Analisis Cuantitativo

Análisis Cuantitativo Curso 2010
UNIVERSIDAD DE LA
EMPRESA
Análisis Cuantitativo
Curso 2010
Docente: MBA Ing. Ciro Mata
1
Índice
1 Teoría de conjuntos y combinatoria ......................................................................... 5
1.1 Introducción y definiciones .............................................................................. 5
1.1.1 Diagramas de Venn .................................................................................. 6
1.1.2 Subconjuntos ............................................................................................ 6
1.1.3 Conjuntos de números reales.................................................................... 7
1.1.4 Conjunto universal.................................................................................... 7
1.1.5 Cardinalidad ............................................................................................. 8
1.1.6 Relaciones................................................................................................. 8
1.2 Operaciones con conjuntos............................................................................... 9
1.2.1 Operaciones básicas.................................................................................. 9
1.2.2 Unión ...................................................................................................... 10
1.2.3 Intersección............................................................................................. 10
1.2.4 Diferencia ............................................................................................... 11
1.2.5 Diferencia simétrica................................................................................ 11
1.2.6 Complemento ......................................................................................... 12
1.2.7 Propiedades de las operaciones entre conjuntos..................................... 12
1.3 Producto cartesiano......................................................................................... 13
1.3.1 Pares ordenados, ternas, n-uplas............................................................. 13
1.3.2 Representación en ejes cartesianos......................................................... 14
1.4 Diagramas de árbol......................................................................................... 16
1.5 Combinatoria .................................................................................................. 18
1.5.1 Introducción............................................................................................ 18
1.5.2 Permutaciones......................................................................................... 18
1.5.3 Combinaciones ....................................................................................... 19
1.5.4 Arreglos .................................................................................................. 20
1.5.5 Permutaciones con repetición................................................................. 21
1.5.6 Combinaciones con repetición................................................................ 22
1.5.7 Arreglos con repetición .......................................................................... 23
2 Introducción a la probabilidad................................................................................ 24
2.1 Definición ....................................................................................................... 24
2.2 Probabilidad clásica........................................................................................ 24
2.2.1 Probabilidad a priori ............................................................................... 24
2.2.2 Probabilidad a posteriori......................................................................... 25
2.2.3 Probabilidad subjetiva ............................................................................ 26
2.3 Diagramas de árbol......................................................................................... 26
2.4 Propiedades elementales de la probabilidad................................................... 27
2.4.1 Axiomas.................................................................................................. 27
2.4.2 Teoremas ................................................................................................ 28
2.5 Probabilidad condicional ................................................................................ 29
2.5.1 Teorema de la probabilidad total ............................................................ 32
2.5.2 Teorema de Bayes .................................................................................. 33
2.5.3 Teorema de la multiplicación ................................................................. 36
3 Expresiones algebraicas, ecuaciones e introducción al álgebra lineal ................... 37
3.1 Conjuntos numéricos ...................................................................................... 37
3.2 Ecuaciones de primer y segundo grado de una incógnita............................... 38
3.2.1 Ecuación de primer grado, ecuación de la recta ..................................... 38
3.2.2 Ecuación de segundo grado con una incógnita....................................... 40
3.3 Sistemas de ecuaciones lineales ..................................................................... 44
2
3.3.1 Introducción............................................................................................ 44
3.3.2 Matriz aumentada ................................................................................... 49
3.3.3 Método básico para resolución de sistemas de ecuaciones .................... 49
3.3.4 Eliminación gaussiana ............................................................................ 52
3.4 Matrices y operaciones matriciales................................................................. 56
3.4.1 Definición ............................................................................................... 56
3.4.2 Suma de matrices.................................................................................... 56
3.4.3 Producto de una matriz por un escalar.................................................... 57
3.4.4 Producto de matrices .............................................................................. 57
3.4.5 Dos matrices importantes ....................................................................... 58
3.4.6 Matriz transpuesta................................................................................... 59
3.4.7 Reglas de la aritmética matricial ............................................................ 59
3.4.8 Inversión de matrices.............................................................................. 60
3.4.9 Relación entre invertibilidad de matrices y sistemas lineales ................ 61
3.4.10 Determinantes......................................................................................... 61
3.4.11 Propiedades de la función determinante................................................. 62
3.4.12 Regla de Cramer ..................................................................................... 63
3.4.13 Ejemplo de cálculo de la inversa de una matriz. .................................... 65
3.4.14 Ejemplo de aplicación de la Regla de Cramer........................................ 66
3.5 Matriz Insumo – Producto e Inversa de Leontief ........................................... 68
3.5.1 Introducción............................................................................................ 68
3.5.2 Cuadro de transacciones interindustriales .............................................. 68
3.5.3 Modelo cerrado con n sectores ............................................................... 69
3.5.4 Modelo abierto........................................................................................ 70
3.5.5 Modelo cerrado (opcional) ..................................................................... 72
3.5.6 Planificación de requerimientos de producción en el modelo abierto
(opcional)................................................................................................................ 73
3.6 Ecuación cuadrática........................................................................................ 77
3.7 Inecuaciones ................................................................................................... 79
3.8 Programación lineal........................................................................................ 80
3.8.1 Introducción............................................................................................ 80
3.8.2 Inecuaciones lineales con dos variables ................................................. 80
3.8.3 Sistemas de inecuaciones lineales con dos variables.............................. 80
3.8.4 Problemas de optimización de una función sujeta a restricciones ......... 82
3.8.5 Forma geométrica ................................................................................... 82
3.8.6 Forma algebraica .................................................................................... 84
3.8.7 Casos especiales ..................................................................................... 85
4 Funciones de una variable e introducción a los métodos de optimización............. 88
4.1 Definiciones.................................................................................................... 88
4.2 Derivada.......................................................................................................... 88
4.2.1 Interpretación geométrica ....................................................................... 88
4.2.2 Continuidad y derivabilidad ................................................................... 91
4.2.3 La importancia de la derivada en el estudio de las funciones ................ 93
4.2.4 Derivada de la función compuesta.......................................................... 95
4.2.5 Derivada segunda ................................................................................... 96
4.2.6 Teoremas ................................................................................................ 98
4.2.7 Tabla de derivadas ................................................................................ 100
5 Funciones del área económico-administrativa ..................................................... 101
5.1 Introducción.................................................................................................. 101
Funciones de costo, ingreso y beneficio................................................................... 101
3
5.1.1 Función de costo................................................................................... 101

5.1.2 Función de ingreso ............................................................................... 106
5.1.3 Función de beneficio ............................................................................ 107
5.2 Oferta y demanda.......................................................................................... 107
5.2.1 Demanda............................................................................................... 107
5.2.2 Excedente de consumidor..................................................................... 109
5.2.3 Oferta .................................................................................................... 111
5.2.4 Excedente de productor ........................................................................ 112
5.2.5 Equilibrio del mercado ......................................................................... 113
6 Referencias ........................................................................................................... 114
4
1 Teoría de conjuntos y combinatoria
1.1 Introducción y definiciones
Un conjunto es una colección de elementos diferentes. Los objetos que integran un

conjunto se llaman elementos de ese conjunto. Ejemplos de conjuntos son los
siguientes:
Números naturales
Estudiantes de una clase
Departamentos integrantes de un país
En general se utilizan las letras mayúsculas para designar a los conjuntos y letras
minúsculas referise a sus elementos. Si a es un elemento de un conjunto A se escribe
a ∈ A que no es otra cosa que decir a pertenece A o a es un elemento de A . Si a no
es un elemento del conjunto A se escribe a ∉ A y se lee a no pertenece a A o a no es
elemento de A . Algunos conjuntos dada su importancia tienen una notación propia, por
ejemplo:
N : el conjunto de los números naturales

Z : el conjunto de los números enteros
Q : el conjunto de los números racionales
R : el conjunto de los números reales
Existen distintas maneras de definir un conjunto. La forma más simple, pero que no
siempre es posible, es por extensión, es decir listando todos los elementos del conjunto
separados por comas y encerrando todo entre llaves. La otra forma es por comprensión.
A continuación se presenta una definición por extensión para dos conjuntos A y B :
A = {1,2,3,4} , B = {a, e, i, o, u}
Sin embargo esta forma de nombrarlos no es del todo práctica en el caso de conjuntos
compuestos por muchos elementos. En esos casos se hace más útil la descripción de un
conjunto por comprensión, es decir enunciando una propiedad de los elementos que lo
integran:
A = {x / x ∈ N , x < 5}, B = {vocales}
Un conjunto particular es el conjunto vacío, el cual no tiene elementos y se identifica

con la letra griega φ .
5
1.1.1 Diagramas de Venn
Los diagramas de Venn son un modo gráfico frecuentemente utilizado para representar
conjuntos. Un conjunto se representa con una línea curva cerrada, y sus elementos con
puntos en el interior. Por ejemplo, el diagrama de Venn para el conjunto A es:
1 21 2
3
3 4
4
Diagrama de Venn del conjunto A
Una de las propiedades más útiles de los diagramas de Venn es que dan una forma
gráfica de visualizar las relaciones entre conjuntos, por ejemplo, en la siguiente figura
se representa que todo elemento del conjunto B , es también elemento del conjunto A .
1.1.2 Subconjuntos
Se dice que un conjunto B es un subconjunto de un conjunto A si todos los elementos

del conjunto B pertenecen al conjunto A , y se denota B ⊂ A . En particular, todo
conjunto es un subconjunto de sí mismo.
Se dice que dos conjuntos son iguales si tienen exactamente los mismos elementos.
Se dice que dos conjuntos son disjuntos si no tienen ningún elemento en común. Por
ejemplo, los conjuntos A = {1,2,3} y B = {4,5} son disjuntos.
6
1.1.3 Conjuntos de números reales
Un intervalo de números reales es un subconjunto de R , que tiene la siguiente

propiedad: dados dos números a y b en el intervalo, todos los números comprendidos
entre a y b también pertenecen al intervalo.
Gráficamente, un intervalo se identifica en la recta real con un segmento o una
semirrecta, con o sin sus extremos, o con toda la recta real.
Los intervalos de números reales son conjuntos particulares para los cuales se ha
desarrollado una notación particular, así como también una interpretación geométrica de
los mismos.
Por ejemplo, el conjunto definido como: {x / 0 < x < 1} representa a todos los reales
entre 0 y 1, y también puede asociarse al segmento de recta con origen en 0 y fin en 1,
sin contar los extremos. Este conjunto también puede identificarse con la siguiente
notación: (0,1) , indicando los paréntesis curvos que el intervalo no contiene los
extremos.
Otro ejemplo puede ser el conjunto {x / 0 ≤ x ≤ 1} , a diferencia del ejemplo del párrafo
anterior, este conjunto incluye a los extremos del segmento anteriormente definido. Este
conjunto también puede identificarse con las siguiente notación: [0,1] , indicando los
paréntesis rectos que el intervalo contiene los extremos.
En general, dados dos números reales a y b que cumplan la relación a < b , la notación
(a, b ) se refiere al intervalo abierto (sin incluir los extremos), y la notación [a, b] se
refiere al intervalo cerrado (incluyendo los extremos).
Los subconjuntos de la forma {x / x < a} o {x / x > a} también se llaman intervalos

abiertos, y para éstos se utiliza la notación (− ∞, a ) o (a, ∞ ) , respectivamente. Al
símbolo ∞ se lo denomina símbolo del infinito.
1.1.4 Conjunto universal
En el caso de considerarse varios conjuntos cuyos elementos tienen una propiedad

común, en algunos casos existe otro conjunto que contiene a todos los conjuntos que se
está considerando. En caso de existir, a dicho conjunto se lo denomina conjunto
universal y se lo denota con la letra Ω . Por ejemplo, el conjunto de los naturales N es
un conjunto universal si los conjuntos que estamos considerando son conjuntos cuyos
elementos son números naturales.
En los diagramas de Venn, al conjunto universal se lo grafica del siguiente modo:
7
Conjunto universal
1.1.5 Cardinalidad
Se define el cardinal de un conjunto finito A a la cantidad de elementos del conjunto.

Un conjunto es finito cuando tiene una cantidad finita de elementos. El cardinal del
conjunto vacío es 0, y si el conjunto tiene una cantidad no finita de elementos diremos
que es un conjunto infinito y que su cardinal es infinito. En todos los casos, el cardinal
del conjunto A se denota A o # A .
1.1.6 Relaciones
Una relación es un vínculo entre un elemento de un conjunto (conjunto de partida) y un

elemento de otro conjunto (conjunto de llegada).
Por ejemplo, supongamos una clase donde se definen dos grupos, el grupo
A = {Alumnos} y el grupo B = {Padres y madres de alumnos} . Los elementos del
conjunto A están vinculados con los del conjunto B por la relación hijo de. La relación
se denota R : A → B
A B
Ernesto Mónica
Juan
Pedro Daniela
Ana
Paula Sergio
Eugenia
Víctor Julia
Facundo
Una función es un tipo especial de relación en la cual a cada elemento del conjunto de
partida le corresponde uno y solo un elemento del conjunto de llegada.
8
En el caso del ejemplo anterior, la relación definida no es función, dado que a cada
elemento del conjunto A le corresponden dos elementos del conjunto B . En cambio si
la relación se hace al revés, es decir, se vincula a los elementos del conjunto B con los
del conjunto A por la relación hijo de, esta relación efectivamente es una función.
Formalmente una función se define y denota de la siguiente forma:
f : A → B ⇔ ∀x ∈ A∃! y ∈ B / y = f ( x)
Que se lee de la siguiente forma, para todo x de A existe un único elemento de B

relacionado con x . Al conjunto A se le denomina dominio y al conjunto B codominio.
Las funciones se pueden clasificar en tres categorías:
Inyectivas
Sobreyectivas
Biyectivas
Una función es inyectiva ⇔ ∀x1 , x 2 ∈ A, x1 ≠ x 2 , f ( x1 ) ≠ f ( x 2 ) .

En otra palabras, a cada elemento del conjunto A le corresponde uno distinto del
conjunto B .
Una función es sobreyectiva ⇔ ∀y ∈ B∃x ∈ A / y = f ( x) .

Decir que una función es sobreyectiva es equivalente a decir que cada elemento del
codominio está relacionado con un elemento del dominio.
Una función es biyectiva si es inyectiva y sobreyectiva a la vez.
1.2 Operaciones con conjuntos
1.2.1 Operaciones básicas
Las operaciones básicas entre conjuntos son:
Unión
Intersección
Diferencia
El resultado de toda operación entre conjuntos es otro conjunto.
También existe para cada conjunto el concepto de complemento. La notación que se

utilizará será que el complemento del conjunto A se denotará A' .
9
1.2.2 Unión
Sean A y B dos conjuntos. La unión de los conjuntos A y B es el conjunto cuyos

elementos pertenecen a A o a B . La operación unión se denota con el símbolo U .
Por comprensión, la unión entre dos conjuntos se define:
A U B = {x / x ∈ A o x ∈ B}
En un diagrama de Venn, la unión de los conjuntos A y B queda representada por la

siguiente gráfica:
Unión de conjuntos en diagrama de Venn (sombreado)
Algunos resultados interesantes respecto de la unión son los siguientes:
A⊂ B ⇒ AU B = B
A Uφ = A
AU A = A
1.2.3 Intersección
La intersección entre dos conjuntos A y B son aquellos elementos que pertenecen

simultáneamente al conjunto A y al conjunto B .
Por comprensión, la unión entre dos conjuntos se define:
A I B = {x / x ∈ A y x ∈ B}
En un diagrama de Venn, la intersección es el área sombreada de la siguiente figura.
10
Intersección de conjuntos en diagrama de Venn (sombreado)
Algunos resultados interesantes respecto de la intersección son los siguientes:
A⊂ B ⇒ AI B = A
A Iφ = φ
AI A = A
1.2.4 Diferencia
La diferencia entre dos conjuntos A y B es el conjunto de todos los elementos que

pertenecen a A y no pertenecen a B .
Por comprensión, la diferencia entre dos conjuntos se define:
A − B = {x / x ∈ A y x ∉ B}
En un diagrama de Venn, la diferencia se grafica como se ilustra en la figura a

continuación.
Diferencia de conjuntos en diagrama de Venn (sombreado)
1.2.5 Diferencia simétrica
La diferencia simétrica entre dos conjuntos A y B se define como:
A∆B = ( A − B ) U ( B − A) = ( A U B ) I ( A I B )'
11
En un diagrama de Venn, la diferencia simétrica se grafica como se ilustra en la

siguiente figura.
Diferencia simétrica en diagrama de Venn
1.2.6 Complemento
Sea A un conjunto perteneciente al conjunto universal Ω .
Se define complemento del conjunto A , y se denota A' a todos aquellos elementos de

Ω que no pertenezcan a A .
Por comprensión, el complemento de un conjunto A se define:
A' = {x / x ∈ Ω y x ∉ A}
En un diagrama de Venn el complemento se representa como se indica en la gráfica a

continuación.
Complemento del conjunto (sombreado)
1.2.7 Propiedades de las operaciones entre conjuntos
Tanto la unión como la intersección cumplen con las propiedades conmutativa,

asociativa y distributiva, es decir:
12
A U B = B U A

A I B = B I A conmutativa
A∆B = B∆A 
( A U B) U C = A U ( B U C )

( A I B) I C = A I ( B I C ) asociativa
( A∆B)∆C = A∆( B∆C ) 
A U ( B I C ) = ( A U B) I ( A U C )

A I ( B U C ) = ( A I B) U ( A I C ) distributiva
A I ( B∆C ) = ( A∆B) U ( A∆C ) 
Otras propiedades importantes son las leyes de Morgan:
( A U B )' = A'I B '

( A I B )' A'U B '
AU B = A + B − AI B
1.3 Producto cartesiano
1.3.1 Pares ordenados, ternas, n-uplas
Dos elementos dados forman un par ordenado. Ejemplos de pares ordenados

encontramos frecuentemente en la vida cotidiana como ser:
Altura y peso
Presión arterial y presión venosa
Latitud y longitud de un lugar dado
Temperatura y sensación térmica
Etc.
Si bien en los ejemplos mencionados todos los elementos que forman pares ordenados
pertenecen a un mismo conjunto, esta condición no es necesaria. Por ejemplo, un par
ordenado de elementos que no pertenecen a un mismo conjunto pueden ser nombre y
altura de una persona.
Del mismo modo que se definen los pares ordenados, pueden definirse las ternas
ordenadas, por ejemplo, para localizar un punto en el espacio es necesario dar su latitud,
longitud y altura, por lo cual se necesitan tres datos para identificar cada punto del
espacio. Estos conceptos también pueden asociarse a n dimensiones. Por ejemplo, el
movimiento de un avión en el aire necesita para describirse cuatro datos, la altura, la
latitud, la longitud, y el tiempo, dado que para quedar definido completamente la
posición es necesario saber en qué momento el avión se ubicó en ese lugar.
13
Se define producto cartesiano de dos conjuntos A y B no vacíos, al conjunto de todos

los pares ordenados tal que el primero es un elemento de A y el segundo es un
elemento de B . El producto cartesiano de los conjuntos A y B se denota A × B .
En símbolos, A × B = {(a, b) / a ∈ A y b ∈ B} .
Ejemplo:
Si A = {1,2} y B = {3,4,5,6}, A × B = {(1,3), (1,4), (1,5), (1,6), (2,3), (2,4), (2,5), (2,6)} y
B × A = {(3,1), (3,2), (4,1), (4,2), (5,1), (5,2), (6,1), (6,2)}
En algunas ocasiones para ordenarse conviene construir tablas de doble entrada.
AxB 3 4 5 6
1 (1,3) (1,4) (1,5) (1,6)
2 (2,3) (2,4) (2,5) (2,6)
BxA 1 2
3 (3,1) (3,2)
4 (4,1) (4,2)
5 (5,1) (5,2)
6 (6,1) (6,2)
Es fácil notar la relación entre el cardinal del producto cartesiano de dos conjuntos A y
B y el cardinal de los conjuntos A y B .
A× B = A * B
1.3.2 Representación en ejes cartesianos
Los ejes cartesianos son dos rectas perpendiculares, una de las cuales representa el eje
de las abscisas y el otro el eje de las ordenadas. En ambas rectas se representan los
números reales y el punto de intersección de ambas corresponde al origen de
coordenadas, es decir, el 0 de ambos ejes. En general, se suele notar al eje de las
abscisas con la letra x y al eje de las ordenadas con la letra y . Dos rectas que se
cortan determinan un plano, y habiendo definido el origen como el punto de
intersección de las dos ejes, cada punto del plano queda identificado por una dupla, su
abscisa y su ordenada, también llamadas coordenadas del punto. Análogamente, cada
dupla se corresponde con un punto del plano.
14
Ejes cartesianos
Los conjuntos de duplas por lo tanto pueden representarse en el eje cartesiano. Por
ejemplo, sean los conjuntos:
{
A = ( a, b ) ∈ N × N / b = a 2 } B = {( x, y ) ∈ R × R / y = x + 3}
La representación de parte de esos conjuntos en el plano cartesiano es la siguiente:
40
6; 36
35
30
25 5; 25
20
4; 16
15
10
3; 9
5
2; 4
1; 1
0
0 1 2 3 4 5 6 7
Representación en el plano cartesiano del conjunto A
10
0
-6 -4 -2 0 2 4 6
-2
-4
15
Representación en el plano cartesiano del conjunto B
Los conjuntos pueden definir regiones del plano, por ejemplo:
E = {( x, y ) ∈ R × R / − 3 < x < 3,−1 < y < 2}
Representación en el plano cartesiano del conjunto E
1.4 Diagramas de árbol
Un diagrama de árbol es una herramienta gráfica que permite visualizar diferentes

escenarios que se pueden presentar sucesivamente. Esta herramienta, de gran utilidad no
solamente en el campo de la matemática, permite predecir evolución de los sistemas
determinísticos a futuro.
Supongamos que una persona dispone de cuatro corbatas las cuales utiliza para ir a
trabajar cada día de la semana. Se asume que cada día de la semana va con una corbata
diferente y que el viernes va sin corbata a trabajar. Las corbatas son de diferentes
colores: amarilla, roja, verde y azul. En caso de desearse saber cuántas opciones
diferentes tiene para elegir, debe calcularse la cantidad de permutaciones posibles (en la
siguiente sección se profundizará en el tema), pero dado lo acotado del problema, se
puede realizar un estudio caso a caso para evaluar todas las posibilidades.
Por ejemplo, si el día lunes elige la corbata amarilla, para el día martes tendrá tres
posibilidades: roja, verde o azul. Una vez que eligió la corbata del día martes, por
ejemplo la roja, el día miércoles tendrá solamente dos posibilidades, o la verde o la azul.
Después de haber elegido qué corbata lleva el miércoles, la corbata del día jueves estará
determinada.
Es posible listar las diferentes permutaciones recorriendo todas las trayectorias posibles
a través del “árbol” desde la primera posición hasta la última. Por medio de este proceso
se obtiene la siguiente lista:
(amarillo, rojo, verde, azul)

