de suma nula. Si existe una estrategia mixta ξ 0 ∈ X * tal que
Λ E (G ) (ξ 0 ) = λ*E (G ) entonces a ξ 0 ∈ X * se le llama una estrategia maximín del jugador J1.
Análogamente, si existe una estrategia η 0 ∈ Y * tal que γ E (G ) (η 0 ) = VE*(G ) entonces se
dice que η 0 ∈ Y * es una estrategia minimax del jugador J2. Si E(G) tiene valor, las
estrategias maximín y minimax son estrategias óptimas del juego. Toda estrategia
óptima de J1 es maximín y toda estrategia óptima de J2 es minimax. Si el juego tiene
valor, entonces toda estrategia maximín de J1 es óptima y toda estrategia minimax de J2
es óptima.

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 9

4.4 Sigma-álgebras intrínsecas
Para definir las estrategias mixtas ha sido necesario definir sobre los espacios de
estrategias puras X e Y sendas sigma-álgebras a las que hemos exigido que incluyan a
todos los subconjuntos discretos de X y de Y respectivamente. Así, hemos conseguido
que las estrategias puras sean un caso particular de las estrategias mixtas.
Se trata ahora de aprovechar la existencia de una función M –función de pago- sobre el
producto cartesiano XxY para construir unas métricas sobre X e Y que nos lleven a la
definición de sigma-álgebras apropiadas -¡cuidado!: la construcción que vamos a hacer
no garantiza que las sigma-álgebras incluyan a todos los subconjuntos discretos-.
Sea G=(X,Y,M) un juego bipersonal de suma cero. Vamos a definir una métrica en X
del siguiente modo: para cada par de estrategias puras x y x’ de X se define la distancia
sup
entre ellas por ρ1 ( x, x') = M ( x, y ) − M ( x ' , y ) .
y ∈Y
Análogamente, para cada par de estrategias puras y,y’ de Y se define
sup
ρ 2 ( y , y ') = M ( x, y ) − M ( x, y ')
x∈ X
Estas distancias definen sendas semimétricas en X e Y que nos llevan a definir una
topología basada en los sistemas de bolas abiertos I (x; ε ) = {x'∈ X : ρ1 ( x, x') < ε } y
I ( y; ε ) = {y '∈ Y : ρ 2 ( y, y ') < ε }

TEMA 5. JUEGOS RECTANGULARES O MATRICIALES

Todo juego bipersonal de suma nula esencialmente finito es equivalente a un juego
rectangular o matricial. En este tema se enuncia el “teorema del minimax” que afirma
que cualquier juego bipersonal de suma nula y finito –que obviamente es equivalente a
un juego matricial- posee valor en estrategias mixtas y los jugadores tienen estrategias
óptimas.

5.1 Definición
JUEGO RECTANGULAR O JUEGO MATRICIAL: Un juego bipersonal de suma nula
GA se dice rectangular o matricial cuando su forma es (Im,In,A) siendo Im={1,...,m},
In={1,2,...,n} y A=(aij) con i=1,...,m; j=1,...,n. La función de pago queda definida por la
matriz A –llamada matriz de pagos del primer jugador- haciendo M(i,j)=aij. Todo juego
finito es equivalente a un juego matricial (obvio). Existen juegos infinitos que son
equivalentes a juegos matriciales.
PUNTO DE SILLA DE UNA MATRIZ: En el apartado 3.4 se ha definido el concepto
de punto de silla para una función M definida sobre el producto cartesiano XxY y con
valores en la recta real. En el caso de los juegos matriciales o rectangulares, la función
de pagos M viene dada por la matriz A. De este modo, es posible encontrar un
paralelismo entre el concepto de punto de silla de una función y punto de silla de una
matriz. Se dice que un elemento ai*j* de la matriz A es un punto de silla de la matriz si
es simultáneamente el mínimo de su fila y el máximo de su columna, esto es si aij* <=
ai*j* <=ai*j para todo i y para todo j. Si la matriz posee un punto de silla la función de
pago posee un punto de silla y el juego matricial tiene valor en estrategias puras. En el
caso de que no exista un punto de silla en la matriz deberemos considerar la extensión
mixta del juego.