(amarillo, rojo, azul, verde)
(amarillo, verde, azul, rojo)
16
(amarillo, verde, rojo, azul)

(amarillo, azul, rojo, verde)
(amarillo, azul, verde, rojo)
(rojo, amarillo, verde, azul)
(rojo, amarillo, azul, verde)
(rojo, verde, amarillo, azul)
(rojo, verde, azul, amarillo)
(rojo, azul, amarillo, verde)
(rojo, azul, verde, amarillo)
(verde, amarillo, rojo, azul)
(verde, amarillo, azul, rojo)
(verde, rojo, amarillo, azul)
(verde, rojo, azul, amarillo)
(verde, azul, amarillo, rojo)
(verde, azul, rojo, amarillo)
(azul, amarillo, rojo, verde)
(azul, amarillo, verde, rojo)
(azul, rojo, amarillo, verde)
(azul, rojo, verde, amarillo)
(azul, verde, rojo, amarillo)
(azul, verde, amarillo, rojo)
Más sencillo puede resultar de visualizar en un diagrama de árbol. A efectos de

simplificar el gráfico se denota a los colores con un número:
1 – amarillo
2 – rojo
3 – verde
4- azul
Diagrama de árbol
17
1.5 Combinatoria
1.5.1 Introducción
La teoría combinatoria es la rama de la matemática que analiza las distintas formas de

agrupar elementos, ya sea en forma ordenada o desordenada, así como también calcular
el número de posibilidades.
Una de las operaciones más usadas en la teoría combinatoria es el factorial. Se define

factorial de un número natural n , y se denota n ! como el resultado de la multiplicación
de todos los números naturales menores o iguales a n . Por ejemplo:
2! = 2*1
6! = 6*5*4*3*2*1
En general:
n! = n*(n-1)*…*2*1
Si bien el factorial tiene sentido en el campo de los naturales, resulta conveniente definir
el factorial de 0, dado que será de gran utilidad para avanzar posteriormente en la teoría.
Se define 0! como:
0! = 1
Este resultado que puede parecer un poco extraño tiene su explicación y no contradice
ninguna de los resultados que se encontrarán más adelante.
Los problemas de Teoría Combinatoria pueden ser clasificados en seis categorías

básicas:
Permutaciones
Combinaciones
Arreglos
Permutaciones con repetición
Combinaciones con repetición
Arreglos con repetición
1.5.2 Permutaciones
Supongamos que se tienen 4 bolas de billar de distinto color cada una, una roja, una
azul, una amarilla y una violeta. Las mismas se introducen en una urna y se sacan una a
una, sin reponer la bola extraída de la urna hasta que la urna quede vacía. ¿De cuántas
formas posibles se puede ir dando la sucesión de aparición de las bolas?
18
Sea A = {amarilla, roja, azul, violeta}. Una combinación posible es

(roja, amarilla, azul, violeta) , otra (amarilla, roja, azul, violeta) , otra (azul, rojo, violeta,
amarillo), etc. Lo que se quiere calcular en este caso son las permutaciones de 4
elementos, que se denota P4 . En general, cuando se dispone de n elementos, las
permutaciones se denominan Pn y se calculan:
Pn = n!
En el caso del ejemplo la respuesta será:
P4 = 4!= 4 * 3 * 2 *1 = 24
En el caso de conjuntos de números enteros del tipo {1,2,...n} al notar una permutación
se escribirá ( j1 , j2 ,... jn ) , donde j1 es el primer entero de la permutación, j2 , etc. Se
dice que ocurre una inversión en la permutación siempre que un entero mayor precede a
uno menor. Se puede obtener el número total de inversiones que ocurren en una
permutación de la siguiente forma:
1. Se encuentra el número de enteros que son menores que j1 y que siguen a j1 en

la permutación
2. Se encuentra el número de enteros que son menores que j2 y que siguen a j2 en
la permutación
3. Se repite el proceso para todos los ji
La suma de los números contados de esa forma es el número total de inversiones de la

permutación.
Una permutación de n elementos debe pensarse como la cantidad de formas diferentes

en la cual los n elementos pueden ser ordenados.
1.5.3 Combinaciones
Supongamos que de un conjunto de n se desea extraer m de ellos. Por ejemplo, del

total de camisetas de un equipo titular de fútbol, numeradas del 1 al 11, ¿cuántos
subconjuntos diferentes de tres camisetas pueden armarse? En este caso no importa el
orden de los elementos de los subconjuntos, sino la composición de los mismos. En este
caso se dice que estamos frente a un caso de combinaciones de n elementos tomados de
m , que se denota1 con la expresión C nm y la cantidad de subconjuntos que se pueden
formar están dados por la siguiente fórmula:
1
En alguna bibliografía puede encontrarse que las combinaciones de n elementos tomados de m se
n
denota C . Cualquiera de las dos formas de notación es válida, lo importante es tener claro
m
conceptualmente a qué se refiere la expresión.
19
n!
C nm =
m!(n − m)!
En el caso particular del ejemplo la respuesta será:
11! 11! 11 * 10 * 9
C113 = = = = 165
3!*(11 − 3)! 3!*8! 3 * 2 *1
Una combinación de n elementos tomados de m es la cantidad de subconjuntos de m

elementos que se pueden formar a partir de un conjunto con n elementos diferentes.
1.5.4 Arreglos
Supongamos que en el caso del ejemplo anterior, los subconjuntos de tres elementos no
se consideran iguales en la medida que los elementos de dichos subconjuntos no estén
ordenados de la misma forma. Por ejemplo, si los subconjuntos se forman extrayendo de
a una las camisetas, un subconjunto posible es sacar primero la camiseta N° 1,
posteriormente la camiseta N° 2 y finalmente la camiseta N°3. Este subconjunto no es el
mismo que uno que se formara si primero se saca la camiseta N°2, luego la N°3 y
finalmente la N°1, a diferencia de lo que sucedía con las combinaciones.
En este caso se dice que estamos frente a arreglos2 de n elementos tomados de m y se
denota Anm . La cantidad posible de arreglos de n elementos tomados de m se calcula
de la siguiente forma:
n!
Anm =
(n − m)!
Intuitivamente puede deducirse la fórmula a partir de las fórmulas de permutaciones y

combinaciones vistas en las secciones anteriores.
Se puede pensar que los arreglos como permutaciones de las combinaciones de los m
elementos, por lo cual:
n! n!
Anm = Pm * C nm = m!* =
m!*(n − m)! (n − m)!
Un arreglo de n elementos tomados de m es la cantidad de subconjuntos ordenados de

m elementos que se pueden formar a partir de un conjunto con n elementos diferentes.
En el caso del ejemplo de las camisetas, la cantidad de arreglos se calcula:
11! 11!
A113 = = = 11 * 10 * 9 = 990
(11 − 3)! 8!
2
En alguna bibliografía a los arreglos se los denomina variaciones.
20
1.5.5 Permutaciones con repetición
Hasta ahora se han presentado casos en que todos los elementos de los conjuntos son
diferentes entre si. Puede suceder que no todos los elementos del conjunto sean
diferentes, sino que haya algunos que sean iguales entre si. Por ejemplo, sea un conjunto
definido por extensión de la siguiente forma: {1,2,4,4} . ¿Cuántos números de 4 cifras
diferentes se pueden formar con los elementos del conjunto?
En este caso, la situación es relativamente diferente a los casos vistos anteriormente,

dado que algunas permutaciones son iguales unas a otras, por lo tanto, no va a ser n ! la
respuesta en este caso.
Ejemplo: Sea el conjunto A = {α , β , β , ω , ω , ω , δ , δ , δ , δ , δ , ε } . Este conjunto está

compuesto por doce elementos ( n = 12 ), pero algunos de ellos son iguales entre si. A
efectos de ordenar los elementos considerando las repeticiones, se los puede renombrar
{ }
de la siguiente forma: A = a1 , a12 , a22 , a14 , a42 , a43 , a17 , a72 , a73 , a74 , a75 , a12 donde igual subíndice
entre dos elementos del conjunto indica que los elementos son iguales entre si.
En este conjunto existen tres elementos que se repiten ( β , ω y δ ). Se define m como la
cantidad de elementos del conjunto que se repiten (en el ej. m = 3 ). Sea k una variable
entera tal que se define jk como la cantidad de veces que se repite el k -ésimo elemento
del conjunto, siempre refiriéndose a los elementos del conjunto que se repiten (en el ej.
k = 1 corresponde a β , k = 2 corresponde a ω , k = 3 corresponde a δ ). Por su
definición se cumple: 1 ≤ k ≤ m .
En base a la definición de k , para este conjunto se cumple: j1 = 2 , j2 = 3 , j3 = 5 .
Desde el punto de vista de la ordenación, se puede observar que para cada elemento que
se repite del conjunto A , todas las permutaciones entre si de esos elementos del
conjunto no pueden diferenciarse dentro del conjunto total, por lo cual para cada
elemento k del conjunto original (los elementos k son los elementos que se repiten)
existen jk ! ordenamientos que son indiferentes entre si, es decir, deben contabilizarse
como uno solo. Por lo tanto queda una sola de esas jk ! .
En general, si en un conjunto de n elementos, existen m elementos que están jk

veces cada uno ( 1 ≤ k ≤ m ), la cantidad de permutaciones diferentes que se pueden
hacer son:
n!
P' = m
∏j!
k =1
k
En el caso del conjunto del ejemplo, los números diferentes de 4 cifras que se pueden
formar con todos los elementos del conjunto son 12 en total:
1244, 1424, 1442, 2144, 2414, 2441, 4124, 4142, 4214, 4241, 4412, 4421
Aplicando la fórmula se obtiene:
21
4!
P' = = 12
2!
Uno de los elementos está 2 veces.
Si en cambio el conjunto fuera {1,1,4,4}, los números diferentes de 4 cifras que se

pueden formar con todos los elementos del conjunto son:
1144, 1414, 1441, 4114, 4141, 4411
4!
P' = =6
2!*2!
En este caso son dos los elementos que están dos veces.
Si el conjunto fuera {1,4,4,4} , los números diferentes de 4 cifras que se pueden formar
con todos los elementos del conjunto son:
1444, 4144, 4414, 4441
4!
P' = =4
3!
1.5.6 Combinaciones con repetición
Las combinaciones con repetición resuelven el problema de saber cuántos subconjuntos

de m elementos tomados de un conjunto de n elementos pueden formarse, suponiendo
que dentro del subconjunto pueden repetirse elementos del conjunto original.
Supongamos que tenemos el conjunto formado por los nueve primeros naturales y el 0.
A = {0,1,2,3,4,5,6,7,8,9}
Deseamos saber cuántas combinaciones de dos elementos podemos formar, asumiendo

válidas las duplas que están integradas por dos números iguales.
En este caso es fácil enumerar y por ende contar cada una de las duplas que se pueden
formar, las cuales se ilustran en la siguiente tabla:
00
01 11
02 12 22
03 13 23 33
04 14 24 34 44
05 15 25 35 45 55
06 16 26 36 46 56 66
07 17 27 37 47 57 67 77
08 18 28 38 48 58 68 78 88
09 19 29 39 49 59 69 79 89 99
22
Duplas que se pueden formar con 10 elementos
La cantidad de combinaciones es en este caso 55. En general, las combinaciones con

reposición de un conjunto de n elementos tomados de m , que se denotan CRnm pueden
calcularse como ilustra la siguiente ecuación:
(n + m − 1)!
CRnm = C nm+ m −1 =
m!*(n − 1)!
Se verifica que se cumple para el ejemplo anterior.
(10 + 2 − 1)! 11! 10 * 11

CR102 = = = = 55
2!*(10 − 1)! 2!*9! 2 *1
1.5.7 Arreglos con repetición
En este caso el orden de los subconjuntos importa, y los hace diferentes. Retomando el
ejemplo del conjunto A = {0,1,2,3,4,5,6,7,8,9} , la cantidad de arreglos de dos elementos
que se pueden formar es sencilla de calcular, son todos los números de dos dígitos, que
pueden ser ordenados desde 00 a 99, es decir 100 arreglos en total ( 10 2 ). Si los arreglos
se tomaran de tres dígitos, la respuesta es la cantidad de números que hay entre 000 y
999, es decir, 10 3 . En general, los arreglos con repetición de un conjunto de n
elementos tomados de grupos de m es:
ARnm = n m
23
2 Introducción a la probabilidad
2.1 Definición
La probabilidad es el medio por el cual a partir de la información contenida en una

muestra, se toman decisiones o se hacen afirmaciones que se refieren a toda la
población mediante el proceso llamado inferencia estadística.
La probabilidad permite estudiar o analizar fenómenos o procesos aleatorios. Se define

como proceso aleatorio cuando su resultado no es posible predecirlo con certeza, como
puede ser por ejemplo:
Número que sale en la ruleta

Altura de una persona
Valor de la acción de una empresa la semana próxima
Cotización del precio del petróleo dentro de un mes
2.2 Probabilidad clásica
El concepto de probabilidad clásica tiene dos variantes, la probabilidad a priori

introducida su definición por Simon Laplace, y la probabilidad a posteriori, cuya
definición fue dada por Richard Von Mises. Además de estas variantes se menciona la
probabilidad subjetiva.
2.2.1 Probabilidad a priori
La probabilidad a priori o canónica se establece de la siguiente forma (L. Chao, 1993,

pág. 69):
“Si un experimento aleatorio puede concluir de n maneras mutuamente excluyentes e

igualmente posibles, y m de estas n maneras poseen un resultado común E, la
m
probabilidad de E está dada por .”
n
E se denomina evento o suceso, y la probabilidad de E se escribe: P[E ]
De la definición anterior se deduce que:
Número de casos favorables

P[E ] =
Número de casos posibles
Por ejemplo, suponiendo que el experimento aleatorio es tirar un dado una sola vez, y el
evento del cual se quiere hallar la probabilidad es que salga un 4, la probabilidad del
evento será:
24
Número de casos posibles: 6 (que salga 1, 2, 3, 4, 5 o 6)

Número de casos favorables: 1 (que salga 4)
1
P[E ] =
6
3
Otro evento puede ser que salga un número par al lanzar el dado. En ese caso P[E ] =
,
6
dado que existen 3 casos favorables (que salga 2, 4 o 6) y sigue habiendo 6 casos
posibles.
En el caso del ejemplo, el espacio muestral está dado por los números 1, 2, 3, 4, 5 y 6.
2.2.2 Probabilidad a posteriori
El concepto de probabilidad a posteriori establece (L. Chao, 1993, pág. 73):
“Suponga que un experimento se repite un número grande de veces, digamos n, y sea m

el número de veces que el evento E ocurrió. Es un hecho observable experimentalmente
m
que a medida que n aumenta, el cociente tiende a estabilizarse a un número p. Este
n
número p se llama probabilidad de E y se denota P[E ] .”
El concepto de probabilidad a posteriori de un evento para cierto experimento puede

ser sintetizado por la siguiente expresión:
Número de eventos registrados

P[E ] = lím
Número de experimentos realizados
Número de experimentos realizados → ∞
En este caso al valor numérico de la probabilidad se llega mediante un proceso de paso

al límite, pero este límite no puede ser estudiado o evaluado utilizando el procedimiento
regular del cálculo. Debe tenerse en cuenta a su vez, que será posible obtener este valor
P[E ] si el experimento se puede repetir en las mismas condiciones tantas veces como se
desee, de modo que tenga sentido el paso al límite. Los resultados del evento deben
presentar regularidad probabilística, lo que significa que en un número grande de
repeticiones del experimento los distintos resultados se presentan en la misma
proporción.
Ejemplo: supongamos que se lanza una moneda 100 veces en total, contando la cantidad
de caras y números de acuerdo a lo ilustrado en la siguiente tabla:
25
Lanzamientos/ Frecuencia Frecuencia

Caras Números
Experimentos Caras Números
1 0 1 0,000 1,000
5 2 3 0,400 0,600
10 4 6 0,400 0,600
20 11 9 0,550 0,450
40 18 22 0,450 0,550
60 31 29 0,517 0,483
80 38 42 0,475 0,525
100 49 51 0,490 0,510
Puede observarse que en la medida que la cantidad de experimentos (lanzamientos de la

moneda), la probabilidad que salga número o cara tiende a 0,5.
2.2.3 Probabilidad subjetiva
Esta concepción probabilística ha cobrado mayor importancia desde la segunda mitad

del siglo XX y está asociada situaciones que solo ocurrirán una vez, como ser por
ejemplo, el precio que tendrá el barril de petróleo dentro de un mes. En este caso, la
información del pasado (resultados de experimentos anteriores), la experiencia del
analista y las actitudes de los actores que intervienen en el experimento (ponderando las
consecuencias que tengan los diferentes eventos para éstos), sirven para hacer
evaluaciones probabilísticas.
La probabilidad subjetiva se define como (L. Chao, 1993, pág. 74):
“Dado un experimento determinado, una situación o un suceso, la probabilidad de un

evento A es el grado de creencia asignado a la ocurrencia de este evento por un
individuo particular; las únicas exigencias son que:
1 - P[A] = 0 representa la certeza que el evento A no ocurrirá

2 - P[ A] = 1 representa la certeza que el evento A ocurrirá
3 - 0 < P[ A] < 1 representa el grado de certeza que el evento A ocurrirá”
La probabilidad subjetiva de la ocurrencia de un evento representa el grado de certeza

que un analista en base a antecedentes y su criterio le asigna a ese evento. Otro analista
podría asignar al mismo evento una probabilidad subjetiva diferente al mismo evento
debido a dos motivos: asimetría en la información disponible y diferencia en la
interpretación de la información (diferencia de criterio).
2.3 Diagramas de árbol
Los distintos resultados de un experimento aleatorio dan lugar a un conjunto llamado

espacio muestral que se denomina con la letra Ω y a sus elementos se les llama puntos
muestrales. Cada subconjunto del espacio muestral se denomina evento o suceso.
26
Retomando el ejemplo del lanzamiento de una moneda, Ω = {Número, Cara} y los

eventos pueden ser: A = {Número}, B = {Cara} .
Es importante destacar que pese a que los eventos son conjuntos, se acostumbra
expresarlos por una terminología propia de la probabilidad.
Suponiendo ahora que la moneda se lanza dos veces, en este caso las posibilidades que
se tienen son:
Cara – Cara
Cara – Número
Número – Cara
Número – Número
Es decir, Ω = {CC , CN , NC , NN } .
Gráficamente se puede ilustrar el experimento de los dos lanzamientos de la moneda en

un diagrama de árbol:
2.4 Propiedades elementales de la probabilidad
2.4.1 Axiomas
1. Si E es un evento, P[E ] se cumple que 0 ≤ P[E ] ≤ 1

2. P[Ω] = 1
3. Si A y B son dos eventos excluyentes, la probabilidad de A o B ( P[A U B ] ), es
igual a la suma de las probabilidades individuales
P[A U B ] = P[A] + P[B ]
El Axioma 3 se puede generalizar para n eventos, resultado que si Ai , 1 ≤ i ≤ n son n

eventos mutuamente excluyentes tomados de dos en dos, se cumple:
P[A1 U A2 U A3 U ... U An ] = ∑ P[Ai ]

i
27
Este Axioma es conocido con el nombre de regla especial de adición.
El ejemplo del dado ilustra la propiedad expresada por la regla especial de adición. Sea
el experimento del lanzamiento de un dado. El espacio muestral Ω = {1, 2, 3, 4, 5, 6} y
sean A y B dos eventos tales que A es obtener menos de 2 puntos y B obtener más de
más de 4 puntos.
En este caso A y B son mutuamente excluyentes, por lo cual P[A U B ] = P[A] + P[B ] .
Calculando cada una de las probabilidades obtenemos:
1 2 3
A = {1} ⇒ P[A] = B = {5, 6} ⇒ P[B ] = A U B = {1, 5, 6} ⇒ P[A U B ] =
6 6 6
Se aprecia que la suma de las probabilidades de A o B es igual a la probabilidad de