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 10

5.2 Extensión mixta de un juego rectangular y propiedades
En este apartado vamos a aplicar al caso particular de los juegos rectangulares los
resultados generales que obtuvimos en los apartados 4.2 y 4.3 en los que nos referíamos
a la extensión mixta de un juego bipersonal de suma cero.
ESTRATEGIA MIXTA PARA UN JUEGO MATRICIAL: Hemos visto que una
estrategia mixta para el primer jugador en un juego bipersonal de suma cero es una
distribución de probabilidad definida sobre (X, AX). En este caso, dada la finitud del
espacio de estrategias puras del primer jugador se tiene que una estrategia mixta para el
primer jugador en un juego matricial es una m-pla (x1,x2,...,xm) que representa una
distribución de probabilidad sobre el espacio de estrategias puras Im. Análogamente, una
estrategia mixta para el segundo jugador en un juego matricial es una n-pla de la forma
(y1,...,yn) que determina una distribución de probabilidad sobre el conjunto de
estrategias puras del segundo jugador. De este modo, el conjunto de todas las estrategias
mixtas X* del primer jugador será el conjunto de todas las m-plas (x1,...,xm) tales que
xi>=0 para todo i y x1+...+xm=1. El conjunto de todas las estrategias mixtas del segundo
jugador, Y*, es el conjunto de todas las n-plas (y1,...,yn) tales que yj>=0 para todo j y
y1+...+yn=1.
Es decir, una estrategia mixta ξ del primer jugador tiene la forma (x1,...,xm) y el
conjunto de todas las estrategias mixtas del primer jugador –al que llamamos Sm- es
⎧ m
⎫
S m = ⎨( x1 ,..., x m ) : xi ≥ 0∀i ∈ {1,..., m} : ∑ xi = 1⎬
⎩ i =1 ⎭
Análogamente, una estrategia mixta η del segundo jugador tiene la forma (y1,...,yn) y el
conjunto de todas las estrategias mixtas del segundo jugador –al que llamamos Sn- es
⎧ n
⎫
S n = ⎨( y1 ,..., y n ) : y i ≥ 0∀i ∈ {1,..., n} : ∑ y i = 1⎬
⎩ i =1 ⎭
Por ejemplo, S2 es el segmento de recta y=1-x contenido entre los ejes de coordenadas
en el primer cuadrante. S3 es la parte del plano x+y+z=1 contenido entre los tres ejes de
coordenadas.
EXTENSIÓN DE LA FUNCIÓN DE PAGO PARA UN JUEGO MATRICIAL: Hemos
visto en el tema 4 que la forma natural de extender la función del pago al producto
cartesiano de los conjuntos de estrategias mixtas venía dada por la expresión
M (ξ ,η ) = ∫ M ( x, y )d [ξ ( x ) × η ( y )].
X ×Y
Ahora, la probabilidad asignada a la combinación de la estrategia pura i-ésima del
primer jugador con la estrategia pura j-ésima del segundo jugador viene dada por el
producto xiyj , de donde se deduce que la forma que toma ahora la función de pago para
las estrategias mixtas es
⎛ a11 ... a1n ⎞⎛ y1 ⎞
⎜ ⎟⎜ ⎟
M (ξ ,η ) = ∫ M ( x, y )d [ξ ( x ) × η ( y )] = ξ ' Aη = ( x1 ,..., x m )⎜ ... ... ... ⎟⎜ ... ⎟
X ×Y
⎜a ⎟⎜ ⎟
⎝ m1 ... a mn ⎠⎝ y n ⎠
Aplicando los resultados de la sección 4.3 tenemos que
inf Mín
Λ E (G ) (ξ ) = M (ξ,y ) = ξ ' Pj
y ∈Y j ∈ {1,..., n}
sup Max
γ E (G ) (η ) = M (x,η ) = Q'i η
x∈ X i ∈ {1,..., m}

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 11

5.3 Teorema fundamental
Dado que las funciones Λ E (G ) (ξ ) y γ E (G ) (η ) definidas respectivamente sobre Sm y Sn
son continuas y los conjuntos sobre los que están definidas son compactos –obviamente
son cerrados y acotados-, existen estrategias maximín y minimax para el primer y
segundo jugador respectivamente.
Sólo falta demostrar que todo juego rectangular posee valor para afirmar que estas
estrategias maximín y minimax son estrategias óptimas del juego.
TEOREMA DEL MINIMAX: Todo juego matricial posee valor en estrategias mixtas y
como todo juego matricial tiene al menos una estrategia maximín para J1 y una
estrategia minimax para J2, se tiene que todo juego matricial tiene estrategias mixtas
óptimas. A los conjuntos de estrategias óptimas de J1 y J2 en el juego matricial
GA=(Im,In,A) los representamos por O(J1;A) y O(J2;A) y quedan definidos por:
O( J 1 ; A) = {ξ 0 ∈ S m : Λ(ξ 0 ) = v}
O( J 2 ; A) = {η 0 ∈ S n : γ (η 0 ) = v}
El teorema fundamental afirma que O(J1;A) y O(J2;A) de un juego matricial son no
vacíos.

TEMA 6. MÉTODOS GEOMÉTRICOS DE RESOLUCIÓN

DE JUEGOS MATRICIALES
En este tema se dan tres métodos geométricos para la resolución de juegos matriciales o
rectangulares.

6.1 Método basado en la demostración del teorema

fundamental
Método aplicable a los juegos matriciales 2xn y mx2.
Primer caso: Se trata de resolver un juego (2xn) con matriz de pagos
⎛a ... a1n ⎞
A = ⎜⎜ 11 ⎟⎟
⎝ a 21 ... a 2 n ⎠
⎛ a1 j ⎞
• Se dibujan los puntos Pj = ⎜⎜ ⎟ en unos ejes de coordenadas colocando la
⎟
a
⎝ 2j ⎠
variable t1 en abscisas y la variable t2 en ordenadas.
• Se construye la envoltura convexa de los Pj, que será un poliedro al que
denominaremos S*.
• Se deslizan a lo largo de la diagonal del primer y del tercer cuadrantes (esto es, a
lo largo de la recta de ecuación t2=t1 escuadras de la forma
Ta = {(t1 , t 2 ) : t1 ≤ a, t 2 ≤ a} hasta que toquen al conjunto S* “por abajo”, es decir,
{
consideramos aquella escuadra Ta* donde a * = sup a : Ta ∩ S * = vacio }
• El valor del juego es precisamente a . *

• La estrategia óptima del primer jugador viene dada por la ecuación del
hiperplano que separa los conjuntos T&a* -interior de Ta* - y S*, de manera que si
la ecuación de dicho hiperplano es u1t1+u2t2=c, la estrategia óptima del primer
⎛ u1 u2 ⎞
jugador viene dada por (ξ 0 ) = ⎜⎜ ⎟⎟ . Puede haber más de una
t
,
⎝ u1 + u 2 u1 + u 2 ⎠
estrategia óptima para el primer jugador.

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 12

 • La estrategia óptima del segundo jugador viene dada por la intersección
Ta* ∩ S * . Puede haber más de una estrategia óptima para el segundo jugador.
Segundo caso: Se trata de resolver un juego matricial (mx2) con matriz de pagos
⎛ a11 a12 ⎞
⎜ ⎟
A = ⎜ ... ... ⎟
⎜a ⎟
⎝ m1 am 2 ⎠
Se dibujan los puntos Q'i = (ai1 , ai 2 ) en unos ejes de coordenadas colocando la variable
q1 en abscisas y la variable q2 en ordenadas.
• Se construye la envoltura convexa de los Q’i, que será un poliedro al que
denominaremos R*.
• Se deslizan a lo largo de la diagonal del primer y del tercer cuadrantes (esto es, a
lo largo de la recta de ecuación q2=q1 escuadras de la forma
Qb = {(q1 , q 2 ) : q1 ≥ b, q 2 ≥ b} hasta que toquen al conjunto R* “por arriba”, es
{
decir, consideramos aquella escuadra Qb* donde b * = inf b : Qb ∩ R * = vacio }
• El valor del juego es precisamente b*.
• La estrategia óptima del segundo jugador viene dada por la ecuación del
hiperplano que separa los conjuntos Q& b* -interior de Qb* - y R*, de manera que si
la ecuación de dicho hiperplano es u1q1+u2q2=c, la estrategia óptima del segundo
⎛ u1 u2 ⎞
jugador viene dada por (η 0 ) = ⎜⎜ ⎟⎟ . Puede haber más de una
t
,
u
⎝ 1 + u 2 u1 + u 2 ⎠

estrategia óptima para el segundo jugador.