AU B .
2.4.2 Teoremas
1. Hipótesis: A es un evento vacío. Tesis: P[A] = 0 .
Demostración: Ω U φ = Ω ⇒ P[Ω U φ ] = P[Ω] ⇒ P[Ω] + P[φ ] = P[Ω] (por el Axioma

3 Ω y φ son mutuamente excluyentes).
Por el Axioma 2 se tiene 1 + P[φ ] = 1 ⇒ P[φ ] = 0 .
2. Hipótesis: A es un evento y A’ su complemento. Tesis: P[A'] = 1 − P[ A]
Demostración: por definición de A’ se cumple que A U A' = Ω ⇒ P[ A U A'] = P[Ω] = 1

⇒ P[A] + P[A'] = 1 ⇒ P[A'] = 1 − P[ A]
3. Hipótesis: A y B dos eventos. Tesis: P[ A I B'] = P[ A] − P[ A I B ]
Demostración: para la demostración de este Teorema se utiliza la identidad entre

conjuntos A = ( A I B ) U ( A I B') , siendo A I B y A I B' mutuamente excluyentes.
P[A] = P[( A I B ) U ( A I B')] = P[ A I B ] + P[ A I B'] (Axioma 3)
⇒ P[A I B '] = P[ A] − P[A I B ] .
4. Hipótesis: sean A y B dos eventos en el espacio muestral Ω . Tesis:

P[ A U B ] = P[ A] + P[B ] − P[ A I B ].
Demostración: A U B = B U ( A I B ' ) siendo B y A I B ' dos conjuntos mutuamente

excluyentes.
28
P[A U B ] = P[B U ( A I B' )] = P[B ] + P[ A I B'] (Axioma 3) ⇒

P[B ] + P  A I B ' = P[B ] + P[ A] − P[A I B ] (Teorema 3) ⇒
P[A U B ] = P[ A] + P[B ] − P[ A I B] .
2.5 Probabilidad condicional
En algunas situaciones, se desea conocer la probabilidad de ocurrencia de un evento

asociado a otro. Por ejemplo, se puede desear saber la probabilidad que un niño sea
obeso y la regularidad con la que realice ejercicio físico.
A continuación se ilustra el ejemplo anteriormente aludido para un grupo de 45 niños.
Cantidad de horas semanales de

ejercicio físico
Mayor a 2 Menor o igual a 2
Obesidad horas horas Total
Si 5 10 15
No 16 14 30
Total 21 24 45
Sea A el evento niño obeso y B el evento un niño hace 2 o menos horas de ejercicio
físico por semana. Las probabilidades de ambos eventos son:
15
P[A] = = 0.33
45
24
P[B ] = = 0.53
45
Si la pregunta es, cuál es la probabilidad que un niño sea obeso condicionado a que el
niño hace menos de 2 horas de ejercicio físico por semana, la situación cambia, dado
que ahora:
10
P[ A | B ] = = 0.42
24
Donde la notación P[A | B ] indica la probabilidad del evento A condicionado a la

ocurrencia del evento B. Por este motivo a esta probabilidad se la conoce como
probabilidad condicional.
Cuando se calcula la probabilidad condicional, siempre hay dos eventos o sucesos

involucrados. El evento condicionante (B en el ejemplo) y el evento condicionado (A en
el ejemplo).
En este caso, A I B implica que el niño sea obeso y realice menos de 2 horas semanales
de ejercicio físico. En el ejemplo, el cálculo de la probabilidad de ese evento es sencillo:
29
Niños obesos que hacen menos de 2 horas de ejercicio físico semanal 10

P[ A I B ] = = = 0.22
Cantidad de niños 45
Puede observarse de los cálculos que:
P[ A I B ] 0.22
P[ A | B ] = = = 0.42
P[B ] 0.53
Este resultado no es coincidencia, la definición de probabilidad condicional indica que

dados dos eventos A y B, la probabilidad condicional de A dado B se define como:
P[ A I B ]
P[ A | B ] =
P[B ]
Se dice que dos eventos A y B son independientes cuando:
P[A I B ] = P[A]* P[B ]
Esta igualdad se puede demostrar fácilmente valiéndose de una herramienta como los
diagramas de árbol. A efectos de no extender mucho las ramas del árbol asociado al
experimento, consideraremos un ejemplo sencillo. Supongamos que se desea saber la
probabilidad que al lanzar un dado y una moneda salgan el número 3 y cara. Es claro
que ambos eventos son independientes, pudiéndose realizar primero uno, primero el
otro, o ambos simultáneamente, sin que por ello el resultado de uno afecte el resultado
del otro.
En caso de realizarse primero el de la moneda, el diagrama de árbol es el siguiente:
1
2
3
Cara
4
5
6
1
2
3
4
Número 5
6
En el caso de realizarse los experimentos en orden invertido (lanzando primero el dado

y luego la moneda, el diagrama de árbol es el siguiente:
30
Cara
1
Número
Cara
2
Número
Cara
3
Número
Cara
4
Número
Cara
5
Número
Cara
6
Número
En caso de realizarse simultáneamente ambos experimentos, cualquiera de los dos

diagramas puede asociarse.
Tal como puede visualizarse en ambos diagramas de árbol, la cantidad de casos posibles
es el cardinal del Universo de un experimento por el cardinal del Universo del otro
experimento (Producto Cartesiano).
A continuación se presenta un ejemplo del cálculo de la probabilidad condicional de dos

eventos (extraído de L. Chao, 1993, pág. 89).
El 50% de los estudiantes de la universidad tiene clases por la mañana, el 30% tiene
clases por la tarde, y el 20% tiene clases por la mañana y la tarde. Se escoge un
estudiante al azar. Calcular la probabilidad de:
a) Que tenga clases por la tarde dado que tiene clases por la mañana
b) Que tenga clases por la mañana dado que tiene clases por la tarde
Lo primero es definir los eventos:
A: el estudiante tiene clases por la mañana

B: el estudiante tiene clases de tarde
A I B : el estudiante tiene clases de mañana y de tarde
La parte a) del problema:
31
0 .2
P[B | A] = = 0 .4
0 .5
La parte b) del problema es:
0 .2
P[ A | B ] = = 0.67
0 .3
Hay tres teoremas relacionados a la probabilidad condicional que adquieren mucha

trascendencia en la solución de ciertos problemas. Estos teoremas son:
1. Teorema de la probabilidad total

2. Teorema de Bayes
3. Teorema de la multiplicación
Previamente al desarrollo de estos teoremas es necesario introducir el concepto de

partición.
Sea S un conjunto no vacío, se define partición de S a cualquier familia {Bi }i=1 de

i =n
subconjuntos de S que cumplen las siguientes condiciones:
Bi I B j = φ i ≠ j
B1 U B2 ... U Bn = S
Ejemplo de partición en una circunferencia
2.5.1 Teorema de la probabilidad total
Este teorema indica cómo calcular la probabilidad de un evento A cuando conocemos

las probabilidades condicionales P[A Bi ] en donde B1 U B2 ... U Bn forman una partición
del espacio muestral Ω .
Hipótesis: sea {Bi }i=1 una partición de un espacio muestral Ω .

i =n
n
Tesis: P[A] = ∑ P[A Bi ]P[Bi ]
i =1
32
Demostración: dado que {Bi }i=1 es una partición de Ω , se puede escribir la siguiente
i =n
ecuación
A I S = A I ( B1 U B2 ... U Bn ) = ( A I B1 ) U ( A I B2 )... U ( A I Bn )
A partir de esta igualdad se obtiene:
P[ A] = P[( A I B1 ) U ( A I B2 )... U ( A I Bn )] = P[A B1 ]P[B1 ] + P[A B2 ]P[B2 ]... + P[A Bn ]P[Bn ]
(por Axioma 3).
Ejemplo: hay cinco urnas numeradas de 1 a 5 y cada una de ellas contiene 10 bolas con
un número de bolas blancas igual al número de la urna. Se selecciona una urna al azar y
de ella se extrae una bola; hallar la probabilidad que la bola sea blanca.
Este ejemplo se puede considerar de la siguiente forma; hay dos eventos, el evento A
que corresponde a que la bola seleccionada sea blanca y Bi que equivale a que sea
escogida la urna i .
En este caso P[A Bi ] representa la probabilidad que la bola sea blanca dado que se
eligió la urna i .
i
P[A Bi ] =
10
Por otra parte, la probabilidad que una urna sea escogida es:
1
P[Bi ] = ∀i ∈ [1,5]
5
Al aplicar el teorema de la probabilidad total se obtiene el siguiente resultado
 1  1   2  1   3  1   4  1   5  1 
P[A] =    +    +    +    +    = 0.3
 10  5   10  5   10  5   10  5   10  5 
2.5.2 Teorema de Bayes
El teorema de Bayes es una técnica que permite obtener la probabilidad condicional de

un evento cuando mediante el efecto se trata de determinar la probabilidad de la causa.
El resultado del teorema de Bayes ha sido muy utilizado para estudiar fenómenos
sociales, sin embargo, por el empleo de probabilidades subjetivas ha sido muy
cuestionado su uso.
El teorema de Bayes trata de responder interrogantes tales como: si el evento B ocurrió,

¿cuál es la probabilidad que haya sido generado por el evento A1 ? ¿y por el evento Ai ?
33
Hipótesis: sea {Bi }i=1 una partición de un espacio muestral Ω con P[Bi ] > 0 y A un
i =n
evento de Ω .
P[A Bk ]P[Bk ]
Tesis: P[Bk A] = i =n
∑ P[A Bi ]P[Bi ]
i =1
La demostración del Teorema de Bayes se puede realizar fácilmente aplicando el

resultado del Teorema de la probabilidad total. Como puede observarse, el denominador
de la tesis del Teorema de Bayes es el resultado del Teorema de la probabilidad total,
por lo tanto la tesis del Teorema de Bayes puede escribirse de la siguiente forma:
P[A Bk ]P[Bk ]
P[Bk A] = ⇒ P[Bk A]* P[ A] = P[A Bk ]P[Bk ]
P[ A]
Sustituyendo en la ecuación las expresiones de probabilidad condicional resulta:
P[Bk I A] P[Bk I A]
* P[ A] = * P[Bk ] ⇒ P[Bk I A] = P[Bk I A]
P [ A] P[Bk ]
Ejemplo: se dispone de dos muebles (1 y 2) que tienen dos cajones cada uno. En un
cajón del mueble 1 se pone una moneda de plata y en el otro una moneda de oro. En el
mueble 2 se pone en los dos cajones monedas de oro.
Se escoge un mueble al azar y de éste se escoge un cajón también al azar. Si la moneda
encontrada resulta ser de oro, ¿cuál es la probabilidad que la moneda provenga del
mueble 2?
Los eventos a tener en cuenta son: A la moneda escogida es de oro y B1 el mueble

escogido es el mueble 1 y B2 si el escogido es el otro.
Se debe calcular P[B2 A].
1 * 0 .5
P[B2 A] = = 0.67
1 * 0 .5 + 0 .5 * 0 .5
El Teorema de Bayes también puede ser visualizado desde una estructura de diagrama
de árbol. A continuación se muestra un ejemplo que ilustra como aplicar esta estructura
a problemas de probabilidad que se pueden resolver aplicando el Teorema de Bayes.
Supóngase que una marca de cigarrillos está en conocimiento de los siguientes datos
respecto de sus consumidores y segmentos:
Segmento Incidencia del segmento Market share en el segmento

Alto 15% 12%
Medio 60% 16%
Bajo 25% 11%
De esta tabla se deduce que el 15% de la población pertenece al segmento alto (alto
poder adquisitivo), y en este segmento la participación de la marca es 12%, y así
sucesivamente con los otros segmentos.
34
Si se desea saber cuál es la probabilidad que un consumidor de la marca, elegido al azar

entre toda la población pertenezca a alguno de los segmentos, alcanza con aplicar
directamente la tesis del Teorema de Bayes. Pero también este problema puede ser
resuelto aplicando un diagrama de árbol.
Por el lado del Teorema de Bayes el resultado es el siguiente:
A : consume la marca de cigarros

B1 : pertenece al segmento alto
B2 : pertenece al segmento medio
B3 : pertenece al segmento bajo
P[A B1 ] = 0.12
P[A B2 ] = 0.16
P[A B3 ] = 0.11
P[B1 ] = 0.15
P[B2 ] = 0.6
P[B3 ] = 0.25
Por ejemplo, si se desea saber cuál es la probabilidad que un consumidor cualquiera

pertenezca al segmento bajo, el resultado es:
0.11 * 0.25 0.0275

P[B3 A] = = = 0.194
0.12 * 0.15 + 0.16 * 0.6 + 0.11 * 0.25 0.1415
Encarado como diagrama de árbol, el problema puede plantearse de la siguiente forma:
0.12 consume
B1
0.88 no consume
0.15
0.16 consume
0.6 B2
0.84 no consume
0.25 0.11 consume
B3
0.89 no consume
Los caminos en color (rojo, verde y azul) son todas las ramas del árbol que concluyen
con sucesos que corresponden a consumidor. Por lo tanto este sería el nuevo Ω (dado
35
que solo interesan los consumidores). De estos tres posibles resultados, interesa aquel
en el cual el consumidor pertenece al segmento bajo (rama en azul).
La probabilidad que el consumidor pertenezca al segmento bajo es el producto de las
probabilidades de los tramos de la rama (0.25*0.11 en este caso).
La probabilidad que un consumidor cualquiera pertenezca al segmento más bajo es
entonces la probabilidad que suceda ese evento dividida la sumatoria de las
probabilidades de todos los otros posibles finales en los cuales el individuo es
consumidor (rojo, verde y azul).
El resultado se calcularía entonces como:
Probabilidad que consuma y pertenezca al segmento alto = 0.15*0.12 = 0.018

Probabilidad que consuma y pertenezca al segmento medio = 0.6*0.16 = 0.096
Probabilidad que consuma y pertenezca al segmento bajo = 0.25*0.11 = 0.0275
La probabilidad que pertenezca al segmento bajo dado que consume es:
0.0275
P[B3 A] = = 0.194
0.018 + 0.096 + 0.0275
2.5.3 Teorema de la multiplicación
Hipótesis: sean Ai , 1≤ i ≤ n, n eventos del espacio muestral Ω /

P[A1 I A2 I ... I An −1 ] > 0 .
Tesis:
P[ A1 I A2 I ... I An ] = P[ A1 ]* P[ A2 | A1 ] * P[ A3 | A1 I A2 ]* ... * P[An | A1 I A2 I ... I An −1 ]
El ejemplo a continuación ilustra una aplicación del Teorema de la multiplicación.
Una urna contiene tres bolas negras y siete bolas blancas. Se efectúa el siguiente juego:
se extrae una bola, se observa su color y luego se devuelve a la urna con dos bolas
adicionales del mismo color. Si se realizan tres extracciones una a continuación de la
otra, ¿cuál es la probabilidad que en cada una de ellas se extraiga una bola negra?
Se definen los eventos Ai : una bola negra es seleccionada en la elección i , en el

ejemplo 1 ≤ i ≤ 3 . Una vez definidos los eventos, la probabilidad pedida es
P[A1 I A2 I A3 ] , que de acuerdo al Teorema de la multiplicación se calcula como:
3 5 7 1
P[ A1 I A2 I A3 ] = P[ A1 ]* P[A2 | A1 ]* P[ A3 | A1 I A2 ] = * * =
10 12 14 16
36
3 Expresiones algebraicas, ecuaciones e introducción

al álgebra lineal
3.1 Conjuntos numéricos
En el Capítulo 1 se estudió la Teoría de Conjuntos, destacándose que existen cierto tipo

de conjuntos que dado su importancia se les dispensa un trato especial, a tal punto que
tienen notación propia. Estos conjuntos son:
N : el conjunto de los números naturales

Z : el conjunto de los números enteros
Q : el conjunto de los números racionales
R : el conjunto de los números reales
En particular, todos estos conjuntos pueden ser considerados subconjuntos del conjunto
R , cumpliéndose la siguiente cadena de inclusión:
N ⊂Z ⊂Q⊂ R
En un diagrama de Venn, esta situación se podría expresar gráficamente de la siguiente

forma:
Diagrama de Venn de los conjuntos numéricos
Otra propiedad importante de todos estos conjuntos es poseer un orden, es decir, un

natural precede a otro. Por ejemplo, el 4 precede al 5 en el conjunto de los naturales.
El concepto de número natural, no con su definición formal existe desde tiempos

inmemoriales. Su origen se remonta prácticamente a los orígenes de la civilización,
dado que los números naturales fueron desarrollados por el hombre para poder contar
objetos, animales, todo aquello que hace a la vida cotidiana. Algunos matemáticos
(especialmente los de Teoría de Números) prefieren no reconocer el cero como un
número natural, mientras que otros (especialmente los de Teoría de Conjuntos) tienen la
postura opuesta. En el curso se optará por asumir que 0 ∉ N
El conjunto N está formado por los números 1, 2, … hasta ∞ .
37
Se dice que una operación es cerrada en un conjunto, cuando al aplicar el operador a

dos elementos del conjunto, el resultado de la misma es otro elemento del conjunto.
En el caso particular del conjunto N , resulta claro que la suma es una operación cerrada
en dicho conjunto, al igual que la multiplicación, dado que la suma o el producto de dos
naturales siempre da como resultado un natural.
En el caso de la resta, dicha propiedad no se cumple. Por ejemplo, sean los naturales 4 y
6. Si se resta ambos números, el resultado es -2, que no pertenece al conjunto de los
naturales. Es por este motivo que surge un nuevo conjunto que incluye al conjunto de
los naturales. Este conjunto es el conjunto de los enteros, que se denota como Z . En
este conjunto están incluidos los naturales (enteros positivos), el 0, y los enteros
negativos (-1, -4, etc.).
En Z , tanto la suma como la resta son cerradas, dado que la suma o resta de cualquier
entero da como resultado otro entero.
Respecto de las cuatro operaciones fundamentales (suma, resta, multiplicación y

división), Z es cerrado frente a las primeras tres, pero no lo es respecto de la última
(división). En caso de desearse dividir el entero 4 entre el entero 3, el resultado de esta
operación (0.75) no pertenece a Z .
Como respuesta al problema de la división, se construye el conjunto Q , del cual Z es

un subconjunto, y que éste si es cerrado ante la división.
El conjunto Q presenta a su vez otra propiedad nueva respecto de los otros conjuntos
estudiados, que es la de densidad, la cual implica que entre dos elementos cualesquiera
del conjunto Q ( q1 y q2 ), existe un tercer elemento q0 / q1 < q0 < q2 .
El conjunto Q es el primero en el primero cerrado ante las cuatro operaciones

fundamentales, pero no lo es frente a la radicación. Existen números que no pueden ser
representados como cociente de dos racionales. Ejemplos de esos números son: 2 , e
y π . Estos números si se incluyen dentro del conjunto R .
Para finalizar es importante destacar dos peculiaridades del conjunto R :
El conjunto R tampoco es cerrado frente a la radicación