• La estrategia óptima del primer jugador viene dada por la intersección Qb* ∩ R * .
Puede haber más de una estrategia óptima para el primer jugador.

6.2 Segundo método geométrico

Mín Máx
Se basa en la forma especial de las funciones Λ(ξ ) = ξ ' Pj y γ(η ) = Q'i η en el
j i
caso de los juegos matriciales 2xn y mx2. Estas funciones son poligonales cóncavas y
convexas respectivamente.
Primer caso: Se trata de resolver un juego (2xn) con matriz de pagos
⎛a ... a1n ⎞
A = ⎜⎜ 11 ⎟⎟
⎝ a 21 ... a 2 n ⎠
inf Mín
Sabemos que Λ E (G ) (ξ ) = M (ξ,y ) = ξ ' Pj .
y ∈Y j ∈ {1,..., n}
⎛ x ⎞
Además, cualquier estrategia mixta del primer jugador ξ = ⎜⎜ ⎟⎟ , de donde
⎝1 − x ⎠
Mín Mín ⎛a ⎞ Mín
Λ E (G ) (ξ ) = ξ ' Pj = (x 1 − x )⎜⎜ 1 j ⎟⎟ = a1 j x + a 2 j (1 − x )
j ∈ {1,..., n} j ∈ {1,..., n} ⎝ a 2 j ⎠ j ∈ {1,..., n}
Mín
Así, ΛE (G ) ( x ) = a1 j x + a 2 j (1 − x ) con x ∈ [0,1] es una función continua y
j ∈ {1,...,n}
cóncava.

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 13

El máximo de dicha función proporciona el valor del juego.
Los puntos de [0,1] donde se alcanza este máximo determinan la primera coordenada de
las estrategias óptimas del primer jugador.
El cálculo de las estrategias óptimas del segundo jugador se hace seleccionando
aquellos puntos de [0,1] donde se alcanza el máximo y considerando las rectas que
intervienen en el valor de la función en dicho punto –digamos las correspondientes a las
columnas j y j’- La estrategia óptima del segundo jugador será una mixtura de las dos
columnas implicadas determinando los coeficientes de la mixtura la solución de la
ecuación λ0 p j + (1 − λ0 ) p j ' = 0 siendo pj y pj’ las pendientes de las rectas consideradas.
Segundo caso: Se trata de resolver un juego matricial (mx2) con matriz de pagos
⎛ a11 a12 ⎞
⎜ ⎟
A = ⎜ ... ... ⎟
⎜a ⎟
⎝ m1 am 2 ⎠
sup Max
Sabemos que γ E (G ) (η ) = M (x,η ) = Q'i η .
x∈ X i ∈ {1,..., m}
⎛ y ⎞
Además, cualquier estrategia mixta del segundo jugador es de la forma η = ⎜⎜ ⎟⎟ , de
⎝1 − y ⎠
donde
(ai1 ai 2 )⎛⎜⎜
Max Max y ⎞ Max
γ E (G ) (η ) = Q'i η = ⎟⎟ = ai1 y + ai 2 (1 − y ) con y ∈ [0,1]
i ∈ {1,...,m} i ∈ {1,...,m} ⎝1 − y ⎠ i ∈ {1,...,m}
que es una función continua y convexa.
El mínimo de dicha función proporciona el valor del juego.
Los puntos de [0,1] donde se alcanza dicho mínimo proporcionan la primera coordenada
de las estrategias óptimas del segundo jugador.
Las estrategias óptimas del primer jugador se determinan considerando las rectas que
configuran los valores mínimos de la función. La estrategia óptima del primer jugador
será una mixtura de las filas involucradas –digamos i e i’- y los coeficientes de la
mixtura vendrán dados por la solución de la ecuación µ 0 qi + (1 − µ 0 )qi ' = 0 siendo qi y
qi’ las pendientes de las rectas consideradas.

6.3 Método de los puntos fijos

Este método puede ser aplicado a juegos matriciales en los que los jugadores no están
obligados a utilizar todas sus estrategias sino que la elección se ve restringida por
imposiciones de carácter lineal sobre sus posibles estrategias mixtas (¡cuidado! ver
ejercicio de autocomprobación 7 de la página 228 de las unidades didácticas).
Teorema del minimax generalizado: Sea G=(X,Y,M) un juego bipersonal de suma cero
en donde X e Y son subconjuntos convexos y compactos de espacios euclideos de
dimensión m y n respectivamente y M es una función continua y cóncava de x para todo
y ∈ Y y convexa de y para todo x ∈ X . Entonces G está determinado estrictamente y
existen estrategias óptimas para ambos jugadores.
Aplicación del teorema del minimax generalizado al caso de la extensión mixta de un
juego matricial: Sea GA=(Im,In,A) un juego matricial y sea E(GA)=(Sm,Sn,M) su
⎧ m
⎫
extensión mixta, con S m = ⎨( x1 ,..., x m ) : xi ≥ 0∀i ∈ {1,..., m} : ∑ xi = 1⎬ ,
⎩ i =1 ⎭