Existe una correspondencia biyectiva entre los puntos de la recta y el conjunto
R
3.2 Ecuaciones de primer y segundo grado de una incógnita
3.2.1 Ecuación de primer grado, ecuación de la recta
El término ecuación significa igualdad. En general, toda ecuación de una variable puede
ser reducida a la forma:
f ( x) = 0
38
siendo f : R → R
Dado que x es variable, la igualdad se presentará para algún(os) valores de x . El

propósito de esta sección es desarrollar algún método para hallar el (los) valor(es) de x
que verifican la igualdad.
En este momento es importante destacar, que la suma de una constante o una variable de
ambos lados de la ecuación no afecta el equilibrio de la misma. Este concepto también
es extensible a la resta, división y multiplicación. Por ejemplo, sea la ecuación:
a+d =b+c
La ecuación permanece como tal si a ambos lados de la igualdad se les suma la

constante − b , quedando la ecuación entonces:
a+d −b =b+c−b
es decir:
a+d −b = c
Si una ecuación puede expresarse en la forma ax + b = 0 , recibe el nombre de ecuación de

primer grado con una incógnita. Dado que a y b son constantes conocidas, existe algún
valor de la variable x que hace que se cumpla la igualdad ax + b = 0 .
Aplicando el procedimiento visto en la parte anterior, en caso de sumar − b en ambos

lados de la ecuación, se obtiene:
ax + b − b = 0 − b
es decir:
ax = −b
Multiplicar por una constante a ambos lados de la ecuación tampoco afecta el balance
1
de la misma, por lo tanto, multiplicando por la constante se obtiene:
a
1 1
ax = −b
a a
Resultando:
b
x=−
a
b
El valor de x que permite resolver la ecuación es x = − .
a
Esta es la solución general de toda ecuación de primer grado de una sola variable.
39
Este resultado puede tener interpretación gráfica que ilustra bastante sobre el mismo.
Sea el conjunto A = {( x, y ), x, y ∈ R / ax + b = y}. Este conjunto está conformado por
infinitas duplas, y puede representarse en el plano cartesiano mediante una recta.
15
10
0
-5,5 -5 -4,5 -4 -3,5 -3 -2,5 -2 -1,5 -1 -0,5 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 5,5
-5
-10
Representación en el plano cartesiano del conjunto A para el caso a = 2 , b = −1
En la gráfica puede observarse que la recta que forma las duplas pertenecientes al
1
conjunto A intersectan el eje de las abscisas en el valor x = −0,5 = − . Ese valor es el
2
valor para el cual y = 0 .
La ecuación y = ax + b es conocida como la ecuación de la recta y el valor que solución

de la ecuación ax + b = 0 es aquel valor de x para el cual y = 0 , que corresponde con
el punto de la recta que intersecta el eje de las abscisas, y al cual se lo denomina raíz de
la función y = ax + b .
El concepto de raíz no se aplica únicamente a la ecuación de la recta, es extensible a

cualquier tipo de función, aunque no necesariamente toda función f : R → R tenga
raíces. A modo de ejemplo, la función f ( x) = x 2 + 1 nunca se hace 0 en el dominio de
R y su gráfica no presentará ninguna intersección de la curva con el eje de las abscisas.
3.2.2 Ecuación de segundo grado con una incógnita
Si una ecuación puede expresarse en la forma ax 2 + bx + c = 0 , recibe el nombre de

ecuación de segundo grado con una incógnita, en su forma completa general.
En este caso, no resulta tan sencillo como en el caso de la ecuación de primer grado con
una incógnita despejar la variable x de un solo lado de la ecuación. Para ello es
necesario recurrir a una serie de pasos astutamente escogidos.
40
Primer paso: sumar − c en ambos lados de la ecuación
ax 2 + bx = −c
Segundo paso: multiplicar ambos miembros por 4a
4a 2 x 2 + 4abx = −4ac
Tercer paso: sumar b 2 en ambos lados de la ecuación
4a 2 x 2 + 4abx + b 2 = b 2 − 4ac
Cuarto paso: el miembro del lado derecho de la igualdad es un trinomio cuadrado

perfecto, es decir:
(2ax + b) 2 = 4a 2 x 2 + 4abx + b 2
Aplicando transitiva:
(2ax + b) 2 = b 2 − 4ac
Quinto paso: aplicar raíz cuadrada a ambos miembros de la igualdad
2ax + b = ± b 2 − 4ac
Nótese que al aplicar raíz cuadrada, la ecuación pasa a tener dos soluciones, dado que el
resultado de elevar un número al cuadrado es igual a elevar su opuesto al cuadrado.
( x) 2 = (− x) 2
En este punto se está en una situación similar a la de la ecuación de primer grado, por
lo cual alcanza con despejar la variable x en ambas ecuaciones:
b 2 − 4ac
x1 = −b +
2a
b 2 − 4ac
x2 = −b −
2a
La representación en el plano cartesiano del conjunto de duplas

{ }
( x, y ) / x, y ∈ R, y = ax 2 + bx + c es una parábola. Más adelante se estudiará la
parábola como cónica.
La expresión b 2 − 4ac se conoce como discriminante de la ecuación de segundo grado
D y su importancia radica en que es éste quien determina cómo son las raíces del
polinomio P ( x) = ax 2 + bx + c , es decir, los puntos de corte de la parábola con el eje de
41
las abscisas. El valor de D puede ser clasificado en tres categorías: D < 0 , D = 0 o

D>0
En el caso D < 0 , como se analizara al comienzo de este Capítulo, la radicación no es

una operación cerrada en el conjunto R , dado que el resultado de la operación raíz
cuadrada de un número negativo no está en el campo R , sino en el campo C (números
complejos). Por lo tanto se dice que las raíces del polinomio son números complejos, o
que el polinomio tiene raíces complejas, y no existirá intersección de la parábola con el
eje de las abscisas.
Ejemplo: sea la parábola dada por la ecuación y = x 2 + 1 . En este caso, a = 1 , b = 0 y

c = 1.
D = 0 2 − 4 *1 *1 = − 4
En la siguiente figura se observa el andamiento de la curva y = x 2 + 1 , pudiéndose

apreciar que la misma no intersecta en eje de las abscisas.
12
10
0
-4 -3 -2 -1 0 1 2 3 4
Parábola y = x 2 + 1
En caso que el valor del discriminante sea nulo, x1 = x 2 , y se dice que estamos en
presencia de una raíz doble. La intersección de la parábola con el eje de las abscisas se
da en un único punto.
Ejemplo: sea la parábola dada por la ecuación y = x 2 .
En este caso, a = 1 , b = 0 y c = 0 .
D = 0 2 − 4 *1* 0 = 0 = 0
La gráfica de esta parábola intersecta en un punto al eje de las abscisas que se da

justamente cuando el valor de x es nulo.
42
10
9
8
7
6
5
4
3
2
1
0
-4 -3 -2 -1 0 1 2 3 4
Parábola y = x 2
En el caso que el valor del discriminante sea positivo, las raíces del polinomio serán
dos y estarán en el campo R . Se dice que el polinomio tiene dos raíces reales.
Ejemplo: sea la parábola dada por la ecuación y = x 2 − 1 . En este caso, a = 1 , b = 0 y

c = −1 .
D = 0 2 − 4 * 1 * (−1) = 4 = 2
Por lo tanto, las soluciones de la ecuación serán:
0 2 − 4 * 1 * (−1)
x1 = −0 + =1
2 *1
0 2 − 4 * 1 * (−1)
x 2 = −0 − = −1
2 *1
La parábola se intersecta con el eje de las abscisas en dos puntos, (1,0) y (-1,0).
9
8
7
6
5
4
3
2
1
0
-4 -3 -2 -1 -1 0 1 2 3 4
-2
Parábola y = x 2 − 1
43
3.3 Sistemas de ecuaciones lineales
3.3.1 Introducción
Como se estudiara en secciones anteriores, una recta puede ser representada en el plano
cartesiano por una ecuación de la forma a1 x + a2 y = b . Esta ecuación es una ecuación
lineal en las variables x e y . En forma general, se define una ecuación lineal en las n
variables x1 , x2 ,..., xn como aquella que se puede expresar de la forma:
a1 x1+ a2 x2 + ... + an xn = b
donde ai son constantes.
Una ecuación lineal no comprende productos o raíces de variables. Todas las variables
se presentan únicamente a la primera potencia.
La solución de una ecuación lineal de n variables, de las cuales n − 1 pueden ser

escogidas en forma arbitraria y la última queda determinada por los valores de éstas, los
coeficientes ai y b .
Un conjunto finito de m ecuaciones lineales en las n variables x1 , x2 ,..., xn se conoce

como sistema de ecuaciones lineales. Un ejemplo de sistema de ecuaciones de dos
variables es:
 x1 + x2 = 6

2 x1 + 3x2 = 8
En este caso n = 2 y m = 2 .
Este sistema tiene como solución la dupla x1 = 10, x2 = −4
No todos los sistemas de ecuaciones lineales tienen solución. Por ejemplo, el sistema de
ecuaciones
 x1 + x2 = 4

2 x1 + 2 x2 = 7
no tiene solución alguna.
Cuando un sistema de ecuaciones no tiene solución se dice que es inconsistente, y si

existe al menos una solución se dice que es consistente.
44
A fin de ilustrar las posibilidades que pueden presentarse al resolver sistemas de

ecuaciones lineales, consideremos un sistema de dos ecuaciones y dos variables, a las
cuales denominaremos x e y .
a1 x + b1 y = c1

a2 x + b2 y = c2
Ambas ecuaciones pueden representarse como rectas en el plano cartesiano, y resulta

claro que en caso de existir una solución única para el sistema, es decir, una dupla de
números que puedan satisfacer simultáneamente ambas ecuaciones, esa dupla pertenece
a ambas rectas, por lo cual, desde el punto de vista geométrico, la solución de un
sistema de ecuaciones lineales es la intersección de ambas rectas.
Pueden entonces suceder tres cosas:
1. Que las rectas sean paralelas, por lo cual no habría solución

2. Que ambas rectas se intersecten en un punto, al cual denominaremos solución
3. Que ambas rectas sean en realidad la misma, y por lo tanto existen infinitas
soluciones
Por ejemplo, el sistema de ecuaciones
x + y = 4

2 x + 2 y = 7
representa dos rectas paralelas, por lo cual no existe solución para el mismo, no existe
una dupla de reales que pueda satisfacer ambas ecuaciones.
Gráficamente eso se puede apreciar en la gráfica de ambas ecuaciones en el plano

cartesiano.
10
2
y
0
-4 -2 0 2 4 6 8 10 12
-2
-4
-6
x
x+y=4 2x+2y=7
Sistema de ecuaciones lineales inconsistente
En cambio, el sistema de ecuaciones:
45
x + y = 6

2 x + 3 y = 8
es consistente, siendo la solución la intersección de las rectas determinadas por cada una
de las ecuaciones.
12
10
8
6
4
2
y
0
-4 -2 -2 0 2 4 6 8 10 12
-4
-6
-8
-10
x
x+y=6 2x+3y=8
Sistema de ecuaciones lineales con solución única
El tercer caso posible es que ambas rectas sean en realidad la misma, lo que sucede por
ejemplo con el siguiente sistema de ecuaciones:
x + y = 1

4 x + 4 y = 4
En realidad en este caso ambas ecuaciones describen la misma recta, dado que son los
mismos pares ( x, y ) lo que satisfacen las ecuaciones. En este caso, existen infinitos
pares de puntos ( x, y ) solución de sistema de ecuaciones.
Este resultado, sin su interpretación geométrica, puede ser extrapolado a sistemas de

ecuaciones de n variables.
3.3.2 Clasificación de sistemas lineales
Los sistemas de ecuaciones pueden clasificarse en 3 categorías:
1. Compatible determinado
2. Compatible indeterminado
3. Incompatible (inconsistente)
Un sistema es compatible determinado cuando la solución es única, es decir, existe una

única n-upla de valores para las variables ( x1 ,..., xn ) tal que satisfacen simultáneamente
todas las ecuaciones del sistema.
46
Ejemplo:
x + y = 1

2 x + 3 y = 2
La solución de este sistema de ecuaciones es única y corresponde a la dupla x = 1 ,

y =0.
En general, un sistema de ecuaciones es compatible y determinado si la cantidad de
ecuaciones es igual a la cantidad de variables ( n = m) , aunque esta afirmación no
necesariamente es siempre cierta. Por ejemplo, el siguiente sistema de ecuaciones de 2
variables y 3 ecuaciones es compatible y determinado:
x + y = 1

2 x + 3 y = 2
3x + 2 y = 3

Esto gráficamente se puede visualizar como que las tres rectas que están involucradas
en el sistema pasan por el mismo punto (solución del sistema).
20
15
10
0
-15 -10 -5 0 5 10 15
-5
-10
-15
Solución del sistema de ecuaciones de 3 ecuaciones y 2 variables
Un sistema es compatible indeterminado cuando existe más de una n-upla de valores de

las variables ( x1 ,..., xn ) que satisfagan simultáneamente todas las ecuaciones del
sistema. En general, un sistema en el cual n > m es candidato a ser compatible
indeterminado.
Ejemplo:
2 x + 3 y + z = 1

x + y + z = 1
Multiplicando la primera ecuación por (1) y la segunda por (-1) se elimina la variable
z , resultando:
x + 2y = 0 ⇒ x = −2 y
47
Sustituyendo ese valor en cualquiera de las ecuaciones resulta: 2 * (−2 y ) + 3 y + z = 1

⇒ z − y =1 ⇒ z =1+ y
Es solución del sistema cualquier terna ( x, y, z ) del tipo (−2 y, y,1 + y ) , es decir, se
puede elegir arbitrariamente el valor de y y automáticamente quedan determinados los
valores de x y z .
Por ejemplo, la terna (-2,1,2) es solución del sistema, pero también lo es (0,0,1).
Se dice en este caso que el sistema tiene un grado de libertad, es decir, se puede elegir
arbitrariamente el valor de una de las variables y de todos modos el sistema tener
solución.
En general, no siempre sucede, si un sistema tiene n incógnitas y m ecuaciones va a
tener n − m grados de libertad.
Un sistema es incompatible (o inconsistente) cuando no existe una n-upla que satisfaga

simultáneamente todas las ecuaciones. En general un sistema en el cual m > n es
candidato a ser incompatible, pero esto no siempre es verdad (basta el ejemplo de
sistema compatible determinado de 2 variables y 3 ecuaciones que se utilizara como
ejemplo en esta misma sección). Un sistema puede ser incompatible aún en el caso que
n = m o n > m (en la sección anterior se tiene un ejemplo de esto).
Cuando m > n se puede ver gráficamente de modo sencillo en el caso de n = 2 y
m = 3.
Ejemplo:
x + y = 1

2 x + 3 y = 2
10 x + 2 y = 3

En caso de representar gráficamente las 3 rectas, lo que se obtiene es lo siguiente:
0
-2 -1 0 1 2
-1
-2
-3
Sistema de ecuaciones lineales incompatible
48
3.3.3 Matriz aumentada
Un sistema arbitrario de m ecuaciones lineales con n incógnitas se escribe:
a11 x1 + a12 x2 + ... + a1n xn = b1

a12 x1 + a22 x2 + ... + a2 n xn = b2
M M M M
a1m x1 + a2 m x2 + ... + amn xn = bm
El subíndice doble en los coeficientes de las incógnitas es una idea útil que se emplea
para establecer la ubicación del coeficiente del sistema. El primer subíndice del
coeficiente ai j indica la ecuación en la que se encuentra y el segundo indica la
incógnita que multiplica. Es posible abreviar con esta notación el sistema de ecuaciones
lineales mediante el uso de esta notación escribiendo únicamente el arreglo rectangular
de los coeficientes ai j , lo que se conoce como matriz aumentada del sistema. El
término matriz se utiliza para denotar un arreglo rectangular de números. Las matrices
surgen en muchos contextos y serán estudiadas detenidamente en futuras secciones de
este Capítulo.
La matriz aumentada del sistema de ecuaciones anterior es:
 a11 a12 K a1n b1 

a b2 
 21 a22 L a2 n
 M M M M M
 
am1 am 2 L amn bm 
3.3.4 Método básico para resolución de sistemas de ecuaciones
El método básico para resolver un sistema de ecuaciones lineales es reemplazar el

sistema dado por uno nuevo que tenga le mismo conjunto solución, pero que sea más
fácil de resolver. En general, este sistema nuevo se obtiene siguiendo una serie de pasos
aplicando los tres tipos siguientes de operaciones a fin de eliminar sistemáticamente las
incógnitas.
1. Multiplicar una de las ecuaciones por una constante diferente de 0

2. Intercambiar dos de las ecuaciones
3. Sumar un múltiplo de una de las ecuaciones a otra
Puesto que los renglones (líneas horizontales) de una matriz aumentada corresponden a
las ecuaciones del sistema asociado, estas tres operaciones corresponden a las
operaciones siguientes sobre los renglones de la matriz aumentada:
1. Multiplicar uno de los renglones por una constante diferente de 0

2. Intercambiar dos de los renglones
49
3. Sumar un múltiplo de uno de los renglones a otro renglón
A continuación se muestra un ejemplo de cómo aplicar el método.
Sea el sistema de ecuaciones:
x + y + 2z = 9

2 x + 4 y − 3 z = 1
3x + 6 y − 5 z = 0

La matriz aumentada del sistema es:
1 1 2 9 
2 4 − 3 1 
 
3 6 − 5 0
Si multiplicamos la primer ecuación por (-2) y lo sumamos a la segunda se obtiene:
x + y + 2z = 9

2 y − 7 z = −17
3x + 6 y − 5 z = 0

La nueva matriz aumentada queda:
1 1 2 9 
0 2 − 7 − 17
 
3 6 − 5 0 
Si a la primera ecuación la multiplicamos por (-3) y la sumamos a la tercera se obtiene:
x + y + 2z = 9

2 y − 7 z = −17
3 y − 11z = −27

1 1 2 9 
0 2 − 7 − 17 
 
0 3 − 11 − 27 
Multiplicando la segunda ecuación por (3) y la tercera por (-2) y sumándolas se obtiene:
50
x + y + 2z = 9

2 y − 7 z = −17
z = 3

1 1 2 9 
0 2 − 7 − 17
 
0 0 1 3 
Ahora se puede a la segunda ecuación sumarle la tercera multiplicada por (7)

obteniendo:
x + y + 2z = 9

2 y = 4
z = 3

1 1 2 9 
0 2 0 4 
 
0 0 1 3
Dividiendo entre 0.5 la segunda ecuación se obtiene:
x + y + 2z = 9

y = 2
z = 3

La matriz aumentada:
1 1 2 9
0 1 0 2 
 
0 0 1 3
Sumando la tercera ecuación multiplicada por (-2) a la primera se obtiene:
x + y = 3

y = 2
z = 3

La matriz aumentada:
51
1 1 0 3
0 1 0 2 
 
0 0 1 3
Por último, sumando a la primera ecuación la segunda multiplicada por (-1) se llega a:
x = 1

y = 2
z = 3

Y la matriz aumentada finalmente queda:
1 0 0 1
0 1 0 2 
 
0 0 1 3
El objetivo de este método es sustituir el sistema de ecuaciones original por un sistema

de ecuaciones que resulta de combinaciones lineales de las ecuaciones del sistema
original. La ecuación que sustituye a una de las ecuaciones del sistema original tiene
una incógnita menos, y por lo tanto es más sencillo de resolver.
3.3.5 Eliminación gaussiana
La eliminación gaussiana es un método sistemático para resolver sistemas de

ecuaciones lineales. Se basa en la idea de reducir la matriz aumentada a una forma que
sea lo suficientemente simple como para que el sistema de ecuaciones se pueda resolver
por observación. En la sección anterior se obtuvo la matriz aumentada:
1 0 0 1
0 1 0 2 
 
0 0 1 3
Esta matriz aumentada se dice que se encuentra en la forma escalonada en los

renglones reducida. Para ostentar esta condición, la matriz aumentada debe tener las
siguientes propiedades:
1. Si un renglón no consta completamente de ceros, entonces el primer número

diferente de 0 en el renglón es 1 (a ese 1 se lo denomina 1 principal)
2. Si existen renglones que consten completamente de ceros, entonces se agrupan
en la parte inferior de la matriz
3. Si dos renglones sucesivos no constan completamente de ceros, el 1 principal del
renglón inferior se presenta más hacia la derecha que el 1 principal del renglón
superior
4. Cada columna que contenga un 1 principal tiene ceros en todas las demás
posiciones
52
Si una matriz aumentada ostenta las tres primeras propiedades se dice que está en la
forma escalonada en los renglones.
A continuación se ilustra ejemplos de matrices escalonadas en los renglones reducidas.
0 1 − 2 0 1
1 0 0 4  1 0 0 
0 1 0 7  , 0 1 0  , 0 0 0 1 3
    0 0 0 0 0
0 0 1 −1 0 0 1  
0 0 0 0 0
Las matrices ilustradas a continuación en cambio están de la forma escalonada en los

renglones.
1 4 3 7 1 0 0
0 1 6 2  , 0 1 0 
   
0 0 1 5 0 0 0
Resulta claro que es sencillo resolver un sistema de ecuaciones lineales cuando éste se
ha logrado escalonar. Es necesario entonces encontrar un procedimiento para escalonar
un sistema de ecuaciones lineales cualquiera. Este procedimiento se conoce como
eliminación Gauss-Jordan.
Se utilizará para ilustrar los pasos del procedimiento la siguiente matriz:
0 0 − 2 0 7 12 
2 4 − 10 6 12 28
 
2 4 − 5 6 − 5 − 1
Paso 1: se localiza la columna que no conste completamente de ceros y que esté más a
la izquierda.
0 0 − 2 0 7 12 
2 4 − 10 6 12 28
 
2 4 − 5 6 − 5 − 1
Columna más a la izquierda que no

consta completamente de ceros
Paso 2: se intercambia el renglón superior con otro renglón si es necesario para llevar un
elemento diferente de 0 a la parte superior de la columna que se encontró en el Paso 1.
53
2 4 − 10 6 12 28 Se intercambiaron el primero y el

0 0 − 2 0 7 12  segundo renglón de la matriz
 
2 4 − 5 6 − 5 − 1
Paso 3: si el elemento que está ahora en la parte superior de la columna encontrada en el

1
Paso 1 es a , se multiplica el primer renglón por para introducir un 1 principal.
a
1 2 − 5 3 6 14  El primer renglón de la matriz se

0 0 − 2 0 7 12  multiplicó por 0.5
 
2 4 − 5 6 − 5 − 1
Paso 4: se suman los múltiplos apropiados del renglón superior a los renglones de abajo,
de modo que todos los elementos debajo del 1 principal se conviertan en ceros.
1 2 − 5 3 6 14  Se sumó -2 veces el primer renglón de la

0 0 − 2 0 7 12 
matriz anterior al tercer renglón

0 0 5 0 − 17 − 29
Paso 5: se cubre ahora el renglón superior de la matriz y se empieza nuevamente con el