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 14

 ⎧ n
⎫
S n = ⎨( y1 ,..., y n ) : y i ≥ 0∀i ∈ {1,..., n} : ∑ y i = 1⎬ y
⎩ i =1 ⎭
⎛ a11 ... a1n ⎞⎛ y1 ⎞
⎜ ⎟⎜ ⎟
M (ξ ,η ) = ∫ M ( x, y )d [ξ ( x ) × η ( y )] = ξ ' Aη = ( x1 ,..., x m )⎜ ... ... ... ⎟⎜ ... ⎟
X ×Y
⎜a ⎟⎜ ⎟
⎝ m1 ... a mn ⎠⎝ y n ⎠
Obviamente, los conjuntos Sm y Sn son conjuntos convexos y compactos de Rm y Rn
respectivamente y la función M (ξ ,η ) es concavo-convexa. De aquí que este juego –la
extensión mixta- esté determinado estrictamente y ambos jugadores posean estrategias
óptimas.
El método geométrico consiste en la construcción de los conjuntos
B x = {y ∈ Y : Λ( x ) = M ( x, y )} y Ay = {x ∈ X : γ ( y ) = M ( x, y )}, ambos convexos y
compactos y la posterior construcción de las correspondencias x → B x e y → Ay y la
búsqueda posterior de los puntos fijos de estas correspondencias.

TEMA 7. PROPIEDADES DE LAS SOLUCIONES DE UN

JUEGO MATRICIAL
En el tema 5 se ha enunciado el teorema fundamental de los juegos matriciales (teorema
del minimax para juegos matriciales, que se ha extendido en el tema 6) que afirma que
los conjuntos de estrategias óptimas de los jugadores en la extensión mixta de un juego
matricial son no vacíos. En este tema vamos a estudiar los conjuntos de estrategias
óptimas.

7.1 Propiedades de las estrategias óptimas

Teorema 1: Los conjuntos de estrategias óptimas O(J1,A) y O(J2,A) de un juego
rectangular de matriz A son subconjuntos convexos y compactos de Rm y Rn
respectivamente.
COLUMNA RELEVANTE: Sea A la matriz de un juego rectangular. Una columna Pj
de la matriz se dice que es relevante si existe alguna estrategia óptima del segundo
jugador η * = ( y1* ,..., y *j ,... y n* ) con y *j > 0 . Una columna es relevante si juega algún
papel en alguna estrategia óptima del segundo jugador.
FILA RELEVANTE: Sea A la matriz de un juego rectangular. Una fila Q’i de la matriz
se dice que es relevante si existe alguna estrategia óptima del primer jugador
ξ * = (x1* ,..., xi* ,...x m* ) con xi* > 0 . Una fila es relevante si juega algún papel en alguna
estrategia óptima del primer jugador.
COLUMNA (FILA) IRRELEVANTE: Aquella que no es relevante.
Teorema 2: Si la columna Pj es relevante y ξ 0 es una estrategia óptima del primer
jugador entonces ξ ' 0 Pj = v . Análogamente si la fila Q’i es relevante y η 0 es una
estrategia óptima del segundo jugador entonces Q'i η 0 = v . Comentario importante:
nótese que por ser ξ 0 una estrategia óptima se cumple que
Mín
v = Λ E (G ) (ξ 0 ) = ξ 0 ' Pj , luego ξ ' 0 Pj ≥ v para toda columna sea ésta relevante
j ∈ {1,..., n}
o no. Análogamente, por ser η 0 una estrategia óptima para el segundo jugador se
cumple que Q'i η 0 ≤ v para toda fila, sea ésta relevante o no. Para las filas y columnas
relevantes se da la igualdad. Tenemos así un criterio para determinar si una columna

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 15

(fila) es o no relevante. Si su producto por alguna estrategia óptima del jugador
correspondiente no coincide con el valor del juego podemos asegurar que la columna
(fila) es irrelevante.
Teorema 3: Sea G un juego matricial de matriz A de dimensiones mxn. Entonces, las
estrategias óptimas de los jugadores son una mixtura de a lo sumo min{m,n} estrategias
puras.

7.2 Dominancia y admisibilidad

Buscamos la eliminación de filas o columnas de la matriz de modo que los conjuntos de
estrategias óptimas de los jugadores no se vean afectados.
COLUMNA QUE DOMINA ESTRICTAMENTE A OTRA: Se dice que la columna Pj
domina estrictamente a la columna Pk si todas los elementos de la columna Pj son
menores que los correspondientes elementos de la columna Pk.
FILA QUE DOMINA ESTRICTAMENTE A OTRA: Se dice que la fila Q’j domina
estrictamente a la fila Q’i si todas los elementos de la fila Q’j son mayores que los
correspondientes elementos de la fila Q’i.
Teorema 4: Si la columna Pj (fila Q’j) domina estrictamente a la columna Pk (fila Q’i)
entonces la columna Pk (fila Q’i) es irrelevante.
Teorema 5: Si una columna (fila) está dominada estrictamente por una combinación
lineal convexa de otras columnas (filas) entonces la columna (fila) es irrelevante.
Corolario: Si de una matriz se eliminan las filas y las columnas dominadas
estrictamente, los conjuntos de estrategias óptimas de los dos jugadores permanecen
inalterados ya que las columnas y filas eliminadas no jugaban ningún papel en ninguna
estrategia óptima de ninguno de los dos jugadores. También permanece inalterado el
valor del juego.
COLUMNA DOMINADA POR OTRA COLUMNA: Se dice que la columna Pj está
dominada por la columna Pk si todos los elementos de la columna Pk son menores o
iguales que los correspondientes elementos de la columna Pj y al menos una de las
desigualdades es estricta.
FILA DOMINADA POR OTRA FILA: Se dice que la fila Q’i está dominada por la fila
Q’j si todos los elementos de la fila Q’i son menores o iguales que los correspondientes
elementos de la fila Q’j y al menos una de las desigualdades es estricta.
Corolario: Si de una matriz se eliminan las filas y las columnas dominadas el valor del
juego permanece inalterado. Además, cualquier estrategia óptima del juego una vez
eliminadas las columnas o las filas también es una estrategia óptima del juego original
aunque es posible que el conjunto de estrategias óptimas del juego original se haya visto
reducido por el hecho de que algunas estrategias óptimas estaban dominadas por otras
(pero no estrictamente).
ESTRATEGIA MIXTA DOMINADA Y ESTRICTAMENTE DOMINADA: Sea
G=(X,Y,M) un juego y sea E(G)=(X*,Y*,M) su extensión mixta. Se dice que la
estrategia η1 ∈ Y * está dominada estrictamente por la estrategia η 0 si
M ( x,η 0 ) < M ( x,η1 ) ∀x ∈ X . Asimismo, se dice que la estrategia η1 ∈ Y * está
⎧ M ( x,η 0 ) ≤ M ( x,η1 ) ∀x ∈ X
dominada por la estrategia η 0 si ⎨ .
⎩∃x ∈ X : M ( x,η 0 ) < M ( x,η1 )