Paso 1 aplicado a la submatriz que queda. Se continúa de esta forma hasta que la matriz
completa quede en la forma escalonada en los renglones.
1 2 − 5 3 6 14 
0 0 − 2 0 7 12 

0 0 5 0 − 17 − 29

consta completamente de ceros en la
submatriz
1 2 − 5 3 6 14 
 7  El primer renglón de la submatriz se multiplicó por
0 0 1 0 − 2 − 6  0.5, a efectos de introducir un 1 principal
0 0 5 0 − 17 − 29
 
 
1 2 − 5 3 6 14  Se sumó -5 veces el primer renglón al segundo de
 7  ella misma para introducir un cero debajo del 1
0 0 1 0 − − 6 principal en la submatriz
 2 
0 0 0 0 1
1 
 2 
54
 
1 2 − 5 3 6 14  Se cubrió el renglón superior de la submatriz y se
 7  regresó una vez más al Paso 1
0 0 1 0 − − 6
 2 
0 0 0 0 1
1
 2 

consta completamente de ceros en la
nueva submatriz
1 2 − 5 3 6 14 
 7  Se multiplicó el primer (y único) renglón de la nueva
0 0 1 0 − 2 − 6 submatriz por 2, a efectos de introducir un 1
principal
0 0 0 0 1 2 

La matriz completa está ahora en la forma escalonada en los renglones. A fin de

encontrar la forma escalonada en los renglones reducida se necesitan los siguientes
pasos adicionales:
1 2 − 5 3 6 14 Se sumó 3.5 veces el tercer renglón de la matriz

0 0 1 0 0 1  anterior al segundo
 
0 0 0 0 1 2 
1 2 − 5 3 0 2 Se sumó -6 veces el tercer renglón al primero

0 0 1 0 0 1 
 
0 0 0 0 1 2
1 2 0 3 0 7 Se sumó 5 veces el segundo renglón al primero

0 0 1 0 0 1 
 
0 0 0 0 1 2
La última matriz está en la forma escalonada en los renglones reducida.
55
3.4 Matrices y operaciones matriciales
3.4.1 Definición
Una matriz es un arreglo rectangular de números. Los números del arreglo se conocen
como elementos de la matriz.
Los siguientes son ejemplos de matrices:
1 0 0 4  1 2 − 5 3 6 14 
0 1 0 7  ,  7 
  0 0 1 0 − 2 − 6 
0 0 1 −1 0 0 5 0 − 17 − 29
 
Las matrices tienen tamaños diferentes, siendo éste especificado por el número de filas
y columnas que posee. La primer matriz del ejemplo tiene 3 filas y 4 columnas, por lo
cual se dice que es una matriz de 3x4, o de dimensión 3x4. Del mismo modo, la segunda
matriz tiene 3 filas y 6 columnas, por lo cual se dice que es una matriz de 3x6. El primer
número indica las filas y el segundo las columnas.
En general, si A es una matriz, se usará aij para denotar el elemento que está en la fila
i y la columna j de A . Una matriz genérica de 4x3 se escribe:
 a11 a12 a13 

a a 22 a23 
 21
a31 a32 a33 
 
a 41 a 42 a43 
Una matriz de nxn se denomina matriz cuadrada de orden n , y se dice que los
elementos a11 , a22 , …, a nn están en la diagonal principal de A .
3.4.2 Suma de matrices
Para poderse sumar dos matrices es necesario que éstas tengan la misma dimensión.
La suma de dos matrices A y B de igual dimensión es una matriz C que queda

definida de la siguiente forma:
cij = aij + bij
Cada elemento de la matriz C es la suma de los elementos correspondientes de las

matrices A y B .
56
3.4.3 Producto de una matriz por un escalar
Si A es una matriz y α un escalar cualquiera, la matriz resultante es una matriz B que

cumple:
bij = αaij
Utilizando el producto de una matriz por un escalar se puede realizar la operación resta
de matrices:
A − B = A + (−1) * B
3.4.4 Producto de matrices
Para poder realizarse el producto de matrices es necesario que éstas cumplan ciertas
condiciones en cuanto a sus dimensiones. Sea una matriz A de dimensión mxr y otra
matriz B de dimensión rxn ; la matriz producto C = A * B es una matriz de dimensión
mxn cuyos elementos se determinan de la siguiente forma:
r
cij = ∑ aik * bkj
k =1
A continuación se muestra un ejemplo que ilustra la forma de calcular el producto de

dos matrices A y B . Sean las matrices A de dimensión 2x3 y B de dimensión 3x4.
 4 1 4 3
1 2 4   
A=
2 6 0  , B = 0 − 1 3 1 
  2 7 5 2
La matriz C = A * B por lo tanto será de dimensión 2x4.
c11 = a11 * b11 + a12 * b21 + a13 * b31 = 1* 4 + 2 * 0 + 4 * 2 = 12

c12 = a11 * b12 + a12 * b22 + a13 * b32 = 1*1 + 2 * (−1) + 4 * 7 = 27
c13 = a11 * b13 + a12 * b23 + a13 * b33 = 1* 4 + 2 * 3 + 4 * 5 = 30
c14 = a11 * b14 + a12 * b24 + a13 * b34 = 1* 3 + 2 *1 + 4 * 2 = 13
c21 = a 21 * b11 + a 22 * b21 + a 23 * b31 = 2 * 4 + 6 * 0 + 0 * 2 = 8
c22 = a 21 * b12 + a 22 * b22 + a 23 * b32 = 2 *1 + 6 * (−1) + 0 * 7 = −4
c23 = a 21 * b13 + a22 * b23 + a 23 * b33 = 2 * 4 + 6 * 3 + 0 * 5 = 26
c24 = a 21 * b14 + a 22 * b24 + a23 * b34 = 2 * 3 + 6 *1 + 0 * 2 = 12
12 27 30 13
C = A* B =  
 8 − 4 26 12
57
La multiplicación de matrices requiere que el número de columnas del primer factor A

sea igual al número de filas del segundo factor B . Si no se satisface esta condición, el
producto no está definido. Una regla nemotécnica para determinar si un producto de
matrices está definido, y conocer a priori la dimensión de la matriz producto, es escribir
seguido el número de filas y columnas de las matrices factores. Los números exteriores
determinarán la cantidad de filas y columnas de la matriz producto, y los números
interiores deberán ser iguales para que el producto esté correctamente definido.
En el caso del producto de las matrices A y B del ejemplo anterior:
(2x3)(3x4) ⇒ los números interiores coinciden, y la matriz producto de ambas tendrá

dimensión 2x4.
La multiplicación de matrices, por lo concluido anteriormente no cumple la propiedad

conmutativa, dado que a en muchas ocasiones ni siquiera es posible definir el producto
B* A.
El producto de matrices tiene una aplicación importante a los sistemas de ecuaciones

lineales. Sea un sistema de m m ecuaciones con n incógnitas:
a11 x1 + a12 x2 + L + a1n xn = b1

a x + a x + L + a x = b
 21 1 22 2 2n n 2

 M M M M
a m1 x1 + a m 2 x2 + L + a mn xn = bm
Este sistema de ecuaciones puede ser representado como producto de matrices:
 a11 a12 L a12   x1   b1 

a a 22 L a 2 n   x2   b2 
 21 =
 M M M M  M   M 
    
a m1 a m 2 L a mn   xn  bm 
A la matriz de la izquierda se le denomina matriz de coeficientes, y se identifica con la

letra A . La matriz del medio es la matriz de incógnitas y se identifica con la letra X , y
la matriz de la derecha es la matriz de términos independientes y se identifica con la
letra B . El sistema de ecuaciones puede escribirse entonces como producto de matrices:
AX = B
3.4.5 Dos matrices importantes
Una matriz cuyos elementos son todos 0 se denomina matriz nula y se denota 0.
Toda matriz de dimensión nxn cuyos elementos en la diagonal principal son 1 y los
demás 0 se denomina matriz identidad y se denota como I n .
58
La matriz nula y la matriz identidad tienen especial relevancia porque son neutras ante
las operaciones de suma y producto respectivamente.
A+0 = A
AI = A
La matriz nula desempeña el papel del 0 en los números reales y la matriz identidad el
papel del 1.
3.4.6 Matriz transpuesta
Se define la matriz transpuesta de una matriz A , y se denota At a aquella matriz en la

cual el cada elemento de la misma está relacionado con el un elemento de la matriz A
del siguiente modo:
aijt = a ji
Por su propia definición, la cantidad de filas (columnas) de la matriz transpuesta es

igual a la cantidad de columnas (filas) de la matriz original y siempre es posible realizar
el producto de una matriz y su transpuesta AAt y At A .
A continuación se enumeran algunas propiedades de la matriz transpuesta:
( At ) t = A
( A + B )t = At + B t
(kA)t = kAt siendo k cualquier escalar
( AB )t = B t At
Una matriz transpuesta en el caso de las matrices cuadradas, puede ser visualizado como
una simetría de los elementos no pertenecientes a la diagonal principal de la matriz.
3.4.7 Reglas de la aritmética matricial
Suponiendo que los tamaños de las matrices son tales que es posible efectuar las
operaciones indicadas, son válidas las reglas que siguen de la aritmética matricial:
59
A+ B = B + A
( A + B) + C = A + ( B + C )
A( BC ) = ( AB)C
A( B + C ) = AB + AC
( B + C ) A = BA + CA
A( B − C ) = AB − AC
( B − C ) A = BA − CA
α ( B + C ) = αB + αC
α ( B − C ) = αB − αC
(α + β )C = αC + βC
(α − β )C = αC − β C
(αβ )C = α ( β C )
α ( BC ) = (αB)C = B(αC )
A partir de estas propiedades de las operaciones matriciales, puede concluirse un

importante resultado en los sistemas de ecuaciones lineales.
Teorema: todo sistema de ecuaciones lineales no tiene solución, tiene exactamente una
solución, o tiene infinitas soluciones.
Demostración: si AX = B tiene más de una solución, siendo X 1 y X 2 dos soluciones

diferentes, se cumple:
AX 1 = B
AX 2 = B
Al restar ambas ecuaciones se obtiene:
A( X 1 − X 2 ) = 0
Sea k un escalar. Si se define la matriz X 0 = X 1 − X 2 entonces:
A( X 1 + kX 0 ) = AX 1 + A(kX 0 ) = AX 1 + k ( AX 0 ) = B + k 0 = B + 0 = B
Con este procedimiento se encontró otra solución al sistema lineal original, y como k
puede tomar cualquier valor en R , se demuestra que el sistema tiene infinitas
soluciones.
3.4.8 Inversión de matrices
Si A es una matriz cuadrada cualquiera y si es posible hallar una matriz B tal que
AB = BA = I , entonces se dice que A es invertible y B es la inversa de A .
Teorema: la inversa de una matriz es única.

Demostración: si suponemos que existe una matriz B que es la inversa de A , se
cumple: BA = I . Supongamos que existe una matriz C que también es inversa de A .
Al multiplicar por la derecha ambos miembros por una matriz C se obtiene:
60
( BA)C = IC = C
Pero: ( BA)C = B ( AC ) = BI = B ⇒ B =C.
A la matriz inversa de una matriz A se la denota A−1 .
Si A y B son dos matrices cuadradas del mismo tamaño, y ambas invertibles se

cumplen las siguientes propiedades:
1. AB es invertible
2. ( AB ) −1 = B −1 A−1
También se cumplen propiedades con las potencias de las matrices:
An = A * A * ... * A
A0 = I
A − n = ( A −1 ) n
A r A s = A( r + s )
( Ar ) s = Ars
3.4.9 Relación entre invertibilidad de matrices y sistemas lineales
Si A es una matriz invertible de nxn , para cada matriz B nx1 el sistema de ecuaciones
AX = B tiene exactamente una solución: X = A−1B .
Este resultado se obtiene fácilmente multiplicando a la izquierda cada lado de la

igualdad por A−1 , resultando:
A−1 AX = IX = X = A−1B
3.4.10 Determinantes
El determinante de una matriz es una función que asocia a una matriz un número. La
función determinante tiene aplicaciones importantes en la teoría de los sistemas lineales,
permite obtener una fórmula explícita para la inversión de una matriz.
Previo a introducir la idea de determinante, es necesario definir el concepto de producto

elemental tomado de una matriz A nxn . El producto elemental tomado de una matriz
se entiende como cualquier producto de n elementos tomados de A , sin que dos
cualquiera de ellos provengan de la misma fila o la misma columna. Por ejemplo, sea la
matriz:
a a 
A =  11 12 
a21 a22 
61
Los productos elementales son: a11 * a22 y a21 * a12 .
En general, una matriz Anxn tiene n ! productos elementales. Estos son los productos de
la forma a1 j1 a2 j2 L anj n donde los ji son una permutación del conjunto {1,2,..., n}. Se
denomina producto elemental con signo tomado de A a un producto elemental
a1 j1 a2 j2 L anj n multiplicado por +1 o -1. Se utiliza el +1 si es una permutación par y -1 si
es una permutación impar3.
Se define la función determinante de una matriz cuadrada A y se denota det( A) , como

la suma de todos los productos elementales con signo tomados de A .
Por ejemplo, en una matriz A (3x3), la función determinante se calcula como:
det( A) = a11a22 a33 + a12 a23a31 + a13a21a32 − a13a22 a31 − a12 a21a33 − a11a23a32
Como regla nemotécnica, y solo aplicable al caso de matrices de 3x3, det( A) puede ser
calculado de una forma sencilla del siguiente modo:
 a11 a12 a13 

sea la matriz A = a21 a22 a23 
a31 a32 a33 
Se añaden las dos primeras columnas a la matriz a la derecha de la tercera, quedando

ahora la matriz de 3x5.
 a11 a12 a13 a11 a12 

a a22 
 21 a22 a23 a21
a31 a32 a33 a31 a32 
El determinante se calcula al sumar los productos correspondientes a las flechas que

apuntan hacia la derecha y restar los puntos correspondientes a las flechas que apuntan a
la izquierda.
3.4.11 Propiedades de la función determinante
En esta sección se listan las propiedades de la función determinante para una matriz A
de dimensión nxn .
1. det( A) = det( At )
2. det(kA) = k n det( A) siendo k un escalar
3. Si A , A' y A' ' son matrices de dimensión nxn que difieren únicamente en un
solo renglón, por ejemplo el r-ésimo, y que es posible obtener el r-ésimo renglón
3
Repasar Capítulo 1, sección Combinatoria.
62
de A' ' al sumar los elementos correspondientes a los r-ésimos renglones de A y

A' ⇒ det( A' ' ) = det( A) + det( A' )
4. det( I ) = 1
5. det( AB ) = det( A) * det( B )
De estas dos últimas propiedades puede obtenerse un resultado de importante aplicación

en los sistemas lineales:
Una matriz es invertible si y solo si su determinante es no nulo.
Esta propiedad es fácilmente demostrable. Si A es invertible, ∃ A−1 / AA−1 = I . Por la

propiedad de producto de determinantes y determinante del producto:
det( I ) = 1 = det( AA−1 ) = det( A) * det( A−1 )
Como resultado también se deduce que:
1
det( A−1 ) =
det( A)
3.4.12 Regla de Cramer
La Regla de Cramer es un modo sistemático de resolver sistemas de ecuaciones lineales

a partir de calcular determinantes y a su vez calcular la matriz inversa de una matriz
invertible.
Si A es una matriz cuadrada, el menor del elemento aij se denota por M ij y se define
como el determinante de la submatriz que resulta de eliminar de A la i-ésima fila de la
j-ésima columna. El número (−1)i + j M ij se denota por Cij y se conoce como cofactor
del elemento aij .
Por ejemplo, sea la matriz A 3x3:
 3 1 − 4
A = 2 5 6 
1 4 8 
El menor del elemento a11 es:
5 6
M 11 = = 16
4 8
El cofactor de a11 es:
63
C11 = (−1)1+1 * M 11 = 16
En general, para una matriz 3x3:
 a11 a12 a13 

A = a21 a22 a23 
a31 a32 a33 
det( A) = a11a22 a33 + a12 a23a31 + a13a21a32 − a13a22 a31 − a12 a21a33 − a11a23a32
Lo cual puede escribirse:
det( A) = a11 (a22 a33 − a12 a32 ) + a21 (a13a32 − a12 a33 ) + a31 (a12 a23 − a13a22 )
Las expresiones que están entre paréntesis son los cofactores C11 , C21 y C31 .
Por lo tanto se puede calcular el determinante de una matriz multiplicando los

elementos que están en la primera columna por sus cofactores y sumando los productos
que resultan. Este método para evaluar el determinante se conoce como desarrollo por
cofactores.
det( A) = a11C11 + a21C21 + a31C31
Este resultado aplicado a la primera columna de una matriz 3x3 es extensible a

cualquier fila o columna de una matriz nxn .
Teorema: se puede calcular el determinante de una matriz cuadrada nxn multiplicando

los elementos de cualquier fila o columna por sus cofactores y sumando los productos
que resulten.
det( A) = ai1Ci1 + ai 2Ci 2 + L + ainCin (desarrollo por cofactores de la i-ésima fila)
det( A) = a1 j C1 j + a2 j C2 j + L + anj Cnj (desarrollo por cofactores de la j-ésima columna)
Se define matriz de cofactores tomados de A a la matriz:
C11 C12 L C1n 

C 
 21 C22 L C2 n 
 M M M 
 
Cn1 Cn 2 L Cnn 
La matriz transpuesta de la matriz de cofactores tomados de A se denomina matriz

adjunta de A y se denota adj ( A) .
1
Teorema: si A es una matriz invertible A−1 = adj ( A) .
det( A)
64
El resultado de este teorema tiene una aplicación directa en la resolución de sistemas de

ecuaciones lineales, a través del teorema que es conocido como Regla de Cramer.
Teorema (Regla de Cramer): si AX = B es un sistema de ecuaciones lineales de n

incógnitas {x1 , x2 ,..., xn } tal que det( A) ≠ 0 , entonces el sistema tiene una solución
única.
det( Ai )
xi =
det( A)
En donde las Ai son las matrices que se obtienen de reemplazar los elementos de la i-
ésima columna de A por los elementos de la matriz B .
3.4.13 Ejemplo de cálculo de la inversa de una matriz.
 2 − 2 1
 
Sea la matriz A =  − 1 1 1 
 − 1 3 5
 
El primer paso es calcular el determinante de la matriz A .
det( A) = −6
A continuación se calculan los cofactores Cij :
1 1 −1 1
C11 = = 1 * 5 − 1 * 3 = 2 C12 = − = −((−1) * 5 − 1 * (−1)) = 4
3 5 −1 5
−1 1 −2 1
C13 = = −1 * 3 − 1 * (−1) = −2 C21 = − = −((−2) * 5 − 1 * 3) = 13
−1 3 3 5
2 1 2 −2
C22 = = 2 * 5 − 1 * (−1) = 11 C23 = − = −(2 * 3 − (−2) * (−1)) = −4
−1 5 −1 3
−2 1 2 1
C31 = = ( − 2) * 1 − 1 * 1 = − 3 C32 = − = −(2 * 1 − 1 * (−1)) = −3
1 1 −1 1
2 −2
C33 = = 2 * 1 − (−2) * (−1) = 0
−1 1
La matriz de cofactores de la matriz A es:
 2 4 − 2
 
 13 11 − 4 
− 3 − 3 0 
 
65
La matriz transpuesta de cofactores o matriz adjunta de la matriz A es:
 2 13 − 3 
 
adj ( A) =  4 11 − 3 
− 2 − 4 0 
 
Finalmente, la matriz inversa de la matriz A es:
 2 13 − 3 
−1 1 
A = −  4 11 − 3 
6 
− 2 − 4 0 
3.4.14 Ejemplo de aplicación de la Regla de Cramer
Sea el sistema de ecuaciones:
3x + 2 y − z = 7