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 16

Paralelamente, se dice que la estrategia ξ1 ∈ X * está dominada estrictamente por la
estrategia ξ 0 si M (ξ 0 , y ) > M (ξ1 , y ) ∀y ∈ Y . Asimismo, se dice que la estrategia
⎧ M (ξ 0 , y ) ≥ M (ξ1 , y ) ∀y ∈ Y
ξ1 ∈ X * está dominada por la estrategia ξ 0 si ⎨ .
⎩∃y ∈ Y : M (ξ 0 , y ) > M (ξ1 , y )
ESTRATEGIA ADMISIBLE: Sea G=(X,Y,M) un juego y sea E(G)=(X*,Y*,M) su
extensión mixta. Se dice que la estrategia η1 ∈ Y * es admisible si no está dominada por
ninguna otra estrategia de J2. Asimismo, se dice que la estrategia ξ1 ∈ X * es admisible
si no está dominada por ninguna otra estrategia de J1.
Teorema 6: En todo juego matricial siempre existe al menos una estrategia óptima para
cada jugador que es admisible.
Teorema 7: Sea A la matriz de un juego rectangular y sea B la matriz del juego que
resulta de eliminar aquellas filas y columnas que están dominadas por otras estrategias;
entonces se verifica que las estrategias admisibles de los conjuntos O(J1;A) y O(J1;B)
son idénticas (y lo mismo para J2).

Comentarios importantes:
• Si una estrategia óptima ξ 0 ∈ X * está dominada por otra estrategia ξ1 ∈ X * ,
entonces ξ1 ∈ X * es una estrategia óptima. Es decir, una estrategia óptima sólo
puede estar dominada por otra estrategia óptima.
• Una estrategia óptima ξ1 ∈ X * no puede estar estrictamente dominada por
ninguna otra estrategia. En efecto, hemos visto que la estrategia ξ1 ∈ X * está
dominada estrictamente por la estrategia ξ 0 si M (ξ 0 , y ) > M (ξ1 , y ) ∀y ∈ Y .
mín mín
Esto implica que M (ξ 0 , y ) > M (ξ1 , y ) lo que supone que ξ1 ∈ X * no
y ∈Y y ∈Y
es una estrategia óptima.
En consecuencia, cuando eliminamos las columnas y las filas estrictamente dominadas,
no estamos eliminando ninguna estrategia óptima ya que ninguna estrategia óptima está
estrictamente dominada por ninguna otra (ni siquiera por una óptima). Si eliminamos
columnas o filas dominadas (no estrictamente) estamos eliminando aquellas estrategias
óptimas que están dominadas –pero no estrictamente- por otras estrategias –que
necesariamente deben ser óptimas-, esto es, estamos eliminando estrategias óptimas
inadmisibles. En resumen:
• Si eliminamos filas y columnas estrictamente dominadas, el valor del juego y las
estrategias óptimas de ambos jugadores permanecen inalteradas.
• Si eliminamos filas y columnas dominadas, el valor del juego permanece
inalterado, pero las estrategias óptimas de ambos jugadores pueden verse
modificadas; no obstante, el conjunto de estrategias óptimas admisibles de
ambos jugadores permanece inalterado.

7.3 Juegos completamente mixtos

ESTRATEGIA ÓPTIMA COMPLETAMENTE MIXTA: Una estrategia óptima es
completamente mixta si todos sus componentes son estrictamente positivos, esto es, si la
estrategia óptima es una mixtura de todas las estrategias puras del jugador. En caso de
que exista una estrategia óptima completamente mixta todas las columnas (si se trata de
J2) o todas las filas (si se trata de J1) son relevantes.

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 17

Teorema 8: Sea A la matriz de un juego de dimensiones mxn cuyo valor es v(A)=0. Si
toda estrategia óptima de J1 es completamente mixta, entonces el rango de la matriz A
satisface m − 1 ≤ r ( A) ≤ n − 1 y si el rango de A es m-1, entonces J1 tiene exactamente
r
una estrategia óptima ξ 0 tal que ξ ' 0 A = 0 .
Teorema 9: Si A es la matriz de un juego de dimensiones mxn con m>n entonces existe
una estrategia óptima de J1 que no es completamente mixta.
Teorema 10: Si A es una matriz cuadrada de orden n y si existe una estrategia óptima
para J2 que no es completamente mixta entonces J1 posee una estrategia óptima que no
es completamente mixta.
JUEGO RECTANGULAR COMPLETAMENTE MIXTO: Un juego matricial se dice
completamente mixto si todas las estrategias óptimas de los jugadores son
completamente mixtas.
Teorema 11: Sea G un juego rectangular de matriz A y de dimensiones mxn con valor
del juego cero. Una condición necesaria y suficiente para que el juego sea
completamente mixto es que se cumplan las tres condiciones siguientes:
• m=n
• r(A)=n-1
• Todos los elementos Aij de la matriz adjunta A* son del mismo signo y no nulos
Comentario importante: Nótese que si un juego es completamente mixto se cumplen las
condiciones del teorema 8 (y del simétrico para J2) de modo que J1 tiene exactamente
r
una estrategia óptima ξ 0 tal que ξ ' 0 A = 0 y J2 tiene exactamente una estrategia óptima
r
η 0 tal que Aη 0 = 0 .
Teorema 12: Sea A, matriz cuadrada de orden n, la matriz de un juego completamente
mixto GA y sea v el valor del juego. Entonces el valor del juego viene dado por
A
v= , la única estrategia óptima de J1 es ξ ' 0 = vJ ' n A −1 y la única estrategia
J 'n A J n
*

óptima de J2 es η 0 = vA −1 J n .
Comentario final: Hemos obtenido que los juegos completamente mixtos -es decir,
aquellos que cumplen que todas sus estrategias óptimas utilizan todas las estrategias
puras de los jugadores- tienen una sola solución óptima para J1 y una sola solución
óptima para J2.