4 x − y − z = 6
x + y + z = 4

 3 2 − 1 7
   
A =  4 − 1 − 1 B =  6
1 1 1   4
   
Primer paso: calculo det( A)
3 2 −1
det( A) = 4 − 1 − 1 = −15
1 1 1
Como det( A) ≠ 0 el sistema es compatible y determinado.
Segundo paso: sustituyo cada columna por la matriz de términos independientes B y

calculo el determinante de cada una de esas matrices.
Para hallar x :
7 2 −1
det( Ax ) = 6 − 1 − 1 = −30
4 1 1
66
det( Ax ) − 30
x= = =2
det( A) − 15
3 7 −1
det( Ay ) = 4 6 − 1 = −15
1 4 1
det( Ay ) − 15
y= = =1
det( A) − 15
3 2 7
det( Az ) = 4 − 1 6 = −15
1 1 4
det( Az ) − 15
z= = =1
det( A) − 15
67
3.5 Matriz Insumo – Producto e Inversa de Leontief
3.5.1
3.5.2 Introducción
La Matriz Insumo – Producto (MIP) es una herramienta analítica que permite describir
el comportamiento de una economía en base a la teoría del álgebra lineal, utilizando en
particular los sistemas lineales.
Este desarrollo tiene como peculiaridad que permitió al economista W. Leontief obtener
el Premio Nobel.
3.5.3 Cuadro de transacciones interindustriales
La actividad económica de un país puede modelarse como la producción de tres tipos de

productos: bienes agrícolas (sector agropecuario), bienes industriales (sector industrial)
y prestaciones de servicios (sector servicios). La población económicamente activa de
un país debe pertenecer entonces a uno de estos tres sectores y participan de la
distribución de los productos.
Para distribuir los productos entre los miembros de la sociedad, éstos se intercambian en
el mercado mediante compras y ventas y de ello resulta un Flujo Estacionario de
Productos.
Demanda intermedia
Ventas/Compras Agro Ind. Serv. Total de ventas
Agro x11 x12 x13 3
∑x
j =1
1j
3
Ind. x21 x22 x23 ∑x
j =1
2j
Serv. x31 x32 x33 ∑x

j =1
3j
Total 3 3 3
∑x
i =1
i1 ∑x
i =1
i2 ∑x
i =1
i3
Flujo Estacionario de Productos
Esta es una tabla de transacciones intersectoriales, que muestra como se interrelacionan

todos los sectores, en el sentido que cada uno adquiere productos generados por los
demás a fin de llevar adelante su propio proceso productivo.
Cada elemento xij dentro del casillero central de la matriz representa en valor monetario
las compras de empresas del sector j a empresas del sector i . Cuando los subíndices
68
coinciden j = i (elementos de la diagonal principal), se representa la compra entre

empresas del mismo sector.
Cada fila de un sector muestra el valor de las ventas por cada sector comprador y en la
cuarta columna el valor agregado de las ventas del sector.
Cada columna establece el valor de las compras del sector a cada sector vendedor, y en
la última fila el valor agregado de las compras a todos los sectores.
Es importante destacar que para que esta tabla tenga sentido los xij deben ser valores
monetarios a efectos que tenga sentido realizar las sumas (cuarta fila y cuarta columna).
Lo expresado anteriormente implica que además de conocer las unidades físicas
intercambiadas entre los sectores, es necesario disponer de los precios unitarios
correspondientes a esos bienes a fin de expresar cada transacción en su valor monetario.
3.5.4 Modelo cerrado con n sectores
El desarrollo de la economía ha introducido nuevos productos que en algunas ocasiones

resulta difíciles encasillarlos dentro de alguno de los sectores clásicos mencionados en
la sección anterior. Esta situación no es un problema a los efectos de la construcción de
la MIP. La misma tendrá la siguiente estructura en el caso de existir n sectores en la
economía.
Demanda intermedia
por sector
Ventas/Compras 1 2 3 … n Total de ventas
1 x 11 x 12 x 13 K x1n n
∑x
j =1
1j = X1
n
2
x21 x 22 x23 K x2 n ∑x
j =1
2j = X2
M M
M
n x n1 x n 2 x n 3 K xnn ∑x
j =1
nj = Xn
Total n 3
∑ xi1
i =1
K ∑x
i =1
in
Flujo Estacionario de Productos, n sectores
La matriz de ventas totales y la de demanda intermedia por sector pueden expresarse en

forma matricial:
69
 X1   x11 x12 L x1n 

X  x x22 L x2 n 
X =  2 y B =  21
 M   M M M M 
   
Xn  xn1 L L xnn 
donde X i representa el vector de la producción bruta del sector i y la matriz B es la

Matriz de transformaciones intersectoriales en términos monetarios.
 X 1   x11 x12 L x1n  1

 X  x x22 L x2 n  1
 2  =  21
 M   M M M M  M 
    
 X n   xn1 L L xnn  1
Para conseguir la cadena de reacciones que tienden a modificar todo el flujo de

transacciones intersectoriales, se debe elaborar una segunda tabla que se conoce como
Matriz de Coeficientes de Requerimientos Directos por Unidad de Producción Bruta
(MCRDUPB). A tales efectos, es necesario definir el coeficiente técnico aij , que
representa los requerimientos de insumos del sector i necesarios para producir una
unidad de producto del sector j .
xij
aij =
Xj
Se define la matriz A como:
 a11 a12 L a1n 

a a22 L a2 n 
A=  21
 M M M M 
 
an1 L L ann 
Por lo tanto, a partir de la definición de los coeficientes aij podemos utilizar la siguiente
notación matricial:
X = AX
 X 1   a11 a12 L a1n   X 1 

 X  a  
 2  =  21 a22 L a2 n   X 2 
 M   M M M M  M 
    
 X n  an1 L L ann   X n 
3.5.5 Modelo abierto
70
Si además de los n sectores el modelo también contiene un sector abierto (familias p.

ej.) que determinan exógenamente una demanda final (demanda sin insumos) para el
producto de cada industria y que ofrecer un input primario (mano de obra) no producido
por el resto de los sectores, el modelo es abierto.
Sectores
Ventas/Compras 1 2 … N Demanda final Total de ventas
1 x11 x12 x1n Y1 X1
2 x21 x22 x2 n Y2 X2
M M M M
M
xn1 xn 2 xnn Yn Xn
N
Cada fila puede ser escrita de la siguiente forma:
n
X i = ∑ aij xij + Yi
j =1
Matricialmente esta ecuación se representa de la siguiente forma:
 X 1   a11 a12 L a1n   X 1  Y1 

 X  a    
 2  =  21 a22 L a2 n   X 2  + Y2 
 M   M M M M  M   M 
      
 X n  an1 L L ann   X n  Yn 
O bien:
X = AX + Y
El sector demanda externa puede estar constituido por varios sectores a la vez, por
ejemplo, consumidores finales (familias), sectores de inversión, gobierno, etc.
Si denominamos la demanda del sector i de las familias como Ci , de los sectores de

inversión I i y la del gobierno Gi , la demanda final del sector i puede escribirse como:
Yi = Ci + I i + Gi
Y1   C1   I1   G1 
Y  C   I  G 
 2 =  2 +  2 +  2
M  M  M  M 
       
Yn  Cn   I n  Gn 
Retomando la ecuación:
71
X = AX + Y
Se puede despejar X como:
X = ( I − A) −1Y
Donde la matriz ( I − A) se denomina Matriz Tecnológica o Matriz de Leontief y la
matriz ( I − A) −1 Matriz Inversa de Leontief, o Matriz de Requerimientos Directos e
Indirectos por Unidad de Demanda Final.
La explicación económica es la siguiente: en vista de la presencia del sector exógeno, la

suma de los elementos de cada columna de la matriz de coeficientes A debe ser menos
que 1; cada suma de una columna representa el costo del input parcial (que incluye el
costo del insumo primario) en el que se incurre al producir por valor de un peso algún
bien, y por ser un costo si esta suma es mayor o igual a 1 la producción no estará
justificada desde el punto de vista económico, es decir:
∑a
i =1
ij <1
También se puede establecer que puesto que el valor de producción (1 peso) debe ser
totalmente absorbido por el pago a todos los factores de la producción, o sea la
diferencia que falta para llegar a 1 peso es recibida como pago por los trabajadores.
3.5.6 Modelo cerrado (opcional)
Si se incluye en el sistema el sector exógeno del modelo abierto de insumo producto

como si fuera otra industria, el modelo se convierte en un modelo cerrado. Ahora por su
naturaleza todos los bienes serán intermedios porque todo lo que se produce es para
satisfacer los requisitos de insumo de los otros n sectores y el propio (p. ej. las familias
producen el bien mano de obra que es demandado por las empresas de los otros sectores
como insumo de producción).
En esta situación tenemos un sistema de ecuaciones homogéneo de la forma:
X = AX
Es decir:
( I − A) X = 0
Este sistema tiene solución no trivial si y solo si la Matriz Tecnológica o Matriz de

Leontief I − A tenga determinante nulo, es decir que el sistema de ecuaciones tiene
infinitas soluciones. Esto significa desde el punto de vista económico como que no
existe una única combinación de producto correcta. Se pueden determinar infinitos
[ ]
niveles de producción X 1k , X 2k ,K, X nk que son solución del sistema.
72
3.5.7 Planificación de requerimientos de producción en el modelo

abierto (opcional)
En esta sección se muestra una aplicación de los conocimientos presentados en las

secciones anteriores aplicados a la resolución de problemas que se presentan en la
planificación económica de un país.
Lo que se desea es responder las siguientes interrogantes:
1. ¿Qué nivel de producción debe alcanzar cada una de los sectores de una
economía para satisfacer la demanda total de ese producto?
2. ¿En qué magnitud debe variar el nivel de producción ante un cambio en la
demanda final o sector exógeno para que satisfaga la demanda total?
Ejemplo: sea una economía con los siguientes datos:
Valor
Demanda Producto
Agro Industria Servicios Consumo Inversión producto
Ventas/Compras interna nacional
(1) (2) (3) (5) (6) bruto
(4=1+2+3) (7=5+6)
(8=4+7)
Agro 650 160 200 1010 380 110 490 1500
Industria 450 350 150 950 825 225 1050 2000
Servicios 350 440 300 1090 1035 875 1910 3000
Venta de insumos 1450 950 650 3050
Asalariados 540 310 290
No asalariados 1090 550 670
Valor agregado 1630 860 960 3450
Valor bruto producido 3080 1810 1610 6500
Calculo los coeficientes de la matriz A .
x11 650 13 x12 160 2 x13 200 1

a11 = = = a12 = = = a13 = = =
X 1 1500 30 X 2 2000 25 X 3 3000 15
x21 450 3 x22 350 7 x23 150 1

a21 = = = a22 = = = a23 = = =
X 1 1500 10 X 2 2000 40 X 3 3000 20
x31 350 7 x32 440 11 x33 300 1

a31 = = = a32 = = = a33 = = =
X 1 1500 30 X 2 2000 50 X 3 3000 10
73
 13 2 1
 30 25 15 
3 7 1
A= 
 10 40 20 
7 11 1
 30 50 10 
La Matriz de Leontief I − A será:
 13 2 1   17 2 1 
− −
1 0 0   30 15 15   30 15 15 
3 1   3 1 
I − A =  0 0  − 
7 33
1  = − − 
 0  10 40 20   10 40 20 
0 1   7 11 1   7 11 9 
− −
 30 50 10   30 50 10 
El determinante de la Matriz de Leontief es:
1499
det( I − A) =
4000
La Matriz Inversa de Leontief es:
 1463 13 59 
 2000 150 1000 
4000  169 89 29 
( I − A) −1 =  
1499  600 180 600 
 517 43 887 
 2000 300 2000 
Una vez obtenida la Matriz Inversa de Leontief comprobamos los cálculos con los datos
en donde se debía verificar que para una demanda final dada por el Vector de Producto
Neto, formada a su vez por consumo e inversión, la producción bruta total debe
satisfacer tanto los requerimientos directos como indirectos. De este modo se busca
responder la primer pregunta:
Si llamamos X ( 0) al vector de producción bruta original e Y ( 0) el vector de demanda

final original, el planteo quedaría resuelto en el caso:
X ( 0) = ( I − A) −1Y ( 0 )
 1463 13 59 
 2000 150 1000   490 
4000  169 29  
 1050
89
X = 
1499  600 180 600 
 517 43 887  1910
 2000 300 2000 
74
1500 
X = 2000
3000
Además de describir la actividad económica, la Matriz Insumo – Producto es una

herramienta fundamental para la proyección de la actividad económica en el futuro. Una
Matriz Insumo – Producto al descubrir las relaciones históricas entre los distintos
sectores de la economía, permite extrapolar estas relaciones y explicitar que pasará con
el nivel de actividad de los sectores cuando se desea, por ejemplo, duplicar la actividad
de uno de ellos. Los problemas de este tipo son los que responden a la segunda
pregunta. Por ejemplo, si los consumidores duplican su demanda, la economía pasará de
un estado C ( 0) , Y ( 0) a un estado C (1) , Y (1) donde:
C (1) = C ( 0) + ∆C
Y (1) = Y ( 0) + ∆C
Para el ejemplo:
 380   760 
C (1)
= 2C (0)
= 2  825  = 1650 
1035 2070
 490   380   870 

Y (1)
=Y (0)
+ ∆C = 1050 +  825  = 1875 
1910 1035 2945
Reemplazando en la ecuación X = ( I − A) −1Y por el nuevo valor Y (1) se obtiene el

nuevo valor de producción bruta que satisface los nuevos requerimientos de la demanda:
X (1) = ( I − A) −1Y (1)
2595.49
X (1)
= 3507.60
4802.54
En base a este resultado se puede calcular la variación del vector X :
2595.49 1500  1095.49

∆X = X (1) − X ( 0) = 3507.60 − 2000 = 1507.60
4802.54 3000  1802.54
75
Debe subrayarse la falta de proporcionalidad entre el incremento de la demanda final

∆Y y el incremento del a producción bruta ∆X correspondiente a ese mismo sector.
Esto se debe a la complejidad de las interrelaciones intersectoriales, que determinan
efectos indirectos de importancia.
76
3.6 Ecuación cuadrática
Una ecuación cuadrática es una ecuación de la forma:
ax 2 + 2bxy + cy 2 + dx + ey + f = 0
en donde al menos uno de los términos a , b , c no es cero.
Se denomina forma cuadrática a la expresión:
ax 2 + 2bxy + cy 2
Resulta claro que toda ecuación cuadrática tiene una forma cuadrática asociada, mas
no es recíproca esta afirmación. Por ejemplo, la forma cuadrática x 2 + 6 xy + 2 y 2 puede
tener asociada la ecuación cuadrática x 2 + 6 xy + 2 y 2 + x + y + 1 = 0 o la ecuación
cuadrática x 2 + 6 xy + 2 y 2 + 4 x + 6 y + 7 = 0 .
Las gráficas de las ecuaciones cuadráticas en x e y se denominan cónicas. Las cónicas

más importantes son las elipses, los círculos, las hipérbolas y las parábolas. A estas
cónicas se las denomina cónicas no degeneradas. Las cónicas restantes se califican
como degeneradas e incluyen puntos aislados o parejas de rectas. A lo largo del curso
no se profundizará en el estudio de este tipo de cónicas.
El tipo de cónica que queda definida por la ecuación cuadrática dependerá del valor de
los coeficientes de la misma.
Una cónica se dice que se encuentra en posición
La ecuación de la elipse es de la forma:
x2 y2
+ =1
k 2 l2
La forma de la elipse dependerá de los valores de k y l . En el caso particular que k = l

la elipse se convierte en un círculo.
La ecuación de la hipérbola es de la forma:
x2 y 2 y2 x2
− = 1 o − =1
k2 l2 k2 l2
La ecuación de la parábola es de la forma:

y 2 = kx o x 2 = ky
77
Elipse o círculo.
Hipérbola
Parábola
Como puede observarse, el signo de los coeficientes que multiplican los términos x 2 e
y 2 determinan el tipo de cónica.
Los términos en x e y determinan que la cónica esté trasladada respecto de su posición

estándar (la posición estándar es la de las figuras).
El término xy determina la rotación respecto de la posición estándar de la cónica.
78
3.7 Inecuaciones
Una inecuación, como su propio nombre lo dice, es una desigualdad (in prefijo
negativo, ecuación igualdad). En las ecuaciones, las soluciones, cuando existían, eran
determinados valores de las incógnitas. En el caso de las inecuaciones, lo que se
obtienen no son valores sino regiones o intervalos.
La importancia de las inecuaciones está dada porque son éstas las que en muchos casos
determinan la amplitud del dominio de las funciones de R → R .
Por ejemplo, sea la inecuación:
x +1 > 3
Pasando el 1 al lado derecho de la desigualdad se obtiene:
x>2
Son solución de la inecuación todos aquellos valores que cumplan con esa condición.
En este caso la solución es una semirrecta, pero pueden plantearse inecuaciones cuyo
resultado sean regiones.
Sea la inecuación: y > x .

Esta inecuación puede llevarse al plano cartesiano, determinando una región del mismo,
tal como se ilustra en la figura.
Región solución de la ecuación y > x
Las inecuaciones también pueden presentarse como sistemas de inecuaciones, en ese

caso, se debe hallar la región solución de cada una de ellas y el resultado del sistema de
inecuaciones será la intersección de las soluciones de todas las inecuaciones que forman
el sistema.
79
3.8 Programación lineal
3.8.1 Introducción
La programación lineal es una técnica matemática relativamente reciente (siglo XX),

que consiste en una serie de métodos y procedimientos que permiten resolver problemas
de optimización en el ámbito, sobre todo, de las Ciencias Sociales.
Nos centraremos en este tema en aquellos problemas simples de programación lineal,
los que tienen solamente 2 variables, problemas bidimensionales.
Para sistemas de más variables, el procedimiento no es tan sencillo y se resuelven por el
llamado método Simplex.
3.8.2 Inecuaciones lineales con dos variables
Las inecuaciones lineales de dos variables de expresan de la siguiente forma:
ax + by < c
ax + by > c
ax + by ≤ c
ax + by ≥ c
Para resolver inecuaciones, hay que representar gráficamente en el plano la recta dada
por la ecuación lineal asociada a la inecuación y marcar una de las dos regiones en que
dicha recta divide al plano. La recta divide al plano en dos regiones, una de las cuales es
la solución de la inecuación. Para saber cuál región es la solución existen dos
procedimientos:
1. Se despeja la y de la inecuación, poniendo cuidado en que si en una inecuación

multiplicamos o dividimos por un número negativo, la desigualdad cambia de
sentido
2. Se toma un punto cualquiera que no pertenezca a la recta. Para que dicho punto
sea solución, se tendrá que cumplir la desigualdad, por lo que sustituimos en la
inecuación inicial
3.8.3 Sistemas de inecuaciones lineales con dos variables
Un sistema de inecuaciones lineales, por tanto, es un conjunto de inecuaciones del tipo

anterior, y resolverlo consistirá en resolver gráficamente cada inecuación (como en el
caso anterior), representar la solución en un mismo gráfico y la solución total será la
parte común a todas las soluciones.
80
Ejemplo:
 2 x + 3 y ≥ −3

2 x − y − 9 ≤
2 x − 5 y − 5 ≥ 0

Si se representa en el plano cartesiano las tres rectas se obtiene:
2 x + 3 y = −3 Recta r
 Recta s
2 x − y = 9 Recta t
2 x − 5 y = 5

Región solución del sistema de inecuaciones lineales
En sombreado se representa la región solución del sistema de inecuaciones lineales.

Para los problemas de programación lineal es necesario el cálculo de los vértices de la
región solución (puntos en rojo, azul y verde en la figura). Es sencillo su cálculo, pues
se reduce a resolver sistemas de ecuaciones lineales son dos incógnitas, que provienen
de igualar las ecuaciones de las rectas correspondientes.
Por ejemplo, en este caso, si queremos el punto intersección de las rectas r y s (punto
rojo en la gráfica) tendremos que resolver el sistema formado por:
2 x + 3 y = −3

2 x − 5 y = 5
que tiene como solución el punto (3,-3).
81
3.8.4 Problemas de optimización de una función sujeta a

restricciones
En un problema de programación lineal de dos variables x e y , se trata de optimizar

hacer máxima o mínima, según los casos) una función (llamada función objetivo) de la
forma:
F ( x, y ) = Ax + By
sujeta a una serie de restricciones dadas mediante un sistema de inecuaciones lineales

del tipo:

a1 x + b1 y ≤ c1
a x + b y ≤ c
 2 2 2

 M M M
a m x + b m y ≤ c m

Los puntos del plano que cumplen el sistema de desigualdades forman un recinto
convexo acotado (poligonal) o no acotado, llamado región factible del problema.
Todos los puntos de dicha región cumplen el sistema de desigualdades. Se trata de
buscar, entre todos esos puntos, aquel o aquellos que hagan el valor de F ( x, y ) máximo
o mínimo, según sea el problema.
Los puntos de la región factible se denominan soluciones factibles. De todas esas
soluciones factibles, aquellas que hacen óptima (máxima o mínima) la función objetivo
se llaman soluciones óptimas.
En general, un problema de programación lineal puede tener una, infinitas o ninguna
solución. Lo que si se verifica es la siguiente propiedad:
Si hay una única solución óptima, ésta se encuentra en un vértice de la región factible, y
si hay infinitas soluciones óptimas, se encontrarán en un lado de la región factible.
Es posible que no haya solución óptima, pues cuando el recinto es no acotado, la
función objetivo puede crecer o decrecer indefinidamente.
El problema de optimización de una función sujeta a restricciones puede ser abordarlo

de dos formas: geométrica y algebraica. De todas formas antes a aplicar cualquiera de
ellas siempre hay que dibujar la región factible, resolviendo el sistema de inecuaciones
lineales correspondiente, y calcular los vértices de dicha región.
3.8.5 Forma geométrica
En este caso se representa el vector director de la recta que viene dada por la ecuación
de la función objetivo F ( x, y ) = Ax + By , que hay que maximizar o minimizar.
El vector director de la recta Ax + By viene dado por v = (− B, A) . Además, como lo
único que nos importa es la dirección del vector y no su módulo (longitud), podemos
dividir a las coordenadas del vector si los números son muy grandes, puesto que
vectores con coordenadas proporcionales tienen la misma dirección.
82
Posteriormente, se trazan rectas paralelas a este vector que pasen por los vértices de la
región factible (si es acotada), o por todo el borde de la región factible (cuando no es
acotada) y se observa en qué vértice la función F se hace máxima (o mínima) sin más
que tener en cuenta cuál de las rectas tiene mayor (o menor) ordenada en el origen, es
decir, qué recta corta en un punto mayor o menor al eje y .
Ejemplo: maximizar la función F ( x, y ) = 2000 x + 5000 y sujeta a las restricciones,
 2 x + 3 y ≥ −3

2 x − y − 9 ≤ 0
2 x − 5 y − 5 ≥ 0

La región factible en este caso es:
Los vértices son los puntos (0,−1) , (5,1) y (3,−3) .