TEMA 8. EL MÉTODO DE LAS SUBMATRICES

En el tema 5 se ha mostrado que los conjuntos de estrategias óptimas para un juego
matricial O(J1,A) y O(J2,A) son no vacíos. Asimismo, en el tema 7 se ha mostrado
(teorema 1) que los conjuntos de estrategias óptimas O(J1,A) y O(J2,A) de un juego
rectangular de matriz A son subconjuntos convexos y compactos de Rm y Rn
respectivamente. En este tema se va a mostrar (teorema de Shapley y Snow) que los
conjuntos O(J1,A) y O(J2,A) son de tipo poliédrico, es decir, tienen un número finito de
puntos extremos. En este tema se estudiará también un procedimiento sistemático para
determinar todos los puntos extremos de O(J1,A) y O(J2,A), que se conoce como
“método de las submatrices”.

8.1 Soluciones simples

SOLUCIÓN SIMPLE DE UN JUEGO EN FORMA NORMAL: Sea G=(X,Y,M) un
juego bipersonal de suma cero y sean ξ * ∈ X * y η * ∈ Y * estrategias mixtas de J1 y J2

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 18

respectivamente tales que M (ξ * , y ) = M (x,η * ) = c ∀x ∈ X ∀y ∈ Y . Entonces al par
( )
ξ * ,η * se le denomina una solución simple de G. Resulta obvio que
( )
Λ E (G ) ξ * =
inf
y ∈Y
M (ξ * ,y ) = c y que γ E (G ) (η * ) =
sup
x∈ X
M (x,η * ) = c y como

sup inf
Λ E (G ) (ξ ) = λ*E (G ) ≤ VE*(G ) = γ (η ) , se deduce que el juego tiene valor –
ξ∈X *
η ∈ Y * E (G )
( )
concretamente su valor es c- en estrategias mixtas y que ξ * ,η * es una estrategia
óptima. Es decir, toda solución simple es un par de soluciones óptimas para ambos
jugadores.
SOLUCIÓN SIMPLE DE UN JUEGO MATRICIAL: Sea A la matriz de un juego
rectangular y sean ξ 0 y η * soluciones óptimas de J1 y J2 respectivamente. Se dice que el
par ( ξ 0 , η * ) es una solución simple de la matriz A si se verifica que
⎧ ξ ' P = c ∀j ∈ {1,..., n}
M (ξ * , y ) = M (x,η * ) = c ∀x ∈ X ∀y ∈ Y , es decir, si ⎨ 0 *j , siendo
⎩Q' i η = c ∀i ∈ {1,..., m}
c el valor del juego.
Comentario: como se deduce fácilmente, todas las soluciones simples son óptimas pero
no todas las soluciones óptimas son simples. De hecho, toda solución óptima ( ξ 0 , η * )
⎧ ξ ' P ≥ c ∀j ∈ {1,..., n}
debe cumplir que ⎨ 0 *j . Si se da la igualdad, entonces tenemos una
⎩Q' i η ≤ c ∀i ∈ {1,..., m}
solución simple.
Teorema 1: Sea A una matriz cuadrada de orden n y no singular y sea A*=(Aij) la matriz
adjunta. Una condición necesaria y suficiente para que la matriz A tenga alguna
n n
solución simple es que las cantidades Ri = ∑ Aij i = 1,2,..., n y C j = ∑ Aij j = 1,2,..., n
j =1 i =1

sean del mismo signo. Además se tiene que:

A
v=
∑C j
j

⎛ R1 ⎞
1 ⎜ ⎟
ξ0 = ⎜ ... ⎟
∑i Ri ⎜ Rn ⎟
⎝ ⎠
⎛ C1 ⎞
1 ⎜ ⎟
η =
*
⎜ ... ⎟
∑j C j ⎜ C n ⎟
⎝ ⎠
Corolario: Si una matriz cuadrada no singular admite soluciones simples, estas
soluciones simples son las únicas soluciones óptimas del juego correspondiente.

8.2 Teorema de Shapley-Snow

Teorema 2: TEOREMA DE SHAPLEY-SNOW: Sea G un juego matricial de matriz A
y de dimensiones mxn, cuyo valor es v<>0. Entonces, el conjunto de estrategias óptimas
extremas –esto es, el conjunto de puntos extremos de O(J1,A) y O(J2,A)- es finito. Una
pareja de estrategias óptimas ( ξ 0 , η * ) son puntos extremos de O(J1,A) y O(J2,A)

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 19

respectivamente si y sólo si la matriz A posee una submatriz cuadrada no singular B
para la cual ( ξ 0 B , η B* ) es una solución simple de B, en donde ξ 0 B es el vector que se
obtiene de ξ 0 eliminando aquellas componentes que corresponden a las filas eliminadas
al obtener B de A y η B* es el vector que se obtiene de η * eliminando aquellas
componentes que corresponden a las columnas eliminadas al obtener B de A.
Observaciones: Si el valor del juego es 0 se puede añadir una constante a todos los
elementos de la matriz, lo que no altera los conjuntos de estrategias óptimas –aunque sí
el valor del juego- y de ese modo se consiguen las condiciones para aplicar el teorema.
Por otra parte, como el número de matrices cuadradas de A que admiten soluciones
simples es finito, y cada una de ellas caracteriza de modo único una estrategia óptima
extrema en el conjunto de estrategias óptimas, los subconjuntos O(J1,A) y O(J2,A)
quedan perfectamente caracterizados como conjuntos convexos, compactos y
poliédricos.

8.3 Método práctico de determinar todas las soluciones

El método práctico consiste, por tanto, en estudiar todas las matrices cuadradas de la
matriz A y determinar sus soluciones simples. El esquema es el siguiente:
Paso I: Nos aseguramos de que el valor del juego es distinto de cero. Si no lo es,
añadimos una constante a todos los elementos de la matriz A. Conviene añadir un
elemento tal que todos los elementos de la nueva matriz tengan el mismo signo –
digamos positivo-.
Paso II: Se examinan las matrices 1x1 y se determina su optimalidad, lo cual equivale a
analizar si la matriz posee un punto de silla.
Paso III: Se examinan todas las matrices no singulares de orden 2.
Paso IV:Se escogen aquellas matrices no singulares de orden 2 que admiten soluciones
simples (mediante la aplicación del teorema 1). Si admite soluciones simples se pasa al
paso V. En caso contrario, la matriz se desecha.
Paso V: Las soluciones simples (determinadas por el teorema 1) del paso IV se
completan con ceros en los lugares correspondientes y se comprueba si, en efecto, son
soluciones óptimas de la matriz A.
Paso VI. Si son óptimas hemos conseguido (por el teorema de Shapley-Snow) una
estrategia óptima extrema. En caso contrario se examinan las matrices no singulares de
orden 3.
Paso VII. Se continúa el proceso hasta examinar todas las submatrices de orden
min{m,n} y así se obtienen todos los puntos extremos de los conjuntos de estrategias
óptimas de los dos jugadores.

TEMA 9. ALGUNOS TIPOS PARTICULARES DE

JUEGOS
9.1 Juegos simétricos
JUEGO SIMÉTRICO: Un juego bipersonal de suma cero G=(X,Y,M) es simétrico si
X=Y y para todo x ∈ X y para todo y ∈ Y se verifica que M ( x, y ) = − M ( y, x ) , es decir,
si ambos jugadores tienen el mismo conjunto de estrategias puras y reciben los mismos
pagos cuando se intercambian las estrategias (de aquí el signo’-‘).
JUEGO MATRICIAL SIMÉTRICO: Un juego matricial G, cuya matriz es A se dice
simétrico si la matriz A es antisimétrica, es decir, A t = − A .

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 20

Teorema 1: Sea G un juego matricial simétrico. Entonces su valor es cero y toda
estrategia óptima de J1 es óptima de J2 y recíprocamente.
Teorema 2: Un juego simétrico en el que el orden n de la matriz es par no puede ser
completamente mixto.

9.2 Simetrización de juegos

A cualquier juego se le puede asociar un juego simétrico mediante una correspondencia
que relaciona también los conjuntos de estrategias óptimas del juego con las del juego
simétrico asociado.
En particular, existen dos métodos propuestos para la simetrización de juegos
matriciales de dimensión mxn
Teorema 3 (PRIMER MÉTODO DE SIMETRIZACIÓN): Sea GA un juego matricial de
matriz A de dimensión mxn, cuyo valor es vA>0. Entonces el juego GB cuya matriz de
pago es la matriz antisimétrica B de orden m+n+1 definida por
⎛ 0 A − Jm ⎞
⎜ ⎟ r
B = ⎜− A t
0 J n ⎟ es tal que si W0 = (u1 ,..., u m , v1 ,..., v n ,θ )' es una estrategia
⎜ J' 0 ⎟⎠
⎝ m − J 'n
'
m n
⎛u u u ⎞
óptima de GB, entonces ∑ u i = ∑ v j = a > 0 y ξ 0 = ⎜⎜ 1 , 2 ,..., m ⎟⎟ y
i =1 j =1 ⎝a a a ⎠
'
⎛v v v ⎞ θ
η = ⎜⎜ 1 , 2 ,..., n ⎟⎟ son estrategias óptimas de J1 y de J2 en GA. Además v A = .
*

⎝a a a⎠ a
Recíprocamente, si ξ 0 y η son estrategias óptimas de J1 y de J2 en GA, entonces
*

r
W0 =
2 + vA
(
1
)
ξ 0 ,η * , v A ' es óptima de GB.

Teorema 4 (SEGUNDO MÉTODO DE SIMETRIZACIÓN): Sea A una matriz de

dimensión mxn. Se considera la matriz B=(bpq) de orden mn en donde
r
b(i −1)n + j ,(k −1)n + l = ail − akj . Entonces B es antisimétrica. Además si λ = (λ1 ,..., λ mn ) es una
estrategia óptima del juego cuya matriz es B, entonces los vectores ξ y η definidos por
n m
ξ = (x1 ,..., x m )t y η = ( y 1 ,..., y n )t donde xi = ∑ λ(i −1)n + j e y j = ∑ λ(i −1)n + j son
j =1 i =1

estrategias óptimas de J1 y J2 respectivamente en el juego de matriz A.

9.3 Juegos matriciales paramétricos

Vamos a considerar juegos matriciales en los que la matriz de pagos A depende de un
parámetro vectorial θ que varía en cierta región del espacio euclídeo Rk.
JUEGO MATRICIAL PARAMÉTRICO: Es un juego matricial en el que la matriz de
pagos A depende de un parámetro vectorial θ que varía en cierta región del espacio
euclídeo Rk, es decir Gθ = (I m , I n , A(θ )) .
Vamos a estudiar las propiedades de la familia de juegos {Gθ } y en particular el
comportamiento del valor del juego y de las estrategias óptimas como función de θ .
Teorema 5: Si la familia de juegos {Gθ } es tal que los elementos aij (θ ) de la matriz
A(θ ) son funciones continuas de θ , entonces v(Gθ ) = vθ es una función continua de θ .