Como la función es F ( x, y ) = 2000 x + 5000 y , el vector director es v = (−5000,2000) ,
que tiene la misma dirección que el v = (−5000,2000) y representándolo queda:
El método consiste en trazar paralelas al vector que pasen por los vértices anteriores
(dibujo en negro).
Se observa gráficamente que de las tres paralelas trazadas, la que corta al eje y en un
punto mayor es la que pasa por el punto (5,1) , que por tanto será la solución óptima al
problema de máximos planteado.
83
Para saber cuál es este valor máximo sustituimos en la función:
F (5,1) = 2000 * 5 + 5000 * 1 = 15000
3.8.6 Forma algebraica
Consiste, simplemente, en sustituir cada uno de los vértices de la región en la función

objetivo. La solución óptima vendrá dada por aquel que tome el mayor (o menor) valor.
En el ejemplo anterior lo que se debe hacer es hallar los vértices de la región factible,
que consiste en resolver los sistemas lineales que resultan de levantar una de las
restricciones en este caso.
Los vértices eran los puntos (0,−1) , (5,1) y (3,−3) .
84
Sustituyendo se obtiene:
F (0,−1) = 2000 * 0 + 5000 * (−1) = −5000

F (5,1) = 2000 * 5 + 5000 * 1 = 15000
F (3,−3) = 2000 * 3 + 5000 * (−3) = −9000
El valor solución entonces es 15000.
3.8.7 Casos especiales
En algún caso la región factible puede no estar acotada, p. ej.: maximizar la función
g ( x, y ) = 3 x + 4 y sujeta a las restricciones:
 x + y ≥ 14
2 x + 3 y ≥ 36


4 x + y ≥ 16
 x − 3 y ≥ 0
La región factible es:
 2 40 
Los vértices son: A =  ,  , B = (6,8) y C = (12,4)
3 3 
En este caso la región factible no es acotada superiormente.
Si se aplica el método geométrico, debería trazar paralelas al vector director por los
vértices, pero como la región en no acotada, dichas rectas son cada vez mayores al
trazarlas sobre los puntos de la recta t, que son soluciones factibles. Por tanto el
problema no tiene solución.
85
Otra posibilidad se presenta cuando el vector aplicado en dos vértices de la región corta
el eje de las ordenadas en el mismo punto.
Ejemplo:
Minimizar g ( x, y ) = 3 x + 3 y sujeta a las restricciones
x + y ≥ 5
y ≤ x + 3

3 y − x ≥ −1
 y + 2 x ≤ 16

4 y − x ≤ 22
La región factible es:
Los vértices respectivos son: A = (1,4) , B = (2,5) , C = (6,4) , D = (7,2) y E = (4,1) .

Utilizando el método gráfico se obtiene:
86
Es decir, como buscamos el valor mínimo, todos los puntos comprendidos entre A y
E sirven, es decir, hay infinitas soluciones.
Si se utiliza el método algebraico se obtiene:
A: g (1,4) = 15
B: g (2,5) = 21
C: g (6,4) = 30
D: g (7,2) = 27
E: g (4,1) = 15
Observamos que el valor mínimo se toma en A y en E , y por tanto en todos los puntos
comprendidos entre ellos, es decir, hay infinitas soluciones.
87
4 Funciones de una variable e introducción a los

métodos de optimización
4.1 Definiciones
Una función es una operación que transforma el valor numérico de una variable
(variable independiente) en un valor numérico de otra (variable dependiente).
Ambas variables, pueden pertenecer al campo de los números reales, los enteros, etc.
Cuando una función f transforma reales en reales se denota f : R → R . A lo largo del
curso nos centraremos en este tipo de funciones.
En el estudio de las funciones es necesario introducir previamente algunos conceptos

básicos como ser: dominio, codominio e imagen.
Se define el dominio de una función como todos aquellos valores de la variable

independiente para los cuales tiene sentido el cálculo del valor de la variable
dependiente. Para algunas funciones, el dominio es R , pero tal como se viera en el
Capítulo 1, existen ciertas operaciones ante las cuales el conjunto R no es cerrado, y
por lo tanto no es posible calcular el valor funcional en esos casos, dado que el
problema no queda correctamente determinado. Por ejemplo, supongamos la función
f ( x) = x
Esta función tiene sentido para los valores de x ≥ 0 , dado que para valores negativos de
la variable independiente, el valor funcional de f ∉ R . Por este motivo se dice que el
dominio de la función f es el conjunto {x / x ∈ R, x ≥ 0} .
El codominio de una función son los valores que puede asumir la variable dependiente
al aplicarse el operador funcional.
El estudio de las funciones es imprescindible para entender los fenómenos naturales, el

comportamiento de agentes en un mercado, el rendimiento de equipamiento, etc.
4.2 Derivada
4.2.1 Interpretación geométrica
Recibe el nombre de recta secante cualquier recta que pase por dos puntos diferentes de
una curva. En la figura se observa una recta secante (en azul) a la curva que representa
gráficamente la función f (x) (en verde).
88
Supongamos que P( x0 , y 0 ) y Q( x, y ) son dos puntos de la curva que representa f (x)

como puede apreciarse en la siguiente figura. Existe una (solo una) recta secante que
pasa por los puntos P y Q.
La pendiente de la recta secante está dada por la ecuación:
y − y0 f ( x) − f ( x0 )
ms = =
x − x0 x − x0
Como la pendiente de una recta es igual a la tangente del ángulo que forma la recta con
la parte positiva del eje de las abscisas, y como θ es ese ángulo para la recta secante,
entonces:
m s = tan θ
Ejemplo: calcular la ecuación de la recta secante a la curva y = x 2 en los puntos (1,1) y

(3,9).
Desde el punto de vista gráfico el problema es hallar la ecuación de la recta de la figura

(verde).
89
Ejemplo.
Aplicando la definición para ms :
f ( x) − f ( x0 ) f (3) − f (1) 9 − 1
ms = = = =4
x − x0 3 −1 3 −1
La ecuación de la recta de la cual se conoce la pendiente y un punto de la misma se se

halla fácilmente con la fórmula:
y − y 0 = ms ( x − x0 )
y − 1 = 4( x − 1) ⇒ y = 4 x − 3
Si P queda fijo y se hace recorrer el punto Q a lo largo de la curva acercándose a P, la

recta secante va a ir cambiando en la medida que Q se va moviendo, aproximándose en
la medida que Q esté más cerca de P, a la recta tangente a la curva en el punto P.
Asimismo puede apreciarse gráficamente que el ángulo θ en la medida que Q se acerca
a P tiende a aproximarse a α . Matemáticamente esta interpretación geométrica puede
ser descripta de la siguiente forma:
lim θ = α
Q →P
Esto es equivalente a decir:
f ( x) − f ( x0 )
lim tg (θ ) = lim = tg (α )
x → x0 x − x0
x → x0
Si se define mt como la pendiente de la recta tangente a la curva en el punto P( x0 , y 0 ) ,

se obtiene:
90
f ( x) − f ( x0 )
mt ( x0 ) = lim
x − x0
x → x0
El cálculo de mt se realizó para un valor x0 dado, pero puede generalizarse a cualquier

x del dominio de la función f . Este concepto del cálculo de la pendiente para todo x
no es otro que el concepto de derivada de la función f . Se define la derivada de la
función f en el punto x0 como:
f ( x) − f ( x0 )
f ' ( x0 ) = lim
x − x0
x → x0
Extendiendo esta definición a un x cualquiera, la derivada de una función f es:
f ( x + h) − f ( x )
f ' ( x) = lim
h
h →0
Puede suceder que el límite no exista para algún x dado, y en ese caso se dice que la
función f no es derivable en ese punto.
Ejemplo: hallar la función derivada de f ( x) = x + 1
Aplicando la definición de derivada se debe calcular el siguiente límite:
x + h +1− x +1 h
f ' ( x) = lim = lim = 1
h h
h →0 h →0
El dominio de f ' ( x) está dado por el dominio de f (x) con excepción de los puntos en
los cuales el límite que define f ' ( x) no tiene sentido.
4.2.2 Continuidad y derivabilidad
El concepto de continuidad de una función está asociado a una suave variación de f

ante pequeñas variaciones de x . Si bien ambos conceptos tienen relación, la
derivabilidad en un punto asegura continuidad, pero no sucede a la inversa.
Intuitivamente ayuda a comprender esto el concepto de derivada lateral de una función
f.
La derivada por derecha se denota f ' + ( x0 ) y se define como:
f ( x) − f ( x0 )
f ' + ( x0 ) = lim
x − x0
x → x0+
91
Análogamente se define la derivada por izquierda f ' − ( x0 ) y se define como:
f ( x) − f ( x0 )
f ' − ( x0 ) = lim
x − x0
x → x0−
f ' ( x0 ) existe si y solo si las derivadas laterales existen y son iguales entre sí en x = x0 .
Ejemplo: sea una función definida de la siguiente forma
1 − x si x ≥ 1
f ( x) =  2
 x − 1 si x < 1
Gráfica de la función f (x) del Ejemplo.
Se observa que la función no tiene discontinuidades en su gráfica, en cambio, si se

calculan las derivadas laterales en x = 1 se obtiene:
f ( x) − f (1) 1− x
f ' + ( x) = lim = lim = −1
x −+ 1 x +− 1
x →1 x →1
f ( x) − f (1) x2 −1 ( x + 1)( x − 1)
f ' − ( x) = lim = lim = lim = lim x −+ 1 = 2
x −− 1 x −− 1 x − −1 x →1
x →1 x →1 x →1
En este caso rápidamente se puede concluir que la función f no es derivable en x = 1 ,

dado que:
f ' + (1) ≠ f ' − (1)
92
4.2.3 La importancia de la derivada en el estudio de las funciones
El concepto de derivada es una herramienta fundamental en el estudio del

comportamiento de las funciones. Por la propia definición de derivada, se puede
asegurar que si f ' ( x) x = x > 0 la función f es creciente en un entorno de x = x0 .
0
Esta aseveración es fácilmente demostrable analíticamente:
f ( x 0 + h) − f ( x 0 )
f ' ( x0 ) = lim
h
h →0
Si h > 0 el denominador del cociente es positivo, y como partimos de la base que la

derivada es positiva, debe cumplirse entonces:
f ( x 0 + h) − f ( x 0 ) > 0 ⇒ f ( x 0 + h) > f ( x 0 )
Un razonamiento análogo se puede hacer para h < 0 .
Gráficamente esto puede ser interpretado de la siguiente forma, la curva de f (verde)

tiene en el punto x0 la derivada positiva (pendiente de la recta tangente en ese punto
positiva). En la gráfica se observa claramente que al ser positiva la derivada de una
función f en el punto x0 , la función f es creciente en un entorno de ese punto. Del
mismo modo, puede observarse que en x = x1 f ' es negativa (curva en rojo). Se
observa que la función f en un entorno del punto x1 es decreciente.
Como conclusión podemos decir que el signo positivo o negativo de la derivada de una
función f para un valor de x nos permite asegurar si la función f es creciente o
decreciente.
93
La pregunta inmediata que surge es: ¿qué podemos decir del comportamiento de una
función cuando su derivada es 0?
La respuesta a esta pregunta no es tan sencilla ni general como cuando el signo de las
derivadas es positivo o negativo. En general, si la función f es derivable en el entorno
de x 2 , podemos decir que la función f ' es continua en dicho punto. Intuitivamente se
puede afirmar que en ese caso pueden suceder dos cosas:
Que f ' sea positiva de un lado de x 2 y negativa del otro

Que f ' sea positiva/negativa en un entorno de x 2 y nula en x 2
El segundo caso es más complejo y particular que el primero y requiere del estudio de la
derivada segunda de f , lo cual se realizará más adelante.
En el primer caso, suponiendo que la derivada cambia de signo en un entorno de x 2 , lo

que sucede es que por uno de los lados de x 2 la función crece (decrece) y por el otro
decrece (crece). Esta situación indica que se está en presencia de un punto notable de la
función f para x = x 2 , dado que f (x) tiene un máximo/mínimo en x = x 2 .
En la siguiente gráfica se indica la presencia de un mínimo para la curva en x = 0 (recta
tangente horizontal gris).
A continuación se presenta un sencillo esquema que permite recordar cómo identificar

un máximo o un mínimo en función del signo de la derivada asumiendo que f ' ( x 2 ) = 0 .
94
Máximo
f’(x)>0 f’(x)<0
X2
mínimo
f’(x)<0 f’(x)>0
X2
4.2.4 Derivada de la función compuesta
Este resultado, también conocido vulgarmente como Regla de la Cadena, permite

calcular la derivada de una función cuya variable independiente es a su vez función de
otra variable.
Por ejemplo, sean:
y = f ( x) = x + 2
x = g (u ) = u 3
Sustituyendo la variable u en la función f se obtiene:
y = f ( x) = x + 2 = g (u ) + 2 = u 3 + 2
Se puede entonces expresar y como una función de u donde y = h(u ) = f ( g (u )) .
La función h recibe el nombre de función compuesta y se denota f o g .
Esto se podría expresar gráficamente de la siguiente forma:
95
Composición de funciones
Es importante notar que el dominio de la función f es el codominio de la función g .
La derivada de la función compuesta es:
f ' (u ) = f ' ( g (u )) g ' (u )
A continuación se presenta el resultado del ejemplo anterior.
y = f ( x) = x + 2
x = g (u ) = u 3
Aplicando la Regla de la Cadena se obtiene:
h' (u ) = f ' ( g (u )) = f ' ( x).g ' (u ) = 3u 2
Si en lugar de aplicar la Regla de la Cadena se sustituye u en la función f y se deriva

se obtiene
y = h(u ) = f ( g (u )) = u 3 + 2
h' (u ) = 3u 2
4.2.5 Derivada segunda
Sea f una función derivable en un intervalo I , podemos afirmar que ∃ f ' continua
en I . Asumiendo que f ' es continua y derivable en dicho intervalo I . Bajo estas
hipótesis tiene sentido estudiar el comportamiento de la función derivada de f ' , a la
cual se denominará f ' ' .
Una forma sencilla de encarar el problema es definir g / g = f ' ⇒ g ' = f ' ' .
Por su definición la derivada segunda de una función f será:
96
f ' ( x + h) − f ' ( x )
f ' ' ( x) = lim
h
h →0
En este caso valen todas las propiedades estudiadas para la derivada primera, es decir:
Si la derivada segunda es positiva/negativa en un entorno de x0 , la derivada

primera es creciente/decreciente en un entorno de x0
Si la derivada primera es derivable en un entorno de x0 , la derivada segunda es
continua en el mismo entorno
Cuando la derivada segunda se hace 0, la derivada primera tiene un punto
notable
El signo de la derivada segunda de la función f brinda información acerca del

comportamiento de la curva. Si f ' ' es positiva en un entorno de x0 , f ' es creciente, lo
que quiere decir que la pendiente de la curva y = f (x ) aumenta al aumentar x en un
entorno del punto x0 . Cuando f ' ' > 0 se dice que la curva y = f (x) tiene concavidad
positiva.
En la siguiente gráfica se muestra como varía la concavidad de la curva y = f (x) al

variar x . Para x = x1 f ' ( x) > 0 y f ' ' ( x) > 0 , se aprecia que en x = x 2 la pendiente de
la recta tangente es mayor que en x = x1 , lo cual es consistente con f ' ' ( x) > 0 , dado
que f ' en ese intervalo es creciente (la recta gris tiene pendiente mayor que la recta
azul). En este tramo la curva y = f (x) presenta concavidad positiva.
Para x = x3 sigue valiendo f ' ( x) > 0 ( f creciente), pero se observa que la curva se
desacelera, es decir, crece a una tasa menor, dado que para x = x 4 la pendiente de la
recta tangente a la curva es menor (curva roja vs. curva anaranjada). Por lo tanto se
aprecia que f ' es decreciente, que es equivalente a decir f ' ' < 0 en dicho intervalo.
En este tramo la curva y = f (x) presenta concavidad negativa.
97
A continuación se presenta una tabla que describe el andamiento de la curva y = f (x)

en función del signo de sus derivadas primera y segunda.
f'
f''
Positiva Negativa
f creciente f decreciente
Positiva
Concavidad positiva Concavidad positiva
f creciente f decreciente
Negativa
Concavidad negativa Concavidad negativa
4.2.6 Teoremas
4.2.6.1 Rolle
Sea f una función que cumple las condiciones siguientes:
f es continua sobre un intervalo cerrado [a, b]
f es derivable sobre un intervalo abierto (a, b )

f (a ) = f (b)
∃ por lo menos un número real c tal que a < b < c y f ' (c) = 0 .
Este teorema puede interpretarse geométricamente de la siguiente forma:
98
Si una función es continua y derivable en un intervalo (a, b ) , y tiene el mismo valor

funcional en los extremos del intervalo, esa función tiene un máximo o un mínimo en
algún punto de (a, b ) .
4.2.6.2 Lagrange
Sea f una función que cumple las propiedades siguientes:
continua sobre un intervalo [a, b]

derivable sobre un intervalo (a, b )
f (b) − f (a )
∃ c ∈ (a, b ) / f ' (c) =
b−a
La interpretación geométrica del teorema de Lagrange lo que indica es que ∃ algún

valor c / la pendiente de la tangente a la curva y = f (x ) es igual a la pendiente de la
recta secante a la curva y = f (x) entre los puntos P (a, f (a )) y Q(b, f (b)) .
99
4.2.7 Tabla de derivadas
En esta sección se presenta una tabla de derivadas inmediatas. Esta tabla será de gran
utilidad para dos propósitos, el cálculo de integrales y el cálculo de derivadas de
funciones más complejas.
f (x) f ' ( x)
k 0
kx k
kx n knx n −1
Ln x 1
x
ex ex
ax Ln a a x
100
5 Funciones del área económico-administrativa
5.1 Introducción
En esta sección se realizará una presentación de las tres funciones básicas del área
económico-administrativa a saber: costo total ( CT ), ingreso (Y ) y beneficio ( B ).
Estas funciones se presentarán desde una perspectiva interna de la empresa, es decir, no
se realizarán hipótesis acerca del comportamiento del mercado. Posteriormente se
definirán algunos conceptos vinculados a estas tres funciones respecto de los mercados,
los cuales son herramientas fundamentales para las decisiones de quienes deben decidir
acerca de la planificación de una empresa.
Funciones de costo, ingreso y beneficio
5.1.1 Función de costo
Se define la función de costo, la cual de ahora en adelante se denominará CT (q ) , siendo

la variable q la cantidad producida, como el costo total en el que incurre una empresa
en producir una cantidad q del bien o servicio. Esta función generalmente tendrá dos
componentes: costo fijo ( CF ) y costo variable ( CV ). El costo fijo es aquel costo en el
que se incurre por el solo hecho de poder disponer de la capacidad de producción, y que
por lo tanto no dependerá de la cantidad de unidades producidas, mientras que el costo
variable como su propio nombre lo dice, es aquella componente del costo total que
dependerá exclusivamente de la cantidad de unidades producidas. En base a las
definiciones anteriores resulta la siguiente relación:
CT (q ) = CF + CV (q )
P. ej., supóngase el caso de una empresa que produce conserva de tomate. Dentro de los
costos fijos de la empresa se pueden mencionar: salarios y aportes a la seguridad social
de los empleados, alquiler del local, alquiler de la maquinaria, costos fijos de luz, agua y
teléfono, etc. Entre los costos variables en cambio se pueden mencionar: costo total de
tomates usados para hacer conservas, pago de horas extras del personal, costos de
empaque, etc.
A continuación se presentará un ejemplo que ayudará a comprender mejor aún los

conceptos de costo variable, costo fijo y costo total.
Supóngase que una empresa que se dedica a la venta de mermelada de zapallo desea
conocer su función de costos disponiendo de la siguiente información:
Cada frasco de mermelada de zapallo insume 2 kg. de zapallo y 0.5 kg. de

azúcar
El kg. de zapallo cuesta $ 30 y el kg. de azúcar $ 10
Cada frasco demanda gastar $ 3 en energía eléctrica por cada frasco
101
Cada frasco demanda gastar $ 2 en agua