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 21

Además las funciones O( J 1 ;θ ) = O( J 1 ; A(θ )) y O( J 2 ;θ ) = O( J 2 ; A(θ )) que para cada θ
definen el conjunto de soluciones óptimas de J1 y J2 respectivamente.
Teorema 6: Si la familia de juegos {Gθ } es tal que los elementos aij (θ ) de la matriz
A(θ ) , donde Ω es un intervalo de la recta real, son funciones monótonas crecientes
(decrecientes) de θ , entonces v(Gθ ) = vθ es una función monótona creciente
(decreciente) de θ . Además si todos los aij (θ ) lo son estrictamente, también lo es
v(Gθ ) = vθ .
El método sistemático para la determinación de las funciones v(Gθ ) = vθ ;
O( J 1 ;θ ) = O( J 1 ; A(θ )) y O( J 2 ;θ ) = O( J 2 ; A(θ )) es el método de las submatrices
convenientemente modificado para recoger la variabilidad del parámetro θ .

TEMA 10. PROGRAMACIÓN LINEAL Y TEORÍA DE

JUEGOS
10.1 Idea de la programación lineal
Visto en Métodos De Programación Matemática.

10.2 Dualidad
Visto en Métodos De Programación Matemática.

10.3 Paso de un juego a un programa lineal

El problema de determinar las estrategias óptimas de los dos jugadores de un juego
matricial se puede reducir a sendos problemas de programación lineal con la
característica adicional de que éstos son duales.
Razonando desde el punto de vista de J1, si el primer jugador elige una estrategia mixta
ξ ' = ( x1 ,..., x m ) puede garantizarse que el pago que va a obtener será mayor o igual que
un cierto valor α . El valor del juego matricial es el máximo de los α que el primer
jugador se puede garantizar.
Así, el problema de J1 se puede resumir en:
Maximizar α
r
Sujeto a ξ ' Pj ≥ α ; ξ ' J m = 1 (es decir, la suma de los xi debe ser 1); ξ ≥ 0 (todos los xi
deben ser no negativos).
A partir de la formulación de este problema lineal conviene eliminar de los lados
derechos de las restricciones la constante α . Así, la restricción ξ ' Pj ≥ α se convierte
1 ⎛ x1 xm ⎞
en ξ ' Pj ≥ 1 o lo que es lo mismo ⎜ ,..., ⎟ Pj ≥ 1 . Si definimos las nuevas
α ⎝α α ⎠
xi
variables u i = ∀i ∈ {1,..., m} la restricción queda (u1 ,..., u m )Pj ≥ 1 .
α
Procediendo análogamente, la restricción ξ ' J m = 1 se convierte en (u1 ,..., u m )J m =
1
y
α
1
podemos sustituir la maximización de α por la minimización de .
α
Así, el problema lineal transformado para J1 es:

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 22

Minimizar (u1 ,..., u m )J m =
1
α r
Sujeto a (u1 ,..., u m )Pj ≥ 1 y (u1 ,..., u m ) ≥ 0
Razonando ahora desde el punto de vista de J2, si elige una estrategia mixta
η = ( y1 ,..., y n ) tiene que Q'i η ≤ β , siendo β el pago máximo que le garantiza la
estrategia η = ( y1 ,..., y n ) elegida. Lógicamente, J2 busca minimizar β eligiendo la
estrategia η = ( y1 ,..., y n ) más adecuada. En otras palabras, J2 persigue:
Minimizar β
r
Sujeto a J ' n η = 1 ; Q'i η ≤ β y η ≥ 0
Nuevamente conviene modificar las restricciones y la función objetivo para que el
problema lineal sea de más fácil resolución mediante el algoritmo del simplex.
1
Así, la restricción Q'i η ≤ β se convierte en Q'i η ≤ 1 o lo que es equivalente
β
⎛ y1 ⎞
⎜ ⎟
⎜β ⎟ yj
Q'i ⎜ ... ⎟ ≤ 1 . Si ahora definimos las nuevas variables w j = tenemos que la
⎜ yn ⎟ β
⎜β ⎟
⎝ ⎠
⎛ w1 ⎞
⎜ ⎟
restricción Q'i η ≤ β se convierte en Q' i ⎜ ... ⎟ ≤ 1 .
⎜w ⎟
⎝ n⎠
⎛ w1 ⎞
⎜ ⎟ 1
Por su parte la restricción J ' n η = 1 se convierte en J ' n ⎜ ... ⎟ = . La función objetivo
⎜w ⎟ β
⎝ n⎠
1
pasa de ser la minimización de β a la maximización de . En resumen, el programa
β
lineal para el jugador J2 es el siguiente:
⎛ w1 ⎞
⎜ ⎟ 1
Maximizar J ' n ⎜ ... ⎟ =
⎜w ⎟ β
⎝ n⎠
⎛ w1 ⎞ ⎛ w1 ⎞
⎜ ⎟ ⎜ ⎟
sujeto a: Q' i ⎜ ... ⎟ ≤ 1 y ⎜ ... ⎟ ≥ 0
⎜w ⎟ ⎜w ⎟
⎝ n⎠ ⎝ n⎠

10.4 Equivalencia entre juegos y programas lineales

Hemos visto como todo juego matricial se puede convertir en sendos programas lineales
que son duales.
En este apartado vamos a ver que todo programa lineal (y su dual) puede convertirse en
un juego matricial simétrico.
Dado el problema de programación lineal siguiente:
rr
Maximizar c x

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 23

 r
⎡ 0 −A c ⎤
r r r r
sujeto a x A ≤ b y x ≥ 0 consideremos el juego GB de matriz B = ⎢⎢ A t 0 − b ⎥⎥ . El
rt
r r
⎢⎣− c t bt 0 ⎥⎦
juego es simétrico y por tanto su valor es cero; además las estrategias óptimas de los dos
jugadores son idénticas. Una estrategia del juego vendrá dada por
( )
x1 ,..., x m , y 1 ,..., y n , λ .
Teorema 6: El juego GB posee una estrategia óptima para la cual λ es mayor que 0 si y
sólo si el programa lineal y su dual son factibles y acotados, es decir, poseen solución.

10.5 Exposición práctica del método del simplex

Visto en Métodos De Programación Matemática.

TEMA 11. S-JUEGOS Y EXTENSIONES

11.1 Definición y propiedades

11.2 Extensión del teorema del minimax

11.3 Relación con la teoría de la decisión

Teoría de Juegos. Primera prueba. Ciencias Matemáticas. UNED. Página 24