Cada frasco insume 1.5 horas hombre de trabajo, pagándose $ 40 la hora de
mano de obra
El alquiler del local donde se produce la mermelada es $ 10000 al mes
Primeramente es importante destacar que en este caso la variable q representa la

cantidad de frascos de mermelada de zapallo que se produzcan. La función de costo
total CT (q ) tendrá dos componentes, el costo fijo y el costo variable. En base a la
información disponible resulta que el único costo que es independiente de q es el
alquiler del local, el cual se debe pagar todos los meses más allá de que se produzca o
no mermelada de zapallo. El resto de los costos (zapallo, azúcar, energía eléctrica, agua,
horas hombre de trabajo), van a depender de la cantidad producida.
Por lo tanto resulta:
CF = 10000
CV (q ) = 2 * 30 * q + 0.5 * 10 * q + 5 * q + 1.5 * 40 * q = 130q
El costo total CT (q ) será:
CT (q ) = 10000 + 130q
En la siguiente figura se representa gráficamente las funciones de costo fijo, costo

variable y costo total para el ejemplo.
25000
20000
15000
10000
5000
0
1 11 21 31 41 51 61 71 81 91
Cantidad de envases
Costo total Costo variable Costo fijo
Funciones de costo total, fijo y variable, ejemplo mermelada de zapallo
Se presenta otro ejemplo. Supóngase una empresa procesadora de pasta de celulosa. En

este caso, para producir 1 tonelada de celulosa se necesitan 2.5 toneladas de madera, la
cual cuesta $ 750 la tonelada. Como todo el proceso de la planta de celulosa está
automatizado, no es necesario disponer de mano de obra, salvo dos supervisores cuyo
sueldo es $ 15000 al mes.
102
La fábrica no es propietaria de los equipos, por los cuales debe pagar todos los meses $
40000, y el alquiler de la planta y el predio aledaño es de $ 70000 al mes.
¿Cuál es la función de costos de esta empresa?
Nuevamente para calcular la función de costo es necesario separar los costos fijos de los
variables.
Los costos fijos están dados por los costos de alquiler de los equipos, los sueldos y los
costos de alquiler del predio aledaño, mientras que los costos variables son los de
materias primas (en este caso la madera).
Resulta entonces:
CF = 70000 + 40000 + 2 * 15000 = 140000

CV = 2.5 * 750 * q = 1875q
CT = 140000 + 1875q
La incidencia de los costos fijos en el costo total dependerá del sector en cuestión. P. ej.
una empresa del sector petrolero tendrá costos fijos muy elevados, dado que las
inversiones en la maquinara adecuada para la explotación de los pozos petroleros son
muy elevadas, y los costos operativos tendrán una incidencia menor.
Una situación similar se presenta con las compañías de transporte aéreo, dado que el
costo de un vuelo (combustible, servicio de abordo, etc.) es despreciable respecto del
costo de las inversiones en aviones.
En cambio, una industria como la del teletrabajo presenta costos fijos bajos (costos de
disponibilidad de Adsl principalmente), y en cambio si presenta altos costos en el pago
de honorarios a los trabajadores, más aún si estos son altamente calificados.
En los ejemplos anteriores se presentaron casos en los cuales la función de costo total es
lineal con la cantidad producida, esta situación no es necesariamente así siempre, en
general la función de costos tiene comportamientos no lineales.
Otro concepto importante es el costo medio ( CMe(q ) ), el cual se define a partir del
costo total y la cantidad producida, y representa el costo promedio de cada unidad que
se produjo. Por su propia definición el costo medio se calcula como:
CT (q )
CMe(q ) =
q
Volviendo al ejemplo de la empresa que produce mermelada, el costo medio de cada

frasco será:
10000 + 130q 10000

CMe(q ) = = + 130
q q
Esta función es una hipérbola, en la medida que la cantidad producida aumente el costo
medio disminuirá. Se dice en este caso que el aumento en la producción “licua” los
costos fijos, y por lo tanto en la medida que se produzca mayor cantidad, menor
incidencia tendrán éstos en el costo medio de la empresa.
103
25000
20000
15000
10000
5000
0
1 11 21 31 41 51 61 71 81 91
q
Costo total Costo medio
Costo total y costo medio, ejemplo mermelada de zapallo
A pesar de no ser muy usado, otro concepto que también se definirá es el de costo
medio variable CVMe(q ) , el cual como su propio nombre lo dice se define como:
CV (q )
CVMe(q ) =
q
Finalmente, un concepto fundamental para el estudio de costos, y que será determinante

para la construcción de la curva de oferta en un mercado es el costo marginal
( CMg (q ) ), el cual es la derivada del costo total respecto de q .
CMg (q ) = CT ' (q )
Nuevamente, en el caso del ejemplo de la mermelada de zapallo, el costo marginal será:
CMg (q ) = 130
Desde el punto de vista conceptual, el costo marginal representa para un nivel de

producción dado, el costo en el que incurre la empresa en producir una unidad más. En
el caso del ejemplo resulta fácil comprender que como la empresa tiene una función de
costo lineal, producir una unidad más siempre le costará $ 130. En caso que la función
no sea lineal, los costos marginales pueden variar según el nivel de producción.
P. ej., en caso que una empresa esté trabajando a valores nominales de su capacidad de
producción, el producir una unidad más implica por ejemplo pagar horas extra al
personal, horas que tendrá un costo superior debido a la legislación. En este caso, para
ese nivel de producción la empresa está en una zona de su curva de costos en la cual el
costo marginal es creciente con la cantidad.
En caso que una empresa tenga una capacidad ociosa de producción, el producir una
unidad más será decreciente en función de la cantidad, dado que se estarán como se dijo
anteriormente “licuando” los costos fijos.
La curva de costos ha sido objeto de muchos análisis por parte de economistas a lo largo
de la historia. Uno de los que más analizó esta curva fue Alfred Marshall quien
104
introdujo la relación entre cantidad producida y costo de producción. Marshall distingue

tres posibilidades4:
1. Costos crecientes. El costo unitario aumenta cuando aumenta la producción

2. Costos decrecientes. El costo baja cuando aumenta la producción
3. Costos constantes. El costo no cambia con el nivel de producción
En general dependiendo de la capacidad de producción de una empresa, la curva de

costos puede presentar los tres comportamientos anteriormente descriptos.
A continuación se presenta un ejemplo que permite entender el comportamiento de esta

curva.
Sea una empresa que fabrica automóviles. Su función de costos totales es la siguiente:
CT (q ) = 2q 3 − 400q 2 + 30000q + 100000
Los costos fijos y variables son:
CF = 100000
CV = 2q 3 − 400q 2 + 30000q
El costo medio es:
100000
CMe(q ) = 2q 2 − 400q + 30000 +
q
El costo variable medio es:
CVMe(q ) = 2q 2 − 400q + 30000
El costo marginal es:
CMg (q ) = CT ' (q ) = 6q 2 − 800q + 30000
Respecto de las gráficas pueden realizarse las siguientes observaciones:
1. El costo marginal es siempre positivo, por lo tanto el costo total es siempre

creciente
2. En el punto de inflexión de la curva de costo total, el costo marginal es mínimo
3. Mientras el costo medio disminuye (economía de escala), el costo marginal está
por debajo del costo medio
4. La curva de costo medio variable se aproxima a la de costo medio en la medida
que la cantidad producida aumenta
5. La intersección entre la curva de costo medio variable y la curva de costo
marginal se produce en el mínimo de la primera
4
Bucheli, M. Las escuelas Neoclásicas.
105
7000000
6000000
5000000
4000000
3000000
2000000
1000000
0
1
9
17
25
33
41
49
57
65
73
81
89
97
105
113
121
129
137
145
153
161
169
177
185
193
q
Costos totales
140000
120000
100000
80000
60000
40000
20000
0
1
9
105
113
121
129
137
145
153
161
169
177
185
193
17
25
33
41
49
57
65
73
81
89
97
CMe CMg CVMe
Costos medios y costos marginales
5.1.2 Función de ingreso
La función de ingreso representa la facturación total que tiene la empresa por la venta
de su producción. Bajo el supuesto que logra colocar toda la producción a la venta, y
que todas las unidades se venden al mismo precio (lo cual puede ser discutible porque
en muchas ocasiones existen promociones, descuentos por compras de grandes
cantidades, etc.), el ingreso se calcula:
Y (q) = p * q
Siendo p el precio de venta de cada unidad.
106
Es importante destacar que no se debe confundir p con el precio que paga el

consumidor final por el bien, dado que pueden existir intermediarios en la cadena de
valor que incrementen el precio de venta al público.
En caso que el precio de venta para la empresa no sea el mismo para sus diferentes
clientes, el ingreso se calcula como:
q
Y = ∑ pj
j =1
5.1.3 Función de beneficio
La función de beneficio queda definida como la diferencia entre los ingresos totales y
los costos totales, y representa la ganancia neta de la empresa.
BT (q ) = Y − CT (q )
Al igual que con el costo, se define el beneficio marginal ( BMg (q ) ) como el beneficio
producido por vender una unidad más. Este concepto será fundamental para decidir el
nivel de producción de la empresa, dado que la función de beneficio es la función que se
desea maximizar desde el punto de vista económico.
5.2 Oferta y demanda
5.2.1 Demanda
La cantidad de un bien o servicio demandado disminuye en la medida que su precio

aumenta. Esto es un principio económico fundamental conocido como la ley de la
demanda: precio y cantidad demandada están inversamente relacionados. Esta ley puede
ser graficada de la siguiente forma:
Ley de la demanda
107
Existen otras variables diferentes del precio de bien que afectan la demanda De un bien
o servicio. Por ejemplo, la demanda de botas para la lluvia va a estar influida por
factores climáticos, el ingreso de los consumidores, los gastos en publicidad de las
empresas, etc. Las variables que afectan a la demanda y que no son el precio de bien se
conocen como determinantes de la demanda.
En la siguiente gráfica se ilustra como influyen los determinantes de la demanda en el
comportamiento de la curva de demanda.
Influencia de los determinantes de la demanda en la curva de demanda
Debe destacarse que no siempre el mismo determinante de la demanda influye de igual

modo sobre la curva de demanda. Por ejemplo, un aumento del ingreso de los
consumidores puede hacer aumentar o disminuir la cantidad demandada de un bien o
servicio. Los economistas distinguen entre dos tipos de bienes: normales e inferiores.
Un bien cuya demanda se incrementa (se mueve a la derecha) cuando el ingreso se
incrementa es llamado un bien normal. Ejemplos de bienes normales son carne, viajes
en avión, colegios privados, etc. Cuando el ingreso se incrementa, los consumidores
compran más de esos bienes a cualquier precio.
De manera inversa, cuando el ingreso disminuye, la demanda de un bien normal cae (se
desplaza a la izquierda).
Los bienes inferiores en cambio son aquellos que frente a un incremento en los ingresos
se reduce la demanda de los mismos. Ejemplos de bienes inferiores son el arroz, la
mortadela, etc.
El análisis de la incidencia de otros determinantes de la demanda excede completamente

el propósito del curso, por lo cual no será abordado de ahora en adelante.
La función de demanda del bien X describe cuanto del bien X será comprado para
diferentes precios del bien X y de los bienes relacionados, diferentes niveles de
ingreso, y valores alternativos de cualquier otra variable que afecte su demanda.
Formalmente, QXd representa la cantidad demandada del bien X , PX el precio del bien
108
X , PY el precio de bienes relacionados, M el ingreso, H i el valor de otras variables

j
que afectan la demanda del bien X . Por lo tanto, la función de demanda puede ser
escrita como:
QXd = QXd ( PX , PY j , M , H i )
A los efectos del curso no se considerarán las incidencias en la demanda de las

determinantes de la demanda, por lo cual la demanda de un bien o servicio dependerá
exclusivamente del precio del mismo.
5.2.2 Excedente de consumidor
El concepto de excedente de consumidor es especialmente útil para personas que

trabajan en el departamento de marketing y otras áreas que desarrollan estrategias de
discriminación de precios. La gráfica de la demanda muestra que la cantidad que un
consumidor está dispuesto a pagar por una unidad adicional del bien disminuye
conforme se consumen más unidades del bien. Este fenómeno es similar al mencionado
como la utilidad marginal decreciente de la renta5 por Daniel Bernoulli.
El siguiente ejemplo ilustra un poco mejor la idea. Supóngase que una persona en el
desierto luego de caminar 8 km arriba a un oasis. Intuitivamente es fácil notar que el
primer sorbo de agua que beba le producirá mucha mayor satisfacción que los que beba
posteriormente. Algo similar se produce con la demanda de un bien. Una vez que se ha
consumido bastante de ese bien, por lo cual éste satisfizo las necesidades de los
consumidores, éstos no estarán dispuestos a pagar lo mismo por el bien que lo que
estaban antes de tener insatisfechas sus necesidades. Por este motivo se dice que la
unidad adicional, tiene utilidad marginal decreciente.
Supóngase que la gráfica a continuación representa la demanda de agua luego de correr

una maratón.
Curva de demanda de agua al finalizar la carrera
5
Levenfeld, G., de la Maza, S. Matemática de las operaciones financieras y la inversión.
109
Inicialmente se está dispuesto a pagar más dinero (en este caso $ 4 el primer litro).
Conforme el corredor consume más agua, la cantidad que está dispuesto a pagar va
disminuyendo, es decir conforme se mueve hacia abajo en la curva de demanda.
Observe que cuando ya se consumió un litro, solo se está dispuesto a pagar menos de $
4 por el siguiente litro.
Una medida de la satisfacción que le produce al consumidor el consumir el agua es el

precio que está dispuesto a pagar por ésta. Esto corresponde a área debajo de la curva de
Cantidad de litros
demanda, es decir en el ejemplo ∫ q( p)dp . Por ejemplo, de acuerdo a la curva de
0
demanda, si el consumidor bebiera 2 litros de agua, la satisfacción o beneficio de éste
sería $ 8 (área en rojo en la siguiente gráfica).
Satisfacción del consumidor
En el caso que el precio del agua fuera $ 3 el litro, el consumidor pagaría $ 6 por dos
litros de agua, cuando la satisfacción que ésta le produciría sería de $ 8. El consumidor
está obteniendo un excedente de $ 2. Este “extra” se le conoce como excedente del
consumidor (beneficio que los consumidores obtienen cuando compran un bien, y que
no tienen que pagar por él). Este índice es importante para quien decide la política de
precios en una empresa porque mide dice cuanto dinero extra estarían dispuestos a
gastar los consumidores dada la cantidad de bienes que están comprando.
El excedente del consumidor es el área arriba del precio pagado por cada unidad del
bien, y debajo de la curva de demanda, como se lustra en amarillo en la siguiente
gráfica.
110
Excedente de consumidor
5.2.3 Oferta
A efectos de simplificar el tratamiento del tema, se asumirá que la cantidad ofertada

depende exclusivamente del precio. La ley de la oferta dice que existe una relación
positiva entre precio y cantidad ofertada: cuando el precio sube (baja) y todo lo demás
permanece constante, la cantidad ofrecida del bien se incrementa (disminuye). Los
productores están dispuestos a producir más cuando el precio es más alto.
Curva de oferta
Las variables que afectan la posición de la curva de oferta son llamados determinantes
de la oferta, algunos ejemplos son: precios de los insumos, nivel de tecnología, número
de empresas en el mercado, impuestos, expectativas de los productores. Cuando una o
más de estas variables cambian, la posición de la curva de oferta cambia, es decir, la
curva se mueve.
En general a la curva de oferta se la denomina con la letra S .
111
Movimiento de la curva de oferta
La curva de oferta de una empresa está estrechamente asociada a los costos de la misma,
dado que es la curva de costo marginal a partir del punto en que el costo marginal
supera a la curva de costos medios variables6. La curva de oferta del mercado, o curva
agregada, es la sumatoria de las ofertas de todas las empresas del sector, es decir, es una
curva que se va a estar más corrida hacia la derecha que la curva de cada una de las
empresas participantes del mercado.
5.2.4 Excedente de productor
Así como los consumidores desearían que el precio fuera lo más bajo posible, los
productores desean que el precio sea lo más alto posible. La curva de oferta muestra la
cantidad que los productores desean producir a cada uno de los diferentes precios. De
manera alternativa, la curva de oferta indica el precio que la empresa tendría que recibir
para producir una unidad adicional del bien.
El excedente del productor es lo análogo al excedente del consumidor; es la cantidad de

dinero que los productores reciben en exceso de la cantidad necesaria para inducirlos a
producir el bien. Geométricamente, el excedente del productor es el área arriba de la
curva de oferta pero debajo del precio de mercado del bien.
6
Bucheli, M. Las escuelas Neoclásicas.
112
Excedente de productor
5.2.5 Equilibrio del mercado
El precio de mercado en un mercado competitivo está determinado por la interacción de

los consumidores y productores en ese mercado. Los conceptos de oferta y demanda
hacen este concepto de interacción más preciso. El precio de un bien en un mercado
competitivo es determinado por la interacción de la curva de oferta y la curva de
demanda del bien. La intersección de ambas curvas determina el precio de equilibrio.
Equilibrio del mercado
113
6 Referencias
Hernández Saborío. Elise. Revisista digital de matemática, educación e Internet.
Revista de Matemática, Instituto Tecnológico de Costa Rica. Capítulo 2.
Patricia Kysbie y Alejandro Tiraboschi. Elementos de lógica y teoría de
conjuntos.
Isabel María Elena Fernández y Celia Rodríguez Alfama. Cálculo de primitivas.
Lincoln L. Chao. Estadística para las ciencias administrativas. Mc Graw Hill.
Howard Anton. Introducción al álgebra lineal. Limusa.
Jorge Oviedo. Matriz de Insumo – Producto y La Inversa de Leontief – Cálculo
por medio de Maple, Matemática, Gauss, Matlab y Macros en Excel.
Bucheli, M. Las escuelas Neoclásicas
Levenfeld, G., de la Maza, S. Matemática de las operaciones financieras y la
inversión
http://www.paginasprodigy.com/mgomez17/Capitulo%202.pdf
114

Analisis Cuantitativo

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Analisis Cuantitativo

Cargado por

Copyright:

Formatos disponibles

Análisis Cuantitativo Curso 2010

Docente: MBA Ing. Ciro Mata

5.1.1 Función de costo................................................................................... 101

1 Teoría de conjuntos y combinatoria

1.1 Introducción y definiciones

Un conjunto es una colección de elementos diferentes. Los objetos que integran un

N : el conjunto de los números naturales

A continuación se presenta una definición por extensión para dos conjuntos A y B :

A = {x / x ∈ N , x < 5}, B = {vocales}

Un conjunto particular es el conjunto vacío, el cual no tiene elementos y se identifica

1.1.1 Diagramas de Venn

Diagrama de Venn del conjunto A

Se dice que un conjunto B es un subconjunto de un conjunto A si todos los elementos

1.1.3 Conjuntos de números reales

Un intervalo de números reales es un subconjunto de R , que tiene la siguiente

Los subconjuntos de la forma {x / x < a} o {x / x > a} también se llaman intervalos

1.1.4 Conjunto universal

En el caso de considerarse varios conjuntos cuyos elementos tienen una propiedad

En los diagramas de Venn, al conjunto universal se lo grafica del siguiente modo:

Se define el cardinal de un conjunto finito A a la cantidad de elementos del conjunto.

Una relación es un vínculo entre un elemento de un conjunto (conjunto de partida) y un

Formalmente una función se define y denota de la siguiente forma:

Que se lee de la siguiente forma, para todo x de A existe un único elemento de B

Las funciones se pueden clasificar en tres categorías:

Una función es inyectiva ⇔ ∀x1 , x 2 ∈ A, x1 ≠ x 2 , f ( x1 ) ≠ f ( x 2 ) .

Una función es sobreyectiva ⇔ ∀y ∈ B∃x ∈ A / y = f ( x) .

Una función es biyectiva si es inyectiva y sobreyectiva a la vez.

1.2 Operaciones con conjuntos

1.2.1 Operaciones básicas

Las operaciones básicas entre conjuntos son:

El resultado de toda operación entre conjuntos es otro conjunto.

También existe para cada conjunto el concepto de complemento. La notación que se

Sean A y B dos conjuntos. La unión de los conjuntos A y B es el conjunto cuyos

Por comprensión, la unión entre dos conjuntos se define:

En un diagrama de Venn, la unión de los conjuntos A y B queda representada por la

Unión de conjuntos en diagrama de Venn (sombreado)

Algunos resultados interesantes respecto de la unión son los siguientes:

La intersección entre dos conjuntos A y B son aquellos elementos que pertenecen

Por comprensión, la unión entre dos conjuntos se define:

En un diagrama de Venn, la intersección es el área sombreada de la siguiente figura.

Intersección de conjuntos en diagrama de Venn (sombreado)

Algunos resultados interesantes respecto de la intersección son los siguientes:

La diferencia entre dos conjuntos A y B es el conjunto de todos los elementos que

Por comprensión, la diferencia entre dos conjuntos se define:

En un diagrama de Venn, la diferencia se grafica como se ilustra en la figura a

Diferencia de conjuntos en diagrama de Venn (sombreado)

1.2.5 Diferencia simétrica

La diferencia simétrica entre dos conjuntos A y B se define como:

En un diagrama de Venn, la diferencia simétrica se grafica como se ilustra en la

Diferencia simétrica en diagrama de Venn

Sea A un conjunto perteneciente al conjunto universal Ω .

Se define complemento del conjunto A , y se denota A' a todos aquellos elementos de

Por comprensión, el complemento de un conjunto A se define:

En un diagrama de Venn el complemento se representa como se indica en la gráfica a

Complemento del conjunto (sombreado)

1.2.7 Propiedades de las operaciones entre conjuntos

Tanto la unión como la intersección cumplen con las propiedades conmutativa,

Otras propiedades importantes son las leyes de Morgan:

( A U B )' = A'I B '

1.3 Producto cartesiano

1.3.1 Pares ordenados, ternas, n-uplas

Dos elementos dados forman un par ordenado. Ejemplos de pares ordenados

Se define producto cartesiano de dos conjuntos A y B no vacíos, al conjunto de todos